雒立群，郭　舟，趙文智，柴友玲，張　備，董忠亮

(1. 北京大學(xué)遙感與地理信息系統(tǒng)研究所，北京 100871； 2. 61243部隊(duì)，新疆 烏魯木齊 830006)

?

結(jié)合高光譜和高空間分辨率影像提取城市固體廢棄物堆

雒立群1,2，郭舟1，趙文智1，柴友玲2，張備2，董忠亮2

(1. 北京大學(xué)遙感與地理信息系統(tǒng)研究所，北京 100871； 2. 61243部隊(duì)，新疆 烏魯木齊 830006)

Combining Hyperspectral and High-resolution Images to Extract Municipal Solid Waste Dumps

LUO Liqun，GUO Zhou，ZHAO Wenzhi，CHAI Youling，ZHANG Bei，DONG Zhongliang

摘要：城市固體廢棄物給城市的環(huán)境及居民的生活質(zhì)量造成了嚴(yán)重的影響。利用遙感手段提取城市固廢堆具有及時(shí)和高效的特點(diǎn)，因此具有十分重要的意義。然而，由于固廢堆組成成分復(fù)雜、分布不規(guī)律，僅僅利用高分辨率影像進(jìn)行提取十分困難。本文結(jié)合高光譜影像和高分辨率影像提取了城市固廢堆，采用多尺度的研究方法，在對(duì)高光譜和高分辨率影像預(yù)處理的基礎(chǔ)上，首先在高光譜影像上進(jìn)行了粗提取，然后將粗略結(jié)果映射到高分辨率影像上，進(jìn)行了精確提取。以北京市地區(qū)作為研究區(qū)域，使用數(shù)據(jù)包括獲取時(shí)間接近的QuickBird影像和Hyperion高光譜影像，利用提出的方法進(jìn)行固廢提取試驗(yàn)，并將最終的試驗(yàn)結(jié)果與目視判讀結(jié)果進(jìn)行對(duì)比，固廢堆的識(shí)別率為82.35%，準(zhǔn)確率為74.81%。同時(shí)，該方法與已有的固廢提取試驗(yàn)對(duì)比結(jié)果有顯著提高。這一結(jié)果表明，本文提出的結(jié)合高光譜影像和高分辨率影像提取城市固廢堆方法具有可行性。

關(guān)鍵詞：高光譜影像；高分辨率影像；城市固廢堆；面向?qū)ο笥跋穹治?/p>

隨著城市化進(jìn)程的加快，一系列的城市問題開始凸顯，其中最嚴(yán)峻的問題之一便是城市固體廢棄物的處理。城市的工業(yè)生產(chǎn)、工地建設(shè)及城市居民的日常生活，產(chǎn)生了大量的固廢垃圾。然而相當(dāng)一部分的垃圾都沒有采取有效的處理措施，直接露天堆放或簡單掩埋，形成了大量的非正式的城市固廢堆。一方面這些固廢堆占用了大量的城市土地，使得本來就十分突出的人地矛盾顯得更加尖銳[1]；另一方面，城市固廢堆也產(chǎn)生了一系列嚴(yán)重的城市生態(tài)問題，如空氣污染、水污染、疾病傳播等，嚴(yán)重影響了城市居民的生活健康。為此許多城市都采取了一系列的治理措施。

遙感影像具有覆蓋面積大、數(shù)據(jù)更新及時(shí)的特點(diǎn)。從遙感影像上提取城市固廢，可以節(jié)省大量的人力物力，有利于相關(guān)部門對(duì)固廢信息的動(dòng)態(tài)了解和實(shí)時(shí)決策，因此具有十分廣闊的應(yīng)用前景。目前利用遙感影像提取城市固廢堆方面已有一些嘗試。吳文偉等[2]利用航空影像，通過建立解譯標(biāo)志對(duì)北京市固體廢棄物的分布進(jìn)行識(shí)別。劉亞嵐等[3]利用北京1號(hào)小衛(wèi)星影像對(duì)北京地區(qū)的非正規(guī)垃圾場進(jìn)行了判別分析，并利用不同時(shí)相的影像對(duì)判別出的垃圾場進(jìn)行了變化檢測。Bagheri等[4]利用航空影像對(duì)美國新澤西州伯靈頓市區(qū)的垃圾堆進(jìn)行了目視判讀識(shí)別。

