蔣中陽 吳嵐 楊羚 魯偉 黃俊松

摘 要：為了解決交通建設工程監(jiān)管中人力成本高、管理范圍大、核查效率低等問題，在遙感影像識別技術(shù)的基礎上，構(gòu)建工程目標樣本庫，提出面向監(jiān)管業(yè)務的目標識別與變化檢測技術(shù)流程，并結(jié)合實際公路、水路建設工程，搭建江蘇省示范應用系統(tǒng)，有效提升交通建設工程高效化、大范圍監(jiān)管能力，為高分遙感技術(shù)在交通運輸行業(yè)的深度應用提供范本。

關(guān)鍵詞：交通建設工程;高分遙感;監(jiān)管;目標識別;變化檢測

中圖分類號：U415.1 文獻標識碼：A

依據(jù)國家有關(guān)科技發(fā)展規(guī)劃和科技創(chuàng)新相關(guān)要求，圍繞現(xiàn)代綜合交通運輸體系構(gòu)建、運輸結(jié)構(gòu)調(diào)整等國家戰(zhàn)略及重大部署，交通工程建設取得了長足的發(fā)展。在交通工程建設實施的過程中，需要交通監(jiān)管部門對交通工程建設進度、環(huán)境保護情況、工程廢料處理情況進行跟蹤監(jiān)管和核查，但由于交通工程量大，工程周期長，存在著監(jiān)管手段相對滯后、人力成本高昂、宏觀監(jiān)督困難、人工上報準確性與客觀性難以保障等問題。

國家高分辨率對地觀測系統(tǒng)重大專項是《國家中長期科學和技術(shù)規(guī)劃發(fā)展綱要（2006-2020年）》確立的16個國家重大科技專項之一，于2010年啟動實施，至2020年全面建成。目前，已形成全天候、全天時、全球覆蓋的遙感探測能力。高分遙感基于遙感衛(wèi)星立體觀測網(wǎng)絡，實現(xiàn)了常態(tài)化、大范圍對交通目標或工程進行觀測，具有經(jīng)濟、高效、客觀、準確等優(yōu)勢，能夠有效克服現(xiàn)有人工監(jiān)管手段的缺點，為交通建設工程監(jiān)管提供強有力的科學依據(jù)，促進交通監(jiān)管方式向數(shù)據(jù)驅(qū)動業(yè)務模式轉(zhuǎn)變，對提升交通運輸行業(yè)信息化水平具有重要意義[1-2]。

目前，遙感影像識別檢測技術(shù)愈加成熟，并且隨著機器學習和高分遙感影像的不斷融合，檢測精度也越來越高[3-7]，能夠在交通行業(yè)開展的實踐應用越來越多[8-11]，但在現(xiàn)有研究中對交通建設工程監(jiān)管方向的應用探索較少。因此，本文結(jié)合交通建設工程監(jiān)管業(yè)務需求，分析高分遙感影像技術(shù)特征，然后基于影像信息提取及變化檢測技術(shù)，研究交通建設工程目標提取與變化檢測技術(shù)，形成適用于監(jiān)管實際業(yè)務的方法流程，以解決傳統(tǒng)交通工程監(jiān)管中范圍覆蓋不全、核查信息不準確、費時費力等問題。

1 高分遙感影像特征分析

目前在國家高分辨率對地觀測系統(tǒng)重大專項中已投入使用的衛(wèi)星共有7顆，分別是高分1～7號。但在交通領(lǐng)域，并不是所有衛(wèi)星數(shù)據(jù)源都適合。經(jīng)比較分析，高分4號、5號分辨率較粗，應用場景有限，高分7號尚無法取得數(shù)據(jù)且主要用于測高，高分3號任務編排很滿，很難保證穩(wěn)定的數(shù)據(jù)獲取。因此，在數(shù)據(jù)源上選取高分1號、2號及6號能夠保證穩(wěn)定的數(shù)據(jù)獲取。

