多特征融合的遥感影像建成区提取研究

钟嫣然，李晓龙

（1.武汉大学 测绘学院，湖北 武汉430079；2. 重庆市地理信息中心，重庆 401120）

及时准确的城市扩张度量对于了解一个城市的经济发展情况、协调城乡之间的发展平衡是非常必要的[1]。遥感技术作为一种多时相、覆盖广、快速实时的信息获取手段，近年来在资源环境、城市扩张监测等方面得到了广泛应用[2]。迄今为止，已有许多学者基于不同分辨率的可见光与红外波段遥感影像、夜间灯光遥感数据、合成孔径雷达数据等，提出或使用了多种建成区即“不透水面”[3]的提取方法，本文主要讨论多波段影像数据所使用的方法。其中，较常见的算法是各种光谱指数，如归一化差异建筑指数（NDBI）[4]、建成区提取指数（BAEI）[5]、基于指数的建筑指数（IBI）[6]和生物物理成分指数（BCI）[7]。然而，由于地物间存在同物异谱、异物同谱以及混合像元的情况，使得这些指标在区分建成区和背景，尤其是裸土时，并没有获得较为理想的精度[8]。除此以外，也有基于纹理特征提取的算法，如Pesaresi M[9]等针对SPOT 卫星的2.5 m分辨率全色波段影像提出了适用于5 m 甚至更低分辨率影像的建成区存在指数PanTex；沈小乐[10]等利用采样轮廓波变换来描述图像的纹理特征，并引入视觉注意机制，最终得出该方法适用于高分辨率遥感影像的结论；NING X G[11]等以甚高分辨率遥感影像为对象，通过探测几何元素（如直角边和角）并计算其密度来提取建成区。

上述方法主要是通过提取影像特征来达到提取建成区的目的。近年来，随着机器学习的兴起，能自行训练分类模型的机器学习监督分类算法成为研究热点。……