目前大部分利用遙感影像解譯固廢堆的研究都局限于目視解譯范圍。目視解譯是一個(gè)耗時(shí)耗力的工作，需要大量解譯員的參與，工作強(qiáng)度大并且效率很低。隨著計(jì)算機(jī)自動(dòng)解譯技術(shù)的發(fā)展，發(fā)展計(jì)算機(jī)自動(dòng)或半自動(dòng)解譯遙感影像提取城市固廢堆的技術(shù)成為一種必然的趨勢。Silverstri[5]等利用1 m高分辨率IKONOS影像進(jìn)行了監(jiān)督分類處理，得到了意大利城市固廢堆分布結(jié)果。張方利等[6]利用QuickBird影像采用決策樹分類的方法，嘗試了在北京地區(qū)提取城市固廢。然而，這些研究的結(jié)果都并不理想，一方面這些方法對(duì)不同類型、不同地區(qū)的遙感數(shù)據(jù)普適性并不好；另一方面，固廢堆提取精度還有待進(jìn)一步提高。

城市固廢自身的復(fù)雜性是造成固廢自動(dòng)提取精度低、難度大的主要原因。城市固廢組成成分和空間形態(tài)復(fù)雜，并且分布也較為隨機(jī)。通常城市固廢自動(dòng)提取采用的是高分辨率衛(wèi)星影像，它們雖然具有較高的空間分辨率，然而光譜分辨率卻有限，僅僅利用如此有限的光譜信息，很難將固廢與其他城市地物區(qū)分開來。高光譜傳感器通過連續(xù)的窄波段成像，能夠獲得更加精細(xì)的光譜信息，大大提高了地物的識(shí)別能力，被廣泛地應(yīng)用于各類地物信息提取中[7-9]。融合高光譜和高分辨率影像將大大降低城市固廢堆提取的難度，提高固廢提取的精度。

本文提出一種結(jié)合高光譜和高空間分辨率影像提取城市固廢的方法，旨在充分利用兩種數(shù)據(jù)各自的特點(diǎn)，解決固廢堆提取自動(dòng)化程度低、提取困難的問題。與已有的方法相比，該方法的優(yōu)點(diǎn)是提取精度較高。

一、研究區(qū)域和數(shù)據(jù)

本文的研究區(qū)域位于116°19′—116°24′E和39°56′—40°3′N范圍，在北京北五環(huán)與北三環(huán)之間，覆蓋了北京海淀區(qū)和朝陽區(qū)部分區(qū)域，在研究區(qū)域內(nèi)有多處建筑垃圾和生活垃圾堆。

研究數(shù)據(jù)選用了高分辨率QuickBird影像，具有0.6 m的空間分辨率。影像數(shù)據(jù)覆蓋面積為6.0×6.9 km2，影像獲取時(shí)間為2003年3月。圖1(a)為QuickBird的真彩色圖像。在同一研究區(qū)內(nèi)，選用了高光譜影像Hyperion L1R，它的光譜范圍為400～2500 nm，光譜分辨率為10 nm，影像的空間分辨率為30 m。獲取時(shí)間為2003年4月，與QuickBird影像獲取時(shí)間相近。圖1(b)為試驗(yàn)用到的Hyperion影像。

圖1

二、固廢提取流程與方法

固廢提取的總體流程如圖2所示。在提取城市固廢前，對(duì)試驗(yàn)所用到的高光譜和高空間分辨率影像進(jìn)行了預(yù)處理。然后采用多尺度的分析方法提取城市固廢：首先對(duì)高光譜影像進(jìn)行粗分割，通過K近鄰分類的方法，在高光譜影像上得到城市固廢的初步提取結(jié)果；再將初步提取的固廢結(jié)果映射到高分辨率影像上，進(jìn)行細(xì)分割；進(jìn)一步利用城市固廢的光譜、紋理及形狀特征，提取更加精確的城市固廢邊界。