從交通工程監(jiān)管要素上考慮，由于交通工程量大，工程周期長，在交通工程建設始末，需要交通監(jiān)管部門和執(zhí)法人員對交通工程建設進度、環(huán)境保護情況（例如交通工程對周邊綠地的影響，以及工程周邊防塵網(wǎng)布設情況等）、工程廢料處理情況（如土方等）進行跟蹤監(jiān)管和核查。從施工范圍上考慮，一般交通工程建設大型工程項目有幾十公里長乃至上百公里，選取幅寬越大的衛(wèi)星源影像越好;施工周期平均在1-3年左右，施工進度查詢頻次要求一般為一個月，而高分1號、高分6號的重訪周期為41天，此二類遙感影像均需結(jié)合商業(yè)衛(wèi)星來滿足施工周期內(nèi)施工進度檢測時間要求，輔助人工巡檢監(jiān)督施工進度。從施工目標大小上考慮，類似土方、防塵網(wǎng)的工程物體大小一般寬于2 m，選用全色波段空間分辨率為2 m且一景影像能盡可能覆蓋施工范圍的高分1號或高分6號遙感影像;一般而言，高分遙感影像分辨率越高，幅寬越低，而若需檢測覆蓋范圍內(nèi)亞米級地物，如施工場地布設詳情，則需犧牲影像覆蓋范圍選用全色波段空間分辨率為0.8 m的高分2號影像。

總之，針對高分遙感影像特點，需選擇合適的影像，進行多時相分析，有效輔助人工進行工程建設進度偵測、周邊環(huán)境和防塵網(wǎng)布設情況檢測，滿足交通工程建設監(jiān)管應用需求。

2 交通建設工程監(jiān)管目標提取技術(shù)流程

2.1 技術(shù)要求

在交通建設工程監(jiān)管中主要采用的技術(shù)是影像識別與變化檢測，在測繪領(lǐng)域這兩項已有大量的研究基礎，而具體業(yè)務需求對其作出了更高的要求：

1）目標識別提取技術(shù)要求：根據(jù)交通工程建設管理需求對航道工程和公路工程涉及的交通目標進行提取，航道工程主要包括防塵網(wǎng)位置提取并統(tǒng)計防塵網(wǎng)區(qū)域面積，土方位置提取并統(tǒng)計土方區(qū)域面積，防護工程提取并統(tǒng)計防護工程里程長度;公路工程主要包括施工里程提取，以及施工路段繞行線路標注。

2）變化檢測技術(shù)要求：疊加不同時期的遙感影像，對交通工程建設前后的變化情況進行顯示，包括整體工程進度、分項工程進度。

2.2 高分遙感影像綜合處理

多源遙感數(shù)據(jù)處理主要通過遙感專業(yè)處理分析軟件，例如ENVI、PCI、ERDAS，和ArcMap、PhotoShop和自研算法完成，實現(xiàn)對遙感數(shù)據(jù)的處理加工，主要包括圖像融合、幾何糾正、影像鑲嵌、圖像增強等步驟，實現(xiàn)標準化遙感影像產(chǎn)品生產(chǎn)。其處理流程為：首先進行圖像融合、幾何糾正處理成L3級產(chǎn)品，再根據(jù)具體要求進行影像鑲嵌、勻色，形成大寬幅鑲嵌勻色產(chǎn)品。如圖1所示。

1）圖像融合：根據(jù)多光譜圖像生成三波段圖像，融合前影像選點配準，變換生成HSV圖像，生成V波段圖像，反變換生成RGB圖像，將一張低分辨率的多光譜影像和一張高分辨率的全色影像結(jié)合在一起，生成一張高分辨率的多光譜影像。

2）幾何糾正：在需要拼接的兩幅影像中選取了不少于30個的地面控制點，改正原始數(shù)據(jù)由于成像投影方式、傳感器外方位元素變化、傳感介質(zhì)的不均勻等因素造成的幾何變形，生成一幅符合某種地圖投影或圖形表達要求的新圖像。

3）影像鑲嵌：影像鑲嵌時除了要滿足在拼接線上相鄰影像的細節(jié)在幾何上一一對接外，用于背景圖制作時，還要求相鄰影像的色調(diào)保持一致，但用于變化信息提取時，相鄰影像的色調(diào)不允許平滑，避免信息變異。

4）圖像增強：利用圖像處理技術(shù)，對數(shù)據(jù)進行增強處理（線性拉伸、均衡化拉伸、均方根拉伸、高斯拉伸、分段拉伸、直方圖匹配等），增強圖像顯示效果，提高圖像解譯和目標提取。

2.3 交通建設工程監(jiān)管目標樣本庫構(gòu)建

基于處理后L3級米級或亞米級高分辨率遙感影像，提取土方、防塵網(wǎng)、主體工程范圍、完工或自建工程范圍，構(gòu)建交通工程建設進度本底數(shù)據(jù)，屬于經(jīng)驗性室內(nèi)判讀結(jié)果。

