張 濤，王 源，陳富龍,周 偉,胡 祺

(1. 南京市規(guī)劃和自然資源局，江蘇 南京 210029； 2. 中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094； 3. 中國科學(xué)院大學(xué)，北京 100049)

我國南方地區(qū)氣候主要以熱帶亞熱帶季風(fēng)氣候?yàn)橹?，多云多雨天氣阻礙了光學(xué)遙感近實(shí)時(shí)獲取數(shù)據(jù)源需求；而SAR全天時(shí)、全天候的工作特性可以很好地彌補(bǔ)這一劣勢(shì)?；赟AR對(duì)地觀測(cè)技術(shù)的發(fā)展，例如高分辨率和多模式，目前利用SAR影像進(jìn)行城市變化檢測(cè)主要基于相干[1]、強(qiáng)度[2-9]，以及相干與強(qiáng)度信息相結(jié)合[10]等方法。本文研究選取南京市河西新城及江北新區(qū)為示范，以COSMO-SkyMed為數(shù)據(jù)源，在非局部濾波SAR強(qiáng)度RC合成影像的基礎(chǔ)上，提出基于顏色變換的建設(shè)用地圖斑半自動(dòng)監(jiān)督分割/分類信息提取方法。

1 研究方法

1.1 強(qiáng)度RC合成變化檢測(cè)法

基于SAR強(qiáng)度信息的RC合成法變化檢測(cè)即采用變化前后兩期影像進(jìn)行彩色圖像合成，根據(jù)彩色合成原理[11]，將變化前影像安置在紅色波段，變化后影像安置在藍(lán)色和綠色波段，即可實(shí)現(xiàn)RC合成(綠色和藍(lán)色合成為青色(cyan))并得到SAR強(qiáng)度RC合成圖。為提升強(qiáng)度影像質(zhì)量，在采取RC合成前需進(jìn)行非局部SAR濾波(non-local filters，NL-SAR)[12-14]。SAR強(qiáng)度RC合成圖通過顏色的變化顯示變化區(qū)。具體檢測(cè)思路為：①若圖像顯示趨近于青色或紅色，表明變化前后強(qiáng)度影像強(qiáng)度值相差較大，地物發(fā)生變化；②若圖像中顯示趨近為黑色或白色，則SAR強(qiáng)度值前后時(shí)序較為接近，表征地物未發(fā)生變化或變化可忽略。

1.2 基于圖像色彩變換的影像分割/分類

Lab空間由亮度分量L，色度分量a、b這3個(gè)分量組成[15]，其能將顏色和亮度分量分別控制，有利于針對(duì)性地對(duì)顏色信息利用幾何距離公式進(jìn)行差異性測(cè)度。該模型中a從負(fù)至正代表由綠色指向紅色，b則代表由藍(lán)色指向黃色。值得注意的是，相對(duì)RC合成圖原始顏色空間，變換后的a、b、L分量可進(jìn)一步凸顯地物時(shí)序變化信息，即a、b分量可區(qū)分地物變化時(shí)序前、后信息，而L亮度分量可表征發(fā)生變化的概率或烈度。

監(jiān)督分類即根據(jù)訓(xùn)練樣本將未確定類別的像元進(jìn)行分類以確定類別。研究根據(jù)不同的顏色類別直接從圖像中選擇訓(xùn)練數(shù)據(jù)；基于Lab色彩空間，直接采用距離公式計(jì)算各像元到類別樣本的距離，并將像素歸于距離最小的樣本類別中。為對(duì)比不同配置(色彩空間特征及分類樣本數(shù))對(duì)分類效果的影響，需開展參數(shù)配置試驗(yàn)：將樣本類別x的a分量均值定義為acx，樣本類別x的b分量均值定義為bcx，將樣本類別x的L分量均值定義為Lcx，像素i的a分量為ai，像素i的b分量為bi，像素i的L分量為Li，dix為像素i與各顏色樣本的相似度。以a、b二維空間為基礎(chǔ)的相似度dix，如式(1)所示；而以三維空間a、b和L為基礎(chǔ)的相似度dix，如式(2)所示。dix中最小值所對(duì)應(yīng)的色彩樣本，即為此像素對(duì)應(yīng)分割/分類類別(監(jiān)督分類后，像素可呈現(xiàn)一定聚類并生成對(duì)象圖斑，因此可統(tǒng)稱為影像分割/分類過程)。

