張慧慧，王 茹

(1. 東北大學(xué)資源與土木工程學(xué)院，遼寧 沈陽 110819； 2. 遼寧省交通高等專科學(xué)校測(cè)繪系，遼寧 沈陽 110122)

利用高分影像與特征匹配算法標(biāo)定滑坡位移場(chǎng)

張慧慧1，2，王 茹1

(1. 東北大學(xué)資源與土木工程學(xué)院，遼寧 沈陽 110819； 2. 遼寧省交通高等?？茖W(xué)校測(cè)繪系，遼寧 沈陽 110122)

滑坡災(zāi)害是世界上破壞力極大的自然災(zāi)害之一，滑坡監(jiān)測(cè)是預(yù)防滑坡災(zāi)害的重要基礎(chǔ)。針對(duì)SIFT算法在滑坡遙感監(jiān)測(cè)應(yīng)用中存在特征點(diǎn)數(shù)量少、分布不均的問題，提出了一種將ASIFT算法和CSIFT算法相結(jié)合進(jìn)行滑坡位移場(chǎng)標(biāo)定的方法，即利用ASIFT處理全色影像，利用CSIFT處理多光譜融合影像，將兩種方法提取的互不相同的特征點(diǎn)疊加綜合得到更多的特征匹配點(diǎn)。該方法在露天礦滑坡的應(yīng)用結(jié)果表明：與SIFT算法相比，新改進(jìn)的方法大幅度增加了特征點(diǎn)數(shù)量，提高了滑坡位移場(chǎng)標(biāo)定精度，且成本低、效率高，非常適合于大型滑坡后期大變形場(chǎng)監(jiān)測(cè)。

高分影像；ASIFT算法；CSIFT算法；滑坡位移場(chǎng)；標(biāo)定

滑坡災(zāi)害是同地震和火山相并列的全球性3大地質(zhì)災(zāi)害之一，其影響范圍廣泛，嚴(yán)重威脅和損害國家生產(chǎn)建設(shè)和人民的生命財(cái)產(chǎn)安全。減少滑坡災(zāi)害的重點(diǎn)在于滑坡預(yù)警，而滑坡變形監(jiān)測(cè)是滑坡預(yù)警的重要基礎(chǔ)。

目前，滑坡變形監(jiān)測(cè)方法主要包括GPS觀測(cè)法[1]、InSAR技術(shù)[2]、三維激光掃描技術(shù)[3]等。但這些方法各自具有優(yōu)勢(shì)，同時(shí)又存在一定的缺點(diǎn)。近幾年，隨著高分辨率遙感影像技術(shù)的快速發(fā)展，遙感影像能更準(zhǔn)確地提供地表和地表物體的空間信息，使得宏觀監(jiān)測(cè)地表變化成為可能[4-7]，這也為滑坡變形監(jiān)測(cè)提供了新的思路。一些學(xué)者利用高分辨率遙感影像進(jìn)行了滑坡變形監(jiān)測(cè)方面的相關(guān)研究。如Perotto-Baldiviezo等應(yīng)用SPOT全色影像結(jié)合1∶50 000航片，解譯出滑坡的覆蓋范圍、坡度、坡向等災(zāi)害信息[8]；鄧輝等利用QuickBird影像提取了滑坡各要素，準(zhǔn)確地識(shí)別出了滑坡，并對(duì)滑坡的潛在危險(xiǎn)性進(jìn)行了評(píng)價(jià)和分析[9]；Delacourt等于2004年基于多幅不同時(shí)間QuickBird影像，并結(jié)合相關(guān)系數(shù)法計(jì)算滑坡位移情況，對(duì)每年位移量在2.5～20 m的滑坡運(yùn)動(dòng)進(jìn)行了制圖[10]；Liu Shanjun等利用Pleiades高分辨率全色遙感影像，并結(jié)合SIFT算法，提取了兩期遙感影像上的同名點(diǎn)并計(jì)算其位移量，獲得了滑坡位移場(chǎng)[11]。

