李金香， 李志強(qiáng)， 李帥， 王偉， 陳勇

(1.新疆維吾爾自治區(qū)地震局，烏魯木齊 830011； 2．中國地震局地質(zhì)研究所，北京 100029)

高分辨率遙感影像居民地半自動(dòng)提取方法研究

李金香1， 李志強(qiáng)2， 李帥1， 王偉1， 陳勇1

(1.新疆維吾爾自治區(qū)地震局，烏魯木齊 830011； 2．中國地震局地質(zhì)研究所，北京 100029)

居民地是地震災(zāi)害的重要受災(zāi)體，是進(jìn)行地震應(yīng)急救援準(zhǔn)備的基礎(chǔ)。采用高分一號(hào)2 m分辨率衛(wèi)星遙感數(shù)據(jù)提取研究區(qū)真實(shí)居民地空間分布信息，為地震應(yīng)急救援準(zhǔn)備提供數(shù)據(jù)支持。結(jié)果表明： 運(yùn)用灰度共生矩陣、二值化、數(shù)學(xué)形態(tài)學(xué)等方法對(duì)影像進(jìn)行迭代運(yùn)算，能較好地提取高分一號(hào)2 m分辨率影像居民地信息。這種算法正確率較高，魯棒性較好，然而對(duì)于稀疏植被及非居民聚居的人工建筑區(qū)提取結(jié)果虛警率因子較高，存在誤提現(xiàn)象，需將提取結(jié)果與影像進(jìn)行對(duì)比分析，通過人工干預(yù)完成研究區(qū)居民地半自動(dòng)提取，以保證提取精度。

高分辨率； 遙感； 高分一號(hào)； 居民地

0 引言

居民地是人與自然相互作用的產(chǎn)物，包括房屋結(jié)合體以及公共設(shè)施、園林綠化、道路、港站等居住相關(guān)的生活設(shè)施和生產(chǎn)設(shè)施，是人類從事生產(chǎn)、生活、居住以及進(jìn)行各種活動(dòng)的中心場(chǎng)所，又可稱為聚落或者居民點(diǎn)[1]。居民地是GIS空間數(shù)據(jù)庫中最典型、變化速度最快、變換范圍最廣的地物要素之一[2]。如何快速及時(shí)獲取居民地空間分布信息，對(duì)于地震應(yīng)急救援、災(zāi)害損失評(píng)估及居民區(qū)基礎(chǔ)數(shù)據(jù)更新都有非常重要的意義。

遙感影像覆蓋面積大、成本比較低，具有快速、準(zhǔn)確、宏觀的特點(diǎn)，因此利用遙感影像可以及時(shí)、準(zhǔn)確地獲取居民地信息，可作為數(shù)據(jù)更新的一種既經(jīng)濟(jì)又快捷的數(shù)據(jù)源，是進(jìn)行災(zāi)害評(píng)估、提高評(píng)估精度的有力手段。目前，從遙感影像中提取信息的常用方法是目視判讀提取，該方法簡(jiǎn)單、實(shí)用、提取精度高，但判讀結(jié)果人為差別顯著，勞動(dòng)強(qiáng)度大、效率低、費(fèi)工費(fèi)時(shí)[3]； 如對(duì)于大區(qū)域綜合調(diào)查需要3 a左右時(shí)間才能完成。對(duì)于災(zāi)害的監(jiān)測(cè)評(píng)估工作而言，需要在數(shù)小時(shí)或數(shù)天內(nèi)完成信息提取[4]。所以必須研究遙感信息的自動(dòng)、半自動(dòng)提取方法，提高實(shí)效性。目前很多專家學(xué)者根據(jù)居民地特有的特征表現(xiàn)形式，如紋理特征[5-8]、光譜特征[9]和幾何特征[10-12]等，提出了很多關(guān)于居民地提取的自動(dòng)、半自動(dòng)方法[13-17]。楊存建等[18]進(jìn)行了基于TM影像的居民地信息提取方法研究； 趙萍等[19]進(jìn)行了基于SPOT衛(wèi)星影像居民地信息自動(dòng)提取的決策樹方法研究； Wu等[20]進(jìn)行了基于SAR與光學(xué)影像結(jié)合居民地提取方法研究； 施蓓琦等[21]、Benediktsson等[22]及Zhong等[23]采用數(shù)學(xué)形態(tài)學(xué)、高光譜遙感影像紋理濾波等方法進(jìn)行了城市居民地識(shí)別； Pesaresi等[24]利用基于模糊準(zhǔn)則的灰度共生矩陣提取影像中的紋理特征； Sirmacek等[25]提出一種結(jié)合圖形學(xué)理論和SIFT特征點(diǎn)的居民地提取方法； Weizman等[26]將文本分析中的概率潛在語義模型應(yīng)用于高分辨率遙感影像城區(qū)提取。

