DEM地统计纹理在地貌分类中的应用研究

论文总字数：12748字

目 录

摘要.....................................................II

1 引言...................................................1

2 研究基础...............................................2

2.1 国内外研究进展.......................................2

2.2 研究区概况...........................................3

2.3 研究数据概况.........................................3

2.4 研究方法............................................4

2.4.1 数字地形分析法......................................4

2.4.2 地统计纹理提取方法...................................5

2.4.3 遥感非监督分类......................................5

2.5 技术路线............................................5

3 研究内容...............................................6

3.1 地形因子的提取.......................................6

3.2 地统计纹理提取.......................................9

3.3 纹理对地貌分类的影响.................................10

4 总结与展望............................................12

参考文献.................................................12

致谢.....................................................15

DEM地统计纹理在地貌分类中的应用研究

韩慧敏

摘要：本文研究了利用变异函数提取的DEM纹理在地貌分类中的作用。以陕西甘泉1：1万DEM数据为信息源，获得基于变异函数提取的地统计纹理图，并提取了坡度等DEM地形因子进行地貌分类。实验比较了地统计纹理参与地貌分类前和分类后的结果。研究表明，在地貌分类的结果中加入纹理信息，地貌分类的精度得到提高，总体分类精度提高了10%。

关键词：纹理；地统计；变异函数；地貌分类；DEM

1 引言

自然地理环境是由诸多要素相互协同作用而形成的，地貌便是其诸多因素中的一种。地貌分类是数字地形分析的基础，同时也是地貌制图研究的依据以及地貌分布规律研究的前提，所以地貌分类在实际的生产活动中以及科学实验的研究中，都占据着不容小觑的地位。是否能够精确、迅速的完成地貌特征的提取工作,不仅与是否可以获得更高等级的地貌信息有关，与此同时，对地貌结构的分析、地貌区划等都将产生十分重要的现实意义。

本文拟借鉴遥感分类法进行地貌分类研究。对于遥感影像，我们已知它是具有光谱特征和纹理特征的，在两大基本特征的帮助之下，方便我们对遥感影像进行研究与分析。在遥感分类研究中，地物能够反射多少的电磁波能量，主要是通过光谱信息来反映，因此在这样的前提条件之下，地物的特征性状就能够借由遥感图像的光谱信息比较直观的反映出来。因此，光谱信息特征使用较多，而纹理信息使用相对较少。然而在实际的状况中，如果只是将光谱信息运用到遥感图像分析的过程中，就会对相当多的地物造成一定的影响，即“异物同谱、同物异谱”现象的发生，“异物同谱、同物异谱”现象的存在将会严重地制约遥感影像分类的精度。在图像分类的过程中，如果将相关的空间信息融入到其中，以纹理信息为例，图像分类的准确度将会获得大大的提升。换而言之，若将实际意义纳入考虑的范畴，数据的空间结构特征依然是遥感图像信息的本质所在 ，在此数据的空间结构特征还是主要是指影像的纹理信息。纹理特征主要体现在不同物体的形状、大小、方向、同质性程度、空间关系和对比度等方面。对于纹理而言，它是遥感影像分类与分析过程中的一个重要的指标，借助纹理特征表达的多样性，遥感影像中地物的空间构造信息以及地物本身与其周围环境的联系，便能轻而易举的被揭示出来，同时还能够传达出地表覆盖类型在空间上变化的关键信息。

栅格DEM在数据结构上与遥感影像一致，都能够反映地貌特征，并且从图像上来看，均具有显著的纹理特征，因此，若将纹理信息用于DEM地貌分类，将有助于提高地貌分类的精度。近年来，遥感图像纹理特征的提取工作不断展开，地统计学的方法也在不断地开创与创新，综合看来，这些方法在遥感分类中卓有成效。

基于此，本文拟以陕西甘泉1：1万DEM数据为主要信息源，结合GIS技术对甘泉峡谷的地统计学纹理研究。

2 研究基础

2.1 国内外研究进展

国际上，Carr以光学为实验工具，将利用变异函数提取出的纹理，应用到图像分类中比较其性能的高低。Lark比较了基于平均方根对差、经典变异函数和平均绝对差三种方法的图像纹理在土地覆盖分类中的性能。选择的遥感数据是否适宜，主要决定了是否可以有效的表达遥感影像的时间特征，所以在影像识别的过程中，将遥感影像光谱信息和纹理信息加以结合并运用到影像识别中是很重要的。近年来，遥感影像的空间特征成为了许多研究人员科研方向的主流，同时还将其作为遥感影像分类中的一个分类依据，并且收获了良好的成果。目前，研究领域中存在很多遥感图像纹理分析方法，其中就包括自动关联函数、灰度级游程、灰度共生矩阵、分形维方法、Markov 随机场模型等。在遥感研究领域中，最早将纹理分析方法纳入土地分类的小组之一的便是Lendaris 和 Stanley ，他们是基于能量谱的方法分析高分辨率的黑白航片，但是却只将人造景观和非人造景观作为实验对象，这存在一定的片面性；Galloway 等基于灰度级游程的方法对 54 幅高分辨率的黑白航片进行了分类，不同于Lendaris 和 Stanley的是，他们的研究对象涵盖了果园、树林、城市、郊区、湖泊、沼泽和铁路等地物，基于此得出的结论更具有说服力。

