王 琰，舒 寧，2，龔 龑，李 雪

基于類別光譜變化規(guī)律的土地利用變化檢測(cè)

王 琰1，舒 寧1，2，龔 龑1，李 雪3

(1.武漢大學(xué)遙感信息工程學(xué)院，武漢 430079;2.武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，武漢 430079;3.中國(guó)地震局地震研究所，武漢 430071)

提出了一種基于類別光譜變化規(guī)律的高分辨率遙感圖像土地利用變化檢測(cè)方法。在基準(zhǔn)期土地利用圖的輔助下，以像斑為圖像分析的基本單位，分別建立不同類別像斑特征在基準(zhǔn)期和檢測(cè)期圖像上的分布曲線，通過(guò)三次多項(xiàng)式擬合參數(shù)表征上述2個(gè)時(shí)期特征值分布曲線的變化規(guī)律，在此基礎(chǔ)上獲取變化閾值，進(jìn)行迭代計(jì)算，找出不符合類別光譜變化規(guī)律的像斑，確認(rèn)為發(fā)生變化的像斑。以武漢市局部2002年、2005年QuickBird多光譜圖像及相同區(qū)域2002年土地利用圖為實(shí)驗(yàn)數(shù)據(jù)，以綠地和城區(qū)為例，對(duì)上述方法進(jìn)行驗(yàn)證，證明上述方法有效。

變化檢測(cè);高分辨率;土地利用;像斑;面向?qū)ο?類別光譜變化規(guī)律

0 引言

隨著傳感器技術(shù)、計(jì)算機(jī)技術(shù)等的快速發(fā)展，獲取高分辨率遙感圖像已成為現(xiàn)實(shí)。圖像分析處理方法研究的不斷深入使得圖像變化檢測(cè)方法也得到了進(jìn)一步改進(jìn)和更新［1］。進(jìn)入21世紀(jì)以來(lái)，以像斑為單位的高分辨率遙感圖像分析方法得到較大發(fā)展，逐漸取代了以像元為單位的方法，成為目前主流的高分辨率圖像分析方式［2］。像斑可以攜帶有利于圖像解譯的更多信息［3］，這些信息用以構(gòu)建特征空間，使得圖像分析方法由像元級(jí)別逐步轉(zhuǎn)變?yōu)樘卣骷?jí)別?；谙癜叩淖兓瘷z測(cè)方法往往是通過(guò)對(duì)特征空間的分析從而獲取變化檢測(cè)結(jié)果，一般可以分成2種:分類后比較法和分類前比較法［4］。分類后比較法優(yōu)勢(shì)是在前后期圖像光譜差異大時(shí)這種方法仍能進(jìn)行計(jì)算，但主要的局限性在于變化檢測(cè)結(jié)果的準(zhǔn)確性依賴于不同時(shí)期圖像分類的精度［5－6］;分類前比較的方式最大優(yōu)勢(shì)則是能夠避免分類精度對(duì)分類結(jié)果的影響，但這種方法對(duì)前后期圖像光譜差異敏感。

為解決此局限性，本文提出一種基于類別光譜變化規(guī)律的高分辨率遙感圖像土地利用變化檢測(cè)方法。這種方法在理論上認(rèn)為對(duì)于某一類別沒(méi)有發(fā)生變化的地物而言，在不同圖像上的光譜差異具有規(guī)律性，且對(duì)于不同類別的地物，其所具有的光譜差異規(guī)律性也是不同的。因此，圖像上變化部分，則可以分為2種情況:不變地物在圖像間的光譜變化以及地物類別變化，而后者是變化檢測(cè)的主要目的。以武漢市區(qū)局部2002年、2005年Quickbird多光譜圖像及2002年相同區(qū)域土地利用圖為實(shí)驗(yàn)數(shù)據(jù)，證實(shí)了該方法的可行性。