圖2　固廢提取流程

1. 數(shù)據(jù)預(yù)處理

為了充分融合QuickBird數(shù)據(jù)和Hyperion數(shù)據(jù)信息以提取城市固廢，需要對(duì)二者影像進(jìn)行一系列的預(yù)處理，包括影像校正、噪聲波段去除、影像融合、降維處理等。

(1) 影像校正

原始的QuickBird影像與Hyperion影像并不能完全配準(zhǔn)，需要對(duì)二者進(jìn)行匹配及幾何校正，校正后的Hyperion數(shù)據(jù)與QuickBird數(shù)據(jù)幾何上一致。

(2) 噪聲波段去除

噪聲波段在高光譜數(shù)據(jù)中是不可避免的，采用目視判讀的方法，剔除了66個(gè)噪聲波段，最終保留了176個(gè)波段，見表1。

表1　Hyperion 數(shù)據(jù)剔除和保留的波段

(3) 影像融合

為了解決高光譜數(shù)據(jù)空間分辨率過低(30 m)的問題，本研究對(duì)Hyperion和QuickBird數(shù)據(jù)進(jìn)行了影像融合處理，選用了Gram-schmidt的融合方法。這是一種線性代數(shù)和多元統(tǒng)計(jì)中常用的方法，具有較高的圖像保真效果，且具有高效性[10]。

(4) 降維處理

經(jīng)過噪聲波段去除處理后的高光譜數(shù)據(jù)包含有大量冗余的波段信息，統(tǒng)計(jì)分析表明許多波段都具有高度自相關(guān)關(guān)系。因此需要對(duì)Hyperion數(shù)據(jù)進(jìn)行降維處理。

在本研究中，采用MNF變換對(duì)Hyperion 數(shù)據(jù)進(jìn)行降維處理，依據(jù)生成的特征值曲線，選取了經(jīng)過MNF變換后的前15個(gè)波段進(jìn)行后面的固廢提取。

2. 利用高光譜影像粗略識(shí)別城市固廢感興趣區(qū)域

(1) 高光譜影像粗分割

面向?qū)ο蟮姆治鎏幚砑夹g(shù)能夠更加充分地利用地物的紋理、幾何及拓?fù)溧徑拥忍卣鱗11]，因此被廣泛地應(yīng)用于遙感信息提取中。

本研究首先在高光譜影像上進(jìn)行粗分割，利用eCognition 8.7提供的多分辨率分割算法，選取MNF變換后的前15個(gè)高光譜波段參與分割，其中前5個(gè)波段的權(quán)重設(shè)為3，而后10個(gè)波段的權(quán)重設(shè)為1。以上權(quán)值是根據(jù)MNF變換所產(chǎn)生的特征值曲線圖確定的。

(2) K近鄰分類

K近鄰分類是一種經(jīng)典的最近鄰分類算法。它是一種非參數(shù)的分類方法，不需要任何有關(guān)數(shù)據(jù)分布的統(tǒng)計(jì)假設(shè)。根據(jù)訓(xùn)練樣本在特征空間中值的分布，對(duì)未分類的影像對(duì)象進(jìn)行分類。K近鄰分類算法先計(jì)算待分類數(shù)據(jù)P0(x0,y0,…)到訓(xùn)練集T所有數(shù)據(jù)的距離{d1,d2,…}，選出k個(gè)最近鄰的訓(xùn)練數(shù)據(jù)Dp。假設(shè)這k個(gè)已經(jīng)訓(xùn)練的樣本中，有N1個(gè)來自w1類，有N2個(gè)來自w2類，有Nc個(gè)來自wc類。找到N1、N2、…、Nc中的最大值Nx，其所對(duì)應(yīng)的類別為wx。那么該待分類的數(shù)據(jù)P0應(yīng)該被分到wx類中。理論上已經(jīng)證明，在針對(duì)大規(guī)模數(shù)據(jù)集時(shí)，K近鄰算法具有良好的性能。

