王佳媛

（安徽省地質(zhì)礦產(chǎn)勘查局313 地質(zhì)隊(duì)，安徽 六安 237000）

1 引言

遙感技術(shù)與數(shù)據(jù)挖掘技術(shù)的集成，是近年來科研單位關(guān)注與研究的重點(diǎn)，使用后者對遙感圖像進(jìn)行處理，可以實(shí)現(xiàn)對源端信息的及時更新。目前，我國科研單位針對遙感圖像的研究大多仍局限在圖像分類、圖像處理等過程，在此過程中即便少數(shù)單位嘗試了對遙感圖像進(jìn)行測繪設(shè)計，但大部分設(shè)計成果也屬于單維度測繪。隨著現(xiàn)代化技術(shù)的優(yōu)化，現(xiàn)有技術(shù)空間觀測能力呈現(xiàn)一種逐步提高的趨勢，遙感圖像在市場內(nèi)的應(yīng)用范圍也逐步擴(kuò)大，如何使用計算機(jī)設(shè)備輔助現(xiàn)代化技術(shù)，對高頻率遙感圖像中的識別目標(biāo)進(jìn)行主動定位與立體測繪，成為社會新的研究點(diǎn)[1]。因此，有關(guān)單位設(shè)計了針對遙感圖像的立體測繪方法，但是為了滿足圖像的立體化測繪需求，通常情況下會使用多維度傳感器與攝像機(jī)獲取信息，按照此種方式獲取的遙感圖像，其中不僅攜帶大量噪聲，還存在較多的重疊區(qū)域[2]。

為了解決遙感圖像噪聲干擾問題，在現(xiàn)有研究成果基礎(chǔ)上，引進(jìn)了數(shù)據(jù)去噪處理技術(shù)，但不同技術(shù)在使用中受到的限制是不同的，部分技術(shù)在使用中還需要大量的算法計算作為支撐。為了實(shí)現(xiàn)對此方面研究成果的優(yōu)化，本文將引進(jìn)空間數(shù)據(jù)挖掘技術(shù)，進(jìn)行遙感圖像的立體測繪方法設(shè)計，以提高測繪成果的精度與分辨率，提升遙感圖像在社會中的使用價值。

2 基于空間數(shù)據(jù)挖掘的遙感圖像立體測繪方法

2.1 衛(wèi)星遙感影像選擇與測點(diǎn)布控

為實(shí)現(xiàn)對遙感圖像的三維立體化測繪，首先引入衛(wèi)星遙感技術(shù)，針對遙感影像進(jìn)行選擇，并實(shí)現(xiàn)對各個測點(diǎn)的布控?？紤]到遙感圖像的測繪需要，本文選擇的影像為利用WorldView 生成的同軌、同源分辨率多光譜2m 的衛(wèi)星原始影像。同時，為了確保獲取的衛(wèi)星遙感影像利用價值更高，其云層覆蓋率不超過10%，影像當(dāng)中相鄰的兩個景物之間重疊部分不得超過8%。按照上述標(biāo)準(zhǔn)完成對原始遙感影像的選擇后，能夠確保后續(xù)測繪的精度，并保證各個分區(qū)之間不會出現(xiàn)明顯的鑲嵌痕跡[3]。

針對單片原始遙感影像而言，其拍攝角度應(yīng)當(dāng)為側(cè)視角在-20°～＋20°范圍內(nèi)，并且在影像當(dāng)中太陽的高度角應(yīng)當(dāng)超過25°。除此之外，原始的遙感影像應(yīng)當(dāng)具備更加豐富的層次，并且影像當(dāng)中的地物基本結(jié)構(gòu)應(yīng)當(dāng)明顯，不可以出現(xiàn)光譜溢出或數(shù)據(jù)質(zhì)量變化幅度較大等問題，確保遙感影像的整體質(zhì)量，以此盡可能地避免原始遙感影像本身對后續(xù)測繪精度造成的影響。

在完成對原始遙感影像的選擇后，還需要實(shí)現(xiàn)對測點(diǎn)的全面布控。當(dāng)前針對衛(wèi)星遙感影像并沒有標(biāo)準(zhǔn)化的空三操作規(guī)范，因此，對于測點(diǎn)的布控也沒有相應(yīng)標(biāo)準(zhǔn)。針對這一問題，為提高測繪的規(guī)范化，在對測點(diǎn)布控時，采用如下方式完成：

在每幅原始遙感影像中選擇5 個或5 個以上的測控點(diǎn)，結(jié)合實(shí)際情況，確保在每平方千米的區(qū)域范圍不少于2 個測控點(diǎn)，控制點(diǎn)的布置應(yīng)當(dāng)從影像角、邊以及中心點(diǎn)等各個參數(shù)角度進(jìn)行設(shè)置。針對存在區(qū)域重疊的原始遙感影像，需要確保在重疊區(qū)域有共用點(diǎn)，并且在每隔10km 的距離內(nèi)必須存在一個共用測控點(diǎn)，以此按照上述標(biāo)準(zhǔn)完成對測點(diǎn)的布控。

