王勇

(鄭州測(cè)繪學(xué)校，河南鄭州 450015)

1 引言

衛(wèi)星遙感影像覆蓋范圍大，能及時(shí)、客觀、周期性地獲取地表覆蓋信息。隨著衛(wèi)星遙感影像的空間分辨率不斷提高，為土地利用變更調(diào)查提供了新的數(shù)據(jù)源，使得利用衛(wèi)星遙感影像快速更新土地利用現(xiàn)狀圖成為可能，同時(shí)遙感影像的價(jià)格也越來(lái)越便宜，因此，可以利用高分辨率衛(wèi)星遙感影像代替航空遙感影像進(jìn)行土地利用現(xiàn)狀調(diào)查。雖然目前比較成熟的用于土地利用的變化檢測(cè)算法較多，這些方法分別適用于不同的實(shí)際需求，根據(jù)實(shí)際情況選擇合適的方法才可以達(dá)到較好的檢測(cè)結(jié)果。本文提出了基于灰度差分和紋理差分圖像融合的變化檢測(cè)方法，并利用鄭州市近幾年的遙感影像進(jìn)行城市土地利用變化檢測(cè)實(shí)踐研究。

2 變化檢測(cè)

2.1 變化檢測(cè)的一般處理流程

從輸入多時(shí)相遙感圖像數(shù)據(jù)，到輸出變化檢測(cè)結(jié)果，變化檢測(cè)的一般處理流程由圖像預(yù)處理、變化信息獲取以及檢測(cè)結(jié)果輸出三個(gè)部分構(gòu)成，如圖1所示。

圖1 變化檢測(cè)的處理流程

2.2 變化檢測(cè)算法分類

目前已經(jīng)有許多變化檢測(cè)算法，如差值法、植被索引法、主成分分析法等。人們從應(yīng)用的角度出發(fā)有各種各樣的分類方法，但變化檢測(cè)算法本質(zhì)上是“特征提取”問題，或稱為變化增強(qiáng)算法。因此，本文認(rèn)為較為合理的算法分類可以根據(jù)特征提取的方式來(lái)分，可分為兩大類:

(1)基于光譜/灰度特征的變化檢測(cè)?；诠庾V/灰度特征的變化檢測(cè)算法只考慮點(diǎn)對(duì)點(diǎn)(pixel－to－pixel)運(yùn)算，因此要求多時(shí)相的圖像之間必須嚴(yán)格地配準(zhǔn)。

(2)基于空間特征的變化檢測(cè)算法?；诳臻g特征的變化檢測(cè)算法考慮了圖像的空間特性，如紋理、邊緣及目標(biāo)識(shí)別結(jié)果等，它是基于區(qū)域運(yùn)算的。

3 基于差分圖像融合的變化檢測(cè)方法

3.1 基于差分圖像融合的變化檢測(cè)原理

基于差分圖像融合的變化檢測(cè)是將灰度差分圖像與紋理差分圖像相結(jié)合進(jìn)行變化區(qū)域檢測(cè)的處理方法，主要的處理流程為:輸入多時(shí)相遙感圖像后，先通過圖像配準(zhǔn)和相對(duì)輻射校正方法實(shí)現(xiàn)不同時(shí)相遙感圖像的幾何和輻射校正;分別進(jìn)行灰度差分和紋理差分，得到灰度差分圖像和紋理差分圖像;然后根據(jù)乘積變換原理融合紋理差分圖像和灰度差分圖像;接著根據(jù)ISODATA算法實(shí)現(xiàn)差分圖像融合后的分類;根據(jù)分類圖像確定合適的閾值，得到變化區(qū)域。

3.2 基于差分圖像融合的變化檢測(cè)算法描述

根據(jù)前面的分析，對(duì)于本文提出的基于差分圖像融合的變化檢測(cè)算法，算法為如圖2所示流程。

下面給出主要的處理步驟:

第1步:圖像預(yù)處理

①根據(jù)多項(xiàng)式糾正的方法實(shí)現(xiàn)多時(shí)相遙感圖像的配準(zhǔn);

②通過直方圖匹配法實(shí)現(xiàn)多時(shí)相遙感圖像的輻射校正。

圖2 基于差分圖像融合的變化檢測(cè)流程圖

第2步:差分圖像融合

①根據(jù)圖像的灰度信息得到多時(shí)相遙感圖像的灰度差分圖像;

②根據(jù)圖像的紋理結(jié)構(gòu)得到多時(shí)相遙感圖像的紋理差分圖像;

③根據(jù)乘積變換方法實(shí)現(xiàn)紋理差分圖像與灰度差分圖像的融合。

第3步:差分融合圖像分類

①初始化;

②選擇初始中心;

③按一定光譜距離對(duì)所有像元?jiǎng)澐?