綜上所述，目前居民地提取方法較多，然而上述方法針對(duì)不同的遙感數(shù)據(jù)源及不同的靶區(qū)，具有不同的適用性和提取精度。本研究基于我國高分一號(hào)(GF-1)2 m空間分辨率遙感影像，充分考慮人與計(jì)算機(jī)在信息提取方面各自的優(yōu)勢(shì)，采取人機(jī)互補(bǔ)的策略，研究適用于我國高分衛(wèi)星數(shù)據(jù)的居民地半自動(dòng)提取方法及技術(shù)流程，提取研究區(qū)居民地空間分布信息，達(dá)到了較高的提取精度，為地震應(yīng)急救援準(zhǔn)備提供了數(shù)據(jù)支持。

1 研究方法

紋理是影像中大量規(guī)律性很強(qiáng)或很弱的相似元素或者圖形結(jié)構(gòu)，一般理解為影像灰度在空間上的變化和重復(fù)，或影像中反復(fù)出現(xiàn)的局部模式(紋理單元)和排列規(guī)則。近年來，高分辨率遙感數(shù)據(jù)源越來越多，應(yīng)用越來越廣泛，目前已占據(jù)主流地位。高分辨率影像信息豐富，不僅光譜特征明顯，而且地物結(jié)構(gòu)、紋理信息突出，但同時(shí)“同物異譜”現(xiàn)象也較為嚴(yán)重，以致僅利用光譜信息進(jìn)行分類的精度偏低[27]。每一種地物具有其特有的紋理結(jié)構(gòu)，所以通過紋理特征分析既可以充分利用高光譜遙感影像信息，又可以解決“同物異譜”現(xiàn)象，提高分類精度。

紋理分析包括紋理特征的提取以及在此基礎(chǔ)上進(jìn)行的紋理分類及紋理分割，灰度共生矩陣法(gray level co-occurrence matrix,GLCM)是通過研究灰度的空間相關(guān)特性來描述紋理的方法，是目前最常見、應(yīng)用最廣泛、效果最好的一種紋理統(tǒng)計(jì)分析方法。

1.1 灰度共生矩陣(GLCM)

灰度共生矩陣能有效地提取各個(gè)不同方向和距離的紋理，是居民地檢測(cè)的最有效方法之一。取圖像中任意一點(diǎn)(x1,y1)及偏離它的另一點(diǎn)(x2,y2)，設(shè)該點(diǎn)對(duì)的灰度值為(g1,g2)。令點(diǎn)(x1,y1)在整個(gè)畫面上移動(dòng)，則會(huì)得到各種(g1,g2)值，統(tǒng)計(jì)出每一種(g1,g2)值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用(g1,g2)出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P(g1,g2)，這樣的方陣稱為灰度共生矩陣。

設(shè)S為目標(biāo)區(qū)域R中具有特定空間聯(lián)系的像素對(duì)集合，則灰度共生矩陣P可定義為

(1)

式中等號(hào)右邊的分子是具有某種空間關(guān)系、灰度值分別為g1,g2的像素對(duì)的個(gè)數(shù)； 分母為像素對(duì)的總和(#代表數(shù)量)。這樣得到的P是歸一化的。對(duì)于粗紋理影像，其灰度共生矩陣的值較集中在主對(duì)角線附近，因?yàn)閷?duì)于粗紋理像素對(duì)趨于具有相同的灰度； 而對(duì)于細(xì)紋理影像，其灰度共生矩陣的值散布在各處。由此可見，灰度共生矩陣確實(shí)可反映不同灰度像素相對(duì)位置的空間信息。

Haralick定義了14種紋理特征。常用的用于提取遙感影像中紋理信息的特征統(tǒng)計(jì)量主要有： 均值(mean)、方差(variance)、同質(zhì)性(homogeneity)、對(duì)比度(contrast)、非相似性(dissimilarity)、熵(entropy)、角二階矩(angular second moment)和相關(guān)性(correlation)等[28]。

1.2 數(shù)學(xué)形態(tài)學(xué)方法

數(shù)學(xué)形態(tài)學(xué)[29]是一門特殊的圖像處理學(xué)科，具有完備的數(shù)學(xué)基礎(chǔ)，是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的，它的基本運(yùn)算有4個(gè)： 膨脹(或擴(kuò)張)、腐蝕(或侵蝕)、開運(yùn)算和閉運(yùn)算，利用一個(gè)稱作結(jié)構(gòu)元素的“探針”收集圖像的信息，當(dāng)探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分之間的相互關(guān)系，從而了解圖像的結(jié)構(gòu)特征。用這些算子及其組合可進(jìn)行圖像形狀和結(jié)構(gòu)的分析處理，包括圖像分割、特征抽取、邊緣檢測(cè)等方面的工作。

