基于高光譜影像多維特征的植被精細分類

《大氣與環(huán)境光學學報》 2020年第二期封面文章

Miao Yuhong, Yang Min, Wu Guojun. Sophisticated Vegetation Classification Based on Multi-Dimensional Features of Hyperspectral Image [J].Journal of Atmospheric and Environmental Optics , 2020, 15(2): 117-124.

苗宇宏，楊敏，吳國俊. 基于高光譜影像多維特征的植被精細分類[J].大氣與環(huán)境光學學報, 2020,15(02): 117-124.

植被生態(tài)調(diào)查通過植被分類與識別來確定區(qū)域內(nèi)植被的類型與分布情況，是生態(tài)環(huán)境監(jiān)測、評估與管理工作中的重要環(huán)節(jié)。常用的現(xiàn)場植被調(diào)查方式存在工作效率低、覆蓋范圍小、危險程度高等問題，限制了調(diào)查結(jié)果的精度與可利用性。

而高光譜影像具有獲取簡單、數(shù)據(jù)維度高、覆蓋范圍廣的特點，在地面植被的屬性探測與分類識別研究中具有優(yōu)勢，成為了植被生態(tài)調(diào)查研究中的重要補充手段。但傳統(tǒng)的高光譜分類方法僅利用光譜維度的特征難以應(yīng)對復(fù)雜的實際應(yīng)用場景，無法實現(xiàn)場景內(nèi)植被的精細分類。而利用高光譜影像多維特征進行地物分類的相關(guān)研究，為高光譜影像在植被分類與生態(tài)調(diào)查中的應(yīng)用提供了新的思路。

陜西省海洋光學重點實驗室從理論研究與實際應(yīng)用兩方面，介紹了如何利用高光譜影像進行地面植被精細分類，并通過設(shè)置實驗驗證了所提方法的準確性，展望了高光譜生態(tài)調(diào)查的應(yīng)用前景。

一、高光譜影像多維特征提取

高光譜影像具有光譜維、空間維以及特征維三個不同維度的特征，從不同角度展現(xiàn)了地物的不同屬性。分別從這三個維度進行了特征分析，提取并構(gòu)建更深層次的高光譜影像多維特征，能夠指導(dǎo)地面植被的精細分類工作，概述如下：

（1）光譜維特征提取

高光譜影像包含了豐富的光譜信息，為了分離數(shù)據(jù)噪聲、去除波段冗余、提高處理效率與分類精度，最小噪聲分離（Minimum noise fraction, MNF）變換被用于對高光譜影像進行光譜數(shù)據(jù)降維。

（2）空間維特征提取

空間紋理特征的加入能夠找到同一植被間的共性并放大不同植被間的差異，實現(xiàn)植被的區(qū)域化、精細化分類。針對高光譜影像的合成波段，提取了8類灰度共生紋理特征，研究表明不同植被在8類紋理特征表征上均存在差異，可以將這種差異用于進行不同植被的區(qū)分。

（3）特征維特征分析

植被指數(shù)通過高光譜影像中多個波段的組合計算獲得，能夠增強植被信息并放大植被差異，是從高光譜影像數(shù)據(jù)中反演植被特性的重要途徑之一，在高光譜植被分類中具有重要作用。選擇了4類具有代表性的植被指數(shù)：歸一化植被指數(shù)（NDVI）、增強植被指數(shù)（EVI）、優(yōu)化土壤調(diào)節(jié)植被指數(shù)（OSAVI）以及改進紅邊歸一化植被指數(shù)（mNDVI₇₀₅），能夠從不同角度進行植被特性的描述，對于復(fù)雜環(huán)境下的植被區(qū)分具有顯著優(yōu)勢（圖1）。

(a)NDVI    (b)EVI      (c)OSAVI    (d)mNDVI₇₀₅   

圖1 不同植被指數(shù)特征圖

二、分類實驗設(shè)置與結(jié)果分析

所用的實驗數(shù)據(jù)為在青島某區(qū)域采集得到的無人機載高光譜影像。影像的光譜范圍為400~1000nm，光譜分辨率為2.8nm，空間分辨率為13cm，最終得到具有226個光譜波段的高光譜影像數(shù)據(jù)。

