李培君 劉亞亭（河南大學(xué)環(huán)境與規(guī)劃學(xué)院，河南開(kāi)封 475000）

基于無(wú)人機(jī)高分影像的綠地面積提取

李培君 劉亞亭（河南大學(xué)環(huán)境與規(guī)劃學(xué)院，河南開(kāi)封 475000）

無(wú)人機(jī)高分影像相比傳統(tǒng)遙感影像具有一定的優(yōu)越性，用途十分廣泛。傳統(tǒng)遙感影像分類技術(shù)不再適用于無(wú)人機(jī)高分影像，本文采用面向?qū)ο蟮姆诸惙椒?，?jīng)過(guò)多次實(shí)驗(yàn)對(duì)比選擇出合適的分割尺度再進(jìn)行分類，可以從影像中較為準(zhǔn)確提取出綠地。

無(wú)人機(jī)影像；面向?qū)ο蠓诸?；影像分?/p>

利用無(wú)人機(jī)高分影像提取出城市綠地面積和綠地的分布位置有助于提高城市規(guī)劃布局的合理性，在以往利用衛(wèi)星影像提取綠地面積的過(guò)程中，由于影像分辨率不高，大范圍的綠地面積可以得到，但面積較小的綠地面積卻由于影像分辨率不高無(wú)法提取出來(lái)，因此影響了綠化覆蓋率統(tǒng)計(jì)的準(zhǔn)確度。與傳統(tǒng)的衛(wèi)星影像相比，無(wú)人機(jī)影像具有分辨率高、即時(shí)性、使用方便等特點(diǎn)，因此，可利用無(wú)人機(jī)影像代替?zhèn)鹘y(tǒng)的遙感影像應(yīng)用在小范圍的區(qū)域面積統(tǒng)計(jì)中。

1 數(shù)據(jù)來(lái)源及研究方案

本文的實(shí)驗(yàn)區(qū)為河南大學(xué)明倫校區(qū)，該校區(qū)位于開(kāi)封市順河回族區(qū)，北鄰鐵塔公園，學(xué)校內(nèi)部綠化程度較高，由于學(xué)校整體區(qū)域不規(guī)則，本文盡量選擇一個(gè)較為規(guī)則的影像區(qū)域進(jìn)行實(shí)驗(yàn)。無(wú)人機(jī)飛行的相對(duì)航高為280m，預(yù)設(shè)航向重疊度81%，旁向重疊度43%，飛機(jī)搭載的相機(jī)焦距為35.626 8mm，獲取的無(wú)人機(jī)影像地面分辨率達(dá)到0.05m。由于無(wú)人機(jī)飛行高度不高，距離地面較近，加之風(fēng)速等的影響，影像上的建筑物會(huì)存在一定程度的變形，所以在進(jìn)行綠地面積提取之前需要對(duì)無(wú)人機(jī)影像進(jìn)行矯正，得到按平面大地坐標(biāo)排列的正射影像，為分類后的面積量算提供真實(shí)尺度［1］。在進(jìn)行無(wú)人機(jī)影像糾正過(guò)程中，需要進(jìn)行影像預(yù)處理、空三加密、DEM生成等，最終生成正射影像。

在對(duì)影像進(jìn)行分類時(shí)，傳統(tǒng)的基于像素的遙感影像處理方法都要求遙感影像光譜信息極其豐富，地物間光譜差異較為明顯?；谙袼胤诸惙椒▽?duì)于分析低分辨率遙感影像中的大面積區(qū)域變化，或多光譜、高光譜遙感影像地物層次結(jié)構(gòu)可能會(huì)取得較好的結(jié)果［2］。無(wú)人機(jī)影像分辨率較高，相比分辨率較低的遙感影像，影像中不只有地物的光譜信息，還有地物的結(jié)構(gòu)、紋理、形狀等細(xì)節(jié)特征，同時(shí)無(wú)人機(jī)高分影像包含的波段信息較少，而這種方法只考慮光譜信息，若使用傳統(tǒng)的方法分類便會(huì)使高分影像的分類精度降低。面向?qū)ο筮b感圖像分類方法，處理的最小單元不再是像元，而是含有更多語(yǔ)義信息的多個(gè)相鄰像元組成的影像對(duì)象，在分類時(shí)更多地考慮圖像的空間特征以及影像的紋理信息、拓?fù)潢P(guān)系，而不僅僅是單個(gè)對(duì)象的光譜信息［3］。因此這種方法更適用于對(duì)高分辨率的無(wú)人機(jī)影像進(jìn)行分類，eCognition軟件是采用面向?qū)ο蠓诸惖囊环N圖像處理軟件，本文使用此軟件對(duì)影像進(jìn)行分割、分類。