腐蝕具有收縮輸入圖像目標(biāo)的作用； 膨脹可以認(rèn)為是腐蝕的對(duì)偶運(yùn)算。先腐蝕后膨脹稱為開運(yùn)算，開運(yùn)算具有消除比結(jié)構(gòu)元素小的散點(diǎn)和“毛刺”，切斷細(xì)長搭接而起到分離作用，即對(duì)圖像進(jìn)行平滑的作用，也可以起到低通濾波的作用。先膨脹后腐蝕稱為閉運(yùn)算，閉運(yùn)算可以把比結(jié)構(gòu)元素小的缺口或孔洞填充上，搭接短的間斷而起到連通作用。對(duì)圖像的外部作濾波可磨光凸向圖像內(nèi)部的尖角[30-31]。

1.3 居民地提取方案

1)數(shù)據(jù)收集及預(yù)處理。收集高分一號(hào)2 m分辨率影像數(shù)據(jù)、DEM數(shù)據(jù)，以及縣、鄉(xiāng)及行政村的駐地、道路數(shù)據(jù)，重點(diǎn)目標(biāo)數(shù)據(jù)等地震應(yīng)急救援基礎(chǔ)數(shù)據(jù)，并進(jìn)行影像正射校正、幾何糾正及對(duì)比度增強(qiáng)等預(yù)處理，完成各類型數(shù)據(jù)的空間匹配。

2)縮減范圍，減少誤差。結(jié)合新疆大部分地區(qū)為無人區(qū)的地理環(huán)境，用遙感和GIS手段，以地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫中行政村的點(diǎn)狀數(shù)據(jù)為基礎(chǔ)，進(jìn)行緩沖區(qū)設(shè)置，疊加遙感數(shù)據(jù)裁剪研究區(qū)影像，減少數(shù)據(jù)范圍及干擾信息，以提升后續(xù)數(shù)據(jù)計(jì)算精度及速度。

3)紋理特征分析與提取。基于上述灰度共生矩陣可定義紋理二階矩、熵、對(duì)比度和均勻性等紋理特征描述。對(duì)紋理特征進(jìn)行分析，找到刻畫居民地信息比較好的特征圖像進(jìn)行居民地信息提取。

4)居民地綜合提取。采用二值化、小斑塊去除、聚類分析及數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行居民地的綜合提取。

5)完成專題圖件。將提取結(jié)果轉(zhuǎn)矢量，并將提取的居民地信息與原始影像進(jìn)行疊加，人工糾正錯(cuò)提及漏提現(xiàn)象，并滿足一定的精度要求，最終完成研究區(qū)居民地空間分布圖。

圖1為本次工作的技術(shù)路線圖。

圖1技術(shù)路線圖

Fig.1Technologyroadmap

2 實(shí)驗(yàn)結(jié)果與分析

應(yīng)用此方法對(duì)新疆新源地區(qū)GF-1的2 m分辨率遙感影像進(jìn)行實(shí)驗(yàn)。依據(jù)地震應(yīng)急救援基礎(chǔ)數(shù)據(jù)，如DEM數(shù)據(jù)、現(xiàn)有遙感數(shù)據(jù)等對(duì)GF-1影像進(jìn)行了預(yù)處理，包括影像正射校正、幾何糾正、對(duì)比度增強(qiáng)等。圖2(a)為研究區(qū)經(jīng)過預(yù)處理后的遙感影像圖，采用2014年8月1日GF-1遙感影像R(2)G(4)B(1)假彩色合成。圖中黃色點(diǎn)為鄉(xiāng)(鎮(zhèn))駐地，紅色點(diǎn)為村駐地。經(jīng)過對(duì)比分析，點(diǎn)狀要素與影像中居民地分布的空間位置吻合。新源縣三面環(huán)山，西部敞開，構(gòu)成桃葉狀地形，東西長，南北窄，東高西低，分山區(qū)、丘陵及河谷平原3個(gè)地形區(qū)。居民地主要分布在河谷平原區(qū)。為減少非居民聚居區(qū)對(duì)居民地?cái)?shù)據(jù)提取的影響，減少誤差提高精度，本研究結(jié)合遙感和GIS手段，以行政村駐地點(diǎn)要素為中心，2 km為半徑進(jìn)行緩沖區(qū)分析，疊加遙感數(shù)據(jù)，裁剪研究區(qū)影像，減少數(shù)據(jù)范圍及干擾信息，以提升后續(xù)數(shù)據(jù)計(jì)算精度及速度。圖2(b)為經(jīng)過緩沖區(qū)裁剪后的研究區(qū)影像圖，圖中保留了居民地信息，去除了大面積山地及耕地。

