全 文 ：第 !" 卷 第 # 期
$ % & % 年 # 月
林 业 科 学
’()*+,)- ’)./-* ’)+)(-*
/012!"!+02#
-345!$ % & %
面向对象的 ’Md,9 图像森林分类#
李春干&6 邵国凡$
"&2广西林业勘测设计院6南宁 97%%&&# $2美国普渡大学林业与自然资源系6西拉菲耶市 )+!8A%"$
摘6要!6为改善 ’Md,9 图像森林分类精度! 采用面向对象的图像分析方法!对图像分割%对象特征提取与筛选%
多分类器分类与结合进行探索!采用大尺度分割 C基于规则的分类 C基于分类的分割 C分区控制 C底层分类 C逐
层向上合并的技术路线!试验了最小距离%马氏距离%DFXLP%模糊分类和支持向量机 9 个分类器& 结果表明’在森林
分布破碎%类型和种类多样%结构复杂的南方人工林区!总体分类精度最高的 DFXLP分类器!对以龄组为基础包含
$$ 个类型的第 7 级分类的总体精度达到了 8A27#o!以树种为基础包含 &9 个类型的第 $ 级分类的总体精度达到了
#&2#$o!以森林类型为基础包含 A 个类型的第 & 级分类的总体精度达到了 #"277o& 在景观复杂地区的森林分层
分类中!由底层分类开始%逐层向上合并的方法!效果比由顶层分类开始%逐层往下分类的方法更好& *,<:作为
辅助数据!较大程度地提高了 ’Md,9 图像的分类精度!但 *,<:图像不能实质性参与分割过程!只能用于提取对象
特征!否则会导致对象同质性差%特征变异!降低分类精度&
关键词’6面向对象# ’Md,9 图像# 森林分类# 多分类器# 对象特征# 筛选
中图分类号! ’88&2#666文献标识码!-666文章编号!&%%& C8!##"$%&%#%# C%&7% C&%
收稿日期’ $%%# C&% C%"#修回日期’$%%A C%9 C&%&
基金项目’ 国家自然科学基金项目"7%#8$%$7$ %广西留学回国人员科技择优资助项目"$%%A%A$ &
# 美国 Mk>Ek*大学陆地观测计划"MR04RFU0V,LRRLPQRHF1dIPLRWFQ0RX$的 .FRRX.5DHLK1教授免费提供 ELVHGHLGP- MR0VLPPH0GF192% 软件!深
表谢意&
‘8^&90E‘%*&(0&.H(K3G4FG&6’KF0;30VFG$
"&2>7#$’<&()*+,-Q$0+$-)*.^8A#$$&$’ Q$,-&-7-+6"#$$&$’ 97%%&&#
$21+2#*-3+$-)4()*+,-*.#$K "#-7*#AR+,)7*9+,! 87*K7+/$&0+*,&-.6I+,-O#4#.+-+! Q"!8A%"!/M5$
58)0%-90’6-HULS Q0HU?R0WLQKLT1FPPHVHTFQH0G FTT3RFTX0V’Md,9 HUF4LRX! HUF4LPL4ULGQFQH0G! 0IlLTQVLFQ3RLLgQRFTQH0G
FGS PL1LTQH0G! U31QHjT1FPPHVHLRPFGS T0UIHGFQH0G KFS ILLG PQ3SHLS HG QKHP?F?LR5-PXPQLUHTF??R0FTK Q0S0T1FPPHVHTFQH0G 0V
HUF4LRXYFP?RLPLGQ5,KL?R0?0PLS ULQK0S HPFVHWLjPQL? 0IlLTQj0RHLGQLS T1FPPHVHTFQH0G R03QHGLQKFQHGW01WLPQKLHGQL4RFQH0G
0V’ HUF4LRXPL4ULGQFQH0G YHQK 1FR4LRPTF1L! R31LjIFPLS T1FPPHVHTFQH0G! T1FPPHVHTFQH0GjIFPLS PL4ULGQHG4! KHLRFRTKHTF1
T1FPPHVHTFQH0G 3GSLRP3IjRL4H0G T0GQR01FGS Q0??LR1FXLRPXGQKLPH[HG45JHWLT1FPPHVHLRPYLRLLU?10XLS Q0QKLT1FPPHVHTFQH0G!
HGT13SLS UHGHU3USHPQFGTLT1FPPHVHLR! WLTQ0RUFTKHGL5,KLRLP31QHGSHTFQLS QKFQHG QKLPQ3SXFRLFYHQK QKLVRF4ULGQH[LS SHPQRHI3QH0G 0VV0RLPQ! P?LTHLPFGS QX?L
SHWLRPHQX! T0U?1LgPQR3TQ3RL! 3PHG4QKLDFXLPT1FPPHVHLR! QKLQ0QF1FTT3RFTHLP0VQKLQKHRS 1LWL1! QKLPLT0GS 1LWL1FGS QKL
VHRPQ1LWL1YLRL8A27#o! #&2#$o FGS #"2A#o RLP?LTQHWL1X! YKLRLQKLQKHRS 1LWL1T0GQFHGLS QYLGQXjQY0TFQL40RHLPIFPLS
0G F4Lj4R03? 0VQRLLP! QKLPLT0GS 1LWL1T0GQFHGLS VHVQLLG TFQL40RHLPIFPLS 0G P?LTHLP! FGS QKLVHRPQ1LWL1HGT13SLS GHGL
TFQL40RHLPIFPLS 0G P?LTHLP4R03?P5=HQK KHLRFRTKHTF1T1FPPHVHTFQH0G! QKLRLP31Q0V3?YFRS PXGQKLPH[HG4VR0U10YLR1LWL1PQ0
3??LR1LWL1YFPILQLRQKFG QKFQT1FPPHVHLS VR0UQ0? 1LWL1PQ010YLR1LWL1P5kPLS FPFGTH1FRXSFQF! .FGSPFQ8 *,<:SFQF
YLRLKL1?V31Q0HU?R0WLQKLT1FPPHVHTFQH0G FTT3RFTX0V’Md,9 HUF4LRX5@0YLWLR! QKLXT031S 0G1XIL3PLS Q0LgQRFTQ0IlLTQ
VLFQ3RLPFGS T031SG,QILHGW01WLS HG PL4ULGQFQH0G! FPQKLXY031S RLS3TLQKLK0U04LGLHQXFGS HGTRLFPLQKLKLQLR04LGLHQHLP
0V0IlLTQP! FGS QKLG FVLTQQKLT1FPPHVHTFQH0G FTT3RFTX5
:&4 ;"%<)’6 0IlLTQj0RHLGQLS# ’Md,9 HUF4LRX# V0RLPQT0WLRT1FPPHVHTFQH0G# U31QHjT1FPPHVHLR# 0IlLTQVLFQ3RLP# PL1LTQH0G
66森林是一种可再生资源!无时不处于消长交替
的动态过程之中& 开展森林资源调查和监测!对一
定时间%空间内的森林资源状态进行连续性跟踪调
查"Z0K1! $%%!$!掌握其现状和消长变化情况!预测
其发展趋势!为制定林业方针政策%中长期规划和生
产经营计划 "NFG[! &AA7$!检验经营成果等提供科
6第 # 期 李春干等’ 面向对象的 ’Md,9 图像森林分类
学依据!对于提高林业发展乃至经济社会发展科学
决策水平!促进林业和资源环境以及经济社会可持
续发展具有极为重要的意义"Z0R0Q\0W+-#A!&AA7#
>LLPL+-#A5! $%%7# 传统的森林资源调查和监测方法以地面测量为
主!存在着工作量大%劳动强度高%时效性差等问题
"赵宪文等!$%%$$!且调查精度不高!难以满足当今
林业发展需要& 研究表明!以 &p&% %%% 地形图为工
作手图实地勾绘小班!面积平均误差为 $92%o!边
界平均位移为 A27 U"李春干等!$%%"$& 因此!长期
以来!众多学者致力于探讨新的适用技术体系 "寇
文正等!&AA%# 包盈智等!&AA"# 冯仲科等!$%%&# 唐
守正等!$%%"$& 以遥感">’$%地理信息系统";)’$
和全球定位系统";M’$的 7’ 技术及其集成!由于具
有宏观性%综合性%短周期%可重复性和低成本等优
势!成为当前森林资源调查和监测研究的重点和热
点"赵宪文等!$%%$$& 7% 多年来!国内外学者对遥
感技术在森林资源监测中的应用进行了大量的研
究!取得了丰硕成果 "徐冠华! &AA!# 赵宪文等!
