基于ENVI影像监督分类提取杭州市绿化覆盖

基于ENVI影像监督分类提取杭州市绿化覆盖

□杭州市勘测设计研究院 楼一涛

图1 示例范围影像图

按照浙江省地理国情普查2016年度监测要求，杭州市勘测设计研究院结合杭州市实际情况，认真、规范、有序地组织开展2016年度绿化覆盖面积调查工作。绿化覆盖面积是指城市建成区内植物的垂直投影面积，其数值高低是衡量城市环境及居民生活水平的重要指标之一。本次绿化覆盖提取工作以高清遥感影像为基础，主要基于遥感图像处理平台ENVI软件的监督分类模块。

一、影像范围及采集时间

本次绿化覆盖提取工作所使用影像范围为杭州市六城区（上城区、下城区、江干区、拱墅区、西湖区、滨江区），是分辨率为0.5米X0.5米的高清遥感影像。采集时间为2016年6月中旬，处于春夏交接时间段，植被生长良好，无明显云层遮蔽，非常适宜进行影像监督分类。

二、ENVI与监督分类

本次绿化覆盖提取工作属于基于光谱的影像分类，而ENVI软件的光谱分析一直处于世界领先地位，它具有一系列先进、可靠的影响分析工具。以及其流程化的图像处理工具（Workfow）使得影像处理工作更加处理流畅、步骤分明。并且ENVI与主流地理信息系统软件ArcGIS有非常好的功能集成与交互。

本次绿化覆盖提取工作使用主要基于ENVI软件的监督分类模块。监督分类又被成为训练分类法，是指用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类，使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。

图2 最大似然分类结果

图3 结果图

三、提取绿化覆盖的步骤（影像监督分类）

第一步，影像剪裁。在ArcGIS中加载2016年影像以及城市建成区范围，对影像进行剪裁。

第二步，预处理。将影像导入ENVI中，对影像进行特征判断，评价图像质量，进行调整拉伸方式，调节锐度等预处理工作，如图1。

第三步，样本选择。样本图斑为此次监督分类的训练区域，即感兴趣所需要的区域（兴趣区Region of Interest）。本次绿化覆盖提取工作分为房屋建筑、绿化覆盖、水域水系三个类别。使用多边形编辑工具在影像上，三种类别均匀各选取一定数量的图斑。选取完成之后将兴趣区单独保存成文件，之后可以对其进行直接调用，调整修改。

第四步，选择分类方式。监督分类包含最大似然分类法、最小距离分类法、马氏距离分类法、神经网络分类法、支持机向量分类法等分类方式。本次绿化覆盖提取工作选择最大似然分类法（Likelihood Classifcation），即假设每一个波段的每一类统计都呈正态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。分类结果如图2，不同颜色代表不同的地物，同种颜色聚类在一起。两个聚类相离越远，说明兴趣区的选择越好，若两个聚类掺杂在一起，则说明兴趣区的选择并不理想。

对于分类结果，ENVI中有一项定量的检测，可计算各个样本图斑的可分离度（Separability）。可分离度的数值在0-2之间，数值越大，可分离度越高，可分离度大于1.8则可认为合格，若分离度小于1.8，则需返回至第三步，重新选择样本图斑，如图2。

第五步，分类后处理。调整适合的平滑与聚合参数，对分类结果进行修正。

第六步，输出结果。将分类结果重新加载至ArcGIS对照影像，如图3所示。可以发现分类结果与影像套合较为准确。

在使用ENVI监督分类提取绿化覆盖后，还需要配合使用最新的地形图对绿化覆盖率结果进行检查与修正。若在对照后仍存在问题，应配合外业调查对问题地块进行核实。

四、使用ENVI监督分类提取绿化覆盖的优点

使用ENVI监督分类提取绿化覆盖，相对于传统的根据地形图等地理信息空间框架数据勾绘绿化覆盖的方法比较具有以下两个明显的优点：一是质量高，使用ENVI监督分类提取绿化覆盖边界套合精确，数量准确；二是效率高，使用ENVI监督分类提取绿化覆盖集成了该软件的多项功能，极大提高了作业速度与工作效率。

book=41,ebook=46