(a) 預(yù)處理后研究區(qū)影像 (b) 緩沖區(qū)分析處理后的研究區(qū)影像

圖2研究區(qū)GF-1遙感影像圖

Fig.2GF-1remotesensingimageofthestudyarea

對(duì)經(jīng)過縮減研究區(qū)面積的影像采用灰度共生矩陣算法進(jìn)行紋理特征提取，提取了常用的8類紋理特征影像： 均值、方差、同質(zhì)性、對(duì)比度、非相似性、熵、角二階矩和相關(guān)性。圖3為研究區(qū)阿克齊村8類紋理特征影像圖。經(jīng)過對(duì)比分析可知，均值影像居民地信息突出不明顯，與周邊地物灰度值差別不大，無法用于刻畫居民地特征，而其他7類影像居民地與周邊地物的灰度值存在較大差異，均能較好地突出居民地特征，但噪聲多少不一。經(jīng)對(duì)比，方差和對(duì)比度提取居民地信息的效果最好，噪聲也相對(duì)較少。因此，本研究采用對(duì)比度紋理特征影像進(jìn)行居民地提取研究。

(a) 均值 (b) 方差 (c) 同質(zhì)性 (d) 對(duì)比度

(e) 非相似性 (f) 熵 (g) 角二階矩 (h) 相關(guān)性

圖3紋理特征影像圖

Fig.3Texturefeatureimages

對(duì)研究區(qū)影像采用灰度共生矩陣算法進(jìn)行運(yùn)算提取居民地信息時(shí)，算法中滑動(dòng)窗口大小、參數(shù)θ和d的取值不同，所提取的信息也會(huì)不同。前人在采用灰度共生矩陣算法提取居民地信息時(shí)，曾提出旋轉(zhuǎn)和平移不變紋理特征進(jìn)行提取。本研究也對(duì)θ和d采用不同的取值進(jìn)行了運(yùn)算。經(jīng)比較發(fā)現(xiàn)，0°，45°，90°和135°不同方向以及不同步長運(yùn)算及相關(guān)疊加運(yùn)算的結(jié)果與單一角度運(yùn)算結(jié)果的差別不大，僅在噪聲點(diǎn)出現(xiàn)的方向上稍有差別。因此，本研究采用45°單一方向步長為1的參數(shù)進(jìn)行運(yùn)算，算法中信息提取的窗口分別采用3×3，5×5，7×7，9×9，11×11和13×13。提取的阿克齊村居民地對(duì)比度特征如圖4所示。

(a) 3×3窗口 (b) 5×5窗口 (c) 7×7窗口

(d) 9×9窗口 (e) 11×11窗口(f) 13×13窗口

圖4不同窗口大小對(duì)比度特征影像圖

Fig.4Differentwindowsizeofthecontrastfeatureimages

由圖4可知，3×3和5×5窗口提取的居民地信息紋理較為清晰，然而紋理特征值影像與背景信息對(duì)比不明顯，信息突出不足。9×9，11×11和13×13提取的居民地信息紋理逐漸趨于模糊，清晰度不足，而7×7窗口提取結(jié)果紋理特征清晰，能更好地刻畫居民地信息。因此本研究采用灰度共生矩陣7×7窗口、45°方向、步長為1的參數(shù)提取對(duì)比度特征值影像，用以刻畫研究區(qū)居民地空間分布特征，并對(duì)所提取的影像特征進(jìn)行了二值化、非監(jiān)督分類、小斑點(diǎn)去除和聚類等處理，結(jié)果如圖5(a)所示。

(a) 二值化結(jié)果 (b) 數(shù)學(xué)形態(tài)學(xué)處理后結(jié)果

圖5遙感提取居民地結(jié)果

Fig.5Remotesensingextractionofresidents

由圖5(a)可知，采用GLCM算法能較準(zhǔn)確地提取居民地信息，較好地描述居民地空間分布特征； 然而得到的居民地分割影像邊緣不夠平滑，存在許多斑點(diǎn)狀的無用小區(qū)域； 居民地內(nèi)部不夠連貫，存在大小不同、形狀各異的孔洞，主要涉及學(xué)校操場(chǎng)、公園廣場(chǎng)和待建設(shè)裸地等； 居民地細(xì)節(jié)性描述不足，道路、稀疏植被和蔬菜大棚等信息被誤提，數(shù)據(jù)無法直接應(yīng)用，必須對(duì)其進(jìn)行必要的數(shù)據(jù)處理即綜合取舍(制圖綜合)。本研究主要采用數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行居民地邊緣形狀的綜合、小斑塊和線狀道路的去除以及內(nèi)部孔洞的填充等。算法的計(jì)算過程主要為利用開運(yùn)算迭代運(yùn)算去除分割后圖像中小斑塊及細(xì)小線狀道路，然后利用尺寸不斷增長的閉運(yùn)算算子構(gòu)造一個(gè)形態(tài)學(xué)尺度空間，不斷地對(duì)圖像進(jìn)行迭代融合，消除內(nèi)部孔洞。這是一個(gè)層次聚類的過程，進(jìn)行上述操作之后，再利用一個(gè)面積閾值，去除無法融合到居民地的孤立小地塊，得到最終的提取結(jié)果。圖5(b)為經(jīng)過數(shù)學(xué)形態(tài)學(xué)算法處理后的居民地遙感提取結(jié)果。數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行居民地綜合簡(jiǎn)便快捷，優(yōu)化后的居民地圖斑邊緣比較規(guī)整，內(nèi)部孔洞被消除，無用的斑點(diǎn)狀小區(qū)域及細(xì)小線狀道路等干擾信息被剔除，完整提取了居民地信息，滿足制圖綜合的要求。

