摘要：運用Sobel算子提取不同時期同一地區(qū)的遙感影像的輪廓，對提取后的影像用后期遙感影像減去對應(yīng)的前期遙感影像相對應(yīng)的相素，在相減時采用一個三階算子，這樣可以很好的消除不同時期影像匹配時的誤差。并對相減后的影像采用一個的濾波方法算子進行濾波，可以很好的濾掉噪聲。得到的影像能很好的反映出不同時期土地的變化邊緣。

關(guān)鍵字：遙感影像；土地變化；邊緣提??；三階算子；假彩合成

中圖分類號：P208 文獻標識碼：A 文章編號：1009-3044(2008)28-0187-03

The Edge Extraction of Land Change Based on Remote Sensing Images

LI Wei-fu， GUO Bo， LI Jian-hu

(School of Geodesy and Geomatics，Wuhan University，Wuhan 430079，China)

Abstract:the outlines of remote sensing images that from the same area in different periods were extracted with Sobel operator.For the images extracted，we subtract the pixels of early-stage remote sensing images from that of late-stage remote sensing images， using the third order operator in the subtraction.This method can be good to eliminate the errors produced in different-period image matching. Through taking the filtering method designed by myself，the noise of images obtained after the subtraction can be well filtered off. And the ultimate images can be good to reflect the land edge changes of different periods.

Key words: remote sensing image; land change; edge detection; the third order operator; 1 color composite

隨著國家經(jīng)濟建設(shè)的不斷發(fā)展，土地利用變化快，運用常規(guī)的的辦法很難及時發(fā)顯土地的變化，給國家土地管理帶來很大的麻煩?，F(xiàn)在正是國家土地調(diào)查時期，也正是大量運用遙感影像來監(jiān)測土地利用的變化。運用此方法可以很快的發(fā)現(xiàn)土地變化的可疑地點，再結(jié)合影像和實地調(diào)查可以大量減輕調(diào)查人員的負擔(dān)。本論文采用在VC中調(diào)用GDAL(Geospatial Data Abstraction Library)開源柵格空間數(shù)據(jù)轉(zhuǎn)換庫處理。

1 邊緣線性特征提取原理

線特征是指影像的“邊緣”與線?！斑吘墶翱啥x為影像局部區(qū)域特征不同的那些區(qū)域間的分界線，而“線”則可認為是具有很小寬度的其中間區(qū)域具有相同的影像特征的邊緣對，也就是距離很小的一對邊緣構(gòu)成一條線[1]。邊緣的剖面灰度曲線（如圖1），從圖1中我們可以看出，在圖象邊緣處灰度變化是很快的出現(xiàn)一個灰度差很大的一個點，而不是邊緣的圖象的灰度值是很接近的。這樣我們就可以用梯度算子來提取圖象邊緣。對一個灰度函數(shù)g(x，y)，其梯度定義為一個向量：

■(1)

它的兩個重要的特性是：①向量G[g(x，y)]的方向是函數(shù)g(x，y)在(x，y)處最大增加率的方向；②G[g(x，y)]的?！?就等于最大增加率[1]。在數(shù)字影像中，倒數(shù)的計算常用差分予以近似，則梯度算子就是差分算子為：

■ (2)

對于一定的閥值T。當Gi，j>T時，則認為像素(i，j)是邊緣點。本論文采用的是Sobel算子，Sobel算子其原理也是采用梯度算法，但它考察了像素的上下、左右鄰點灰度的加權(quán)差，與之接近的鄰點的權(quán)大，其加權(quán)差分算子：

■

對于像素點(i，j)用Sobel算子計算后的灰度值為G(i，j)=Gx+Gy。當G(i，j)大于我們設(shè)定的閥值，則我們認為(i，j)點為階躍邊緣點。

2 不同時期影像變化區(qū)域邊緣提取

土地調(diào)查人員在進行土地利用變化調(diào)查時，都是用不同時期的影像觀測出影像的變化。對所用影像采用自動提取兩幅影像不同處的邊緣來識別。

2.1 獲得邊緣影像

由于兩幅遙感影像在成像時期的時間、傳感器姿態(tài)、溫度、大氣環(huán)境的不同，使得兩幅影像的灰度值會有很大的差別[2]。所以我們在進行邊緣提取之前就的先對影像進行直方圖配準，使的兩幅影像的灰度分布近似。然后進行影像進行幾何校正，之后在對兩幅影響在ERDAS軟件下進行影像對影像（Image-to-Image Registration）配準。之后我們用Sobel算子分別對兩幅影像進行邊緣提取。這樣我們就得到了不同時期不同影像的邊緣影像g1，g2。

2.2 獲得變化區(qū)域邊緣影像

我們在得到不同時期影像的邊緣g1，g2后，我就用這兩幅不同時期的影像的相對應(yīng)的相元的灰度值做差后得到一幅新的邊緣影像g3，即獲得土地變化后的區(qū)域邊緣影像。

■(3)