上述表明，利用高分遙感影像可以進(jìn)行滑坡變形監(jiān)測(cè)，尤其是結(jié)合圖像匹配算法可以實(shí)現(xiàn)滑坡位移量的計(jì)算，但相關(guān)系數(shù)法在影像的低對(duì)比度區(qū)域或相關(guān)系數(shù)較低情況下，位移量不易計(jì)算；基于SIFT算法雖然取得了一定的效果，但位移精度仍不夠理想。因此，本文提出將ASIFT和CSIFT兩種特征匹配算法相結(jié)合進(jìn)行大變形滑坡位移場(chǎng)的標(biāo)定方法，通過ASIFT和CSIFT分別對(duì)撫順西露天礦兩期不同時(shí)相全色影像和多光譜融合影像的特征點(diǎn)進(jìn)行提取與圖像匹配，得到更多的特征匹配點(diǎn)，以提高露天礦滑坡位移場(chǎng)的標(biāo)定精度。

1 研究區(qū)概況與數(shù)據(jù)選取

1.1 研究區(qū)概況

研究區(qū)位于遼寧省撫順市西露天煤礦，該礦為亞洲第一大露天煤礦，其礦坑長6.6 km，寬2.2 km，深度近500 m。隨著礦坑不斷向深部開采，礦坑南北幫已經(jīng)多次出現(xiàn)滑坡。2008年以來，南幫千臺(tái)山區(qū)域逐漸形成了一條長約3100 m的地裂縫，到2014年，地裂縫的最大寬度達(dá)40 m，最大落差超過18 m，3個(gè)城市測(cè)量控制點(diǎn)不斷北移，因此，對(duì)西露天礦坑南幫邊坡的監(jiān)測(cè)和治理工作已刻不容緩。

1.2 數(shù)據(jù)選取

本文使用的遙感影像數(shù)據(jù)為Pléiades衛(wèi)星的高分辨率全色和多光譜影像，其中全色影像的波段為480～830 nm，多光譜數(shù)據(jù)分別為藍(lán)波段430～550 nm、綠波段490～610 nm、紅波段600～720 nm和近紅外波段750～950 nm。為提取滑坡的位移場(chǎng)，選取2013年、2014年的兩期影像進(jìn)行了位移場(chǎng)變化計(jì)算，具體參數(shù)見表1。遙感影像正射校正的DEM數(shù)據(jù)是利用30 m分辨率的Aster GDEM數(shù)據(jù)重采樣生成的[11]。

表1 高分辨率遙感影像數(shù)據(jù)

2 滑坡位移場(chǎng)標(biāo)定方法

2.1 遙感影像預(yù)處理

本文遙感影像預(yù)處理主要包括正射校正、影像融合、影像配準(zhǔn)、影像裁剪等。

影像融合時(shí)，遵循融合后的圖像信息量最大化原則，即標(biāo)準(zhǔn)差越大，圖像信息量越大；相關(guān)系數(shù)越小，各波段獨(dú)立性越強(qiáng)。根據(jù)標(biāo)準(zhǔn)差和相關(guān)系數(shù)計(jì)算結(jié)果，多光譜數(shù)據(jù)選取藍(lán)色波段、紅色波段和近紅外波段。將全色影像與多光譜的藍(lán)色波段、紅色波段、近紅外波段進(jìn)行融合，融合前的全色影像和融合后的多光譜影像如圖1和圖2所示。

圖1 全色影像

圖2 融合影像

2.2 遙感影像匹配

目前常用的特征匹配算法主要包括SIFT算法、ASIFT算法和CSIFT算法。SIFT算法為Lowe教授于1999年提出并于2004年豐富完善的尺度不變特征變換算法[12]，具有旋轉(zhuǎn)、平移、尺度縮放不變性。