精度評(píng)價(jià)是分析居民地提取結(jié)果可靠性的必要步驟，是判斷提取結(jié)果好壞和是否可用的前提。前人[32]多采用分割正確率(正確分割的像元占應(yīng)該分割的原始影像像元的百分比)來定量評(píng)價(jià)居民地分割結(jié)果。為定量評(píng)價(jià)本研究算法提取居民地的精度，對(duì)8個(gè)實(shí)例的居民地進(jìn)行了人工跟蹤信息提取。圖6中藍(lán)色線為人工跟蹤的居民地邊界線，紅色線為本文算法提取的居民地邊界線，疊加原始影像3，2，1波段組合圖像進(jìn)行對(duì)比分析。分別統(tǒng)計(jì)8個(gè)實(shí)例的人工跟蹤提取的居民地總面積Pmanual、本文算法提取的居民地總面積Pauto和兩者相同的面積Pcommon，進(jìn)而計(jì)算8個(gè)實(shí)例的分割正確率TC，來評(píng)估居民地提取結(jié)果的精度； 為分析影響因子，本研究還計(jì)算了虛警率因子TF(即： 誤提率，等于本不該分割卻分割的像元占應(yīng)該分割的原始影像像元的百分比)，對(duì)虛警率高的區(qū)域進(jìn)行影響因子分析。結(jié)果見表1。

(a) 實(shí)例一(b) 實(shí)例二(c) 實(shí)例三(d) 實(shí)例四

(e) 實(shí)例五(f) 實(shí)例六(g) 實(shí)例七(h) 實(shí)例八

圖6居民地提取結(jié)果精度對(duì)比圖

Fig.6Comparisonbetweentheextractionresultsoftheresidentsandtheoriginalimage

表1 居民地提取精度評(píng)價(jià)

從表1可以看出，本文算法提取的居民地具有較高的正確率，可以滿足面向地震應(yīng)急救援準(zhǔn)備所需居民地的精度要求。而且通過大區(qū)域不同類型居民地的提取，正確率均較高，說明本算法對(duì)基于國內(nèi)GF-1高分辨率衛(wèi)星遙感數(shù)據(jù)提取居民地具有較好的魯棒性。

該方法也有一定的局限性，圖6(d)，(e)，(f)這3幅影像的虛警率因子較高，對(duì)比影像進(jìn)行分析可知： 自動(dòng)提取算法識(shí)別的居民地邊界與人工跟蹤提取的邊界有較大的差異，主要是因?yàn)樽詣?dòng)提取算法將稀疏植被區(qū)誤識(shí)別為了居民區(qū)，說明稀疏植被為本算法提取居民地的影響因子之一。圖6(h)虛警率因子也較高，對(duì)比影像進(jìn)行分析可知： 自動(dòng)提取算法將規(guī)則的蔬菜大棚區(qū)誤識(shí)別為居民區(qū)，說明蔬菜大棚等人工建筑區(qū)是本算法提取居民地的又一影響因子。稀疏植被與蔬菜大棚的紋理特征與居民區(qū)房屋紋理類似，因此被誤提，增加了虛警率。

為保證后續(xù)研究精度，需對(duì)提取結(jié)果轉(zhuǎn)矢量，疊加原始影像進(jìn)行對(duì)比，對(duì)虛警率較高的區(qū)域進(jìn)行人工修改，保證居民地提取精度，完成居民地遙感半自動(dòng)提取，最終生成研究區(qū)居民地空間分布圖，如圖7所示。

圖7 研究區(qū)居民地空間分布圖

3 結(jié)論

本研究基于我國GF-1高分辨率遙感影像進(jìn)行居民地半自動(dòng)提取方法研究，提取了研究區(qū)居民地空間分布信息，為研究區(qū)地震應(yīng)急救援準(zhǔn)備提供數(shù)據(jù)支持。本研究主要結(jié)論如下：