1 研究區(qū)概況與數(shù)據(jù)源

研究區(qū)位于 E114°18'～114°20'，N30°29'～30°32'之間，為武漢市部分地區(qū)。選擇2002年和2005年QuickBird多光譜圖像，每一時(shí)期圖像共有藍(lán)、綠、紅和近紅外4個(gè)波段;選擇2002年比例尺為1∶10 000相同區(qū)域的土地利用圖作為驗(yàn)證輔助數(shù)據(jù)。一般認(rèn)為，用以生成地圖的衛(wèi)星圖像的空間分辨率應(yīng)至少為圖上的0.1 mm，用于地圖更新的衛(wèi)星圖像空間分辨率應(yīng)達(dá)到圖上0.2 mm［7］。因此本研究通過(guò)預(yù)處理使得實(shí)驗(yàn)圖像空間分辨率為2 m，實(shí)驗(yàn)區(qū)的大小為3 492像元×2 818像元。

2 研究方法

首先，以像斑為變化分析的基本單位，以土地利用圖為輔助數(shù)據(jù)，獲取前期圖像像斑的類別;再應(yīng)用多項(xiàng)式擬合的方法按類別獲取像斑在不同時(shí)期圖像間的光譜特征變化規(guī)律;通過(guò)迭代求取的方式找出每個(gè)類別中不符合光譜特征變化規(guī)律的像斑，判定為實(shí)際發(fā)生變化的像斑。

2.1 類別光譜變化規(guī)律的獲取

類別光譜變化規(guī)律獲取的目的是區(qū)分不變地物在圖像間的光譜變化和地物類別變化，從而準(zhǔn)確獲取后者，也即真正發(fā)生變化的部分，以提高變化檢測(cè)結(jié)果的準(zhǔn)確性。圖像間光譜變化應(yīng)具有類別內(nèi)的一致性，如果能尋找到每個(gè)類別的光譜特征變化規(guī)律，那么對(duì)符合光譜特征變化規(guī)律的地物則視為沒(méi)有發(fā)生變化，只有不符合變化規(guī)律的像斑，才判定為發(fā)生變化的像斑。

本研究采用多項(xiàng)式擬合的方法獲取類別變化規(guī)律，算法適用的前提是發(fā)生變化的像斑應(yīng)為少數(shù)的。將土地利用圖與遙感圖像進(jìn)行配準(zhǔn)套合，再依據(jù)土地利用圖中的地類碼獲取每個(gè)像斑所屬類別。對(duì)于某一類別像斑，提取像斑特征，特征值可以為一個(gè)或者多個(gè)，依次為每個(gè)特征獲取像斑特征變化規(guī)律。具體的做法為:將某類像斑某個(gè)特征值按照從小到大排序，這樣，在不同圖像上排序后的特征值將各形成一條分布曲線，以綠地和城區(qū)為例，如圖1所示。

圖1 綠地像斑藍(lán)波段灰度標(biāo)準(zhǔn)差分布曲線(左)和城區(qū)像斑紅波段灰度均值分布曲線(右)Fig.1 Standard deviation distribution curve of green land image segments on blue band(left)and mean gray value distribution curve of city image segments on red band(right)

采用三次多項(xiàng)式擬合方法對(duì)2條曲線關(guān)系進(jìn)行 擬合，即

式中:α1，α2，α3，α4為待求擬合參數(shù)，表征 2 條曲線之間的關(guān)系;gt1(Xj)，gt2(Xj)分別是基準(zhǔn)和檢測(cè)時(shí)期某類所有樣本像斑第j個(gè)特征值，如果像斑有n個(gè)特征，則j=1，2，…，n，最終需要獲取n組擬合參數(shù)。

2.2 變化閾值的獲取

分類前比較的遙感圖像變化檢測(cè)方法，其變化部分的求取需要選擇一個(gè)變化閾值;根據(jù)計(jì)算得出的變化測(cè)度值，與變化閾值相比較，超出變化閾值的部分則判定為變化。對(duì)于某一類別而言，可根據(jù)獲取的上述n組擬合參數(shù)，計(jì)算像斑的參數(shù)擬合殘差和的絕對(duì)值，即

式中:gt1(xij)和gt2(xij)分別表示某類別第i個(gè)樣本像斑在基準(zhǔn)時(shí)期和檢測(cè)時(shí)期第j個(gè)特征值。第i個(gè)樣本像斑的變化測(cè)度值計(jì)算公式為