在構(gòu)建的樣本數(shù)據(jù)庫時，樣品數(shù)據(jù)庫中不可避免的存在相似度比較大的圖片，為了剔除數(shù)據(jù)庫中相似度比較大的圖片，本研究采用基于人類視覺系統(tǒng)的圖像感知哈希算法[5]來篩選相似度比較大的圖片。算法對每一類別樣本進行圖片相似度計算，通過比較兩圖片之間的相似性，剔除相似性大于90%的圖片剔除。

2.4 交通工程監(jiān)管目標自動識別

基于目標遙感影像數(shù)據(jù)集（樣本庫），統(tǒng)計并分析目標和非目標的特征參數(shù)，包括交通目標的光譜特征、紋理特征和形狀特征，并基于自動識別算法，實現(xiàn)對防塵網(wǎng)、土方、在建工程精確識別，確定并標記位置;系統(tǒng)基于確定的目標，可計算目標位置、面積及檢測置信度等參數(shù)。

在利用遙感數(shù)據(jù)進行信息提取時，受光譜、時相、空間分辨率、解譯人員經(jīng)驗等因素的影響，提取結(jié)果會產(chǎn)生一定的誤差。因此在信息提取后，需通過開展相應的野外調(diào)查對成果進行進一步的修訂，以提高遙感解譯精度。

最后，將最終成果數(shù)據(jù)按照確定的命名規(guī)則統(tǒng)一命名入庫，并用于地理信息系統(tǒng)發(fā)布服務及平臺前端展示。

2.5 交通工程建設進度變化檢測

基于多期高分辨率遙感影像，通過現(xiàn)狀數(shù)據(jù)與歷史數(shù)據(jù)的疊加對比，采用基于PCA和CVA的遙感圖像變化檢測算法，分析識別包括土方、防塵網(wǎng)、主體工程范圍、完工/在建工程進度等并進行變化監(jiān)測。主成分分析（PCA）是建立在統(tǒng)計量特征的非單維正交線性的變換，實質(zhì)上是考慮在光譜空間中找到一個新的坐標系能夠去除數(shù)據(jù)的相關(guān)性，即使新坐標系中的協(xié)方差矩陣為對角陣。變化向量分析法（CVA）通過對不同時期的影像各個波段的數(shù)據(jù)進行差值運算，求得每個像素在各個波段的變化量，再由各個波段的變化量組成變化向量。

本研究通過結(jié)合PCA和CVA算法，將PCA變換后的前3主分量進行CVA變換，得到差值圖像，輔助工程建設監(jiān)管部門及時掌握建設項目進度變化情況以及對周邊環(huán)境的影響。

3 應用案例——江蘇省交通建設工程監(jiān)管示范系統(tǒng)

3.1 基本情況

本文研究成果以軟件產(chǎn)品的形式發(fā)布，該系統(tǒng)依托江蘇省交通地理信息服務平臺，對312國道龍華立交至張店樞紐段擴建工程（公路）、通揚線高郵段航道改擴建工程（水路）兩項工程展開試點示范應用。

江蘇省交通地理信息服務平臺，具備全省交通地理信息數(shù)據(jù)，提供定位檢索、地圖查詢、專題統(tǒng)計、道路實景和三維展示等基本功能，并為交通應急、航道管理、公路管理、運輸管理等方面的交通決策、交通規(guī)劃、建設和行業(yè)管理提供地理數(shù)據(jù)保障和技術(shù)支持，向全省各業(yè)務部門提供信息服務。

312國道龍華立交至張店樞紐段擴建工程主路起于龍華立交西側(cè)、順接江北大道，終點位于張店樞紐東側(cè)，全長6.92 km，進行車道加寬和樞紐改造。通揚線高郵段航道改擴建工程航道整治里程35.019 km，護岸約38 km，航道寬度將拓寬到70 m，其中新建護岸27.3 km、老駁岸加固9.5 km，新建威高路橋1座，改建武安大橋、海潮大橋等橋梁8座。兩項工程為本系統(tǒng)的研發(fā)提供了充足的研究場景與數(shù)據(jù)。

3.2 系統(tǒng)開發(fā)