1)通過疊加分析，消除大面積無人區(qū)，縮小研究區(qū)，可大大提高數(shù)據(jù)提取精度及速度。

2)進(jìn)行GF-1 2 m空間分辨率遙感影像進(jìn)行居民地信息提取的較為實(shí)用的紋理特征方法為灰度共生矩陣7×7窗口、45°、步長為1的對(duì)比度特征影像提取法。

3)本文方法提取的居民地信息為灰度信息，其中存在一定的干擾信息，需采用二值化過濾及數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行制圖綜合，消除部分干擾信息、小斑塊無用區(qū)及居民地內(nèi)部孔洞等。

4)本文算法提取的居民地信息具有較高的正確率及魯棒性，然而也具有一定的局限性，部分區(qū)域虛警率較高，對(duì)稀疏植被及非居民聚居的人工建筑區(qū)存在誤提現(xiàn)象，需進(jìn)行人工干預(yù)，完成半自動(dòng)提取，以保證數(shù)據(jù)精度。

5)本文方法采用灰度影像進(jìn)行計(jì)算，可進(jìn)行推廣應(yīng)用，移植性較好，且不受影像拍攝季節(jié)時(shí)相限制，適用于大區(qū)域居民地半自動(dòng)提取，然而文中參數(shù)僅適用于GF-1 2 m空間分辨率遙感影像居民地信息提取。若采用其他傳感器影像及其他分辨率遙感影像時(shí)，本文中的參數(shù)需重新?lián)駜?yōu)配置。

本研究進(jìn)行居民地提取時(shí)采用人工干預(yù)方法去除誤提信息，在今后的研究中可考慮結(jié)合多光譜信息去除稀疏植被、溫室大棚等誤提信息，實(shí)現(xiàn)居民地信息的全自動(dòng)提取。

志謝： 感謝新疆遙感應(yīng)用中心提供了研究區(qū)高分一號(hào)衛(wèi)星影像數(shù)據(jù)支持。

[1] 陳潔麗,劉永學(xué),李滿春,等.基于歸一化指數(shù)分析的居民地遙感信息提取[J].測(cè)繪科學(xué),2010,35(2):204-206,177. Chen J L,Liu Y X,Li M C,et al.Extracting remote sensing information of residential areas based on the analysis of normalized difference Index[J].Science of Surveying and Mapping,2010,35(2):204-206,177.

[2] 王莉.基于IKONOS影像融合的土地覆蓋分類及居民地信息提取研究[D].徐州:中國礦業(yè)大學(xué),2009. Wang L.Study on Land Cover Classification and Residential Areas Extraction Using IKONOS Imagery Based on Data Fusion[D].Xuzhou:China University of Mining and Technology,2009.

[3] 高永光,祝民強(qiáng),朱驥,等.贛中紅壤區(qū)TM圖像的居民地信息自動(dòng)提取專家模式研究[J].國土資源遙感,2002,14(4):67-69.doi:10.6046/gtzyyg.2002.04.05. Gao Y G,Zhu M Q,Zhu J,et al.The extraction of residential area on landsat TM imagery from red earth region in central Jiangxi[J].Remote Sensing for Land and Resources,2002,14(4):67-69.doi:10.6046/gtzyyg.2002.04.05.

[4] 楊存建,周成虎.基于知識(shí)發(fā)現(xiàn)的TM圖像居民地自動(dòng)提取研究[J].遙感技術(shù)與應(yīng)用,2001,16(1):1-6. Yang C J,Zhou C H.Extracting residential area from TM image on the basis of knowledge discovered[J].Remote Sensing Technology and Application,2001,16(1):1-6.

[5] 金飛.基于紋理特征的遙感影像居民地提取技術(shù)研究[D].鄭州:解放軍信息工程大學(xué),2013. Jin F.Research on Residents Extraction of RS Images Based on Texture Features[D].Zhengzhou:PLA Information Engineering University,2013.

[6] 張禾.基于紋理特征的遙感影像居民地自動(dòng)提取方法[J].江漢石油職工大學(xué)學(xué)報(bào),2007,20(4):93-96. Zhang H.Automatic abstraction methods of residential area information of remote sensing image based on texture features[J].Journal of Jianghan Petroleum University of Staff and Workers,2007,20(4):93-96.

[7] 張劍清,佘瓊,潘勵(lì).基于LBP/C紋理的遙感影像居民地變化檢測(cè)[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2008,33(1):7-11. Zhang J Q,She Q,Pan L.Change detection of residential area by remote sensing image based on LBP/C texture[J].Geomatics and Information Science of Wuhan University,2008,33(1):7-11.

[8] 王華,潘勵(lì).基于紋理邊緣與感知編組的居民地外輪廓提取[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2010,35(1):114-117. Wang H,Pan L.Extracting outline of residential area using the perceptual organization and boundaries of textured regions[J].Geomatics and Information Science of Wuhan University,2010,35(1):114-117.