关于影像纹理信息提取算法的研究和当前算法的改良是国外纹理研究的主要方向。当前，国外的科研人员进行纹理特征的提取的时候，主要还是依靠上述的纹理分析方法，在对不同的图像进行分类时，是利用传统的常规图像分类方法，然后比较不同特征值的分类结果，最终结合分类精度总结纹理分析方法的效果。基于灰度共生矩阵的方法提取的特征值到底是被用于分类还是分形的效果最佳，国外学者展开了一系列的讨论。认为被用于分类的效果最佳的代表性学者有Weszka JS，Ohanian，Nyoungui ；认为被用于分形的效果最佳的代表性学者有 Rajesh 和 Jawahar。

对于纹理分析的研究，国内出现的时间较于国外是较晚的，国内的研究主流是纹理分析方法具体可以应用在哪些方面，以及以及如何利用这些方法解决工作中的实际问题。一般情况下使用灰度信息进行变化检测，陈志鹏将纹理信息加入到进行变化检测的纹理差值方法中，并通过特征互补来进一步提升检测性能。

目前对于统计分析方法的种类不再是少数，其中最为常用的当属灰度共生矩阵。白雪冰等利用灰度共生矩阵的方法，提取了木材的纹理信息，并以其纹理特征为参考依据进行分类。在基于几何模型的分析方法中，经常使用分形分维方法，其中以 Fractal Browan 函数最具代表性。但是也并不是说分形方法就是完美的，在实际应用中，分形方法也存在一些不足。研究人员也做了一些改进。李艳等舍弃原始图像的尺度差，转而利用小波变换低频分量进行多尺度Hurst参数的计算。在信号方法中，最常见也是最频繁使用的是 Jain A K 等和 Porat M 等提出的基于 Gabor 滤波器方法。

2.2 研究区概况

实验样区占地98.8494，位于陕西省延安市甘泉县。甘泉位于陕西北部黄土高原丘陵沟壑区。属半湿润内陆季风气候。最高海拔1570米，最低海拔882米，年平均气温8.6，日照平均时间2478.7小时，日照平均6.8小时，昼夜温差较大，年平均无霜期148天，年降雨量为126.3毫米。

图2-1 研究区概况

2.3 研究数据概况

实验选用陕西甘泉峡谷1:1万DEM数据进行纹理信息的提取和分类实验。研究区的分辨率大小为5m。其高程值范围在1146.71至1458.50米，高程均值为1299.55米，标准差为57.10米。其大地基准是D_Krasovsky_1940,参考椭球体是Krasovsky_1940，按照墨卡托方式进行投影，比例因子为1。

图2-2 陕西甘泉原始DEM图 图2-3 陕西甘泉山体阴影图

2.4 研究方法

2.4.1 数字地形分析法

数字地形分析是定量化地形分析科学中的一种类别,主要内容包括数学、地球科学以及计算机科学，三大学科互相借鉴融合演变而来。从局部上来看，数字地形分析主要强调的是地表要素的离散性,从整体上来看,更加地强调地形的连续性。

邻域运算是最常用的地形分析算法之一。邻域运算利用一系列的数学计算公式在一定的移动窗口内实施运算,通常移动窗口在栅格中的移动范围为:栅格的左上角至栅格的右下角。定义邻域的方式有多种,常用的是利用下标(a)或是与中心栅格的相对位置(b)来标志邻域,如图所示。当确定了移动窗口大小之后，仅需确定算法所需的数学计算公式即可得到相应的地形参数取值。如计算地形坡度，首先需要确定窗口大小（如3*3），接着需要计算X,Y方向的高程差分(dx,dy)，最后利用坡度计算公式得到栅格中心的坡度值。

基于DEM的地形分析处于蓬勃发展中。其中，地统计分析取代了空间自相关分析，从而真正定量化的表达了自然学第一定律：空间上的事物，距离越近，相关性越强。另外，多尺度建模也是地形分析中的一个研究重点。且随着GIS和遥感技术的成熟，数字地形分析已成为了一个强大的独立分析工具。与此同时，DEM数据源也急剧增多，如SRTM、LiDAR。如今，通过地形分析获得的地形参数可用在很多领域，若环境、土木工程、军事应用、海洋学应用、星体研究与空间探测等 。

2.4.2 地统计纹理提取方法

剩余内容已隐藏，请支付后下载全文，论文总字数：12748字

相关图片展示：