ASIFT算法是對(duì)SIFT算法的改進(jìn)，是一種具備完全仿射不變性的特征提取算法[13-14]。ASIFT算法在完全尺度不變性的基礎(chǔ)上，又增加了經(jīng)度角和緯度角兩個(gè)不變特性，用來描述相機(jī)的視角變化。其實(shí)現(xiàn)過程包括4個(gè)步驟：①仿射模擬：模擬相機(jī)的仿射畸變，獲得模擬圖像；②特征點(diǎn)檢測(cè)：構(gòu)建尺度空間，檢測(cè)局部極值獲得特征點(diǎn)；③特征點(diǎn)描述：采用128維特征描述子描述特征點(diǎn)及特征點(diǎn)周圍對(duì)其有貢獻(xiàn)的像素點(diǎn)的相關(guān)信息；④特征向量匹配：利用最鄰近法找出相互匹配的特征點(diǎn)對(duì)。

CSIFT算法也是對(duì)SIFT算法的改進(jìn)，其主要是針對(duì)彩色影像匹配的算法[15]。CSIFT算法的實(shí)現(xiàn)思路是先對(duì)影像提取顏色不變量，建立顏色不變量模型，然后將顏色不變量代替灰度信息進(jìn)行SIFT算法處理，具體步驟為：①提取顏色不變量：根據(jù)描述物體光譜輻射特性的K-M理論提取顏色不變量；②特征點(diǎn)檢測(cè)；③特征點(diǎn)描述；④特征向量匹配。

根據(jù)SIFT、ASIFT和CSIFT特征匹配算法特點(diǎn)，本文在Matlab平臺(tái)上實(shí)現(xiàn)了利用SIFT算法和ASIFT算法分別處理全色影像，利用CSIFT算法處理融合影像。

2.3 滑坡位移量計(jì)算

在對(duì)滑坡不同時(shí)相的兩期影像進(jìn)行特征點(diǎn)匹配后，接下來利用特征匹配點(diǎn)進(jìn)行位移場(chǎng)標(biāo)定。由于特征點(diǎn)在不同時(shí)相的遙感影像中發(fā)生了移動(dòng)，因此將兩幅影像特征點(diǎn)在像方坐標(biāo)系中的坐標(biāo)作差，便可求出特征點(diǎn)在滑坡滑動(dòng)期間的位移量。具體做法為：計(jì)算兩幅影像特征點(diǎn)之間的像素個(gè)數(shù)，然后與單個(gè)像素所代表的實(shí)地距離相乘以得到特征點(diǎn)的位移量。

3 結(jié)果分析

圖3—圖5為3種算法提取特征匹配點(diǎn)的位移矢量圖，圖中箭頭底端位置代表特征點(diǎn)位置，箭頭的指示方向代表滑動(dòng)方向，箭頭的長度代表滑動(dòng)位移的大小。圖3為SIFT算法處理全色影像提取特征匹配點(diǎn)的位移矢量圖，圖4為ASIFT算法處理全色影像提取特征匹配點(diǎn)的位移矢量圖，圖5為CSIFT算法處理融合影像提取特征匹配點(diǎn)的位移矢量圖。

圖3 SIFT算法提取的位移矢量

圖4 ASIFT算法提取的位移矢量

圖5 CSIFT算法提取的位移矢量

從圖3—圖5中可以看出，與SIFT算法相比，ASIFT特征匹配點(diǎn)數(shù)量明顯提高，CSIFT算法匹配點(diǎn)數(shù)量略少。這主要是由于ASIFT算法具有完全仿射不變性，因此在匹配性能上有所提升。而CSIFT算法處理彩色融合影像過程中也提取到很多特征點(diǎn)，但由于兩期影像間隔長，色彩變化大，特征點(diǎn)描述子之間的差異很大，造成很多特征點(diǎn)無法匹配，因此特征匹配點(diǎn)數(shù)量少。