$%%&F# $%%&I# 李 春 干 等! $%%!# ’UHQK! $%%$#
,0U??0+-#A5!$%%$# Z0K1!$%%!# ’HLWFGLG! $%%!$&
然而!当今遥感技术在森林资源调查和监测中
的应用!尤其是在以获取每个山头地块资源信息的%
满足林业生产经营需要的%大面积的调查监测中的
应用!还存在很多问题’ 一是森林和土地覆盖分类
问题还未得到有效解决!特别是对于地形地貌复杂%
森林分布破碎%类型和种类多样%结构复杂的南方林
区!情况更是如此# 二是森林斑块区划最小面积过
大!成图比例尺较小!难以满足实际应用需要&
本文以 ’Md,9 @>;为数据源!从图像分割%
*,<:辅助数据的应用%对象特征提取与筛选%多分
类器分类与结合等整个流程进行探索研究!旨在提
高 ’Md,9 图像森林分类精度!为提高森林资源监测
效率寻求一条有效途径&
&6研究区域和数据源
=>=?研究区域概况
试验 区 位 于 南 宁 市 北 面 的 高 峰 林 场 内
"$$‘!#a!#€+$7‘7a7!€+! &%#‘8a99€+&%#‘7$a97€
*$& 该区域东西长约 !$ \U!南北宽约 $8 \U!总面
积 $8 7&# KU$& 属大明山余脉!低山丘陵地貌!海拔
8% _9%% U!坡度 $9 _79‘& 地形比较封闭&
区域内绝大部分为人工林!主要树种为杉木
" J7$$&$’6#3&# A#$9+)A#-# $% 马 尾 松 " 8&$7,
3#,,)$&#$#$%马占相思"59#9&# 3#$’&73$%厚荚相思
"5!9*#,,&9#*)#$%尾叶桉 "L79#A.2-7,7*)26.A#$%木
荷"M96&3# ,72+*@#$%火力楠"B&96+A&# 3#99A7*+&$%八
角"QA+9&730+*73$%玉桂 "J&$$#3)373 9#,,&#$%龙
眼"1&3)9#*27,A)$’’#$#$%荔枝" O&-96&96&$+$,&,$%粉
单竹 " O&$’$#$&# 967$’&$% 麻 竹 " 1+$K*)9#A#37,
A#-&4A)*7,$等& 山沟有少量灌木& 由于绝大部分为
人工林!加上地形复杂!森林分布极为破碎!表现为
斑块小%不同树种呈无规律交叉分布&
=>@?遥感数据源
研究采用 $ 种数据源’ &$ $%%$ 年 &% 月 &7 日
接收的 ’Md,9 @>;&-级同时相的 $29 U全色和
&% U多光谱数据# $$ $%%$ 年 &% 月 && 日接收的
.FGSPFQ8 *,<:数据!空间分辨率为 &9 Uf7% U&
此外!还使用了试验区 &AA# 年与 $%%! 年森林资源
规划设计调查数字化基本图和小班数据库&
$6研究方法
@>=?图像分割和基于分割的分类及基于分类的
分割
$2&2&6图像分割方案6图像分割采用当前广泛应
用的商业软件 ELVHGHLGPMR0VLPPH0GF1,< 9"DFFQ[+-#A5!
$%%%# ’TKHLWL+-#A5! $%%&# 行& 分 $ 次进行!第 & 次分割以较大的尺度进行!旨
在通过基于规则的分类方法!从较粗的层次上对林
地%造林地%水体和主要道路进行检测和信息提取&
由于 ’Md,9 图像和 *,<:图像具有不同的光
谱和空间特性!并且 *,<:图像的光谱分辨率高于
’Md,9 图像!因此!在本研究中!采用 *,<:图像作
为辅助数据& 根据 *,<:图像参与分割过程的方
式和分割参数的不同!共实施 7 个分割方案!各方案
的分割参数如下’
&$ %7&$GLY方案& =LH4KQ’ D& e$!D$ eD7 e
D! e &# ’TF1L e &9%# (010R e %2A#
(0U?FTQGLPPe%2!&
$$ G0,<方案& =LH4KQ’ D& e$!D$ eD7 eD! e
&! *,<& e*,<$ e*,<7 e*,’TF1Le&9%# (010Re%2A# (0U?FTQGLPPe%27&
7$ YHQK,<方案& =LH4KQ’ D& e$!D$ eD7 e
D! e&!*,<& e*,<$ e*,<7 e*,%29# ’TF1Le&9%# (010Re%2A# (0U?FTQGLPPe%27&
以上 7 个方案中!方案 %7&$GLY只有 ’Md,9 的
! 个图层!后续的对象特征提取也仅包含这 ! 个图
层的信息# 方案 G0,<有 A 个图层!包括 ’Md,9 的 !
