劉雙群

(中國建筑材料工業(yè)地質(zhì)勘查中心黑龍江總隊，黑龍江哈爾濱 150040)

1 引 言

當(dāng)前，城鎮(zhèn)規(guī)劃部門進行違法用地監(jiān)測與查處的主要手段是借助高分辨率影像進行人工判讀，并結(jié)合實地調(diào)查的方式[1]，這種作業(yè)方式的主要缺點是人力成本高、效率低下。為了解決這一問題，依據(jù)高分辨率影像特征，利用圖像識別領(lǐng)域的變化檢測技術(shù)進行違法用地變化的自動化及智能化檢測十分必要。

目前，基于高分辨率遙感影像的變化檢測技術(shù)主要有以下技術(shù)難點：一是空間分辨率的提升會大大增加檢測結(jié)果中虛警點的數(shù)量，嚴重影響檢測精度；二是由于獲取的是不同期影像數(shù)據(jù)，一些由季節(jié)、拍攝角度、光照導(dǎo)致的變化會與感興趣地物自身的變化相混淆[2]；三是隨著影像數(shù)據(jù)分辨率的提高，光譜分辨率會降低，出現(xiàn)較為嚴重的“同物異譜-同譜異物”現(xiàn)象，很難使用單一的光譜特征進行地物變化的區(qū)分[3]。

針對以上問題，基于違法用地變化檢測的應(yīng)用需求，本文提出了一種基于地物分布特征的變化檢測方法。該方法有效結(jié)合了違法用地分布理論知識與變化檢測技術(shù)，基于試驗區(qū)的光譜—空間特征，對感興趣變化區(qū)域進行自動提取。以哈爾濱某地兩期高分辨率影像為試驗示例，利用該方法進行違法用地提取。試驗結(jié)果表明，該方法可分離出不感興趣變化區(qū)域，檢測到疑似違法用地區(qū)域，且檢測精度較高。綜上所述，該方法可有效輔助人工作業(yè)，提高生產(chǎn)效率，節(jié)約成本。

2 技術(shù)路線

不同地物在高分辨率遙感影像數(shù)據(jù)中的光譜—空間特征存在明顯的差異性，因此，高分辨率遙感影像數(shù)據(jù)能夠真實且豐富地反映地物的細節(jié)信息。在多時相影像上如果出現(xiàn)植被區(qū)域減少、建筑物拆建等情況，則可反映出違法用地的變化特征。對于市郊區(qū)域，植被覆蓋面積較大，地物的變化可以通過光譜特征進行反映；對于城市區(qū)域，空間特征—影像光譜之間的聯(lián)系較為復(fù)雜，針對全局影像的不同區(qū)域，使用相同的特征很難得到一致的檢測效果。因此，需要在地物實際分布特征的基礎(chǔ)上，提取出對應(yīng)影像的光譜—空間特征，在特征層分析地物變化。圖1為本文的總體技術(shù)路線圖。

圖1 變化檢測技術(shù)路線Fig.1 Technical route of change detection

首先，基于可見光波段的植被指數(shù)分離出非城市區(qū)域與城市區(qū)域；其次，對于非城市區(qū)域，根據(jù)面向?qū)ο蟮姆椒ǐ@取變化檢測結(jié)果，對于城市區(qū)域，使用形態(tài)學(xué)建筑物指數(shù)分離出感興趣與不感興趣變化類型，同時利用k值聚類與變化向量分析所提取到的變化信息；最后，通過聚合操作、形態(tài)學(xué)濾波剔除變化檢測結(jié)果中的噪聲點，計算得到變化圖斑的最小外接矩形，并將外接矩陣以矢量形式輸出。