變化閾值的獲取可以參考所有樣本像斑T值分布的直方圖，在直方圖顯示的波谷附近范圍內(nèi)選擇合適的閾值，大于變化閾值的像斑，則認(rèn)為發(fā)生了變化，反之則認(rèn)為沒(méi)有發(fā)生變化。

多項(xiàng)式擬合參數(shù)表示了類別的一個(gè)整體特征。但是，在具體求取過(guò)程中，某個(gè)類別中哪些像斑真正發(fā)生了變化是未知的，因?yàn)樗邢癜叨紖⑴c了多項(xiàng)式擬合，實(shí)際類別發(fā)生變化的像斑也參與了擬合參數(shù)的求取，必然會(huì)對(duì)結(jié)果的準(zhǔn)確性產(chǎn)生影響。因此，需要將上述變化檢測(cè)結(jié)果僅視為初步檢測(cè)結(jié)果，并在檢測(cè)結(jié)果中將認(rèn)為變化了的像斑從參與擬合過(guò)程的像斑中剔除，繼而重新計(jì)算擬合參數(shù)，再進(jìn)行后續(xù)的閾值求取和變化判斷，直到迭代前后兩次發(fā)生變化像斑的數(shù)目不再改變，或者檢測(cè)到的變化像斑數(shù)目過(guò)多已不符合變化像斑總是少數(shù)的前提時(shí)，迭代結(jié)束。這時(shí)每次迭代判斷變化了的像斑總和則為最后的變化檢測(cè)結(jié)果。

2.3 技術(shù)流程

基于類別變化規(guī)律的土地利用變化檢測(cè)技術(shù)流程如圖2所示。

圖2 技術(shù)流程圖Fig.2 Technical flow chart

3 實(shí)驗(yàn)及結(jié)果分析

3.1 像斑及其特征和類別的獲取

在中、低分辨率遙感圖像上僅表達(dá)為單個(gè)像元或者亞像元的地物在高分辨率遙感圖像上會(huì)轉(zhuǎn)變?yōu)橐淮鼗叶认嗨频南裨?，因此采用像斑作為圖像分析的基本單位。在國(guó)內(nèi)外的文獻(xiàn)中“像斑”也可稱為“對(duì)象”，基于像斑的圖像分析也即“面向?qū)ο蟆被颉盎趯?duì)象”的圖像分析。通過(guò)土地利用圖和遙感圖像的配準(zhǔn)套合［8］，可根據(jù)土地利用圖矢量圖斑的邊界和屬性特征中的地類碼直接獲取像斑及其類別。由于土地利用圖表達(dá)的是土地利用情況，其圖斑的生成受到成圖標(biāo)準(zhǔn)、規(guī)范和比例尺等多種因素的影響，使得直接通過(guò)配準(zhǔn)套合得到的像斑并不能保持其內(nèi)部的光譜一致性，因此需要對(duì)像斑進(jìn)行再分割［9－10］。

本研究使用的土地利用圖分類系統(tǒng)是“全國(guó)土地利用分類(過(guò)渡期間適用)”，選擇地類碼為“11”、“12”、“13”類別的像斑組成綠地類別，地類碼為“20”、“26”、“27”、“31”類別的像斑組成城區(qū)類別進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)區(qū)域像斑分布情況如圖3所示，邊界顯示為綠色的像斑為所有綠地實(shí)驗(yàn)樣本像斑，顯示為粉紅色的像斑為城區(qū)實(shí)驗(yàn)樣本像斑。經(jīng)過(guò)配準(zhǔn)套合和再分割后，綠地類別樣本像斑的數(shù)目為187個(gè)，城區(qū)類別為2 326個(gè)。提取每個(gè)像斑的藍(lán)、綠、紅、近紅外波段的灰度均值、標(biāo)準(zhǔn)差共8個(gè)特征構(gòu)成特征空間。

圖3 實(shí)驗(yàn)區(qū)假彩色圖像樣本像斑Fig.3 Image segments of study area false color image

3.2 變化檢測(cè)結(jié)果

根據(jù)上述算法進(jìn)行實(shí)驗(yàn)，獲取初始變化結(jié)果后，將利用式(3)計(jì)算獲得的T值分為30組，統(tǒng)計(jì)T值的分布圖，如圖4所示。

