陳宗成

(1. 山東省魯南地質(zhì)工程勘察院, 山東 兗州 272100; 2. 山東省地勘局第二地質(zhì)大隊, 山東 兗州 272100;3. 自然資源部采煤沉陷區(qū)綜合治理工程技術(shù)創(chuàng)新中心, 山東 兗州 272100)

0 引言

作為國情與國力調(diào)研的重要內(nèi)容,國土調(diào)查是查實我國土地資源的主要方式[1]。為確保第三次國土調(diào)查結(jié)果的準確性,提取內(nèi)業(yè)圖斑信息,將提取到的信息作為第三次國土調(diào)查過程中實地調(diào)研與查實的關(guān)鍵依據(jù)[2],因此,第三次國土調(diào)查內(nèi)業(yè)信息的準確提取就顯得尤為重要。

當前對于第三次國土調(diào)查內(nèi)業(yè)信息提取的研究不多,大都集中在不同區(qū)域的土地利用信息提取,例如文獻[3]提出了一種基于影像特征多尺度拓撲的城市土地覆蓋信息提取方法。該方法將南京市作為研究區(qū)域,采用快鳥(QuickBird)影像進行城市土地覆蓋信息提取方法的設計。對影像進行多尺度分割,在典型樣本分析的基礎上創(chuàng)建多尺度的影像分類特征集,采用模擬退火算法優(yōu)化分類特征集并進行影像的初始分類,在此基礎上對初始分類結(jié)果進行再分類,將分類結(jié)果作為城市不同類型的土地覆蓋信息提取結(jié)果,但是該方法存在圖像分割耗時過長的問題,實際應用效果并不好。文獻[4]提出面向?qū)ο蟮挠跋穹治?Object-Based Image Analysis, OBIA)與射頻(Radio Frequency, RF)結(jié)合的龍口市土地利用信息提取方法,采用陸地衛(wèi)星8號(Landsat8)陸地成像儀(Operational Land Imager，OLI)影像。針對不同地物特點對遙感影像進行閾值分割及多尺度分割,得到分割后的遙感影像數(shù)據(jù)集。在此基礎上采用Relief F算法對圖像特征子集進行中英文全稱降維處理,并與全部特征一起應用RF建模,實現(xiàn)龍口市土地利用信息提取與比較,但是該方法圖像融合效果差,得到的遙感影像并不清晰,難以達到理想的應用效果。

多源遙感技術(shù)是在遙感技術(shù)的基礎之上,利用光學、紅外等不同傳感器實現(xiàn)地面觀測,具有多時相、多光譜、多分辨率等特征。相較于單源遙感數(shù)據(jù),多源遙感數(shù)據(jù)的主要優(yōu)勢為互補性與冗余性[5-6],即不同源的遙感數(shù)據(jù)既相互獨立,又可取長補短,可提升信息提取精度,且對于目標或環(huán)境的描述具有一致性。基于此,提出基于多源遙感數(shù)據(jù)的第三次國土調(diào)查內(nèi)業(yè)信息提取方法。

1方法設計

1.1 多源遙感數(shù)據(jù)

在第三次國土調(diào)查內(nèi)業(yè)信息提取方法設計過程中選取高分二號衛(wèi)星的多波段影像作為后續(xù)分析基礎,該衛(wèi)星分別于2014年和2015年在我國山西發(fā)射升空和投入使用。高分二號衛(wèi)星分辨率(黑白)達1 m以上,在進行目標定位過程中可實現(xiàn)亞米級定位精度[7],可為我國相關(guān)部門提供高精度應用服務。

表1所示為高分二號衛(wèi)星相關(guān)參數(shù)。

表1 高分二號衛(wèi)星相關(guān)參數(shù)

1.2 多源遙感數(shù)據(jù)預處理

多源遙感數(shù)據(jù)預處理主要包括影像融合與像元亮度值校正兩個過程。

1.2.1影像融合

利用格雷-戈萊(Savitzky-Golay，S-G)濾波器對高分二號衛(wèi)星高空間分辨率全色與多光譜影像進行融合處理,此過程最重要的環(huán)節(jié)是高頻細節(jié)信息的提取。

由于光譜影像普遍存在著明顯的失真問題[8],因此,采用具有固定尺度特征的高頻濾波技術(shù)提取光譜影像的高頻細節(jié),以此提升解決影像失真問題?；赟-G濾波器的影像融合過程如圖1所示。

圖1 影像融合過程

圖1中,HSI變換中的H是指色調(diào)(Hue);S是指飽和度(Saturation);I是指亮度(Intensity)。

多源遙感影像融合過程如下:

(1)采用低通濾波器處理具有高分辨率特征的全色影像,消除全色影像中所包含的噪聲,降低S-G濾波器提取高頻細節(jié)信息過程中的噪聲含量;

(2)對處理后的全色影像進行配準與重采樣[9];