[9] Huang X,Zhang L P,Li P X.Classification of very high spatial resolution imagery based on the fusion of edge and multispectral information[J].Photogrammetric Engineering & Remote Sensing,2008,74(12):1585-1596.

[10]陶超,鄒崢嶸,丁曉利.利用角點(diǎn)進(jìn)行高分辨率遙感影像居民地檢測(cè)方法[J].測(cè)繪學(xué)報(bào),2014,43(2):164-169. Tao C,Zou Z R,Ding X L.Residential area detection from high-resolution remote sensing imagery using corner distribution[J].Acta Geodaetica et Cartographica Sinica,2014,43(2):164-169.

[11]Martinez-Fonte L M,Gautama S,Philips W,et al.Evaluating corner detectors for the extraction of man-made structures in urban areas[C]//Proceedings of IEEE International Conference on Geoscience and Remote Sensing Symposium.Seoul:IEEE,2005:237-240.

[12]Katartzis A,Sahli H.A stochastic framework for the identification of building rooftops using a single remote sensing image[J].IEEE Transactions on Geoscience and Remote Sensing,2008,46(1):259-271.

[13]張寧新,陳忠,郭莉莉,等.高分辨率遙感影像居民區(qū)檢測(cè)算法研究[J].計(jì)算機(jī)工程與科學(xué),2013,35(11):126-133. Zhang N X,Chen Z,Guo L L,et al.Study of settlement detection based on high resolution remote sensing images[J].Computer Engineering & Science,2013,35(11):126-133.

[14]陶超.高分辨率遙感影像中的城區(qū)與建筑物檢測(cè)方法研究[D].武漢:華中科技大學(xué),2012. Tao C.Research on Urban and Building Detection from High Resolution Remotely Sensed Imagery[D].Wuhan:Huazhong University of Science and Technology,2012.

[15]肖潔,彭冬玲,呂德芳.遙感圖像中快速居民區(qū)域提取方法研究[J].計(jì)算機(jī)與數(shù)字工程,2014,42(10):1971-1974. Xiao J,Peng D L,Lv D F.Fast residential area extraction from remote sensing image based on Log-Gabor filter[J].Computer & Digital Engineering,2014,42(10):1971-1974.

[16]曹建農(nóng),王平祿,董昱威.高分辨率遙感影像上居民地自動(dòng)提取方法[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2014,39(7):831-837. Cao J N,Wang P L,Dong Y W.Automatic extraction technique of residential areas in high resolution remote sensing image[J].Geomatics and Information Science of Wuhan University,2014,39(7):831-837.

[17]Karathanassi V,Iossifidis C,Rokos D.A texture-based classification method for classifying built areas according to their density[J].International Journal of Remote Sensing,2000,21(9):1807-1823.

[18]楊存建,周成虎.TM影像的居民地信息提取方法研究[J].遙感學(xué)報(bào),2000,4(2):146-150. Yang C J,Zhou C H.Extracting residential areas on the TM imagery[J].Journal of Remote Sensing,2000,4(2):146-150.

[19]趙萍,馮學(xué)智,林廣發(fā).SPOT衛(wèi)星影像居民地信息自動(dòng)提取的決策樹方法研究[J].遙感學(xué)報(bào),2003,7(4):309-315. Zhao P,Feng X Z,Lin G F.The Decision tree algorithm of automatically extracting residential information from SPOT images[J].Journal of Remote Sensing,2003,7(4):309-315.

[20]Wu F,Wang C,Zhang H.Residential area information extraction by combining China airborne SAR and optical images[C]//Proceedings of IEEE International Geoscience and Remote Sensing Symposium.Anchorage,AK:IEEE,2004:2568-2570.

[21]施蓓琦,劉春,陳能,等.利用高光譜遙感影像紋理濾波的城市居民地識(shí)別[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版),2012,37(8):915-920. Shi B Q,Liu C,Chen N,et al.Residential area recognition using texture filtering from hyper-spectral remote sensing imagery[J].Geomatics and Information Science of Wuhan University,2012,37(8):915-920.

[22]Benediktsson J A,Pesaresi M,Amason K.Classification and feature extraction for remote sensing images from urban areas based on morphological transformations[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(9):1940-1949.

[23]Zhong P,Wang R S.A multiple conditional random fields ensemble model for urban area detection in remote sensing optical images[J].IEEE Transactions on Geoscience and Remote Sensing,2007,45(12):3978-3988.

[24]Pesaresi M,Gerhardinger A,Kayitakire F.A robust built-up area presence index by anisotropic rotation-invariant textural measure[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2008,1(3):180-192.

[25]Sirmacek B,Unsalan C.Urban-area and building detection using SIFT keypoints and graph theory[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(4):1156-1167.