由于兩幅影像在配準時是存在一定的誤差，所以如果就是對應(yīng)的像元相減的話，則很多相減的點在實地的點是不對應(yīng)的，這樣就無法找到變化的邊緣圖象，所以我對以上公式進行了改進。由于在配準時誤差是在一個像素內(nèi)[3]，所以我把被減的像素點的周圍的8個像素也找出來，取其9個相素灰度值的加權(quán)平均值為被減數(shù)，其公式如下：

■ (4)

g1'(i，j)為變化前影像(i，j)點加權(quán)平均灰度值，其加權(quán)算子是M(i，j)，M(i，j)是一個以g1(i，j)為中心元素的以其周圍像元灰度值的權(quán)系數(shù)的三階矩陣。g2(i，j)為變化后影像(i，j)點灰度值，g3(i，j) ■為灰度差值影像(i，j)點灰度值，d是一個經(jīng)驗常數(shù)，因為兩幅影像灰度值的差異，所以就算是直方圖配準后，相對應(yīng)的相素灰度值仍然有差異，所以d是一個因影像的不同而不同。對取的的差值圖象含有很多的噪點，不利于我們對影像變化區(qū)域邊緣的觀測，所以我采用了一個以g3(i，j)為中心元素的以其周圍像元灰度值的三階矩陣S(i，j)，當S(i，j)中所有元素之和小于2.5倍g3(i，j)時我就認為這個像素是噪點，把它的灰度值變?yōu)榱恪Ｗ詈蟮玫揭环|(zhì)量很好的變化區(qū)域邊緣影像。

3 實驗檢驗

圖象數(shù)據(jù)是SPOT影像，該影像是256 級的灰度影像，大小為512×512，一張為土地變化前影像，一張為土地變化后影像，如圖2，圖3，其中紅色的圈中是用本論文方法找出來的變化區(qū)域的邊緣。

■

圖2 變化前影像圖3 變化后影像

對這兩幅影像用Sobel算子提取邊緣后的影像如圖4，圖5：

■

圖4 變化前邊緣影像圖5 變化后邊緣影像

對提取邊緣后的影像采用直接對應(yīng)像素的灰度值做差后的影像如圖6，采用本論文做差后進行本論文方法濾波后的影像如圖7：

用ERDAS自帶的變化檢測工具檢測的結(jié)果如圖8，在VC中用土地變化后影像做為一個波段，用本論文得到的邊緣變化影像做為其他兩波段，得到一幅三個波段的影像。在ERDAS中假彩合成影像如圖9，其中亮黃點是變化區(qū)域的邊界。

■

圖6 直接相減法得到的影像圖7 用本論文方法得到的邊緣影像

■

圖8 ERDAS自帶變化檢測工具結(jié)果 圖9 假彩合成影像（用圖3，圖7，圖8合成）

4 結(jié)論

如今正是國家土地二次調(diào)查的時期，我國面積廣闊，環(huán)境復(fù)雜多變。采用人工的方法對調(diào)查人員提出了很高的要求。隨著我國遙感事業(yè)的發(fā)展，我國已大量運用遙感影像來監(jiān)測土地利用調(diào)查。但直接從遙感影像有的地區(qū)變化了是很難發(fā)現(xiàn)的，特別是在房屋、建筑物很多的環(huán)境下很難發(fā)現(xiàn)地物的變化，對遙感解譯人員也增加了作業(yè)難度。采用本論文的方法可以很快的找出地物變化的邊緣，使我們的土地監(jiān)測部門可以容易的發(fā)現(xiàn)變化地區(qū)，并且及時的的做出相應(yīng)的決策。

參考文獻：

[1] 張劍清，潘勵，王樹根.攝影測量學(xué)[M].武漢:武漢大學(xué)出版社，2003.

[2] 湯國安，張友順，劉詠梅，等.遙感數(shù)字圖象處理[M].北京:科學(xué)出版社，2004.

[3] 黨安榮，王曉棟，陳曉峰，等.ERDAS IMGINE遙感圖象處理方法[M].北京:清華出版社，2003.

[4] 何東健，耿楠，張義寬.數(shù)字圖象處理[M].西安:西安電子科技大學(xué)出版社，2003.

[5] 李德仁.利用遙感影像進行變化檢測[J].武漢大學(xué)學(xué)報(信息科學(xué)版)，2003，28(3):8-12.

[6] 楊靛青，劉秉瀚.TM遙感圖像中河流的自動提取[J].福州大學(xué)學(xué)報(自然科學(xué)版)，2004，32(S1):101-104.

[7] 賈永紅.多源遙感影像數(shù)據(jù)融合技術(shù)[M].北京:測繪出版社，2005.

[8] 陸登槐，單娟.遙感技術(shù)在農(nóng)業(yè)工程中的應(yīng)用[M].北京:清華出版社，1997.

[10] 朱亮璞.遙感地質(zhì)學(xué)[M].北京:地質(zhì)出版社，1994.

[11] 王育堅.Visual c++面向?qū)ο缶幊探坛蘙M].北京:清華大學(xué)出版社，2003.