面向對象遙感影像分析技術應用現狀與展望

程葛鑒 于歡 孔博 陳友良

摘? 要：面向對象影像分析技術作為高分辨率遙感影像解譯的重要手段，其相較于基于像元的影像分析方法有著明顯的優勢。隨著遙感應用領域的不斷擴展，面向對象遙感影像分析技術已經在農業、工業、生態、災害等領域有了廣泛應用。該文著重分析了面向對象影像分析技術在各領域應用的現狀及問題;最后總結了面向對象遙感影像分析技術面臨的機遇和挑戰，并提出了將其應用到景觀地球化學領域的展望。

關鍵詞：面向對象? 遙感影像? 信息提取? 農業領域? 建設用地領域? 生態環境領域? 災害領域

中圖分類號：P407.8 ? ?文獻標識碼：A 文章編號：1672-3791（2020）06（a）-0012-02

在遙感應用的發展進程中，影像分析方法主要分為兩大類：基于像元和面向對象。區別于傳統基于像元的影像分析方法，面向對象遙感影像分析方法的基本處理單元是影像對象，而非單個的像元，其中，每個對象都有描述影像光譜、結構、紋理等相關的屬性信息，這相比于僅將分析建立在基于像素光譜信息基礎上的基于像元的影像分析方法，有著多方面的優勢。

現如今，縱觀國內外，面向對象遙感影像分析技術憑借其獨特的優勢已廣泛應用于包括農業、建設用地、生態、災害等相關領域的監測與管理中。

1? 面向對象遙感影像分析技術在農業監測與管理中的應用

農業是提供支撐國民經濟建設與發展的基礎產業，及時、定量、準確、周期性地獲取主要糧食農作物種植面積及其空間分布，對于改善相關企業和農民的經營管理方法，制定各級政府的社會經濟發展規劃具有重要意義。

當前，遙感技術在小麥（基于像元方法）、水稻（支持向量機回歸算法）、玉米（基于多時相遙感數據）、甘蔗（面向對象方法）等農作物種植信息提取和面積估算方面已較為普遍[1-2]，技術方法也正從基于像元的遙感影像提取到基于面向對象的方法不斷改進。

農作物信息的多變性和季節性，及其獨特的紋理信息，是進行農作物專題信息提取的關鍵，基于面向對象的多時相遙感監測方法在此方面表現出了獨特的精度優勢，可基于影像解譯出更為豐富的空間信息，從而迅速成為農作物產量預測和生產決策支持的有效途徑之一。

2? 面向對象遙感影像分析技術在建設用地監測與管理中的應用

近年來，隨著成像傳感器的空間分辨率的提高，高空間分辨率的遙感圖像給出了更多不顯眼的成分（如形狀、顏色、紋理）基于對象的圖像分析作為橋接高空間分辨率圖像和GIS的一種手段，在遙感科學中迅速普及，已然成為建設用地遙感監測管理領域的一項關鍵性技術。

道路信息提取質量的好壞一部分取決于能否建立有效區分道路與其他地物的規則集，因此，在提取之前，我們必須要充分了解道路信息在影像上的特征。有關道路特征的描述有很多，Vossel man等人[3]總結了以下幾點：（1）幾何特征，呈長條狀，有較小的寬度變化，以及一定的限制的曲率;（2）拓撲特征，具有連續性，相互有交叉，連成網絡;（3）輻射特征，內部灰度比較均勻;（4）功能特征，有特定的指向性，通常居民地或人工設施相連接。

在城市用地提取方面，Lichtblau等人[4]使用eCognitiono（R）軟件開發了一項基于規則的面向對象分類流程，用于不透水土地利用特征的半自動分類，總體分類精度接近90%。與此同時Zhang等人[5]提出了一種基于對象的卷積神經網絡，用于城市土地利用高分辨率圖像分類，且實現了出色的分類精度和計算效率，有效地解決了高分辨率圖像中城市建設用地分類的復雜問題。

3? 面向對象遙感影像分析技術在生態環境監測領域中的應用

生態環境由自然環境與人為環境構成，通常是指生態系統與環境系統的有機結合體。對生態環境的識別監測是一項重要國家工程，且近年來已有不少學者將目光聚焦于生態環境的監測方面，河漫灘、海洋等遍布各類生態研究區的研究層出不窮。

針對小區域生態資源進行信息提取，Van Iersel等人[6]使用多時相無人機圖像和野外參考觀測的數據集，通過基于對象的隨機森林分類，以較高精度（90%）成功提取了河漫灘6種植被類別和4種非植被類別，其研究成果對河岸生態系統的保護有著非常重要的意義。

而在海洋地物信息提取領域，Ismail等人[7]利用多波束測深和側掃聲吶圖像生成了大西洋東北部Whittard峽谷的海洋景觀地圖，通過基于對象的圖像分析方法，得到了海洋景觀地圖以及7種景觀類型特征，其中5種通過物種指示分析發現具有生態相關性，這將對于確定適合建立海洋保護區的區域具有重要意義。

