戴 晶

（無(wú)錫市國(guó)土空間規(guī)劃編制研究中心，江蘇無(wú)錫 214000）

引言

為了定期的了解區(qū)域內(nèi)地表的建筑情況、資源利用現(xiàn)狀，需要定期的對(duì)區(qū)域內(nèi)地表信息進(jìn)行提取與監(jiān)測(cè)，應(yīng)用遙感影像獲取技術(shù)，為整體的地表資源利用情況提供技術(shù)與數(shù)據(jù)保障[1]?；谝陨媳尘?，本文基于機(jī)載遙感影像處理技術(shù)，研究了一種地表覆蓋信息的提取方法，提高地表覆蓋信息數(shù)據(jù)的精準(zhǔn)性。

1 地表覆蓋信息的采集

1.1 尺度特征提取

在地表覆蓋信息的提取過程中，最基礎(chǔ)的環(huán)節(jié)是對(duì)地表覆蓋信息的空間尺度特征進(jìn)行分析與提取。在二維空間中，利用高斯卷積算法，實(shí)現(xiàn)實(shí)際待測(cè)信息的尺度與二維圖像尺度的對(duì)應(yīng)與轉(zhuǎn)化[2-3]，計(jì)算表示為：

式中，C（m，n）表示影像中的待測(cè)的位置的初始坐標(biāo)；*表示變換過程中的卷積計(jì)算；ε 表示待測(cè)位置的尺度坐標(biāo)。B（m，n，ε）表示待測(cè)位置坐標(biāo)經(jīng)過高斯卷積轉(zhuǎn)換得到的坐標(biāo)信息，該值還可以表示為：

為了使得到的影像某一位置的尺度特征更加穩(wěn)定，引入高斯尺度的相隔線型的比例因子ω，通過對(duì)影像的不同尺度特征的高斯差的分核計(jì)算，將鄰近的兩組尺度特征進(jìn)行圖像額卷積差處理，得到更加穩(wěn)定的影像的尺度特征。

1.2 紋理特征提取

紋理特征是地表覆蓋信息的主要特征之一，可以作為尺度特征的重要補(bǔ)充信息。該特征具體可以展現(xiàn)出待測(cè)影像的灰度信息及性質(zhì)，以及影像的空間關(guān)系特征，是同一質(zhì)感區(qū)域內(nèi)的一致性的體現(xiàn)以及范圍內(nèi)差異性的展現(xiàn)。將區(qū)域內(nèi)的空間結(jié)構(gòu)的不同，反映為紋理特征值的不同，是一種具有不穩(wěn)定性的特征[4]?，F(xiàn)進(jìn)行紋理特征相關(guān)變量的分析，表示為：

式中，d1，d2，d3，d4，d5分別表示紋理特征的相關(guān)性變量：角度矩，相關(guān)性，反差分矩，均值以及熵值；em、en分別表示均值差；fm、fn分別表示標(biāo)準(zhǔn)立方差。通過上述相關(guān)變量計(jì)算，可以描述影像的紋理特征。但由于地表物質(zhì)的類型不同，上述計(jì)算的特征區(qū)分與提取的能力與程度也不同[5]。因此，在提取特征前，需要確定計(jì)算的數(shù)量以及待測(cè)點(diǎn)識(shí)別的精度，才能得到更加精準(zhǔn)的紋理特征。區(qū)分能力的精度計(jì)算，表示為：

式中，?表示相鄰紋理特征信息的距離，當(dāng)該距離值越大的情況下，對(duì)不同類型紋理特征信息的識(shí)別能力越強(qiáng)。根據(jù)以上計(jì)算，提取精準(zhǔn)的地表覆蓋信息的紋理特征，為地表覆蓋信息的采集提供更精準(zhǔn)的識(shí)別特征。