(3)針對多光譜影像進行HSI變換處理,獲取H、S、I三個分量,同時依照I分量對全色影像進行直方圖匹配,獲取匹配后的全色影像;

(4)為獲取I分量的低頻近似分量,利用二維S-G濾波器對其進行低通濾波處理,同時采用S-G濾波器處理匹配后全色影像的高頻細節(jié)分量[10];

(5)采用引導濾波方法將I分量的低頻近似分量與全色影像的高頻細節(jié)分量相融合,獲取融合后的I分量;

(6)用融合后的I分量取代原I分量,通過HSI反轉(zhuǎn)換獲取融合后的多光譜影像。

1.2.2像元亮度值校正

由于高分二號衛(wèi)星數(shù)據(jù)集內(nèi)的不同影像均存在像元亮度飽和的問題[11],因此,需要對融合后的多光譜影像像元亮度進行校正。將[1,63]范圍內(nèi)的累計像元亮度值上限作為標準[12],以多光譜相機的標準像元亮度值為參考數(shù)據(jù),構(gòu)建一元二次模型

Dq=δ×D2+γ×D+λ

(1)

式(1)中,Dq表示校正后的像元亮度值;D表示校正前的像元亮度值;δ、γ、λ均為回歸參數(shù)。

利用式(1)中描述的一元二次模型消除高分二號衛(wèi)星多源遙感影像中的非穩(wěn)定像元。其中,回歸模型參數(shù)設置如表2所示。

表2 回歸模型參數(shù)

1.3 遙感影像分割

在對多源遙感影像進行預處理后,根據(jù)圖割理論[13],對多源遙感影像進行分割,以獲取大量的遙感影像圖塊。在多源遙感影像中,地類邊界像素及顏色波動是多源遙感影像的關(guān)鍵特征,基于此可利用能量函數(shù)描述多源遙感影像中的目標邊界,將能量函數(shù)映射為s-t網(wǎng)絡,根據(jù)最小代價切割完成多源遙感影像不同地類邊界的劃分。

在s-t網(wǎng)絡內(nèi),兩個相鄰節(jié)點的像素在非邊緣處,說明兩節(jié)點之間具有較大的邊權(quán)值,因此,在這兩個節(jié)點間進行影像分割的代價較大。若與之相反,可說明兩個節(jié)點間進行影像分割的代價較小。存在以上兩個特征的節(jié)點像素間RGB(RGB顏色模式,Red Green Blue color mode)距離Sij可通過公式(2)獲取

Sij=‖Xi-Xj‖2

(2)

式(2)中,i和j分別表示多源遙感影像中的任意兩個節(jié)點,兩者相應的像素RGB值分別為Xi和Xj。

2.1 大學生體質(zhì)健康標準測試各指標的基本信息貴州大學2017年男女生體質(zhì)健康測試各指標的均值、標準差、最小值、最大值見表3，其中總分=BMI指數(shù)得分*0.15+肺活量得分*0.15+50m跑得分*0.2+800m/1000m得分*0.2+立定跳遠得分*0.1+坐位體前屈*0.1+一分鐘仰臥起坐/引體向上得分*0.1。

s-t網(wǎng)絡邊權(quán)值kij可通過式(3)確定

(3)

式(2)中,A和θ2分別表示s-t網(wǎng)絡邊界和節(jié)點分割代價。

當初始環(huán)狀區(qū)域包含多源遙感影像地類邊界時,為了使影像切割代價達到最小,需保證s-t網(wǎng)絡的活動輪廓線包含了遙感影像地類邊界段。

用s和t分別表示環(huán)狀域外邊界和內(nèi)邊界,將這兩點分別作為s-t網(wǎng)絡源點與匯點,將環(huán)狀域內(nèi)部各像素視為網(wǎng)絡節(jié)點,利用8鄰域方式將相鄰節(jié)點連接在一起,其邊權(quán)值為kij。同s或t連接在一起的內(nèi)部節(jié)點,其權(quán)值為該節(jié)點相應的像素和環(huán)狀與外邊界或內(nèi)邊界中全部連接的像素權(quán)值累加值[14]。

s-t網(wǎng)絡內(nèi),由于kij大小受邊界粗細的影響,多源遙感影像地類邊界兩側(cè)節(jié)點相應的像素RGB值會出現(xiàn)顯著波動,kij值越小,多源遙感影像地類邊界像素的權(quán)值累加值也越小?；诖?可利用s-t網(wǎng)絡最小代價分割問題取代多源遙感影像地類邊界劃分問題,分割s-t網(wǎng)絡以獲取環(huán)狀線f,其包含的邊權(quán)值累加值為其分割代價,可用cost(f)表示,cost(f)最小的曲線即為多源遙感影像地類邊界最優(yōu)分割曲線

(4)

1.4 業(yè)內(nèi)信息提取

第三次國土調(diào)查內(nèi)業(yè)信息提取的目標包括:差異性地類圖斑、偏移圖斑、在建圖斑[15]。根據(jù)我國土地利用相關(guān)規(guī)范采用不同級別分類與標準類統(tǒng)一形式對差異性地類圖斑類別進行編碼。