根據(jù)試驗(yàn)區(qū)的地物種類分析，確定了試驗(yàn)區(qū)的地物類別為建筑、道路、裸土、植被、水體及固廢堆6類。每類隨機(jī)選擇數(shù)十到數(shù)百不等的樣本。選取高光譜影像的15個(gè)波段值作為特征空間。通過K鄰近分類，可以得到初始的固廢堆提取結(jié)果。

3. 利用高分辨率影像精確提取城市固廢堆區(qū)域

利用K近鄰監(jiān)督分類的方法可以從高光譜影像中提取得到城市固廢堆粗分類的結(jié)果。然而，受限于高光譜影像空間分辨率，固廢分類的結(jié)果并不十分精確，一方面固廢的邊界并不準(zhǔn)確；另一方面，部分的裸土和建筑物被錯(cuò)分為城市固廢堆。因此，需要進(jìn)一步在高分影像上進(jìn)行精確提取。

將高光譜影像上粗分類的結(jié)果映射到高分影像上，對(duì)粗分類結(jié)果進(jìn)行細(xì)分割。在高分影像上地物的邊界更加清晰，紋理特征也更加凸顯?？梢赃M(jìn)一步對(duì)光譜、紋理及形狀特征進(jìn)行固廢精提取。

(1) 光譜分類

圖3是在高分辨率影像上典型的城市固廢。分析固廢堆在高分辨率影像上的光譜特征可以發(fā)現(xiàn)，相對(duì)于周圍其他地物，城市固廢呈現(xiàn)出較亮的特征，主要以灰白和白色為主，有時(shí)會(huì)夾雜著褐色的斑點(diǎn)。為了排除粗分類結(jié)果中建筑物對(duì)固廢堆的干擾，定義了固廢比率指數(shù)(RMI)，定義如式(1)所示，固廢在綠光波段具有較強(qiáng)的反射，而在藍(lán)光波段反射較弱，因此RMI值會(huì)較高。利用RMI指數(shù)可以有效地從粗分類結(jié)果中排除建筑物的干擾。

圖3　固廢堆真彩色影像

固廢堆上很少有植被生長，為了排除生長有植被的裸土對(duì)固廢堆的干擾，利用了歸一化植被指數(shù)(NDVI)，定義如式(2)所示，固廢堆的NDVI指數(shù)值較低。利用NDVI指數(shù)可以有效地排除部分裸土的干擾。

(1)

(2)

式中，MG(o)為對(duì)象o在綠光波段的平均光譜值；MB(o)為對(duì)象o在藍(lán)光波段的光譜值；MNIR(o)為對(duì)象o在近紅外波段的光譜值；MR(o)為對(duì)象o在紅光波段的光譜值。

(2) 紋理分類

紋理特征是地物內(nèi)部特征在遙感影像上的表現(xiàn)，反映了影像光譜模式的空間分布規(guī)律，它同時(shí)兼顧了影像的宏觀結(jié)構(gòu)和微觀結(jié)構(gòu)，是描述影像光譜變化的一個(gè)重要特征。在城市地物中，大部分的人工地物，如道路、建筑物、水泥地面及城市郊區(qū)的農(nóng)田都具有較規(guī)則的紋理，而城市固廢堆由于其組成成分雜亂，內(nèi)部凹凸不平，而且排列沒有一定的規(guī)律可循，因此城市固廢堆呈現(xiàn)出紋理不規(guī)則的特征。

灰度共生矩陣(GLCM)是最常用的紋理描述方法，它通過度量影像上的相關(guān)特征來描述紋理?；贕LCM可以進(jìn)一步計(jì)算各種紋理統(tǒng)計(jì)量。常用的紋理統(tǒng)計(jì)量有同質(zhì)性(Homogeneity)和對(duì)比度(Contrast)，它們的計(jì)算公式分別為

(3)

(4)