2 地表覆蓋信息的處理

2.1 影像的配準(zhǔn)處理

為了精準(zhǔn)的對(duì)初步采集的影像信息進(jìn)行處理，需要確定影像的坐標(biāo)系，將不同角度影像進(jìn)行整合與統(tǒng)一。本文將影像的左上角，定義為系統(tǒng)的坐標(biāo)原點(diǎn)，坐標(biāo)原點(diǎn)向左的方向，為水平方向的正值，坐標(biāo)原點(diǎn)向上的方向，為豎直方向的正直。影像的坐標(biāo)單位，以影像的像素為基準(zhǔn)。基于定義的坐標(biāo)系，將影像進(jìn)行配準(zhǔn)處理，具體表現(xiàn)為通過對(duì)不同影像之間的幾何關(guān)系，按照?qǐng)D像中共有的元素額空間位置，進(jìn)行精準(zhǔn)的匹配，得到更加準(zhǔn)確的影響數(shù)據(jù)信息。設(shè)同一地表區(qū)域的兩組相鄰的影像為P、Q，在影像P 中，隨機(jī)提取兩處待測(cè)位置，分別表示為p1（m1，n1）、p2（m2，n2），進(jìn)行影像的角度配準(zhǔn)計(jì)算，表示為：

式中，α1表示兩待測(cè)位置，構(gòu)成的直線方位角。在影像Q 中，確定與影像P 中兩點(diǎn)對(duì)應(yīng)的同名點(diǎn)q1、q2，同上述計(jì)算，得到兩點(diǎn)的直線方位角α2。那么可以計(jì)算出這兩條直線之間的夾角，表示為α=α2-α1。從而得到無(wú)數(shù)條兩組影像之間直線的夾角表示為：

進(jìn)行不同影像之間的角度的配準(zhǔn)計(jì)算，進(jìn)行不同影像的重疊度配準(zhǔn)處理。設(shè)待處理的影像的寬度為R，在影像P、Q 中，隨機(jī)選取兩組影像的端點(diǎn)位置坐標(biāo)p3、p4、q3、q4。將影像進(jìn)行重疊度配準(zhǔn)計(jì)算，表示為：

式中，（m'，n'）表示經(jīng)過重疊配準(zhǔn)后，得到的影像待測(cè)位置的坐標(biāo)。根據(jù)上述計(jì)算，配準(zhǔn)處理的重疊度μ 可以表示為：

根據(jù)上述計(jì)算，經(jīng)過配準(zhǔn)處理，完成不同影像的坐標(biāo)系統(tǒng)的統(tǒng)一，與計(jì)量單位的統(tǒng)一，得到更精準(zhǔn)的地表覆蓋信息數(shù)據(jù)。

2.2 影像的融合處理

在采集數(shù)據(jù)配準(zhǔn)處理的基礎(chǔ)上，進(jìn)行影像的融合處理。在機(jī)載遙感影像中，包括了多種光譜，為了將光譜進(jìn)行統(tǒng)一，采用融合計(jì)算，將全色以及多光譜的影像進(jìn)行整合，提高信息數(shù)據(jù)的精準(zhǔn)性，避免后續(xù)的分割中有誤讀的情況，造成影像數(shù)據(jù)的缺失。利用主成分分析變換法，進(jìn)行影像數(shù)據(jù)的融合處理。設(shè)待測(cè)影像的多光譜的波段數(shù)為x，列出相應(yīng)的波段矩陣T，經(jīng)過矩陣的分析計(jì)算，得到融合處理的特征系數(shù)σr，將得到的所有的特征系數(shù)進(jìn)行升序排列，即σ1≤σ2≤……≤σx，可以得到每組影像的融合計(jì)算，表示為：

式中，u 表示影像不同分量的序列數(shù)；φu表示影像中的第個(gè)u 分量；ar表示待測(cè)位置的波段得到序列數(shù)；表示影像中第r 個(gè)分量對(duì)應(yīng)的波段；?r，u表示特征系數(shù)在r 行以及第u 列位置處的結(jié)果。通過上述計(jì)算，可以完成對(duì)不同波段影像的替換與融合，使處理后的影響呈現(xiàn)出色彩均勻，層次鮮明，紋理清晰的狀態(tài)，沒有重疊陰影與虛化圖像的現(xiàn)象，增強(qiáng)了提取地表覆蓋信息的精準(zhǔn)度與清晰度。

2.3 影像的去噪與分割

在機(jī)載遙感影像提取過程中，在周圍環(huán)境的影響下，影像數(shù)據(jù)會(huì)產(chǎn)生的噪聲，導(dǎo)致影像存在虛化、模糊等現(xiàn)象。為了去除這種影像，增強(qiáng)影像的空域特征與時(shí)域、頻域特征，現(xiàn)采用灰度調(diào)整法，對(duì)影像數(shù)據(jù)信息進(jìn)行去噪處理，計(jì)算表示為：