④重新計(jì)算每個(gè)集群的均值和方差，按初始化的參數(shù)進(jìn)行分裂和合并;

⑤直到迭代次數(shù)或者兩次迭代之間類別均值變化小于閾值，結(jié)束;

⑥否則，重復(fù)⑤;

⑦確認(rèn)類別，精度評(píng)定。

第4步:分類結(jié)果后處理，實(shí)現(xiàn)多時(shí)相圖像的變化檢測(cè)。

4 基于遙感影像的實(shí)驗(yàn)與分析

本文選擇鄭州市作為實(shí)驗(yàn)地區(qū)，基于ERDAS 9.2軟件采用2006年、2007年、2009年的CBERS02B CCD影像進(jìn)行實(shí)驗(yàn)。分別進(jìn)行多時(shí)相灰度差分變化檢測(cè)和紋理差分變化檢測(cè)，并用本文中提出的基于差分圖像融合的方法用于多時(shí)相遙感圖像變化區(qū)域檢測(cè)，驗(yàn)證該方法與簡(jiǎn)單的紋理差分或者灰度差分相比是否提高了變化檢測(cè)精度。

4.1 基于圖像灰度差分的檢測(cè)

采用圖像灰度差分的算法進(jìn)行實(shí)驗(yàn)，采用合適的閾值來(lái)標(biāo)明重點(diǎn)變化區(qū)域，并輸出變化分析結(jié)果圖像。根據(jù)變化圖像統(tǒng)計(jì)變化數(shù)據(jù)，研究變化檢測(cè)情況。檢測(cè)結(jié)果如圖3和表1、表2所示。

圖3 主要變化區(qū)域圖像

2007年相對(duì)于2006年年變化檢測(cè)統(tǒng)計(jì)數(shù)據(jù) 表1

2009年相對(duì)于2006年變化檢測(cè)統(tǒng)計(jì)數(shù)據(jù) 表2

通過表1、表2數(shù)據(jù)可以看出，第二次變化檢測(cè)的變化范圍比第一次變化檢測(cè)的范圍大，原因是第二次檢測(cè)所用數(shù)據(jù)間隔的時(shí)間比較長(zhǎng)，符合實(shí)際情況。

4.2 基于圖像紋理差分的檢測(cè)

將2006年、2007年、2009年三個(gè)時(shí)相同一地區(qū)的影像進(jìn)行紋理分析，提取兩幅圖像的紋理特征，然后利用圖像差分的算法進(jìn)行基于紋理特征的圖像差分變化檢測(cè)?；诩y理差分的變化檢測(cè)結(jié)果，如圖4和表3、表4所示。

圖4 基于紋理差分的變化檢測(cè)結(jié)果

2007年與2006年基于紋理差分的變化檢測(cè)統(tǒng)計(jì)數(shù)據(jù) 表3

2009年與2006年基于紋理差分的變化檢測(cè)統(tǒng)計(jì)數(shù)據(jù) 表4

通過對(duì)灰度差分變化檢測(cè)結(jié)果和紋理差分變化檢測(cè)結(jié)果對(duì)比，結(jié)合實(shí)際的調(diào)查結(jié)果可以發(fā)現(xiàn)，基于紋理的變化檢測(cè)算法對(duì)隨機(jī)因素的干擾有一定的魯棒性，降低了變化區(qū)域提取的精度，因此利用紋理差分方法用于變化檢測(cè)的精度明顯低于灰度差分的方法。

4.3 基于差分圖像融合的變化檢測(cè)

基于差分圖像融合的變化檢測(cè)，首先對(duì)變化前圖像、變化后圖像分別進(jìn)行灰度差分和紋理差分，得到灰度差分圖像和紋理差分圖像;然后根據(jù)乘積變換算法融合紋理差分圖像和灰度差分圖像;接著根據(jù)ISODATA算法進(jìn)行融合后的分類，結(jié)合目視解譯，得到變化區(qū)域?；诓罘謭D像融合的變化檢測(cè)統(tǒng)計(jì)數(shù)據(jù)如圖5和表5、表6所示。