个图层和 *,<:的 9 个图层!但 *,<:9 个图层的
权重全部为 %!即 *,<:各图层不直接参与图像分
&7&
林 业 科 学 !" 卷6
割# 方案 YHQK,<的 A 个图层全部参与图像分割&
$2&2$6基于规则的分类6根据前期对研究区域考
察和对 $%%! 年森林资源规划设计调查材料分析所
掌握的森林分布特点!对分割后的图像对象采用基
于规则的分类!全部对象分为林地%造林地%水体和
主要道路 ! 个类型& 分类的主要依据是对象光谱特
征"指数%平均值%比率和标准差等$%纹理特征"同
质性%异质性%熵等$和空间特征"对象长度%长宽比
等$&
$2&276基于分类的分割6通过上述分类!主要道路
和水体的分类已经完成!因此仅对林地和造林地进
行基于分类的分割"第 $ 次分割$!不同的方案采用
不同的分割参数&
&$ 方案 %7&$GLY6林地6=LH4KQ’ D& e$!D$ e
D7 eD! e&# ’TF1Le9%# (010Re%2A# (0U?FQGLPPe
%27& 造林地 =LH4KQ’ D& e$!D$ eD7 eD! e&#
’TF1Le&%%# (010Re%2A# (0U?FTQGLPPe%27&
$$ 方案 G0,<6林地6=LH4KQ’ D& e$! D$ e
D7 eD! e&! ,<& e,<$ e,<7 e,’TF1Le9%# (010Re%2A# (0U?FTQGLPPe%27& 造林地
=LH4KQ’ D& e$!D$ eD7 eD! e&! ,<& e,<$ e,<7
e,(0U?FTQGLPPe%27&
7$ 方案 YHQK,<6林地6=LH4KQ’ D& e$# D$ e
D7 eD! e&# ,<& e,<$ e,<7 e,’TF1Le9%# (010Re%2A# (0U?FQGLPPe%27& 造林地
=LH4KQ’ D& e$# D$ eD7 eD! e&# ,<& e,<$ e
,<7 e,(0U?FQGLPPe%27&
@>@?对象特征提取和筛选
对上述第 $ 次分割 7 种方案得到的 7 幅图像!
分别提取每个对象的光谱和纹理特征!对象特征包
括植被指数"+E/)!>/)$%光谱特征"灰度平均值和
标准差$%纹理特征1灰度共生矩阵";.(<$同质性%
反差%异质性%熵%角二阶矩%均值%标准差%相关性#
灰度差向量";.E/$角二阶矩%熵%均值%对比度2&
方案 %7&$GLY得到 9# 个对象特征!方案 G0,<和方
案 YHQK,<各有 &7% 个对象特征&
采用协方差矩阵%简单相关性和多重相关性方
法进行对象特征筛选& 其方法如下’
&$ 设若 *&%! %2A!且 M&bM%!则保留第 &因子!
剔除第 %因子& *&%为对象特征 &和 %的偏相关系数#
M&!M%分别为对象特征 &!%的方差&
$$ 对象特征 <&的方差扩大因子 /)J& D"& E
R$&$
E& "王松桂等!&AAA# 王惠文!&AAA# 李崇贵等!
$%%9$!其中 R$&是以第 &个对象特征 <&为因变量!以
其他对象特征为自变量回归时的复相关系数& 若
/)J& D"& ER
$
&$
E& b&%."& ER$&$ G%2&.R
$
& b
%2A! 则认为对象特征 &是其他对象特征的近似线性
组合!该特征可予以剔除&
@>A?分类方案和训练样地选取
$272&6分类方案确定6对研究区域 $%%! 年森林资
源规划设计调查材料分析!并经实地考察论证!确定
采用 7 级分类体系进行分类& 第 7 级分类以龄组为
基础!共分为 $$ 个类型!其中 & _&7 类属于林地!
&! _$$类属于造林地# 第 $ 级分类以树种为基础!
共分为 &9 个类型!其中 & _8 类属于林地!# _&9 属
于造林地# 第 & 级分类以森林类型为基础!共分为 A
个类型!其中 & _7 属于林地!! _A 类属于造林地&
分类方案见表 &&
$272$6训练样地选取6根据 $%%! 年森林资源规划
设计调查材料!对第 $ 次分割得到的各试验方案图
像!以对象为单元对第 7 级分类的类型分别选取训
练样本!每个类型不少于 $% 个样本&
虽然在训练样地选择过程中!遵循了均匀%同质
等一般原则!但分析发现!少量样地的对象特征变异
太大!故采用标准差法对训练样地进行剔除& 设某
类别训练样地各个对象特征的平均值为 ’ZD"%<&!
%<$!3!%<$$!标准差为 ’QS e"PQS&!PQS$!3!PQS$$!对
于 某 一 训 练 样 本 Z D "<&!<&E%<& b?*PQS&!/&"&D&!$!3!$$!则剔除该样
本!其中 ?为常数!一般取 ?D$2%!即用 $ 倍标准差
进行剔除& 对于个别对象特征!视其变异情况和样
本数量的多少!可适当增大或减小 ?值&
@>K?多分类器分类
采用改进最小距离 "1$%DFXLP准则"最大似然法$%模糊分类"J3[[X$%支
持向量机"’/<$对图像进行分类& 其中 DFXLP分类
器表达式如下’
K?"Z$ D1G2"?$ E
&
$
1G $’ E
&
$ "ZEB?$
;$
E&
?
"ZEB?[ ]$ & "&$
66模糊分类器的模糊隶属函数采用基于 DFXLP准
则的确定方法"DLG[+-#A5! $%%!$’
4’"Z$ D1 8]"’$8
#
’ "Z$2C$
>
&D&
8]"’$8#’ "Z$&"$$
式中’ 设8]"’$ 为第 ’ 类出现的先验概率!8#&"Z$ D
&
"$,$3C$ $#&
&
$
Lg?1 E &
$
"Z E *#&$
;"$#&$ E&
$7&
6第 # 期 李春干等’ 面向对象的 ’Md,9 图像森林分类
"ZE*#&$2!*
#
’ D"*
#
&’!*
#
$’!3!*
#
&’3!*
#
3’$
;为第 ’ 类 模糊均值向量!$#’ 模糊协方差矩阵&
表 =?分类方案表
B-8C=?!.-))*1*9-0*"($%"0"9".-(<9.-))&)
分区 -RLF & 级类型 (1FPPLPHG &PQ1LWL1 $ 级类型 (1FPPLPHG $GS 1LWL1 7 级分型 (1FPPLPHG 7RS 1LWL1 年龄 -4LfF
林地
J0RLPQ1FGS
造林地
M1FGQFQH0G
&2针叶林 (0GHVLR V{T&
$2阔叶树 DR0FS 1LFV V{T$
72竹林 DFUI00 V{T7
!2阔叶树 DR0FS 1LFV ?{T$
92竹林 DFUI00 ?{T7
"2果木林 JR3HQQRLL ?{T!
82灌木林 ’KR3I ?{T9
#2宜林地 DFRL1FGS ?{T"
A2农用地 JFRU1FGS ?{TA
&2杉木 (KHGLPLJHR V{T&&
$2松树 MHGL V{T&$
72阔叶树 DR0FS 1LFV V{T$&
!2桉树 *3TF1X?Q3P V{T$$
92相思 -TFTHF V{T$7
"2八角 JLGGL1 V{T$!
82竹林 DFUI00 V{T7%
#2桉树 *3TF1X?Q3P ?{T$$
A2相思 -TFTHF ?{T$7
&%2八角 JLGGL1 ?{T$!
&&2竹林 DFUI00 ?{T7%
&$2果木林 JR3HQQRLL ?{T!%
&72灌木林 ’KR3I ?{T9%
&!2宜林地 DFRL1FGS ?{T"%
&92农用地 JFRU1FGS ?{TA%
&2杉木幼林 0^3G4JHR V{T&&X "&%
$2杉木中龄林 72杉木成林 d1S JHR V{T&&0 !$&
!2松幼林 0^3G4?HGL V{T&$X "&%
92松中龄林 "2松成林 d1S ?HGL V{T&$0 !$&
82阔叶树幼林 0^3G4IR0FS 1LFV V{T$&X "&%
#2阔叶树中龄林A2阔叶树成林 d1S IR0FS 1LFV V{T$&0 !$&
&%2桉树成林 d1S *3TF1X?Q3P V{T$$U !$
&&2相思成林 d1S -TFTHF V{T$7U !$
&$2八角成林 d1S VLGGL1 V{T$!U !!