3 研究方法

3.1 城市區(qū)域與非城市區(qū)域分離

依據(jù)衛(wèi)星影像的非植被區(qū)域和植被區(qū)域可實現(xiàn)非城市區(qū)域與城市區(qū)域的劃分。實際應(yīng)用中的衛(wèi)星影像數(shù)據(jù)一般由紅、綠、藍3個可見波段和全色波段組成，故可以利用基于可見光波段的植被指數(shù)提取植被區(qū)域，并進一步劃分植被區(qū)域與非植被區(qū)域。當(dāng)前有3種常見的可見光植被指數(shù)，分別為可見光波段差異植被指數(shù)(VDVI)、紅綠比值指數(shù)(RGRI)和過綠指數(shù)(EXG)。鑒于VDVI具有以下優(yōu)勢：1)可綜合考慮3個可見光波段的反射與吸收特性，能夠較好地區(qū)分出對于不同種類的植被或者非植被；2)植被與非植被地物有較好的區(qū)分性，具有雙峰性值。本文擬采用VDVI提取植被區(qū)域，其計算公式為[4]：

(1)

式中：ρg表示綠色可見光波段像元亮度值，ρr表示紅色可見光波段像元亮度值，ρb表示藍色可見光波段像元亮度值。獲取VDVI后，通過閾值分割方法提取得到植被掩模MV[5]：

(2)

式中：tV表示設(shè)置的閾值。

3.2 變化信息提取

影像數(shù)據(jù)中，不同地表覆蓋類型的光譜—空間特征的差異性較大，不同地物類型的變化信息很難通過單一的特征反映測量[6]。因此，本文將面向?qū)ο筇卣?、形態(tài)學(xué)建筑物指數(shù)及變化向量分析法應(yīng)用于變化信息檢測中。

3.2.1 面向?qū)ο筇卣魈崛?/p>

首先，利用分水嶺分割方法分割原始影像數(shù)據(jù)，其中每個分塊的面向?qū)ο筇卣骶褪欠指顗K均值；其次，使用多時相分割算法處理由于分割尺度差異或者拍攝時間不同導(dǎo)致的同一地物在不同時相影像分割邊界不一致問題，使統(tǒng)一地物分割時保持一致的邊界，同時使用分割策略以保證變化信息沒有遺漏；最后，完成時相1和時相2面向?qū)ο筇卣饔跋馞a1和Fa2的提取。

3.2.2 形態(tài)學(xué)建筑物指數(shù)提取

形態(tài)學(xué)建筑物指數(shù)是一種基于數(shù)學(xué)形態(tài)學(xué)運算的方法，主要是從對比度、尺寸、亮度3個方面區(qū)分建筑物與非建筑物。利用形態(tài)學(xué)建筑物指數(shù)提取時相1、時相2對應(yīng)特征影像Fb1、Fb2的步驟如下[7]：

1)首先，計算亮度。任意像元x，亮度特性可以用波段最大值進行表示：

(3)

式中：b(x)為像元x的亮度特征，bandk(x)為像元x在第k個波段的光譜值，K為影像波段數(shù)，本文中將K設(shè)置為3。

2)其次，構(gòu)建形態(tài)學(xué)建筑物指數(shù)。基于頂帽變換的差分形態(tài)學(xué)譜方法對建筑物光譜—空間結(jié)構(gòu)進行提取，其中頂帽變換(W-TH)可表示為：

W-TH(d,s)=b-λre(d,s)

(4)

式中：s與d分別為線性元素的長度與方向，λre為對亮度影像做重構(gòu)開運算。

形態(tài)學(xué)譜可表示為：

(5)

式中：MP表示形態(tài)學(xué)譜。

基于頂帽變換的差分形態(tài)學(xué)譜可表示為：

DMPW-TH(d,s)=|MPW-TH[d,(s+Δs)]- MPW-TH(d,s)|

(6)

式中：Δs為形態(tài)學(xué)譜間隔；DMP表示基于頂帽變換的差分形態(tài)學(xué)譜。

3)最后,得到形態(tài)學(xué)建筑物指數(shù)：

(7)

式中：D表示形態(tài)學(xué)譜方向數(shù)，S表示形態(tài)學(xué)譜尺度數(shù)，其中設(shè)置D為4，結(jié)構(gòu)元素尺度間隔為20，最大尺度為202，最小尺度為2。