圖4 綠地(左)及城區(qū)(右)T值直方圖分布曲線Fig.4 Green land(left)and city(right)T value histogram distribution curve

變化閾值一般在直方圖分布曲線波谷或其附近一定范圍內(nèi)選取。在本次試驗(yàn)中，綠地類別初始結(jié)果獲取時(shí)選取變化閾值 ρ=1.6，迭代時(shí) ρ=4.8，實(shí)驗(yàn)結(jié)果迭代1次后收斂;城區(qū)類別初始結(jié)果獲取時(shí)選取 ρ=1.3，迭代時(shí) ρ=3.7，實(shí)驗(yàn)結(jié)果迭代 1 次后收斂。檢測(cè)結(jié)果(部分)如圖5所示。

圖5 變化檢測(cè)部分結(jié)果Fig.5 Part of change detection results

對(duì)檢測(cè)結(jié)果進(jìn)行的目視檢查表明，多數(shù)發(fā)生了較為明顯變化的像斑都可以被正確檢測(cè)出來(lái)。從圖5可以看出，綠地實(shí)驗(yàn)樣本像斑集中在圖像左下部，共有77個(gè)像斑被檢測(cè)為變化。為進(jìn)一步分析實(shí)驗(yàn)結(jié)果，對(duì)綠地樣本像斑進(jìn)行了目視判斷，與實(shí)驗(yàn)結(jié)果對(duì)比，77個(gè)實(shí)驗(yàn)檢測(cè)的變化像斑中，有57個(gè)像斑與目視判斷結(jié)果相一致，占所有實(shí)驗(yàn)檢測(cè)變化像斑的74.03%。城區(qū)實(shí)驗(yàn)樣本像斑集中在圖像上部，共有776個(gè)像斑檢測(cè)為發(fā)生了變化，因城區(qū)樣本像斑數(shù)目很多，故隨機(jī)抽取100個(gè)城區(qū)樣本像斑(圖5上的粉紅色邊界像斑)進(jìn)行實(shí)驗(yàn)結(jié)果分析，證實(shí)在41個(gè)檢測(cè)為發(fā)生了變化的像斑中有35個(gè)像斑與目視判斷結(jié)果一致，占實(shí)驗(yàn)檢測(cè)變化像斑的85.37%。圖上藍(lán)色邊界像斑則是兩個(gè)類別實(shí)驗(yàn)檢測(cè)變化像斑中與目視檢測(cè)一致的像斑。由此證明了該方法的可行性。

4 結(jié)論

1)圖像間不變地物光譜特征變化具有類內(nèi)規(guī)律性，本文基于類別光譜變化規(guī)律的高分辨率遙感圖像土地利用變化檢測(cè)方法，通過(guò)計(jì)算獲取圖像間各類別地物光譜變化規(guī)律，將不符合上述規(guī)律的像斑確定為變化像斑。實(shí)驗(yàn)以綠地類別和城區(qū)類別為例證實(shí)了方法的可行性。

2)較之其他分類前比較的變化檢測(cè)方法，本方法對(duì)于前后期圖像系統(tǒng)性響應(yīng)光譜差異具有一定甄別能力，因此也有可能應(yīng)用于非同源圖像間的變化檢測(cè)。

3)像斑同質(zhì)性、樣本像斑光譜特征變化的復(fù)雜性和典型性是影響實(shí)驗(yàn)結(jié)果的重要因素。

4)如何進(jìn)行最佳閾值的自動(dòng)獲取以及對(duì)類別規(guī)律更加準(zhǔn)確的表達(dá)，是今后進(jìn)一步研究的重點(diǎn)。

［1］ 白 穆，劉慧平，喬 瑜，等.高分辨率遙感圖像分類方法在LUCC 中的研究進(jìn)展［J］.國(guó)土資源遙感，2010(1):19－23.Bai M，Liu H P，Qiao Y，et al.New Progress in the Classification of High Spatial Resolution Satellite Images for LUCC［J］.Remote Sensing for Land and Resources，2010(1):19 － 23(in Chinese with English Abstract).