(1)

(2)

1.3 變化區(qū)域提取

根據(jù)選擇的訓(xùn)練樣本進(jìn)行基于監(jiān)督分類的影像分割/分類，所選訓(xùn)練樣本類別的數(shù)量決定影像分割/分類后圖斑類別的數(shù)量。將整幅彩色影像按照顏色的區(qū)別分為不同的圖斑，在此基礎(chǔ)上，變化區(qū)域?qū)?yīng)的顏色的類別圖斑即為變化圖斑。變化圖斑提取可在Matab環(huán)境中編程實(shí)現(xiàn)。其實(shí)施步驟如下：①二值化；②小面積圖斑篩除；③孔洞填充；④矢量輸出。

2 試驗(yàn)與結(jié)果分析

2.1 研究區(qū)與數(shù)據(jù)源

南京天氣多云雨，可作為多云雨地區(qū)的代表城市。其河西新城和江北新區(qū)近年來建設(shè)節(jié)奏快，建設(shè)范圍大，將之作為研究區(qū)具備代表與示范性。研究選取2017年6月3日及2017年10月5日兩景X波段COSMO-SkyMed影像，成像模式為HImage，圖像地面分辨率為3 m，入射角約為34°，極化方式為HH。驗(yàn)證數(shù)據(jù)為20170718及20171007兩景北京1號(hào)光學(xué)影像。圖像地面分辨率為4 m，成像幅寬為24 km，具有側(cè)擺功能。

2.2 SAR強(qiáng)度RC合成

兩景強(qiáng)度影像進(jìn)行配準(zhǔn)、輻射定標(biāo)后進(jìn)行NL-SAR濾波，濾波時(shí)最小搜索窗口半徑為1像素，最大搜索窗口半徑為12像素，最小圖像塊寬度為2像素，最大圖像塊寬度為10像素。將20170603影像安置在R波段上，20171005安置在G波段和B波段上(即將20171005安置在C波段上)，得到強(qiáng)度RC合成圖。為突出合成圖顏色對(duì)比度，可采用百分比截?cái)嗬旒夹g(shù)，如圖1所示(長江已在影像中掩膜)。

2.3 基于SAR強(qiáng)度色彩變換的圖斑半自動(dòng)提取

2.3.1 影像分割/分類與變化區(qū)域圖斑提取

為分析并評(píng)估不同數(shù)量樣本對(duì)分割/分類的影響，直接在RC合成圖上選擇12個(gè)樣本類別，每個(gè)樣本對(duì)應(yīng)訓(xùn)練區(qū)位置，如圖1所示；對(duì)應(yīng)類別具體屬性信息見表1。開展最優(yōu)參數(shù)配置評(píng)估試驗(yàn)過程中，選取樣本類別及對(duì)應(yīng)相關(guān)屬性信息，可參考表1。樣本數(shù)量選擇試驗(yàn)及對(duì)應(yīng)參數(shù)設(shè)置，可參考表2。

2.3.1.1 試驗(yàn)1

根據(jù)式(1)、式(2)計(jì)算各像元到各樣本類別的距離，選取8個(gè)、10個(gè)樣本類別分別進(jìn)行影像分割/分類，a、b分量二維空間和a、b、L分量三維空間分割局部結(jié)果展示如圖2所示。圖2(a)、(c)分別為基于a、b二維空間利用式(1)進(jìn)行距離計(jì)算所得出的分割/分類效果，圖2(b)、(d)分別為基于a、b、L三維空間利用式(2)進(jìn)行距離計(jì)算所得出的分割/分類效果。對(duì)比可知，加入L分量后，分割效果明顯提升并可克服僅使用a、b顏色分量所導(dǎo)致的圖斑散亂現(xiàn)象。

表1 12樣本類別相關(guān)屬性信息

表2 樣本類別選擇配置試驗(yàn)

2.3.1.2 試驗(yàn)2

由試驗(yàn)1發(fā)現(xiàn)，三維空間特征向量a、b和L的影像分割/分類效果更優(yōu)?；诖?，利用三維特征空間繼續(xù)開展不同樣本類別數(shù)量影像分割/分類及變化圖斑提取性能對(duì)比試驗(yàn)。其中，編號(hào)1和2號(hào)樣本類別(見表2)對(duì)應(yīng)建設(shè)用地變化，對(duì)其進(jìn)行圖斑提取并矢量輸出，便可得不同類別數(shù)量對(duì)城市建設(shè)用地變化圖斑提取的對(duì)照效果圖，如圖3所示?？傮w而言，隨著樣本個(gè)數(shù)增加，影像整體分割/分類效果逐步提升?？紤]到10個(gè)與12個(gè)樣本類別在變化圖斑的查準(zhǔn)率和虛警率等性能指標(biāo)上效果相當(dāng)；因此認(rèn)為10個(gè)樣本類別即可滿足圖斑近最佳提取要求。