根據(jù)業(yè)務、系統(tǒng)需求，進行設計開發(fā)，系統(tǒng)包括基礎軟硬件平臺環(huán)境、空間數(shù)據(jù)與信息資源庫、多源遙感數(shù)據(jù)管理、多源遙感數(shù)據(jù)處理分析、WebGis服務、交通遙感示范應用等六部分，如圖6。其中空間數(shù)據(jù)與信息資源庫用于示范應用中各種數(shù)據(jù)的存儲，包括交通工程點位、線路線性、樁號分布、工程信息等數(shù)據(jù)以及地理信息數(shù)據(jù)和行政區(qū)劃數(shù)據(jù)等。多源遙感數(shù)據(jù)處理分析模塊主要基于專業(yè)遙感處理軟件ENVI、PCI、ArcMap，以及自研處理分析算法，實現(xiàn)對多源遙感數(shù)據(jù)的處理、信息提取、融合處理以及產(chǎn)品生產(chǎn)等處理分析功能，實現(xiàn)遙感圖像融合、幾何校正、鑲嵌勻色等。交通遙感示范應用包括公路、水路兩大類工程建設監(jiān)管應用場景，實現(xiàn)了遙感監(jiān)測成果和具體業(yè)務應用結(jié)合，同時也實現(xiàn)遙感監(jiān)測成果的常態(tài)化更新和集中管理。

3.3 應用效果

系統(tǒng)具備多時期影像對比、交通目標提取、統(tǒng)計分析以及工具條等功能模塊，在部署使用后，省、市級建設監(jiān)管部門對兩項工程的監(jiān)管可從人工上報、現(xiàn)場核查轉(zhuǎn)變?yōu)榫€上監(jiān)管，具體表現(xiàn)為：在工程目標提取方面，基本實現(xiàn)了公路工程中建設范圍、周邊道路以及水路工程中防塵網(wǎng)、土方、護岸的識別提取，能夠分圖層展示各類對象以及占有區(qū)域;在進度變化檢測方面，實現(xiàn)了多期影像對比識別變化目標、變化范圍等，并能夠結(jié)合工程信息數(shù)據(jù)，對進度進行量化分析，直觀展示進度計劃完成情況。

4 結(jié)論

本文研究成果為高分遙感技術(shù)在交通運輸行業(yè)的融合應用提供了有效抓手，解決了交通工程建設監(jiān)管過程中以人力巡查、人工校驗為主的核查滯后、資源浪費、誤檢率高等問題。目前，該項技術(shù)成果尚未能完全取代人工監(jiān)管，下一階段可在示范系統(tǒng)的基礎上面向全省乃至全國進行進一步推廣應用，基于更多工程建設項目擴容樣本庫、優(yōu)化算法，提高識別精度，有力支撐交通工程建設行業(yè)應用。

參考文獻：

[1]宋晨曦，鄒同元，王劍，等.高分遙感技術(shù)在交通運輸行業(yè)的應用及展望[J].衛(wèi)星應用，2014，5（06）：55-59.

[2]楊永杰.高分遙感技術(shù)在公路交通領(lǐng)域的應用[J].山西交通科技，2019，47（06）：88-90.

[3]武辰.遙感影像多層次信息變化檢測研究[D].武漢大學，2015.

[4]徐俊峰.多特征融合的遙感影像變化檢測技術(shù)研究[D].解放軍信息工程大學，2015.

[5]邢慧芬，吳其林，曹騫.基于人類視覺模型和Contourlet變換的圖像感知哈希算法[J].阜陽師范學院學報（自然科學版），2016，33（04）：62-66.

[6]王守峰，楊學志，董張玉，等.基于Relief-PCA特征選擇的遙感圖像變化檢測[J].圖學學報，2019，40（01）：117-123.

[7]蔡怤晟，向澤君，蔡衡，等.結(jié)合特征選擇的CVA多尺度遙感影像變化檢測[J].測繪通報，2020，66（08）：101-104.

[8]張帥毅.基于航空遙感的交通信息監(jiān)測關(guān)鍵技術(shù)研究[D].西南交通大學，2015.

[9]張東，王趙明，袁旻忞.基于遙感技術(shù)的公路工程環(huán)境監(jiān)理方法研究[J].公路，2019，64（05）：194-199.

[10]蔡紅玥，袁勝古，陽柯，等.國產(chǎn)高分辨率遙感影像農(nóng)村公路核查方法及其應用[J].測繪通報，2020，66（03）：91-95.

[11]肖國峰，張?zhí)N靈，楊璇，等.基于GF—2遙感影像的典型道路路面類型識別[J].公路，2020，65（10）：18-25.