表2統(tǒng)計(jì)了3種算法分別提取的特征匹配點(diǎn)數(shù)量。從表2中可以看出，使用SIFT處理全色影像共獲得253個(gè)匹配點(diǎn)，使用ASIFT處理全色影像共獲得979個(gè)匹配點(diǎn)，使用CSIFT處理融合影像共獲得38個(gè)匹配點(diǎn)。其中SIFT提取的253個(gè)匹配點(diǎn)與ASIFT算法提取的特征點(diǎn)都基本相同或接近，而CSIFT提取的匹配點(diǎn)都是相異的特征點(diǎn)。這表明利用ASIFT算法與CSIFT算法進(jìn)行圖像匹配獲得的特征點(diǎn)是不同的，這是由于CSIFT處理融合影像的顏色不變量信息與ASIFT處理全色影像的灰度信息不同，使檢測(cè)到的特征點(diǎn)及特征點(diǎn)描述子的信息不同，最終匹配到不同的特征點(diǎn)。

表2 3種算法分別提取的特征匹配點(diǎn)數(shù)量 個(gè)

因此，可以將ASIFT和CSIFT兩種算法提取的互不相同的特征點(diǎn)疊加綜合，進(jìn)行滑坡位移矢量標(biāo)定，如圖6所示。

圖6 改進(jìn)方法的位移矢量

4 精度評(píng)價(jià)

為了對(duì)本文方法的精度進(jìn)行正確評(píng)價(jià)，將SIFT算法處理結(jié)果、CSIFT和ASIFT兩種算法疊加綜合處理結(jié)果分別與研究區(qū)內(nèi)的3個(gè)GPS監(jiān)測(cè)點(diǎn)結(jié)果進(jìn)行對(duì)比，見表3和表4。

通過表3和表4結(jié)果比較可以看出，與SIFT算法相比，新改進(jìn)的方法位移精度提高幅度很大，其精度適用于較大型滑坡位移場(chǎng)的監(jiān)測(cè)。

表3 SIFT算法處理結(jié)果與GPS監(jiān)測(cè)結(jié)果對(duì)比 m

表4 兩種算法疊加綜合結(jié)果與GPS監(jiān)測(cè)結(jié)果對(duì)比 m

5 結(jié) 論

針對(duì)利用SIFT算法進(jìn)行滑坡監(jiān)測(cè)存在的問題，提出了利用ASIFT算法和CSIFT算法相結(jié)合提取兩期高分遙感影像上滑坡位移場(chǎng)的方法，并將該方法在露天礦的滑坡位移監(jiān)測(cè)應(yīng)用效果進(jìn)行了分析:

(1) 由于ASIFT、CSIFT兩種算法提取特征點(diǎn)完全不同，可以相互補(bǔ)充，因此將兩種算法提取的特征點(diǎn)疊加綜合，獲取了更多的特征匹配點(diǎn)。

(2) 與SIFT相比，新改進(jìn)方法提高了位移場(chǎng)標(biāo)定精度，圈定的滑坡位移場(chǎng)范圍更加細(xì)致準(zhǔn)確，為滑坡監(jiān)測(cè)與預(yù)警提供了更可靠的依據(jù)，且成本低，操作簡便、效率高，非常適合于較大變形滑坡的空間位移場(chǎng)監(jiān)測(cè)。

[1] 王利.地質(zhì)災(zāi)害高精度GPS監(jiān)測(cè)關(guān)鍵技術(shù)研究[J].測(cè)繪學(xué)報(bào),2015,44(7):826.

[2] SUN Q， ZHANG L， DING L，et al. Slope Deformation Prior to Zhouqu, China Landslide from InSAR Time Series Analysis [J]. Remote Sensing of Environment, 2015,156(1):45-57.

[3] SAGID G，BALAZS S，ANDREAS R，et al. Landslide Displacement Monitoring Using 3D Range Flow on Airborne and Terrestrial Lidar Data [J]. Remote Sensing, 2013, 5(6): 2720-2745.

[4] 陳華，鄧喀中，張以文，等.結(jié)合SIFT和RANSAC 算法的InSAR影像配準(zhǔn)[J].測(cè)繪通報(bào),2015(12): 30-34.

[5] 常青，張斌，邵金玲.基于SIFT和RANSAC的特征圖像匹配方法[J].華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,38(6):747-751.