[26]Weizman L,Goldberger J.Detection of urban zones in satellite images using visual words[C]//Proceedings of IEEE International Geoscience and Remote Sensing Symposium(IGARSS).Boston,MA:IIEEE,2008:V-160-V-163.

[27]金飛,王番,劉智,等.基于對(duì)數(shù)極坐標(biāo)變換的遙感影像居民地提取[J].測(cè)繪科學(xué),2013,38(3):102-105. Jin F,Wang F,Liu Z,et al.Extraction of residential areas from remote sensing images based on log-polar transformation[J].Science of Surveying and Mapping,2013,38(3):102-105.

[28]金飛,張占睦,芮杰.紋理主方向的遙感影像居民地提取[J].測(cè)繪科學(xué),2010,35(4):139-141. Jin F,Zhang Z M,Rui J.Residential area extraction from remote sensing image based on texture principal directions[J].Science of Surveying and Mapping,2010,35(4):139-141.

[29]Wang M,Leung Y,Zhou C H,et al.A mathematical morphology based scale space method for the mining of linear features in geographic data[J].Data Mining and Knowledge Discovery,2006,12(1):97-118.

[30]翟輝琴,王明孝.小波變換和數(shù)學(xué)形態(tài)學(xué)的高分辨率圖像居民地識(shí)別[J].地球信息科學(xué),2005,7(4):25-28. Zhai H Q,Wang M X.The habitat abstraction of the high resolution remote sensing imagery based on wavelet transform and mathematics morphologic subject[J].Geo-Information Science,2005,7(4):25-28.

[31]張義生.居民地的提取與邊緣優(yōu)化[D].鄭州:解放軍信息工程大學(xué),2009. Zhang Y S.Habitation Extraction and Edge Optimization[D].Zhengzhou:PLA Information Engineering University,2009.

[32]路威,張占睦.多尺度幾何信息分割算法在居民地提取中的應(yīng)用[J].信息工程大學(xué)學(xué)報(bào),2003,4(2):54-57,89. Lu W,Zhang Z M.Application of segmentation algorithm based on mul-scale wavelet geometry information in residential area extraction[J].Journal of Information Engineering University,2003,4(2):54-57,89.

(責(zé)任編輯：李瑜)

Themethodforsemi-automaticextractionofresidentialareafromhighresolutionremotesensingimages

LI Jinxiang1， LI Zhiqiang2， LI Shuai1， WANG Wei1， CHEN Yong1

(1.EarthquakeAdministrationofXinjiangUygurAutonomousRegion,Urumqi830011,China; 2.InstituteofGeology,ChinaEarthquakeAdministration,Beijing100029,China)

Residential area, as an important hazard-bearing body of earthquake disasters, usually constitutes the basis of earthquake emergency preparation. In this paper, 2 m resolution GF-1 satellite remote sensing data were used to extract the spatial distribution information of residential area, which could provide data support for the earthquake emergency preparation. The results reveal that more accurate residential area information of the high resolution GF-1 2 m image can be extracted based on gray level co-occurrence matrix, binarization and mathematical morphology. This proposed algorithm has high accuracy and good robustness. However, higher false alarm rate factor was shown in the extraction of sparse vegetation and non-residential buildings. Thus, in order to ensure data accuracy, the authors compared and analyzed the extraction results and the images, and extracted the ultimate data results semi-automatically by the artificial intervention.

high resolution; remote sensing; GF-1; residential area

10.6046/gtzyyg.2017.03.03

李金香，李志強(qiáng)，李帥，等.高分辨率遙感影像居民地半自動(dòng)提取方法研究[J].國土資源遙感，2017，29(3)：17-24.(Li J X,Li Z Q,Li S,et al.The method for semi-automatic extraction of residential area from high resolution remote sensing images[J].Remote Sensing for Land and Resources,2017,29(3)：17-24.)

2016-01-27；

2016-04-25

地震應(yīng)急青年重點(diǎn)任務(wù)“面向地震應(yīng)急準(zhǔn)備的居民地?cái)?shù)據(jù)提取研究”(編號(hào)： CEA_EDEM-201511)和新疆地震科學(xué)基金項(xiàng)目“三維影像技術(shù)在承災(zāi)體基礎(chǔ)數(shù)據(jù)調(diào)查中的應(yīng)用——以吐魯番市主城區(qū)為例”(編號(hào)： 201510)共同資助。

李金香(1984-)，女，碩士，現(xiàn)從事地震應(yīng)急及遙感應(yīng)用研究。Email： ljxhappy365@163.com。

李志強(qiáng)(1969-)，男，研究員，研究方向?yàn)閿?shù)字地球應(yīng)用及防震減災(zāi)信息系統(tǒng)建設(shè)。 Email： lzhq@ies.ac.cn。

TP 79

： A

： 1001-070X(2017)03-0017-08