于同一時期開展了現(xiàn)場調(diào)查工作，通過樣方布設(shè)方式獲取了區(qū)域內(nèi)地物種類與覆蓋情況，利用GPS儀獲得各類植被的分布位置信息。相關(guān)現(xiàn)場調(diào)查結(jié)果用于數(shù)據(jù)處理時訓(xùn)練樣本的選擇以及數(shù)據(jù)處理后植被分類的結(jié)果驗證。

支持向量機（SVM）在高維數(shù)據(jù)處理方面具有出眾的分類性能和泛化能力，在高光譜領(lǐng)域得到了廣泛的應(yīng)用，在進行分類實驗時，將光譜、空間維以及特征維三個維度的特征進行疊加構(gòu)建高光譜影像多維特征，利用SVM方法進行訓(xùn)練并分類。

(a)         (b)        (c)        

(d)        (e)                 

圖2 某區(qū)域分類結(jié)果對比圖

通過在部分植被種類豐富且植被生長狀況復(fù)雜的代表性區(qū)域進行分類結(jié)果的實驗，如圖2所示，(a)~(e)分別為原始偽彩色圖、全光譜波段+SAM、光譜多維特征+SAM、全光譜波段+SVM以及本文所提光譜多維特征+SVM。

研究表明考慮影像多維特征之后，利用SAM和SVM分類方法對植被進行分類的精度均比原始光譜數(shù)據(jù)植被分類的精度高；基于高光譜影像多維特征的SVM分類方法分類最高，針對具有不同植被類別數(shù)的區(qū)域進行分類時，均能保持較高的分類精度。

三、工作總結(jié)與展望

本工作基于高光譜影像多維特征對所研究區(qū)域內(nèi)的植被覆蓋與分布情況進行了調(diào)查。實現(xiàn)了植被群落分析、植被覆蓋度及多樣性分析，同時實現(xiàn)了區(qū)域內(nèi)優(yōu)勢種、入侵物種以及植被病蟲害的識別，為生態(tài)監(jiān)測、評估與管理提供準確詳實的數(shù)據(jù)支撐。

該工作為高光譜植被分類研究打下堅實基礎(chǔ)，今后可立足于現(xiàn)有結(jié)論，研究植被長期更新變化情況，通過調(diào)查植被生態(tài)變化過程實現(xiàn)更有效的生態(tài)監(jiān)測。

課題組介紹

陜西省海洋光學重點實驗室和青島海洋科學與技術(shù)試點國家實驗室海洋觀測與探測聯(lián)合實驗室，面向世界科技前沿及國家戰(zhàn)略需求，以光學為基礎(chǔ)，采用多學科交叉的模式，主要研究海洋復(fù)雜環(huán)境下的光學信息獲取、信息傳輸、信息處理等問題。實驗室擁有完備的研究團隊，先后承擔三十余項國家及省部級項目，包括科技部重點研發(fā)計劃、自然基金委重大儀器專項等。針對水下成像技術(shù)，在國際上首次提出并實現(xiàn)了水下遠距離選通壓縮感知成像技術(shù)，突破了現(xiàn)有水下成像作用距離瓶頸，實現(xiàn)八倍衰減長度探測距離；所研制“海瞳”相機是我國首臺自主研發(fā)全海深高清相機，自2017年1月起，先后多次完成深海探測，最大潛深10911米。針對海洋生態(tài)系統(tǒng)，開展了無居民海島生態(tài)監(jiān)測、河口濕地生態(tài)系統(tǒng)在線監(jiān)測、珊瑚礁生態(tài)系統(tǒng)可視化監(jiān)測等研究，部分技術(shù)已應(yīng)用于業(yè)務(wù)化監(jiān)測工作中。針對海洋生態(tài)在線傳感器技術(shù)，開展了葉綠素傳感技術(shù)、后向散射測量、水中油傳感、溶解氧傳感、總磷總氮探測等技術(shù)研究。先后榮獲中科院科技進步獎（二等）、國防科學技術(shù)獎（三等）、中國光學工程學會科技進步獎（一等）等獎項。