&72竹林 DFUI00 V{T7%%
&!2桉树幼林 0^3G4*3TF1X?Q3P ?{T$$X &
&92相思幼林 0^3G4-TFTHF ?{T$7X &
&"2八角幼林 0^3G4VLGGL1 ?{T$!X "7
&82八角成林 d1S VLGGL1 ?{T$!U !!
竹林 DFUI00 ?{T7%%
&A2果木林 JR3HQQRLLP ?{T!%%
$%2灌木林 ’KR3I ?{T9%%
$&2宜林地 DFRL1FGS ?{T"%%
$$2农用地 JFRU1FGS ?{TA%%
66支持向量机"骆剑承等!$%%$$’
4"W$ D$
P3?5WLTQ0R
##&.&) "W&$) "W&$ F@
D$
P3?5WLTQ0R
##& .&"W&*W%$ F@
# ! "7$
其中核函数为 ?"W&!W%$ D)"W&$*)"W%$&
多分类器分类仅在第 7 级类型中进行!往上逐
级合并得到第 $ 级%第 & 级的分类结果&
@>O?分类器结合
分类器结合的实质是解决待分对象中多分类器
输出结果不一致的(冲突) "T0GV1HTQHG4$问题"JF3WL1
+-#A5! $%%"$& 在保守投票法中!当各分类器结果不
完全一致时!就出现了(冲突)& (冲突)的解决办法
有多种!本研究采用模糊融合方法解决& 将上述 $
种方法结合!得到一个新的多分类器结合方法+++
投票f模糊法& 其思路是’ 用保守投票法对待分对
象多分类器结果的(冲突)情况进行判断!(不冲突)
的对象!其输出结果即为多分类器结合后的类型#
而(冲突)的对象!采用模糊法解决(冲突)!得到最
终的多分类器结合结果&
76结果与分析
A>=?分割结果
第 & 次分割后!方案 %7&$GLY%方案 G0,<和方
案 YHQK,<得到的对象个数分别为 $ #&7!$ A&& 和
$ 8%!个& 对分割效果采用目视方法进行检验!结果
表明方案 %7&$GLY和 G0,<的分割效果很好!各对
象边界都准确地反映了地物的空间分布!对象的同
质性高!见图 &F%图 &I%图 $F和图 $T& 方案 YHQK,<
的对象边界与地面实体相差较大!对象内(杂质)过
多%同质性差!见图 $I%图 $S&
采用基于规则的分类后!得到各方案中各类型
的对象个数如下’ &$ 方案 %7&$GLY’ 林地 & 7"" 个#
造林地 & $"A 个# 水体 &$A 个# 主要道路 !A 个& $$
方案 G0,<’ 林地 & !$% 个# 造林地 & $A" 个# 水体
#8 个# 主要道路 # 个& 7$ 方案 YHQK,<’ 林地 & $8#
个# 造 林 地 & &!" 个# 水 体 $&8 个# 主 要 道
路# 个& 66
通过基于规则的分类!各个方案都将水体和主
要道路信息全部提取完毕!亦即完成了水体和主要
道路的分类& 从图 & 可以看出!黄色的造林地和绿
色的林地分界十分明显&
对图像进行基于分类的分割"第 $ 次分割$后!
方案 %7&$GLY中林地的对象个数增加至 A !7& 个!
造林地增加至 $ 9$7 个#方案 G0,<中林地的对象个
数增加至 A 787 个!造林地增加至 $ 87" 个#方案
YHQK,<中林地的对象个数增加至 # %%" 个!造林地
增加至 $ !A8 个#方案 G0,<的第 $ 次分割效果
见图 &S&
77&
林 业 科 学 !" 卷6
图 &6方案 G0,<图像分割和基于规则分类效果
JH45&6>LP31Q0VPL4ULGQFQH0G FGS R31LjIFPLS T1FPPHVHTFQH0G 0V?R0Q0T01G0,<
图 $6分割方案 G0,<和 YHQK,<第 & 次分割结果比较
JH45$6(0U?FRHP0G 0VVHRPQPL4ULGQFQH0G 0V?R0Q0T01G0,A>@?对象特征筛选结果
经筛选后!用于分类的对象特征个数大为减少&
方案 %7&$GLY的对象特征由 9# 个减少至林地 &$
个%造林地 # 个& 方案 G0,<和方案 YHQK,<原各有
&7% 个对象特征!筛选后只剩余 &7 _&" 个特征& 详
见表 $& 在保留的对象特征中!光谱特征"灰度值%
!7&
6第 # 期 李春干等’ 面向对象的 ’Md,9 图像森林分类
标准差$的个数比重较大!但纹理特征也不少!说明
在面向对象的图像分析中!光谱信息仍是重要的信
息!纹理信息也具有重要作用& 在众多纹理特征中!
主要保留 ;.(<反差和标准差特征!其余大部分纹
理特征由于方差较小或者存在相关性!在筛选过程
中被予以剔除&
由表 $ 还可以看出!在筛选后用于分类的对象
特征中!方案 %7&$GLY全部为 ’Md,9 图像的信息!
方案 G0,<和 YHQK,<不仅包含 ’Md,9 图像的信息!
而且 *,<:图像信息占了很大比重&
A>A?多分类器分类结果
采用 9 个分类器对 7 个分割方案得到的图像进
行分类!结果如表 7 所示& 从总体分类精度来看!方
案 G0,<的最高!其次是方案 YHQK,最低!说明 .FGSPFQ8 *,<:数据作为辅助数据!有助
于改善 ’Md,9 图像的分类精度&
表 @?筛选后用于分类的对象特征
B-8C@?‘8^&901&-0/%&))&.&90&<1"%9.-))*1*9-0*"(
试验方案
MR0Q0T01
%7&$GLY G0,< YHQK,<
林地
J0RLPQ1FGS
造林地
M1FGQFQH0G
林地
J0RLPQ1FGS
造林地
M1FGQFQH0G
林地
J0RLPQ1FGS
造林地
M1FGQFQH0G
灰度值 ;RFXWF13L
DRH4KQGLPP
D&!D$!D!
DRH4KQGLPP
D&!D$!D!
D&!D$!D!!
,<&!,D&!D$!D!!
,<&!,D&!D7!D!!,D&!D$!D!!
,<&!,标准差 ’QFGSFRS SLWHFQH0G" ’E$ D&!D7 D&!,<&!,<$ D&!,;.(<反差 ;.(;.(<异质性 ;.(;.(<熵 ;.(;.(<标准差 ;.(<’E D&!D! D&!D7 D!!,<9 D!!,<9
D&!D7!D!!,<&!
,<7!,D&!D$!D!!
,<7!,;.(<对比度 ;.E/T0GQRFPQ ,<7
特征个数 +3UILR0VVLFQ3RLP &$ # &9 &7 &9 &"
表 A?各分类器总体分类精度!