2.2 遙感圖像分類處理

根據(jù)上述內(nèi)容，在實(shí)現(xiàn)對原始衛(wèi)星遙感影像的選擇以及對各個測點(diǎn)的布控后，引入空間數(shù)據(jù)挖掘技術(shù)，基于不同原則，對遙感圖像進(jìn)行分類處理。

應(yīng)用空間數(shù)據(jù)挖掘技術(shù)中的歸類學(xué)習(xí)法，該方法的應(yīng)用實(shí)質(zhì)是從大量經(jīng)驗(yàn)數(shù)據(jù)當(dāng)中，歸納總結(jié)得出一般判定規(guī)律，并結(jié)合規(guī)則完成對被分類對象的劃分[4]。本文被分類對象為遙感圖像，對其分類時，首先需要對訓(xùn)練例子集確定，并對每一個例子屬性在例子集中出現(xiàn)的概率進(jìn)行計算，同時針對決策樹結(jié)構(gòu)中產(chǎn)生的正例集和反例集消息源，明確所需的期望信息，其表達(dá)式為：

公式（1）中，I（p,n）表示為產(chǎn)生正例集和反例集所需的消息源期望信息；p表示為正例集數(shù)量；n表示為范例集數(shù)量。

根據(jù)上述內(nèi)容，進(jìn)一步分析得出正例集出現(xiàn)的概率為：正例集數(shù)量/（正例集數(shù)量+反例集數(shù)量）；反例集出現(xiàn)的概率為：反例集數(shù)量/（正例集數(shù)量+反例集數(shù)量）。對所有的正例集和反例集進(jìn)行遞歸，并形成決策樹。在應(yīng)用空間數(shù)據(jù)挖掘技術(shù)后，能夠?qū)崿F(xiàn)對遙感圖像的快速分類，并且分類匹配度能夠得到有效提升。但在應(yīng)用決策樹后，由于沒有良好的分類規(guī)則，只能針對遙感圖像中的離散屬性進(jìn)行處理，造成分類效果不理想。針對這一問題，嘗試將決策樹轉(zhuǎn)變?yōu)榈葍r的產(chǎn)生式規(guī)則，將這一規(guī)則帶入歸類學(xué)習(xí)算法中，以此實(shí)現(xiàn)對遙感圖像的分類處理。

2.3 遙感圖像立體測繪

在按照上述內(nèi)容完成對遙感圖像的分類處理后，進(jìn)行遙感圖像立體測繪。

在完成分類后，區(qū)域網(wǎng)中的平差精度已能夠充分符合導(dǎo)出立體圖像的要求。利用MapMatrix 系統(tǒng)完成對模型的導(dǎo)入工作，并在導(dǎo)入后，立即恢復(fù)模型的三維結(jié)構(gòu)。由于衛(wèi)星遙感影像具有覆蓋面積更廣的特點(diǎn)，因此若運(yùn)行的上位機(jī)具有良好性能，則可以不對立面結(jié)構(gòu)剪裁，從而進(jìn)一步減少接縫產(chǎn)生[5]。

MapMatrix 系統(tǒng)是武漢航天遠(yuǎn)景公司開發(fā)的基于航空數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)和外業(yè)測量數(shù)據(jù)等進(jìn)行多源空間信息綜合處理的平臺，不但為基礎(chǔ)數(shù)據(jù)生產(chǎn)、處理和加工提供了一系列集成的工具，而且該系統(tǒng)兼容性好，可以支持來自其他多種系統(tǒng)的空三成果，避免了用戶在數(shù)據(jù)轉(zhuǎn)換中帶來的麻煩。

在完成立體采集后，將其與航空影像一樣，對其視差進(jìn)行調(diào)整，從而確保立體效果符合預(yù)期[6]。完成采集后，將模型導(dǎo)入EPS 系統(tǒng)，并進(jìn)行編輯和外業(yè)調(diào)繪。結(jié)合外業(yè)實(shí)際情況，將各個需要明確的位置標(biāo)注在模型中，并用不同的顏色進(jìn)行區(qū)分，確保最終使用測繪圖像時，能夠更直觀地找出需要觀察的區(qū)域位置，進(jìn)一步提高測繪圖像的利用價值。

3 對比實(shí)驗(yàn)

為了證明本文設(shè)計的遙感圖像立體測繪方法的可行性與實(shí)用性，通過對比實(shí)驗(yàn)，對設(shè)計成果進(jìn)行檢驗(yàn)。以某城市道路為例，采用遙感測繪的方式開展實(shí)驗(yàn)。為節(jié)約實(shí)驗(yàn)前期準(zhǔn)備時間，避免測繪目標(biāo)數(shù)據(jù)集合量不足，實(shí)驗(yàn)前需要從Intel 網(wǎng)絡(luò)中的Google Maps 數(shù)據(jù)庫獲取樣本數(shù)據(jù)。此次下載的測試樣本共500 幅，每一幅圖像均具有高分辨率，可與城市街區(qū)GIS 地圖正確匹配。獲取的遙感圖像不僅包含了多種城市景觀，還含有城市道路信息。實(shí)驗(yàn)選擇提取分辨率＞1.0m 的圖像作為實(shí)驗(yàn)樣本對象，進(jìn)行不同圖像的截取處理，確保遙感圖像的目標(biāo)尺度范圍基本一致。經(jīng)過大規(guī)模的篩選，選擇80 幅圖像用于實(shí)驗(yàn)訓(xùn)練，剩余200 幅圖像用于后續(xù)測試與評估。