基于面向對象遙感影像分析的技術在生態環境監測領域中有著巨大優勢，相較傳統基于像元的地物提取方式，該方法對于高分辨率影像中存在的“異物同譜”及“同物異譜”現象區分較好，克服了普遍存在的“椒鹽現象”，極大地提升了生態環境參數信息的提取效果。

4? 面向對象遙感影像分析技術在災害監測與管理方面的應用

災害信息的提取，速度和準確性是重要因素，基于此，才能對風險和危機管理進行決策支持。面向對象影像分析技術憑借其快速準確的優勢，已廣泛應用于多類自然災害中，為災前預防和災后重建提供了重要決策方法的理論支持，成為高光譜遙感災害信息提取的關鍵技術之一[8]。

滑坡經常給工農業生產以及人民生命財產造成巨大損失、有的甚至是毀滅性的災難。由此，Feizizadeh等人[9]使用滑坡的空間和光譜信息，通過光譜分析、形狀分析，灰度共生矩陣的紋理測量和模糊邏輯隸屬函數，提出了一種基于對象的圖像分析方法，成功從多時相衛星圖像中進行了滑坡描繪和滑坡相關變化檢測，其研究結果為滑坡災害的監測和預防提供了戰略性的決策性支持。

雪崩災害威脅著所有高山地區的人和基礎設施，全球都有季節性或永久性積雪，應對這種危害，Bühler等[10]提出了一種基于對象的圖像分析的新算法，結合自動程序估算平均釋放深度，定義雪崩釋放量，應用完善的雪崩動力學模型對大面積數千個雪崩進行了數值模擬，為所有可獲得高質量和高分辨率數字地形模型和雪數據的大規模雪崩危險指示繪圖打開了大門。

近年來，在一系列重大自然災害的應對中，面向對象影像分析技術表現出了巨大的應用潛力，已然成為中國現代化災害監測與管理中的基礎支撐技術，為災害監測以及災后應急響應工作提供了強大的技術及決策支持。

5? 機遇與挑戰

面向對象遙感影像分析技術在空間信息技術長期發展的過程中產生，在遙感影像信息的分析中有著巨大潛力，但若要建立與現實世界真正相匹配的地表模型，面向對象影像分析技術仍需在后續的研究中進一步完善和提升，并不斷拓展應用領域。在此，我們建議推動面向對象遙感影像分析技術與景觀地球化學的深入結合，探索其在景觀地球化學領域應用研究，以實現學科間的交叉融合。

在這個多元的時代，技術的碰撞及各領域的交叉，會帶來更多樣的選擇和更豐富的機遇，不斷地探索和創新才能讓一項技術更深一步的推進。機遇與挑戰并存，多學科的融合是未來遙感技術應用的必然趨勢，找尋各學科融合的契合點，積極拓展面向對象遙感影像分析技術的全新應用領域是我們所需面臨的重要挑戰。

參考文獻

[1] 吳方明，張淼，吳炳方.無人機影像的面向對象水稻種植面積快速提取[J].地球信息科學學報，2019，21（5）：789-798.

[2] 杜保佳，張晶，王宗明，等.應用Sentinel-2A NDVI時間序列和面向對象決策樹方法的農作物分類[J].地球信息科學學報，2019，21（5）：740-751.

[3] Vosselman G，Knechtde J.Road Tracing by Profile Matching and Kalman Filtering Automatic Extraction of Man-Made Objects from Aerial and Space Images[C]//Monte Verrita， Birkhauser Verlag Basel.1995：266-274.

[4] Lichtblau E， Oswald CJ.Classification of Impervious Land-Use Features Using Object-Based Image Analysis and Data Fusion[J].Computers Environment and Urban Systems，2019（75）：103-116.

[5] Zhang C，Sargent I， Pan X，et al.An Object-Based Convolutional Neural Network （OCNN）for Urban Land Use Classification[J].Remote Sensing of Environment， 2018（216）：57-70.

[6] Van Iersel W， Straatsma M， Middelkoop H，et al.Multitemporal Classification of River Floodplain Vegetation Using Time Series of UAV Images [J].Remote Sensing，2018，10（7）：1144.

[7] Ismail K，Huvennec V，Robertcd K. Quantifying Spatial Heterogeneity in Submarine Canyons[J].Progress in Oceanography，2018（169）：181-198.

[8] 范一大，吳瑋，王薇，等.中國災害遙感研究進展[J].遙感學報，2016，20（5）：1170-1184.

[9] Feizizadeh B，Blaschke T，Tiede D，et al.Evaluating Fuzzy Operators of an Object-Based Image Analysis for Detecting Landslides and Their Changes[J].Geomorphol-ogy，2017（293）：240-254.

[10] Bühler Y，Rickenbach D，Stoffel A，et al.Automated Snow Avalanche Release Area Delineation-Validation of Existing Algorithms and Proposition of a New Object-Based Approach for Large-Scale Hazard Indication Mapping[J].Natural Hazards and Earth System Science，2018，18（12）：3235-3251.