B-8CA?!"#$-%*)"("10"0-.-99/%-94 -))&))#&(084 1*+&9.-))*1*&%)-(<9"#8*(-0*"( o
分类器 (1FPPHVHLR
%7&$GLY G0,< YHQK,<
精度
-TT3RFTX
ZF??F系数
ZF??FHGSLg
精度
-TT3RFTX
ZF??F系数
ZF??FHGSLg
精度
-TT3RFTX
ZF??F系数
ZF??FHGSLg
DFXLP
J3[[X
’/<
/fJ
第 7 级 7RS 1LWL1
第 $ 级 $ GS 1LWL1
第 & 级 &PQ1LWL1
第 7 级 7RS 1LWL1
第 $ 级 $ GS 1LWL1
第 & 级 &PQ1LWL1
第 7 级 7RS 1LWL1
第 $ 级 $ GS 1LWL1
第 & 级 &PQ1LWL1
第 7 级 7RS 1LWL1
第 $ 级 $ GS 1LWL1
第 & 级 &PQ1LWL1
第 7 级 7RS 1LWL1
第 $ 级 $ GS 1LWL1
第 & 级 &PQ1LWL1
第 7 级 7RS 1LWL1
7928&
7A27$
"$2%!
"72%9
"92&8
8!2%"
"A2$9
8$2&A
#%289
9"29&
98298
"827&
"%2"%
"!2"%
8"279
"A2""
7&2"
7A27&
"$2%7
"%2&7
"92&"
8!2%9
"82%#
8$2&#
#%28!
9$2A#
98299
"827%
982#9
"!29A
8"27#
"829$
7&28"
!%2&!
9A288
8&2A!
8!2$7
#%2!"
8A27#
#&2#$
#"277
"A2A!
8$27%
8A27#
8&2#8
8!2""
#&2"#
8A2"%
$#2$7
!%2&7
9A288
"A28!
8!2$7
#%2!"
882##
#&2#$
#"277
"829%
8$27%
8A27#
"A2#7
8!2""
#&2"8
8#2&$
7&2%"
7828#
9A29%
"92!9
"A2"#
8#2A9
"A2"#
8!2$&
#$2#7
"728$
""2#&
8"2%#
"&2&!
""2!9
8#2""
8&2!&
$82!9
7828#
9A29%
"72%7
"A2"#
8#2A9
"829A
8!2$%
#$2#7
"&2%!
""2#%
8"2%8
9#297
""2!9
8#2""
"A28#
66" /fJ为投票f模糊结合方法 /fJHPFT1FPPHVHLRT0UIHGFQH0G ULQK0S’ W0QHG4fV3[[X5下同 ,KLPFULIL10Y5
66在 9 个分类器中!DFXLP分类器的表现最好!一
是总体分类精度最高!二是各类型的生产者精度均
保持在较高水平!变动幅度最小& 方案 G0,<的各
分类器第 7 级分类的生产者精度详见表 !&
97&
林 业 科 学 !" 卷6
表 K?方案 ("BZ 各分类器的第 A 级分类生产者精度比较
B-8CK?!"#$-%*)"(84 $%"类型
(1FPP
& $ 7 ! 9 " 8 # A &% && &$ &7 &! &9 &" &8 &# &A $% $& $$
DFXLP "82"A #%2$# #&2#$ 882%% 872!8 "!2#" #72&$ 8#298 8$2!& 8828# A7299 A$2$8 "#29$ ##2$! #92A$ "82#% 8&2&& 8#2$" "#289 #92$A 8%2"! 8%29A
J3[[X !%2%% "!28A 77277 9"2%% !#2A# !72$! 882A$ 97298 !#2$# !!2!! A$2$" A7278 "!2#& ##2$! #72&% ""2&% "929" "92$$ "!29# 8A2!& 8$2!# "!28&
’/< !92%% !#2#8 $$2$$ !&2!9 $A2A7 !72$! 872%9 !&27A !#2$# 792A8 #A2%8 A"28$ 9A299 792$A #&28! "8289 !%2A8 7#2%! 8%2!9 #!2#A #92"" #%2#A
/fJ "82"A #%2$# 8928" 882%% 872!8 "!2#" #&2#$ 892%% 8A27& 8828# A7299 A&28& 892A7 ##2$! #92A$ "82#% 8&2&& 8#2$" "#289 #92$A 8%2"! #$279
A>K?分类器结合结果
采用投票f模糊法进行分类器结合后!方案
G0,<第 7 级分类的总体精度和 ZF??F系数分别为
8A2"%o和 8#2&$o!略高于单个分类器中总体精度
最高的 DFXLP分类器!但提高的幅度很小!即多分类
器结合的效果不明显& 从生产者精度来看!分类器
结合后各类型生产者精度变动有所减小!但效果亦
不明显!见表 !& 这个结果与一些研究者得到的结
论相差较大!在他们的研究中!多分类器结合后总体
分类精度显著提高 "柏延臣等!$%%9# 张秀英等!
$%%8$& 其可能的原因是本研究区域较大!所分类
型较多且地表特性相近&
!6讨论
K>=?分割策略
图像分割是为了得到图像对象!在面向对象的
遥感图像自动或半自动分析中!一般采用多尺度分
割 "U31QHjRLP013QH0G PL4ULGQFQH0G $& 在多尺度分割
中!用户通过指定输入数据%给定输入数据的权重%
定义影响输出结果的图像对象大小%光谱同质性%空
间同质性%形状参数!控制分割过程的输出& 在此过
程中!像元合并为小的对象!重复此过程!小的对象
逐渐地合并成大的对象!并保持结果图像中对象异
质性的最小化!直至满足用户定义的目标为止
"DFFQ[+-#A5! $%%%$&
本研究中!图像分割分 $ 次进行& 第 & 次分割
的目的是在较大尺度和较粗层次上!对研究区域进
行分类!为后面进一步的%精细的分割和分类奠定基
础& 因此分割尺度较大!主要根据土地利用f覆盖的
宏观特征!将研究区域分割为林地%造林地%水体和
主要道路& 此处的(林地)是指林木覆盖度较高的
林地# 而(造林地)除包含宜林地外!还包含林木稀
疏%覆盖度较低%土壤衳露的经济林木和新造林地!