式中，i、j為GLCM矩陣的行列號(hào)；Pi,j為標(biāo)準(zhǔn)化GLCM矩陣的值。同質(zhì)性越大，反映地物的紋理越有規(guī)律；而對(duì)比度越大，反映地物的紋理越紊亂。城市固廢堆的同質(zhì)性較小，而對(duì)比度較大。

(3) 形狀約束

在高分辨率影像上，有效地排除錯(cuò)分的城市建筑的另外一個(gè)有效特征是幾何特征，幾何特征是基于影像對(duì)象定義的，主要描述對(duì)象本身的形態(tài)特征。一般而言，人工地物特別是城市建筑物都具有相對(duì)規(guī)則的形狀，一般接近矩形，而固廢堆的形狀則較不規(guī)則。因此利用矩形度(rectangular fit)來衡量形狀特征，城市固廢的矩形度較小，而建筑物的矩形度則較大。

三、試驗(yàn)結(jié)果與分析

按照上述方法，對(duì)研究區(qū)域的數(shù)據(jù)進(jìn)行了處理，得到的試驗(yàn)結(jié)果如圖4(a)所示，在試驗(yàn)區(qū)域內(nèi)，共有131處可能的城市固廢堆被自動(dòng)提取出來，圖4(b)顯示了幾處固廢堆輪廓提取的結(jié)果。從提取的結(jié)果可以看出，利用本文的方法提取城市固廢堆的效果比較滿意，大部分的城市固廢堆都已被正確分類。為了進(jìn)一步量化地評(píng)估試驗(yàn)結(jié)果，選擇目視判讀結(jié)合實(shí)地考察的結(jié)果作為參照，與自動(dòng)提取的結(jié)果進(jìn)行對(duì)比，并定義了兩個(gè)指標(biāo)：準(zhǔn)確率和識(shí)別率，固廢堆準(zhǔn)確率為

(5)

固廢堆識(shí)別率為

(6)

式中，NMSW+為正確提取的固廢堆數(shù)目；NROI為自動(dòng)提取的所有感興趣區(qū)域的數(shù)目；NNSW為研究區(qū)域內(nèi)總的固廢堆數(shù)目(由人工目視判讀得到)。

經(jīng)過遙感圖像目視判讀解譯結(jié)合實(shí)地調(diào)查，研究區(qū)域內(nèi)共有119處固廢堆，其中本研究正確識(shí)別的有98處，計(jì)算得到固廢堆提取的識(shí)別率為82.35%，準(zhǔn)確率是74.81%，漏分率為17.65%。將本文的方法與已有的研究結(jié)果[6]進(jìn)行對(duì)比，僅僅使用高分辨率影像進(jìn)行固廢堆提取的識(shí)別率為43.61%，準(zhǔn)確率為75.01%。本文的方法與之相比準(zhǔn)確率雖然基本不變，但是固廢識(shí)別率得到了顯著提高(約40%)。進(jìn)一步分析利用本文方法的提取結(jié)果，可以發(fā)現(xiàn)錯(cuò)分的固廢堆多數(shù)出現(xiàn)在那些陳舊的建筑物，而漏分則多出現(xiàn)在那些堆放灰土的固廢堆。

圖4　固廢堆提取結(jié)果

從固廢堆的分布來看，道路兩側(cè)的固廢堆較多，外城區(qū)的固廢堆數(shù)量較中心城區(qū)多，并且建筑物密集的地方附近的固廢堆的數(shù)量也會(huì)相對(duì)較多。這與北京市的實(shí)際情況符合，一般而言，中心城區(qū)管理設(shè)施完善，規(guī)劃也相對(duì)合理，因此固廢堆少，而在外城區(qū)，隨著城市的快速發(fā)展，有許多建設(shè)工地，會(huì)產(chǎn)生大量的建筑垃圾，并且居民聚居地也會(huì)伴隨著大量的生活固廢堆。