[6] 戴激光，宋偉東，李玉.漸進(jìn)式異源光學(xué)衛(wèi)星影像SIFT匹配方法[J].測(cè)繪學(xué)報(bào),2014,43(7):746-752.

[7] 趙朝賀，楊化超，張磊，等.一種大角度亞像素的圖像自動(dòng)配準(zhǔn)算法[J].測(cè)繪通報(bào),2014(8):30-35.

[8] PEROTTO-BALDIVIEZO H L，THUROW T L，SMITH C T， et al. GIS Based Spatial Analysis and Modeling for Landslide Hazard Assessment in Steep Lands, Southern Honduras[J]. Agriculture, Ecosystems & Environment, 2004,103(1): 165-176.

[9] 鄧輝，巨能攀，向喜瓊.高分辨率衛(wèi)星遙感數(shù)據(jù)在白衣庵滑坡調(diào)查研究中的應(yīng)用[J].地球與環(huán)境,2005,33(4):96-100.

[10] DELACOURT C，ALLEMAND P，CASSON B， et al. Velocity Field of the “La Clapière” Landslide Measured by the Correlation of Aerial and Quick Bird Satellite Images[J].Geophysical Research Letters,2004, 31(15): 1-5.

[11] LIU S J，WANG H， HUANG J W，et al. High-resolution Remote Sensing Image Based Extensive Deformation Induced Landslide Displacement Field Monitoring Method[J]. Int J Coal Sci Technol, 2015,2(3):170-177.

[12] LOWE D G. Object Recognition from Local Scale-Invariant Features [C]∥Proceedings of the Seventh IEEE International Conference on Computer Vision. Corfu:IEEE Computer Society,1999.

[13] 肖雄武，郭丙軒，李德仁，等.一種具有仿射不變性的傾斜影像快速匹配方法[J].測(cè)繪學(xué)報(bào),2015,44(4):414-420.

[14] MOREL J M，YU G. ASIFT: A New Framework for Fully Affine Invariant Image Comparison[J]. SIAM Journal on Imaging Sciences, 2009, 2(2): 438-469.

[15] ABDEL-HAKIM A E，F(xiàn)ARAG A A. CSIFT: A SIFT Descriptor with Color Invariant Characteristics[C]∥IEEE Computer Society Conference on Computer Vision and Pattern Recognition. New York:IEEE Computer Society,2006.

Calibrating Landslide Displacement Field by Using High-resolution Image and Feature Matching Algorithm

ZHANG Huihui1,2，WANG Ru1

(1. College of Resources and Civil Engineering, Northeastern University, Shenyang 110819, China;2. Surveying and Mapping Department of Liaoning Provincial College of Communications, Shenyang 110122, China)

Landslide hazard is one of the most destructive natural disasters in the world. Landslide monitoring is an important foundation for preventing landslide hazard. In view of the problem that feature points extracted by SIFT which is applied to landslide remote sensing monitoring is few and uneven distribution, a new improved method of calibrating landslide displacement field which uses ASIFT to process panchromatic images and CSIFT to process multi-spectral fusion images is proposed. This method can combine the different feature points extracted from ASIFT and CSIFT to get more feature matching points. The results show that compared with the SIFT algorithm, this method greatly increases the number of feature points and improves the calibration precision of the landslide displacement field. It has the advantages of low cost and high efficiency, and is very suitable for large scale large deformation field monitoring in later stage of landslide.

high-resolution image；ASIFT algorithm；CSIFT algorithm；landslide displacement field；calibration

張慧慧，王茹.利用高分影像與特征匹配算法標(biāo)定滑坡位移場(chǎng)[J].測(cè)繪通報(bào)，2017(8)：41-44.

10.13474/j.cnki.11-2246.2017.0251.

2016-12-14；

2017-03-10

國家自然科學(xué)基金(41440032；41074127)；國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973)項(xiàng)目(2011CB707102)

張慧慧(1982—)，女，博士生，副教授，主要從事測(cè)繪遙感教學(xué)與科研工作。E-mail:zhanghuihui1982@163.com

P23

A

0494-0911(2017)08-0041-04