對遙感影像進行分割后能夠獲取大量的遙感影像圖塊,按照相應順序分析各遙感影像圖塊紋理、色調(diào)、位置、附著物以及周圍環(huán)境,構(gòu)建連片建成區(qū);根據(jù)第三次國土調(diào)查內(nèi)業(yè)信息提取分類規(guī)范判斷遙感影像圖塊類型,構(gòu)建解譯標志;按照遙感影像圖塊類型,采集土地利用圖斑,將采集結(jié)果同第二次國土調(diào)查數(shù)據(jù)庫進行對比,獲取第三次國土調(diào)查獲取與第二次國土調(diào)查不同與相同的圖斑(差異性地類圖斑、偏移圖斑、在建圖斑),以此實現(xiàn)三次國土調(diào)查內(nèi)業(yè)信息提取,其過程如圖2所示。

圖2 業(yè)內(nèi)信息提取過程

2 實驗分析

實驗為驗證本文所設計的基于多源遙感數(shù)據(jù)的第三次國土調(diào)查內(nèi)業(yè)信息提取方法的應用性能,以我國某市為研究區(qū)域進行實驗驗證。該研究區(qū)域總面積為114 008 842.6 m2,包含24個鄉(xiāng)鎮(zhèn)轄區(qū),總?cè)丝跀?shù)量為149萬。

2.1 第三次國土調(diào)查內(nèi)業(yè)信息提取結(jié)果

分析表3和表4可知,采用本文方法提取研究區(qū)域多源遙感影像中,同第二次國土調(diào)查結(jié)果進行對比后具有差異的圖斑共22 873塊,全部圖斑面積為11 405 907.6 m2,同研究區(qū)域?qū)嶋H總面積之間的誤差控制在3 000 m2以內(nèi),該誤差值在允許范圍內(nèi),說明本文方法能夠有效提取第三次國土調(diào)查內(nèi)業(yè)信息。

表3 研究區(qū)域主要地類解譯標志

續(xù)表3

表4 內(nèi)業(yè)信息提取結(jié)果

2.2 遙感影像融合效果對比

人眼對于色彩的辨別能力容易受主觀因素影響因而具有明顯差異性,為準確判斷融合前后光譜信息變化以及空間細節(jié)等情況,在評價遙感影像融合效果時采用統(tǒng)計量化指標。實驗過程中采用相關(guān)系數(shù)方法評價多源遙感圖像融合的效果,相關(guān)系數(shù)計算過程為

(5)

式(5)內(nèi),G、H分別表示多光譜影像與全色影像;M表示影像的行數(shù);N表示影像的列數(shù)。其計算公式為

(6)

(7)

由于研究區(qū)域植被面積較大,因此,在采用本文方法提取內(nèi)業(yè)信息時,選取研究區(qū)域遙感數(shù)據(jù)中的全色波段影像與多光譜影像的2～4波段。將文獻[3]方法與文獻[4]作為實驗對比方法,三種方法的遙感圖像融合小結(jié)果如圖3所示。

分析圖3可知,與兩種實驗對比方法相比,本文方法融合得到的遙感圖像清晰度高,能夠有效增強遙感圖像空間內(nèi)細節(jié)特征。

多光譜影像不同波段影像的相關(guān)系數(shù)如表5所示。

圖3 遙感圖像融合結(jié)果

表5 不同方法的圖像融合效果

分析表5得到,與兩種實驗對比方法相比,本文方法融合后的遙感圖像相關(guān)系數(shù)高,說明該方法保留光譜信息能力最強。

2.3 遙感影像分割效果對比

本文方法、文獻[3]方法及文獻[4]方法的遙感影像分割效果如表6所示。

表6 遙感影像分割效果

分析表6能夠得到,本文方法遙感影像分割的準確率均值高達95.78%,與文獻[3]方法相比提升2.24%,與文獻[4]方法相比提升11.37%;同時本文方法遙感影像分割耗時均值為0.38 s,與文獻[3]方法相比下降0.56 s,與文獻[4]方法相比下降0.83 s。以上數(shù)據(jù)說明本文方法可在確保高分割準確率的基礎上,降低遙感影像分割耗時。

3 結(jié)束語

本文提出基于多源遙感數(shù)據(jù)的第三次國土調(diào)查內(nèi)業(yè)信息提取方法,在多源遙感影像處理基礎上,通過將其與二次國土調(diào)查數(shù)據(jù)庫內(nèi)信息進行對比,提取差異性地類圖斑、偏移圖斑、在建圖斑,以達到第三次國土調(diào)查內(nèi)業(yè)信息提取的目的。實驗結(jié)果顯示,該方法的遙感影像分割與融合效果好,能夠有效提升內(nèi)業(yè)信息提取效率。