3.2.3 變化信息提取

首先，計算面向?qū)ο筇卣髋c面向形態(tài)學(xué)特征的變化量DF，其中DF=|F2-F1|(F表示面向?qū)ο蠹靶螒B(tài)學(xué)特征)；其次，通過k均值聚類得到相應(yīng)變化檢測圖。

3.3 變化信息融合

融合的變化檢測結(jié)果CM可以通過非城市區(qū)域與城市區(qū)域?qū)Σ煌卣飨碌淖兓瘷z測結(jié)果進行融合得到。CM計算方式如式(8)所示[8]，對初始結(jié)果使用形態(tài)學(xué)開、閉運算進行處理，以矢量的形式輸入最小包圍矩形。

CM=MV×CMo+(1-MV)CMb

(8)

4 試驗與分析

4.1 試驗數(shù)據(jù)

選擇哈爾濱市某地為試驗區(qū)，獲取該地區(qū)2019年、2020年兩期高分辨率影像為試驗數(shù)據(jù)。試驗數(shù)據(jù)空間分辨率為0.5 m×0.5 m，像素大小為895×561，包含紅、綠、藍3個波段。圖2為兩期影像，圖3為參考變化圖斑。

圖2 兩期影像Fig.2 Two phase images

圖3 參考變化圖斑Fig.3 Reference change pattern

4.2 試驗結(jié)果與分析

以圖斑為基本單位，統(tǒng)計漏檢圖斑與正確檢測圖斑個數(shù)作為評價指標[9]。作業(yè)人員通過目視判讀以及實地調(diào)查可以得出該試驗區(qū)的真實參考數(shù)據(jù)，如圖3所示，共檢測出15處疑似違章變化。

圖4和表1分別是使用本文方法檢測出的疑似違章變化結(jié)果以及參考疑似違章變化結(jié)果，可以看出，該方法可檢測得到23個疑似違章用地圖斑，與參考數(shù)據(jù)相比，正確檢測到14個圖斑，漏檢1個圖斑。試驗結(jié)果表明，該方法可通過高分辨率影像數(shù)據(jù)精確定位到變化圖斑，且使用提取的矢量包圍框能夠基本覆蓋變化建筑物區(qū)域，總體檢測精度較高。該方法已應(yīng)用于實際項目中，并取得了作業(yè)人員的驗證與認可。該方法得到的變化檢測結(jié)果可作為作業(yè)輔助依據(jù)，可有效降低人工作業(yè)量，減少人力成本。

圖4 變化檢測結(jié)果Fig.4 Change detection results

表1 變化檢測精度統(tǒng)計Tab.1 Statisticsofchangedetectionaccuracy正確檢測圖斑參考檢測圖斑漏檢數(shù)14151

5 結(jié)束語

本文對基于遙感影像的變化檢測技術(shù)進行研究，以哈爾濱市某地兩期高分辨率影像為試驗數(shù)據(jù)，將變化檢測技術(shù)與違法用地先驗知識相結(jié)合，用于試驗數(shù)據(jù)變化檢測中，提取得到圖斑級的變化信息。研究結(jié)果表明，與參考數(shù)據(jù)相比，本文方法能夠正確檢測到14個圖斑，漏檢1個圖斑，可通過高分辨率影像數(shù)據(jù)精確定位到變化圖斑。尤其對于輻射差異較大的影像數(shù)據(jù)，該方法具有較高的穩(wěn)健性。

綜上，基于高分辨率遙感影像數(shù)據(jù)的變化檢測技術(shù)可應(yīng)用于土地執(zhí)法監(jiān)測中，快速有效發(fā)現(xiàn)疑似新增違章，為后續(xù)的城市違章用地實地查處提供技術(shù)支撐。此外，該方法也可廣泛應(yīng)用于土地管理、退耕還林、城市規(guī)劃等領(lǐng)域。