隨機(jī)選擇測試樣本中的一幅城市道路街區(qū)遙感圖像作為測試對象，將待處理的圖像導(dǎo)入Ryramid-Cut處理軟件，使用本文設(shè)計方法，對實(shí)驗(yàn)對象進(jìn)行多尺度分割處理。處理后，設(shè)定尺度個數(shù)為4，即L=4，尺度因子α=4，原始圖像與初步分割處理后的效果如圖1所示。

從圖1 可以看出，在大尺度測繪圖像下，城市道路的主體結(jié)構(gòu)部分被明顯劃分，小尺度部分（包括道路邊緣與測繪圖像中的建筑物等）被細(xì)致劃分。按照此種方式進(jìn)行測繪圖像的分割與分類處理，可以避免在立體測繪過程中出現(xiàn)非測繪目標(biāo)發(fā)生混淆的問題。

圖1 原始圖像與初步分割處理后的效果

完成上述處理后，在測繪圖像對應(yīng)尺度中隨機(jī)抽取樣本對象，建立一個相對完整的樣本庫，樣本庫中的數(shù)據(jù)或圖像應(yīng)具備典型性優(yōu)勢。使用空間數(shù)據(jù)挖掘技術(shù)，對樣本庫中的數(shù)據(jù)進(jìn)行深度挖掘處理，提取不同尺度的圖層進(jìn)行標(biāo)注，并根據(jù)圖像中的隱含層語義，進(jìn)行樣本迭代訓(xùn)練。將完成處理后的成果進(jìn)行生成處理，將立體測繪成果邊緣的粗糙度作為測試指標(biāo)，對訓(xùn)練樣本進(jìn)行立體測繪成果的生成，如圖2 所示。

圖2 遙感圖像空間平滑處理與生成立體標(biāo)記圖像

圖2 中，左側(cè)圖像為遙感圖像空間平滑處理結(jié)果，右側(cè)圖像為生成標(biāo)記的立體測繪圖像簡圖。從上述實(shí)驗(yàn)結(jié)果可以看出，本文設(shè)計的測繪方法可以實(shí)現(xiàn)對遙感圖像測繪成果的初步生成。

在證明本文設(shè)計方法具有一定可行性后，選擇基于改進(jìn)CenterNet 的圖像測繪方法作為傳統(tǒng)方法，分別使用兩種測繪方法，對測試樣本數(shù)據(jù)集合中的圖像進(jìn)行立體化測繪。隨機(jī)選擇測繪成果中的7 個連續(xù)點(diǎn)作為測試點(diǎn)，計算兩種測繪方法在生成立體測繪圖像后的分辨率。將連續(xù)點(diǎn)分辨率作為實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)結(jié)果如表1 所示。

從表1 的實(shí)驗(yàn)結(jié)果可以看出，本文測繪方法測繪成果的連續(xù)點(diǎn)分辨率大于傳統(tǒng)測繪方法測繪成果的連續(xù)點(diǎn)分辨率，并且在本文測繪方法的應(yīng)用下，多個連續(xù)點(diǎn)的分辨率相同，說明測繪成果圖像整體平滑度較高，不存在噪聲干擾，而傳統(tǒng)方法無法達(dá)到此要求。綜上所述，即可得出此次對比實(shí)驗(yàn)的結(jié)論：與基于改進(jìn)CenterNet 的遙感圖像立體測繪方法相比，本文設(shè)計的基于空間數(shù)據(jù)挖掘的遙感圖像立體測繪方法，在實(shí)際應(yīng)用中可以提高圖像連續(xù)點(diǎn)分辨率，保證圖像具有較高的平滑性。

表1 立體測繪成果連續(xù)點(diǎn)分辨率測試結(jié)果

4 結(jié)束語

本文從衛(wèi)星遙感影像選擇與測點(diǎn)布控、遙感圖像分類處理、測繪結(jié)果立體采集與編輯調(diào)繪三個方面，對基于空間數(shù)據(jù)挖掘的遙感圖像立體測繪方法展開設(shè)計研究。結(jié)果表明，在連續(xù)點(diǎn)1 時，本文方法的圖像立體測繪分辨率為580dpi，傳統(tǒng)方法的圖像立體測繪分辨率為512dpi，本文方法的分辨率明顯高于傳統(tǒng)方法，表明本文方法具有較高的圖像分辨率，在實(shí)際應(yīng)用中可以提高圖像連續(xù)點(diǎn)分辨率，保證圖像具有較高平滑性。因此，在后續(xù)研究中，可以使用本文設(shè)計方法代替?zhèn)鹘y(tǒng)方法，在市場廣泛推廣使用，提高我國科研成果的質(zhì)量，為經(jīng)濟(jì)社會發(fā)展提供更多技術(shù)支撐。