也即不是严格的造林地& 由于第 & 次分割得到的图
像经过基于规则的分类后!水体和主要道路已经全
部提取完毕!因此!第 $ 次分割只针对林地和造林
地& 由于林地和造林地的内部构成不同!结构不一
致!如林地内包含的类型较多%空间分布交错%结构
复杂!造林地内包含的类型相对较少%同质斑块较
大%结构相对简单!因此!在第 $ 次分割中!两者采用
不同的分割参数!林地的分割尺度较小!造林地的分
割尺度较大&
不同的分割方案得到的效果不同& 在方案
G0,<中!虽然 *,<:图像加入了分割过程!但由于
其权重值被设置为 %!因此其图像信息并未对分割
结果产生影响!分割效果与未加入 *,<:图像的方
案 %7&$GLY极为接近& 在方案 YHQK,<中!*,<:图
像 9 个波段的权重均为 %29!亦即 *,<:图像信息
实质性地参与了分割过程!对分割结果产生了影响&
虽然方案 G0,<和方案 YHQK,<除了 *,<:权重不
同外!其余分割参数完全相同!但效果却差别很大&
方案 G0,<所得到的对象边界更符合地面覆盖特
点!对象同质性高!(杂质)少# 而方案 YHQK,<所得
的对象中!边界走向与地面实体相差较大!对象内
(杂质)多!同质性差&
产生上述现象的原因!主要是 *,<:图像的空
间分辨率太低!难以准确地表现研究区域破碎的森
林分布状况& ’Md,9 图像空间分辨率较高!能够准
确地表现研究区域的森林分布状况& 当 *,<:图
层的权重不为 % 时!分割过程不但受到 ’Md,9 图像
信息的影响!也受到 *,<:图像信息的影响!在 $
种信息的共同作用下!所得到对象的边界自然地会
(照顾)*,<:图像信息的影响!而不能很好地反映
尺度较小的地物空间情况!造成边界走向不准确!对
象同质性差&
上述也说明了 *,<:图像不宜单独用于研究
区域的森林分类和分析&
K>@?对象特征筛选方法
一般来说少量特征很难全面地表述出一个类别
的本质特征!但随着特征个数的增加!可能出现’ &$
"7&
6第 # 期 李春干等’ 面向对象的 ’Md,9 图像森林分类
对象特征之间存在相关性!协方差矩阵为病态矩阵#
$$ 特征维数过高会影响分类器运行的稳定性和速
度!降低分类精度 "MRHTL+-#A5! $%%$# 3^ +-#A5!
$%%"$!因此需要进行对象特征筛选&
关于对象特征筛选方法的研究!已经做了大量
的研究工作!提出了很多先进的方法!如主成分分
析%最小噪声 分数变 换 "UHGHU3U G0HPLVRFTQH0G
QRFGPV0RU$%判别分析%决策边界特征提取 " SLTHPH0G
I03GSFRXVLFQ3RLLgQRFTQH0G$%非参数权重提取 " G0Gj
?FRFULQRHTYLH4KQLS LgQRFTQH0G$%小波变换%光谱混合
分析等"d\HG +-#A5! $%%&# -PGLR+-#A5! $%%$# +LWH1L
+-#A5! $%%7# M1FQ+-#A!$%%!$& 本文采用对象特征
间的简单相关性和多重相关性 $ 步筛选方法!先通
过相关矩阵进行简单相关性筛选!然后再作多重相
关性筛选& 这种方法具有如下特点’ &$ 筛选后的
对象特征保持原有含义不变!具有明确的定义# $$
保留的对象特征间相互独立!已不存在紧密的相关
关系!可用于各种参数分类器# 7$ 方法简单!运行
时间短&
K>A?分类策略
本研究采用了分区控制%分层分类的技术路线
"刘顺喜!$%%9$& 具体实现方法是分区控制 C底层
"第 7 级$分类 C逐层"第 $!& 层$向上合并&
通过基于规则的分类后!全部待分对象分属于
林地和造林地两大类型& 此时!分别这两大类型制
定分类方案%选择训练样地和筛选分类用对象特征!
因此在分类过程中!不同对象分类采用的特征不同&
如方案 G0,<中!林地分类采用 &9 个对象特征!而
造林地只采用 &7 个对象特征& 林地和造林地各类
型均采用独立的训练样本!尽管采用同一个分类器%
同一计算程序!但分类过程是相对独立的!均在林地
和造林地 $ 个大类别的控制下进行& 如林地内各类
型与造林地内各类型间!尽管有八角成林和竹林 $
个类型重叠!但在分类过程中!这 $ 个类型分别采用
$ 套独立的训练样本!独立地进行运算&
上述分类路线的特点是思路清晰!所有对象在
分类过程中!根据其林地f造林地属性!指派到林地f
造林地所属的各类型中去!不会出现类型交叉的现
象!分类结果保留对象原有的林地f造林地属性& 此
外!这种方法充分考虑了分属于林地%造林地!但实
际上是相同类型的对象在对象特征上的差异!有利
于提高分类精度& 如 V{T$!U和 ?{T$!U在分类过
程中属于不同的类型!前者属于林地!后者属于造林
地!但实际上这 $ 个类型均为(八角成林)& 考察这
$ 个类型的对象特征统计量!差别十分明显!见表 9&
实际上!V{T$!U和 ?{T$!U虽同为(八角成林)!但
其林龄是不同的!前者为(高龄)成林!冠幅大!郁闭
度高!林地反射率低# 后者是(低龄)林分!冠幅小!
郁闭 度 小! 林 地 反 射 率 高! 图 像 特 征 近 似 衳
露土地& 66
表 O?@ 个实际相同但分属林地X造林地的类型的统计特征比较!
B-8CO?!"#$-%*)"("1)0-0*)0*9$-%-#&0&%)"10;" )-#&9.-))&);’*9’8&."(6 0" 1"%&)0.-(<-(<$.-(0-0*"(
类型
(1FPPLP
统计量
)QLU
D& D$ D! ,<& ,V{T$!U
?{T$!U
均值 标准差 ’E $%2A! !2#$ 72$" $29$ &&2"A &%29$ &279 &2A# &2"# 82%9 &2%! $2%"
均值 标准差 ’E &72"! !278 "2%A $2!8 #2$7 &%2$A &29# !2!! 82%A &!2&9 &289 $2AA
66"表中对象特征为标准化后的数据& JLFQ3RLWF13LHG QKLQFI1LKFS ILLG PQFGSFRSH[LS5
66显然!采用本研究的分类方法!有利于将图像特
征相近的对象分为一类!达到提高精度的目的!否
则!若将 $ 个类型合并!由于其图像特征变异太大!
容易造成混淆!降低分类精度&
由于形态特征上相同的地物要分为 $ 个不同的
类型!本分类方法需要 $ 套训练样地!因此工作量增
大!分类器运行耗时亦相应增加&
在初期的预研究中!试验了森林类型分类"第 &
级$ C树种分类"第 $ 级$ C龄组分类"第 7 级$和树
种分类"第 $ 级$ C龄组分类"第 7 级$的从上而下
逐层分类的技术路线!但效果不佳& 其主要原因是
由于同一树种内由于林龄变化从 & 至 7% 年甚至更
大!树高%冠幅不同!郁闭度相差很大!因此反射特性
相差很大!造成相同树种各对象间的特征变动过大!