［2］ 林麗群.基于像斑的高光譜影像跨尺度分類研究［D］.武漢:武漢大學(xué)，2008.Lin L Q.The Scale－span Classification of Hyperspectral Image Based on Image Segment［D］.Wuhan:Wuhan University，2008(in Chinese with English Abstract).

［3］ Walker J S，Blaschke T.Object-based Land-cover Classification for the Phoenix Metropolitan Area:Optimization vs.Transportability［J］.International Journal of Remote Sensing，2008，29(7):2021－2040.

［4］ 陳 晉，何春陽(yáng)，史培軍，等.基于變化向量分析的土地利用/覆蓋變化動(dòng)態(tài)監(jiān)測(cè)(Ⅰ)——變化閾值的確定方法［J］.遙感學(xué)報(bào)，2001，5(4):259 －266.Chen J，He C Y，Shi P J，et al.Land Use/Cover Change Detection with Change Vector Analysis(CVA):Change Magnitude Threshold Determination［J］.Journal of Remote Sensing，2001，5(4):259 －266(in Chinese with English Abstract).

［5］ 孫曉霞，張繼賢，燕 琴，等.遙感影像變化檢測(cè)方法綜述及展望［J］.遙感信息，2011(1):119－123.Sun X X，Zhang J X，Yan Q，et al.A Summary on Current Techniques and Prospects of Remote Sensing Change Detection［J］.Remote Sensing Information，2011(1):119 －123(in Chinese with English Abstract).

［6］ Zhang R Q，Zhu D L.Study of Land Cover Classification Based on Knowledge Rules Using High－resolution Remote Sensing Images［J］.Expert Systems with Applications，2011，38(4):3647 －3652.

［7］ 關(guān)元秀，程曉陽(yáng).高分辨率衛(wèi)星影像處理指南［M］.北京:科學(xué)出版社，2008.Guan Y X，Cheng X Y.High Resolution Satellite Image Processing Guidelines［M］.Beijing:Science Press，2008(in Chinese).

［8］ 舒 寧.關(guān)于遙感影像處理分析的理論與方法之若干問(wèn)題［J］.武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2007(11):1007－1010.Shu N.Aspects of the Theories and Methodologies for Remote Sensed Image Processing and Analysis［J］.Geomatics and Information Science of Wuhan University，2007(11):1007 － 1010(in Chinese with English Abstract).

［9］ Definiens eCognition Developer 8 User Guide，Document Version 1.2.0［EB/OL］.Definiens AG，Trappentreustr.1，D － 80339 München，Germany，2009.

［10］ Benz U C，Hofmann P，Willhauck G，et al.Multi－ resolution，Object－oriented Fuzzy Analysis of Remote Sensing Data for GIS－ready Information［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，58(3/4):239 －258.

Land Use Change Detection Based on Class Spectral Change Rule

WANG Yan1，SHU Ning1，2，GONG Yan1，LI Xue3
(1.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China;2.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China;3.Institute of Seismology，China Earthquake Administration，Wuhan 430071，China)

This paper gives a proposal for land use change detection using high resolution remote sensing images based on class spectral change rules.Image segments and their class properties can be obtained by matching remote sensing images and land use map.Then the spectral distribution curve of each feature of the segments belonging to the same class is constructed for each image.Based on these curves，the spectral change rule of each class can be obtained by calculating fitting parameters of cubic polynomial.According to these parameters a change threshold is set and，through iteration，the image segments whose spectral change does not comply with the spectral change rule of their class are detected as the change segments.Two multispectral Quickbird images of part of Wuhan City obtained from 2002 and 2005 and a 1∶10 000 land use map of 2002 in the same region were used as the study area.Exemplified by green land and urban areas，the results show the validity of this method.

change detection;high resolution;land use;image segment;object－based;class spectral change rule

TP 75;P 237

A

1001－070X(2012)03－0092－05

10.6046/gtzyyg.2012.03.17

2011－10－10;

2011－12－19

國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):41101412)、湖北省自然科學(xué)基金重大項(xiàng)目(編號(hào):2006ABD003)以及中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)基金項(xiàng)目(編號(hào):3101009)共同資助。

王 琰(1984－)，女，博士研究生，研究方向?yàn)檫b感圖像解譯。E－mail:wangyan.jenny@163.com。

(責(zé)任編輯:李 瑜)