四、結(jié)論

本文研究了城市固廢堆的光譜、紋理、形狀等特征，并且據(jù)此提出了一種結(jié)合高空間分辨率和高光譜分辨率的多尺度城市固廢堆提取方法，并對(duì)北京地區(qū)進(jìn)行了固廢自動(dòng)提取試驗(yàn)，將自動(dòng)提取的結(jié)果與專家目視判讀結(jié)合實(shí)地考察的結(jié)果進(jìn)行對(duì)比，計(jì)算得到固廢堆的識(shí)別率為82.35%，準(zhǔn)確率為74.81%。相對(duì)于僅僅利用高分辨率影像提取固廢堆，本文所提出的方法在提取精度方面有較大的提高。通過以上試驗(yàn)可以得到如下兩點(diǎn)結(jié)論：①利用遙感影像自動(dòng)提取城市固廢堆是可行的；②增加相應(yīng)的高光譜數(shù)據(jù)，可以大大地提高固廢堆提取的精度。

參考文獻(xiàn)：

[1]郭舟, 杜世宏, 張方利. 基于高分辨率遙感影像的城市建設(shè)區(qū)提取[J]. 北京大學(xué)學(xué)報(bào)(信息科學(xué)版), 2013, 49(4): 635-642.

[2]吳文偉, 劉競. 北京市固體廢棄物分布調(diào)查中遙感技術(shù)的應(yīng)用[J]. 環(huán)境衛(wèi)生工程,2000, 8(2): 76-78.

[3]劉亞嵐, 任玉環(huán), 魏成階, 等. 北京1號(hào)小衛(wèi)星監(jiān)測非正規(guī)垃圾場的應(yīng)用研究[J]. 遙感學(xué)報(bào), 2009, 13(2): 320-326.

[4]BAGHERI S, HORDON R M. Hazardous Waste Site Identification Using Aerial Photography: A Pilot Study in Burlington County, New Jersey, USA [J]. Environmental Management, 1988, 12(1): 119-125.

[5]SILVESTRI S, OMRI M. A Method for the Remote Sensing Identification of Uncontrolled Landfills: Formulation and Validation [J]. International Journal of Remote Sensing, 2008,29(4): 975-989.

[6]張方利,杜世宏,郭舟. 應(yīng)用高分辨率影像的城市固體廢棄物提取[J].光譜學(xué)與光譜分析, 2013, 33(8): 2024-2030.

[7]HUANG X, ZHANG L. An Adaptive Mean-shift Analysis Approach for Object Extraction and Classification from Urban Hyperspectral Imagery[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2008, 46(12): 4173-4185.

[8]STEVEN M, HORNSTRA T, MASS H G. An Interegrated Spatial and Spectral Approach to the Classification of Mediterranean Land Cover Types [J]. International of Applied Earth Observation and Geoinformation, 2001, 3(2): 176-183.

[9]童慶禧, 鄭蘭芳, 王晉年, 等. 濕地植被成象光譜遙感研究[J].遙感學(xué)報(bào),1997,1(1)：50-57.

[10]譚永生, 沈掌泉, 賈春燕, 等. 中高分辨率遙感影像融合研究[J].遙感技術(shù)與應(yīng)用, 2007, 22(4): 536-542.

[11]李珵, 盧小平, 李向陽. 基于面向?qū)ο蟮慕ㄖ镙喞獏f(xié)同提取方法[J]. 測繪通報(bào), 2013(5): 66-69.

中圖分類號(hào)：P237

文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：0494-0911(2016)02-0038-04

通信作者：郭舟

作者簡介：雒立群(1982—)，男，碩士，工程師，主要研究方向?yàn)榭臻g數(shù)據(jù)的多尺度表達(dá)及模式識(shí)別。E-mail：lqluo.pku@gmail.com

基金項(xiàng)目：國家自然科學(xué)基金(41301493)

收稿日期：2015-02-02

引文格式： 雒立群，郭舟，趙文智，等. 結(jié)合高光譜和高空間分辨率影像提取城市固體廢棄物堆[J].測繪通報(bào)，2016(2)：38-41.DOI:10.13474/j.cnki.11-2246.2016.0044.