圖5 差分融合圖像分類結(jié)果圖

2007年與2006年基于差分圖像融合的變化檢測(cè)數(shù)據(jù) 表5

2009年與2006年基于差分圖像融合的變化檢測(cè)數(shù)據(jù) 表6

經(jīng)過實(shí)地調(diào)查，2007年鄭州市的發(fā)展方向在北區(qū)，所以鄭州市北區(qū)的土地利用情況發(fā)生了較大的變化，這和我們檢測(cè)的結(jié)果是一致的。土地利用變化的區(qū)域面積為0.434 km2，和國(guó)土部門的0.5 km2的統(tǒng)計(jì)數(shù)據(jù)基本一致。從2007年開始，鄭州市加快了發(fā)展步伐，西北方向國(guó)家級(jí)高新技術(shù)開發(fā)區(qū)和東南方向國(guó)家級(jí)經(jīng)濟(jì)技術(shù)開發(fā)區(qū)的城市建設(shè)進(jìn)程加快，鄭州北部地區(qū)隨著房地產(chǎn)市場(chǎng)的帶動(dòng)也發(fā)生了很多的變化，鄭東新區(qū)的建設(shè)用地大量增加，而鄭州市中部老城區(qū)的改造也在不斷進(jìn)行，和2009年相對(duì)于2006年的變化檢測(cè)結(jié)果是一致的。土地利用變化的區(qū)域面積為8.989 km2，和國(guó)土部門約 9 km2的統(tǒng)計(jì)數(shù)據(jù)基本一致。由此可見，基于差分圖像融合的變化檢測(cè)結(jié)果與統(tǒng)計(jì)結(jié)果比較接近，精度較高，比單純的灰度差分和紋理差分的變化檢測(cè)精度要高，準(zhǔn)確性更強(qiáng)。

5 小結(jié)

通過實(shí)驗(yàn)驗(yàn)證與分析，得出以下結(jié)論:

(1)進(jìn)行變化檢測(cè)，圖像的預(yù)處理尤其關(guān)鍵。圖像的幾何糾正配準(zhǔn)、圖像輻射處理的準(zhǔn)確性是做好變化檢測(cè)的前提。高精度的幾何配準(zhǔn)、圖像輻射增強(qiáng)處理和直方圖匹配為提高變化檢測(cè)的精度提供了保證。

(2)灰度差分變化檢測(cè)對(duì)圖像的時(shí)相要求較高，最好是屬于同一季節(jié)，且月份相差不要太大，以免植被覆蓋等因素增加變化檢測(cè)的誤差?；叶炔罘謭D像由于是通過點(diǎn)對(duì)點(diǎn)運(yùn)算，所以一般差值圖像存在很多的噪聲，由于存在同譜異物和異物同譜現(xiàn)象，所以一般會(huì)得到很多假變化信息。

(3)基于紋理結(jié)構(gòu)的灰度差分變化檢測(cè)，由于基于紋理的變化檢測(cè)算法對(duì)隨機(jī)因素的干擾有一定的魯棒性，降低了變化區(qū)域提取的精度，因此利用紋理差分方法用于變化檢測(cè)的精度明顯低于灰度差分的方法。

(4)基于差分圖像融合的變化檢測(cè)方法，綜合了灰度差分和紋理差分的優(yōu)點(diǎn)，與單純的灰度差分或紋理差分變化檢測(cè)相比，提高了變化檢測(cè)的精度。

6 結(jié)語(yǔ)

(1)運(yùn)用遙感可以主動(dòng)發(fā)現(xiàn)土地利用的變化信息，提取變化地塊的區(qū)域，尤其是非農(nóng)業(yè)用地;而傳統(tǒng)方法只能被動(dòng)地由用地單位或個(gè)人申報(bào)，存在少報(bào)和漏報(bào)的情況，增加了監(jiān)測(cè)的客觀性。

(2)此研究證明基于中分辨衛(wèi)星影像圖，采用圖像的灰度和紋理差分圖像作為結(jié)合的兩類特征。擴(kuò)展本文中的圖像融合思路，可以用更多的特征圖像來(lái)綜合檢測(cè)地物的變化，這是提高基于光譜特征的變化檢測(cè)方法性能的一個(gè)有效途徑。在實(shí)際應(yīng)用中，應(yīng)該選擇能夠很好地反映研究對(duì)象及地域特點(diǎn)的特征。

［1］李宗華，王新洲，彭明軍等.高分辨率衛(wèi)星遙感影像在土地利用變更調(diào)查中的應(yīng)用［J］.測(cè)繪信息與工程，2005(8).

［2］孫靜，趙偉，趙魯全.土地利用遙感動(dòng)態(tài)監(jiān)測(cè)技術(shù)方法介紹［J］.山東國(guó)土資源，2005(4).

［3］李德仁.利用遙感影像進(jìn)行變化檢測(cè)［J］.武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2003，28(3):7 ～12.

［4］劉直芳，張繼平，張劍清等.基于DSM和影像特征的城市變化檢測(cè)［J］.遙感技術(shù)與應(yīng)用，2002，17(5):240～244.

［5］楊希，劉國(guó)祥，秦軍等.基于多時(shí)相遙感圖像灰度差值法的地表變化檢測(cè)［J］.四川測(cè)繪，2008，31(3):99～103.

［6］宋翠玉，李培軍，楊鋒杰.運(yùn)用多尺度圖像紋理進(jìn)行城市擴(kuò)展變化檢測(cè)［J］.國(guó)土資源遙感，2006，(3):37～42.