容易与特征相近的树种混淆& 统计结果表明 "表
"$’ 杉木"V{T&&$和松树"V{T&$$各对象特征的平均
数十分接近!且标准差都很大!很难将这 $ 个类型进
行有效分离!其他树种间亦存在这种现象& 因此!在
本研究中!分类直接且只在第 7 级上进行!第 $%第 &
级类型均通过第 7 级分类结果逐级向上合并而得&
87&
林 业 科 学 !" 卷6
表 P?杉木和松树的图像统计特征
B-8CP?!"#$-%*)"("1)0-0*)0*9$-%-#&0&%)"1)$&9*&)"1!’*(&)&3*%-(<$*(&
类型
(1FPPLP
统计量
)QLU
D& D$ D! ,<& ,V{T&&
V{T&$
均值 标准差 ’E &"2$9& 7 72$88 ! &2A7$ 8 !2&&7 " #2A$$ A 82%&& 9 &2&&A 7 &28A! # %2A7# % 92%"! 7 %2"&% # &27## &
均值 标准差 ’E &72#&# $ 7278& $ &287! 9 72!98 ! 82##% & "2"9A & &2&A" $ &2A8A & &2%"$ % 92&A% % %298" 9 &2""# 8
K>K?V-(<)-0_,BZ c作为辅助数据的作用
在 7 个方案中!方案 %7&$GLY只有 ’Md,9 图像
的 ! 个图层!所提取的对象特征仅限于 ’Md,9 图像
的光谱和纹理信息# 在方案 G0,<中!虽然加入了
*,<:的 9 个图层!但其权重均为 %!故 *,<:图像
在分割过程中只是(旁观者)!没有实质参与分割过
程!对分割结果不造成影响!所提取的对象特征中包
含了 ’Md,9 和 *,<:图像的光谱和纹理信息& 在
方案 YHQK,<中!*,<:9 个图层的权重均为 %29!
*,<:图像真正地加入了分割过程!对分割结果产
生了一定的影响!所提取的对象特征中包含了
’Md,9 和 *,<:图像的光谱和纹理信息&
实施 7 种图像分割和对象特征提取方案的目的
是探讨 *,<:图像对 ’Md,9 图像分类结果的影响&
结果表明’ 在 9 个分类器中!方案 G0,<的总体方案
分类精度均高于其余 $ 个方案& 7 个方案 DFXLP分
类器的生产者精度如图 7 所示&
图 76不同方案第 7 级各类型 DFXLP分类器的生产者精度
JH4576(0U?FRHP0G IX?R0S3TLRFTT3RFTXHG 7RS 1LWL10V
QKRLL?R0Q0T01PIXDFXLPT1FPPHVHLR
在所有分类器中!方案 %7&$GLY的分类精度低
于其余 $ 个方案!该方案中用于分类的信息只有
’Md,9 图像的信息!其余 $ 个方案中不但使用了
’Md,9 图像的信息!而且也使用了 *,<:图像的信
息!因此方案 %7&$GLY中可用的信息量小于其余 $
个方案!分类精度低就不足为奇了!这从另一方面说
明了 *,<:数据作为辅助数据!增加了可用信息
量!有利于提高 ’Md,9 图像的分类精度&
对方案 G0,<和 YHQK,<的对象特征进行统计
分析!结果表明’ &$ 方案 YHQK,<中训练样本各类
型的对象特征变动系数"标准差f均值$都大于方案
G0,G0,<# $$ 方案 G0,<中各类型间的空间距离"欧氏
距离$都大于方案 YHQK,间的差异大于方案 YHQK,<& 由此!不难说明方案
G0,<的分类精度为何高于方案 YHQK,<& 造成这种
现象的原因是在方案 G0,<中!*,<:图像实际上
不影响分割结果!所得到的对象边界准确!确保了对
象中 ’Md,9 图层信息是 (纯化)的!变异较小!且
*,<:图层信息又加入分类过程!因此分类精度较
高!而在方案 YHQK,<中!*,<:图像影响了分割结
果!所得对象同质性差!对象特征变动太大&
上述说明了 *,<:图像作为辅助数据!对提高
’Md,9 图像的分类精度有较大帮助!另一方面!科学
合理地利用 *,<:图像也十分重要&
96结论
&$ 通过较大尺度的图像分割!采用基于规则的
分类!可以完成水体和主要道路信息的提取!在此基
础上对林地和造林地施行进一步的%尺度较小的分
割!得到异质性较小的对象!为林地和造林地的信息
提取奠定基础& 这种大尺度分割 C基于规则的分类
C基于分类的分割策略!可以根据不同土地类型的
覆盖特性!有针对性地采用不同的信息提取方法!提
高工作效率和信息提取精度&
$$ 采用分区控制 C底层分类 C逐级合并的技
术路线!采用多分类器进行分类!结果表明’ 总体精
度最高的 DFXLP分类器!对以龄组为基础的 $$ 个类
型分类的总体分类精度达到了 8A27#o!以树种为
基础的 &9 个类型的总体精分类度达到了 #&2#$o!
以树种组为基础的 A 个类型的总体分类精度达到了
#"277o& 在森林分布破碎%种类和类型多样%结构
复杂的南方人工林区!这是比较满意的结果&
7$ 在景观复杂地区的森林自动化分层分类中!
由底层分类开始%逐层向上合并的方法!比由顶层分
类开始%往下逐层分类的方法效果更好&
#7&
6第 # 期 李春干等’ 面向对象的 ’Md,9 图像森林分类
!$ *,<:作为辅助数据!较大程度地提高了
’Md,9 图像的分类精度# 但 *,<:图像不能实质性
参与分割过程!只能用于提取信息!否则!由于分割
后得到的对象的边界不准确!对象的光谱%纹理等特
征变异大!从而降低分类精度&
参 考 文 献
包盈智!赵宪文! 袁凯先! 等5&AA"2卫星数据用于森林资源二类调
查的效益评估和分析5林业资源管理!"9$ ’ "8 C8%5
柏延臣! 王劲峰5$%%92结合多分类器的遥感专题数据专题分类方
法研究5遥感学报! A"9$ ’ 999 C9"75
冯仲科! 游先祥! 任谊群5$%%&2基于 7’ 的森林资源与环境监测系
统构想5北京林业大学学报! $7"!$ ’ A% CA$5
寇文正! 肖6燕! 张瑞玺5&AA%2应用遥感技术进行森林资源监测
方法的研究5环境遥感! 9"$$ ’ &%$ C&%A5
李崇贵! 赵宪文! 李春干5$%%92森林蓄积量遥感估测理论与实现5
北京’ 科学出版社5
李春干! 谭必增5$%%!2基于 ;)’ 的森林资源遥感调查方法研究5林
业科学! !% "!$ ’ !% C!95
李春干! 代华兵! 李崇贵5$%%"2基于高分辨率卫星图像的小班勾
绘精度检验5福建林学院学报! $""$$ ’ &$8 C&7%5
刘顺喜! 张定祥! 尤淑撑! 等5$%%92分区控制和分层提取下的
d<)’j)影像土地利用f覆盖分类方法研究5地理与地理信息科
学! $&"9$ ’ $# C7$5
骆剑承! 周成虎! 梁6怡! 等5$%%$2支撑向量机及其遥感影像空间
特征提取和分类的应用研究5遥感学报! ""&$ ’ 9% C995
唐守正! 陈永富5$%%"2关于森林资源监测体系改革的一些思考(
森林可持续经营探索与实践5北京’ 中国林业出版社! $8 C7$5
王惠文5&AAA2偏最小二乘回归方法及其应用5北京’ 国防工业出
版社5
王松桂! 陈6敏! 陈立萍5&AAA2线性统计模型线性回归与方差分
析5北京’ 高等教育出版社5
徐冠华5&AA!2三北防护林地区再生资源遥感的理论及其技术应用5
北京’ 中国林业出版社5
张秀英! 冯学智! 刘6伟5$%%82基于多分类器结合的 )Zd+d’ 影像
城市植被类型识别5东南大学学报’自然科学版! 78"7$ ’ 7AA C
!%75
赵宪文! 李崇贵! 斯6林! 等5$%%&F5森林资源遥感估测的重要进
展5中国工程科学! 7"#$ ’ &9 C$#5
赵宪文! 李崇贵5$%%&I5基于(7’)的森林资源定量估测+++原理%
方法%应用及软件实现5北京’ 中国科学技术出版社5
赵宪文! 李崇贵! 斯6林! 等5$%%$2基于信息技术的森林资源调查
新体系5北京林业大学学报! $!"9 f"$ ’ &!8 C&995
-PGLR;M! @LHSLIRLTKQZD5$%%$2’?LTQRF13GUHgHG40VWL4LQFQH0G!