2.3.2 精度驗(yàn)證與結(jié)果分析

對(duì)全局試驗(yàn)區(qū)采用三維空間距離判定公式和10個(gè)訓(xùn)練樣本類別進(jìn)行影像分割/分類及變化區(qū)域提取，去除偽變化小圖斑，得到最終建設(shè)用地變化區(qū)域提取效果，如圖4所示。

利用北京1號(hào)光學(xué)影像及地形圖等資料進(jìn)行驗(yàn)證，得到真實(shí)變化斑塊數(shù)量為199個(gè)，即正確檢測(cè)斑塊與漏檢斑塊數(shù)量之和。在此引入查準(zhǔn)率、漏檢率及查全率以驗(yàn)證變化檢測(cè)效果，其中查準(zhǔn)率為正確檢測(cè)斑塊數(shù)量與總計(jì)檢測(cè)斑塊數(shù)量之比；漏檢率為漏檢數(shù)量與真實(shí)變化數(shù)量之比；查全率為正確檢測(cè)數(shù)量與真實(shí)變化數(shù)量之比。結(jié)果見表3：查準(zhǔn)率為88%，漏檢率為11.6%，查全率為88.4%。

表3 建設(shè)用地變化檢測(cè)精度驗(yàn)證 個(gè)

進(jìn)一步研究發(fā)現(xiàn)，漏檢主要由以下原因引起：

(1) 如圖5(b)、(c)北京1號(hào)光學(xué)影像所示，方框選取道路路面發(fā)生變化，但由于此類道路離樓宇較近，可影響道路變化的檢測(cè)。

(2) 如圖6(b)、(c)北京1號(hào)光學(xué)影像所示，方框選取路面發(fā)生變化，但此類變化主要為地表植被變?yōu)槁懵锻恋兀肧AR強(qiáng)度信息較難提取。

2.3.3 時(shí)間復(fù)雜度

試驗(yàn)在64位Windows 7操作系統(tǒng)，內(nèi)存64 GB，Matlab R2016a版本系統(tǒng)配置下，當(dāng)SAR影像大小為22 693×23 851時(shí)，基于強(qiáng)度R8C合成顏色變換建設(shè)用地圖斑提取法，最終獲得變化圖斑，所耗機(jī)時(shí)約為15 min；即在避免人為漏檢概率的前提下，可大幅降低影像人工目視解譯時(shí)間。

3 結(jié) 論

SAR全天時(shí)、全天候工作特性可彌補(bǔ)光學(xué)影像在我國南方多云多雨地區(qū)無法實(shí)時(shí)獲取數(shù)據(jù)的劣勢(shì)短板，并可用于城市建設(shè)用地變化檢測(cè)。非局部濾波SAR強(qiáng)度RC合成變化檢測(cè)法對(duì)小圖斑、線型地物變化敏感，兼顧圖斑邊緣保持能力且對(duì)數(shù)據(jù)獲取條件無要求。鑒于此，本文研究提出了一種基于時(shí)相SAR強(qiáng)度RC合成的色彩變換建設(shè)用地變化圖斑半自動(dòng)提取方法。以南京市河西新城及江北新區(qū)為試驗(yàn)區(qū)，對(duì)比分析了Lab色彩空間特征及訓(xùn)練樣本類別數(shù)量對(duì)影像分割/分類質(zhì)量的影響，得出了10個(gè)樣本類別和a、b、L三維空間可得近最優(yōu)變化圖斑提取效果，并實(shí)現(xiàn)優(yōu)于88%的查準(zhǔn)率指標(biāo)；進(jìn)而可為多云多雨地區(qū)智慧新城遙感動(dòng)態(tài)檢測(cè)提供全新技術(shù)手段。未來工作將綜合引入DEM、SAR影像紋理等約束條件，以期進(jìn)一步提高影像自動(dòng)分割/分類及變化圖斑提取精度。