2 影像前期糾正

2.1 空三加密

由于無(wú)人機(jī)搭載的相機(jī)自身有一定的畸變差，所以所拍攝的影像需要進(jìn)行初畸變矯正，所需的內(nèi)方位元素在相機(jī)檢校報(bào)告中已給出，影像矯正后需要進(jìn)行空三加密，加密時(shí)最常用的方法是以每個(gè)像片作為基本平差單元，根據(jù)控制點(diǎn)的像方坐標(biāo)x，y，z和物方坐標(biāo)X，Y，Z，按照共線條件方程公式（1）分別列出誤差方程，在全區(qū)域內(nèi)統(tǒng)一進(jìn)行平差處理。確定區(qū)域內(nèi)所有影像的外方位元素，從而求出加密點(diǎn)所對(duì)應(yīng)的物方坐標(biāo)［4］。

圖1

其中，a1、a2……c3為影像的外方位元素

2.2 DEM和DOM的生成

DEM的生成首先需要進(jìn)行影像匹配，計(jì)算機(jī)將相鄰兩張影像組成立體像對(duì)，進(jìn)行相關(guān)運(yùn)算識(shí)別同名像點(diǎn)，建立各像對(duì)的立體模型，然后將逐個(gè)生成的單個(gè)DEM拼接到一起生成整體的DEM。最后，計(jì)算機(jī)根據(jù)像片外方位元素、DEM等起算數(shù)據(jù)，確定正射投影點(diǎn)位置與對(duì)應(yīng)的中心投影點(diǎn)位置，然后將原始影像像元的密度值賦予對(duì)應(yīng)的正射位置的像元，逐一進(jìn)行糾正［4］，生成正射影像，如圖1中a、b兩圖為一幅影像糾正前后的對(duì)比。糾正完每一幅單幅正射影像后進(jìn)行拼接鑲嵌，生成全區(qū)域的數(shù)字正射影像，如圖1中的c為影像剪切后明倫校區(qū)的正射影像圖。

3 從無(wú)人機(jī)影像上提取綠地

3.1 尋找最優(yōu)分割尺度

影像分割是面向?qū)ο蠓诸惙椒ǖ幕A(chǔ)，它分割出來(lái)的是有意義的影像對(duì)象和對(duì)象間相互的聯(lián)系，這正是面向?qū)ο蠓诸惙椒ê突谙裨诸惙椒ǖ谋举|(zhì)區(qū)別［5］，分割的關(guān)鍵是鑒別分割得到的對(duì)象內(nèi)部是否具有好的同質(zhì)性，一般選用多尺度分割的方法，在分割的時(shí)候有幾個(gè)參數(shù)：一般分割尺度越大，影像對(duì)象面積也越大。顏色參數(shù)和形狀參數(shù)代表的是兩個(gè)對(duì)象合并后的光譜異質(zhì)性和形狀異質(zhì)性，也是影響面積劃分的重要因素，二者的權(quán)重之和為1，一般情況下將顏色權(quán)重選取較大一些，相應(yīng)的形狀權(quán)重就小一些，在某些特殊情況下，如果形狀十分規(guī)則，可以將形狀權(quán)重設(shè)的大一些，緊湊度和平滑度的權(quán)重之和為1，如果緊湊度越大，則分割形狀的不規(guī)則邊界就越少，利用軟件按照設(shè)置參數(shù)（分割尺度、顏色權(quán)重、緊湊度權(quán)重）進(jìn)行分割[6]，結(jié)果如圖2。