P0H1FGS SRXTFRI0G T0WLRHG FRHS RL4H0GP’ T0U?FRHG4U31QHP?LTQRF1
FGS KX?LRP?LTQRF10IPLRWFQH0GP5)GQLRGFQH0GF1N03RGF10V>LU0QL
’LGPHG4! $7’ 7A7A C7A9#5
DFFQ[ 0?QHUH[FQH0G F??R0FTK V0R KH4K ]3F1HQX U31QHjPTF1L HUF4L
PL4ULGQFQH0G5 MR0TLLSHG4P 0V -G4LYFGSQL ;L04RF?KHPTKL
)GV0RUFQH0GP /LRFRILHQ3G4 " -;),$ n))! ’F1[I3R4! -3PQRHF!
=HTKUFGG /LR1F4! &$ C$75
DLG[k (! @0VUFGG M! =H1KF3T\ ;! +-#A5$%%!2<31QHjRLP013QH0G
0IlLTQj0RHLGQLS V3[[XFGF1XPHP0VRLU0QLPLGPHG4SFQFV0R;)’jRLFSX
HGV0RUFQH0G5)’M>’ N03RGF10VMK0Q04RFUULQRXr>LU0QL’LGPHG4!
9#’ $7A C$9#5
JF3WL1T1FPPHVHTFQH0G 0V3RIFG RLU0QLPLGPHG4HUF4LP5)***,RFGPFTQH0GP0G
;L0PTHLGTLFGS >LU0QL’LGPHG4! !!"&%$ ’ $#$# C$#7#5
NFG[Z5&AA72=0R1S V0RLPQRLP03RTLPFPPLPPULGQ&AA%’ FG 0WLRWHLY5
kGFPX1WF! !!"&8!$ ’ & C&95
Z0K1<5$%%!2J0RLPQHGWLGQ0RXFGS U0GHQ0RHG45*GTXT10?LSHF0VJ0RLPQ
’THLGTL! !%7 C!%A5
Z0R0Q\0W-/! MLT\ ,N5&AA72J0RLPQRLP03RTLP0VQKLHGS3PQRHF1H[LS
T03GQRHLP’ -G *(*fJ-dFPPLPPULGQ5kGFPX1WF! !!"&8!$ ’ & C7&5
U0GHQ0RHG4FGS U0SL1HG4HG (FGFSF5MR04RLPPHG M1FGGHG4! "&’ 7"9
C7#&5
)\0G0Pj$ HUF4LRXV0RLgQRFTQH0G 0VV0RLPQHGWLGQ0RX ?FRFULQLRP5
MK0Q04RFUULQRHT*G4HGLLRHG4r >LU0QL’LGPHG4! 8$ " ! $ ’ 7#7
C7A!5
+LWH1L>-! .LWLP]3LN! ’3LGLZ! +-#A5$%%72’?LTQRF13GUHgHG40V
KX?LRP?LTQRF1HUF4LRXV0RUHGLRF1Lg?10RFQH0G’ T0U?FRHP0G 0VRLP31QP
VR0U’J’)FGS -/)>)’5(FGFSHFG N03RGF10V>LU0QL’LGPHG4! $A’
AA C&&%5
d\HG ;’! >0ILRQPE-! <3RRFXD! +-#A5$%%&2MRFTQHTF11HUHQP0G
KX?LRP?LTQRF1WL4LQFQH0G SHPTRHUHGFQH0G HG FRHS FGS PLUHFRHS
LGWHR0GULGQP5>LU0QL’LGPHG40V*GWHR0GULGQ! 88’ $&$ C$$95
M1FQ>/! ;0LQ[-J@5$%%!2-T0U?FRHP0G 0V-/)>)’ FGS .FGSPFQV0R
1FGS 3PL T1FPPHVHTFQH0G FQQKL 3RIFG VRHG4L5 MK0Q04RFUULQRHT
*G4HGLLRHG4FGS >LU0QL’LGPHG4! 8%’ #&7 C#&A5
MRHTLZ M! ;30n! ’QH1LPN<5$%%$2d?QHUF1.FGSPFQ,< IFGS
T0UIHGFQH0GPFGS WL4LQFQH0G HGSHTLP V0R SHPTRHUHGFQH0G 0VPHg
4RFPP1FGS QX?LPHG LFPQLRG ZFGPFP5)GQLRGFQH0GF1N03RGF10V>LU0QL
’LGPHG4! $7’ 9%7& C9%!$5
>LLPL@! +H1PP0G V0RLPQWFRHFI1LP3PHG4PFQL1HQLSFQFFGS VHL1S SFQFVR0UQKLGFQH0GF1
V0RLPQHGWLGQ0RX5-UIH0! 7$"#$ ’ 9!$ C9!#5
’TKHLWLN! ,3VQL.! *K1LRP<5$%%&2M0QLGQHF1FGS ?R0I1LUP0VU31QHj
PTF1LPL4ULGQFQH0G ULQK0SPHG RLU0QLPLGPHG45;L0D),f;)’ "! 7! C
7A5
’HLWFGLG ,5$%%!2)GWLGQ0RX! U0GHQ0RHG4FGS UFGF4LULGQ5*GTXT10?LSHF
0VJ0RLPQ’THLGTL! A9# CA"!5
’UHQK = D5$%%$2J0RLPQHGWLGQ0RXFGS FGF1XPHP’ FGFQH0GF1HGWLGQ0RX
FGS U0GHQ0RHG4?R04RFU5*GWHR0GULGQF1M013QH0G! &&" "P3??1& $ ’
’$77 C’$!$5
,0U??0*! ([F?1LYP\H>.5$%%$2M0QLGQHF1V0RFRLU0QLjPLGPHG4jFHSLS
V0RLPQRLP03RTLP3RWLXV0RQKLYK01L410IL5kGFPX1WF! 97"$&%$ ’ &"
C
3^ O! ;0G4M! (1HGQ0G +! +-#A5$%%"2dIlLTQjIFPLS SLQFH1LS WL4LQFQH0G
T1FPPHVHTFQH0G YHQK FHRI0RGLKH4K P?FQ0F1RLP013QH0G RLU0QLPLGPHG4
HUF4LRX5MK0Q04RFUULQRHT*G4HGLLRHG4FGS >LU0QL’LGPHG4! 8$
"8$ ’ 8AA C#&&5
!责任编辑6石红青"
A7&