圖2 不同尺度分割效果圖

從圖2可以看出，獲取最佳分割尺度對(duì)影像分類信息提取起到至關(guān)重要的作用。由于影像整體較大，分割尺度設(shè)為100時(shí)分割出的影像較為零碎，如圖a所示，由于分割尺度較小，生成的多邊形對(duì)象過(guò)多且形狀復(fù)雜，在后續(xù)的分類過(guò)程中會(huì)耗費(fèi)較長(zhǎng)的時(shí)間，而且還降低了分類的準(zhǔn)確度。尺度為400時(shí)由于分割尺度過(guò)大，造成了分割不完全（例如圖c中紅色選中區(qū)域），一個(gè)對(duì)象包含了多個(gè)地物目標(biāo)，在分類的時(shí)候此目標(biāo)無(wú)法正確歸類，形成錯(cuò)誤分類，經(jīng)過(guò)多次測(cè)試，將分割尺度設(shè)為250時(shí)既可以有效地分割出各種地類，也不至于使地物過(guò)于零碎。將形狀權(quán)重設(shè)為0.8時(shí)，分割出的對(duì)象形狀簡(jiǎn)單，但同時(shí)出現(xiàn)許多一個(gè)對(duì)象包含多個(gè)地物的情況（如圖d中紅色區(qū)域所示），因此應(yīng)選取圖b中所設(shè)置的參數(shù)對(duì)影像進(jìn)行分割。

3.2 影像的分類

在影像分割后要對(duì)影像進(jìn)行分類，可以選取顏色比較純凈，且具有典型性的部分作為樣本，進(jìn)行監(jiān)督分類，通過(guò)所選樣本的特征參數(shù)來(lái)制定一些規(guī)則進(jìn)行分類，在此，我們只需要提取出綠地的面積，把影像上的綠地地物分類出來(lái)即可，如圖3所示為分類好的結(jié)果。在軟件中得出整幅影像中綠地面積所占比例為33.44%。

在影像分類時(shí)，大面積的綠地基本上可以被正確劃分，但是一些路邊或者湖邊零碎的綠化帶在分類的時(shí)候會(huì)有一定的偏差。配合人工的檢查糾正，基本可以確定綠地面積。

4 結(jié)論

圖3 影像部分區(qū)域分類結(jié)果

無(wú)人機(jī)高分辨率正射影像可以真實(shí)地反映出地物的特征，同時(shí)具有地物的位置信息，其精度也較高，因此很有利用價(jià)值。面向?qū)ο蠓诸惻c傳統(tǒng)分類方法相比可以較準(zhǔn)確地提取出地物的邊界，快速地將各種地物進(jìn)行分類，本文在利用無(wú)人機(jī)正射影像進(jìn)行面向?qū)ο蠓诸悤r(shí)，關(guān)鍵在于對(duì)影像分割尺度的選擇，合適的尺度需要經(jīng)過(guò)反復(fù)實(shí)驗(yàn)對(duì)比選擇出來(lái)，不同的影像需要選擇各自適合尺度。此結(jié)果分類出的影像比較準(zhǔn)確，適用于小范圍的精確分類。

［1］賴震剛.利用真彩航空影像進(jìn)行城市綠化面積的分類研究［J］.現(xiàn)代測(cè)繪,2003，26（1）：51-54.

［2］鄭文娟.面向?qū)ο蟮倪b感影像模糊分類方法研究［J］.北京測(cè)繪，2009（3）：46-49.

［3］張春曉.基于面向?qū)ο蠛陀跋裾J(rèn)知的遙感影像分類方法——以都江堰向峨鄉(xiāng)區(qū)域?yàn)槔跩］.測(cè)繪通報(bào)，2010（4）：23-25.

［4］鄒小香.數(shù)字?jǐn)z影測(cè)量空三加密處理技術(shù)及精度評(píng)價(jià)研究［J］.科技資訊，2013（35）：25-26.

［5］王佩軍，徐亞明.攝影測(cè)量學(xué)［M］.武漢：武漢大學(xué)出版社，2005.

［6］魯恒.無(wú)人機(jī)高空間分辨率影像分類研究［J］.測(cè)繪科學(xué)，2011，36（6）：106-108.

感謝黃河下游科學(xué)數(shù)據(jù)中心（http：//henu.geodata.cn）對(duì)論文的數(shù)據(jù)和技術(shù)支撐”。

Green Area Extraction Based on the High-resolution Imageof UAV

LiPeijun Liu Yating
(Schoolof Environmentand Planning，Henan University，Kaifeng，Henan 475000)

Compared with the traditional remote sensing image，the UAV high-resolution image has certain advantages，and it has been widely used..Traditional remote sensing image classification technology is no longer suitable for UAV high-resolution images.In this paper，the object oriented classification method was adopted. Through a lotof experimental comparison,suitable segmentation scalewas selected for sorting,and the green area can be extracted in a relatively accurateway from the image.

UAV image;bjectoriented classification;image segmentation

S731

：A

：1003-5168（2015）03-0039-4

2015-2-18

李培君（1991.10-），女，碩士研究生，研究方向：電子政務(wù)。