式中，m1、m2分別表示影像去噪處理前的灰度量；n1、n2分別表示影像去噪處理之后的灰度量；Y（m）表示線性灰度轉(zhuǎn)換函數(shù)。在一般的計(jì)算機(jī)中，相關(guān)顯示器的亮度的范圍，一般在[0，255]之間。在該值域范圍內(nèi)，選擇相應(yīng)的影像動(dòng)態(tài)系數(shù)。根據(jù)上述計(jì)算，將影像進(jìn)行去噪處理，得到更加清晰與精準(zhǔn)的地表覆蓋信息影像，完成基于遙感影像處理技術(shù)的地表覆蓋信息的提取，為測(cè)繪工程提供一種影像數(shù)據(jù)處理方法。

3 試驗(yàn)與檢測(cè)

3.1 試驗(yàn)準(zhǔn)備

為檢測(cè)本文設(shè)計(jì)的基于機(jī)載遙感影像處理的地表覆蓋信息提取技術(shù)的可行性與精準(zhǔn)性，設(shè)計(jì)了仿真模擬對(duì)比試驗(yàn)?；赪indows 系統(tǒng)的MeshLab 程序，搭建本次試驗(yàn)平臺(tái)。選擇Dell 作為試驗(yàn)平臺(tái)的服務(wù)器，系統(tǒng)的內(nèi)存為64 GB，運(yùn)存8 GB。在系統(tǒng)中接入MySQL 數(shù)據(jù)庫(kù)，做為平臺(tái)的數(shù)據(jù)管理、存儲(chǔ)中心。系統(tǒng)的開發(fā)語(yǔ)言為Python，便于爬取遙感影像數(shù)據(jù)。根據(jù)上文所述的影像的增強(qiáng)處理與分割處理，計(jì)算本次試驗(yàn)的影像增強(qiáng)處理參數(shù)以及分割參數(shù)，結(jié)果見表1。

表1 仿真對(duì)比試驗(yàn)的影像增強(qiáng)與分割參數(shù)表

3.2 試驗(yàn)結(jié)果與分析

在上述試驗(yàn)準(zhǔn)備的基礎(chǔ)上，進(jìn)行模擬試驗(yàn)。對(duì)于隨機(jī)的五組圖像，分別將本文設(shè)計(jì)的信息提取技術(shù)（試驗(yàn)組），與傳統(tǒng)的提取方法（對(duì)照組），通過上述試驗(yàn)平臺(tái)，進(jìn)行模擬的地表覆蓋信息的提取，記錄每組影像采集的圖斑數(shù)量，與實(shí)際的監(jiān)測(cè)信息進(jìn)行對(duì)比，結(jié)果見表2。

表2 每組影像采集的圖斑數(shù)量對(duì)比表

由上表可知，試驗(yàn)組對(duì)地表覆蓋信息的采集圖斑的數(shù)量均高于對(duì)照組，試驗(yàn)組對(duì)五組影像采集的圖斑正確率的平均值約為92.13%，對(duì)照組對(duì)五組影像采集的圖斑正確率的平均值約為77.12%，試驗(yàn)組比對(duì)照組高15.01%，表明本文設(shè)計(jì)的地標(biāo)覆蓋信息的提取方法具有更高的分辨率與精準(zhǔn)性。

為進(jìn)一步檢測(cè)信息提取技術(shù)的準(zhǔn)確性，分別計(jì)算五組地表覆蓋信息提取結(jié)果的總精度，結(jié)果見圖1。

圖1 五組地表覆蓋信息提取結(jié)果的總精度對(duì)比圖

由上圖可知，試驗(yàn)組方法對(duì)五組采集影像的信息提取結(jié)果的總精度，均低于對(duì)照組，分別低17.90%、16.72%、8.88%、27.9%、15.72%，試驗(yàn)組的準(zhǔn)確度更高。綜上所示，本文設(shè)計(jì)的基于機(jī)載遙感影像處理的地表覆蓋信息的提取技術(shù)，具有可行性與精準(zhǔn)性，對(duì)信息數(shù)據(jù)的采集更加精確化細(xì)節(jié)化，對(duì)信息數(shù)據(jù)的處理使結(jié)果的精度有了明顯的提高，為影像數(shù)據(jù)信息的提取、分類、分割提供了有效的基礎(chǔ)支持，加速了地理監(jiān)測(cè)等有關(guān)項(xiàng)目的發(fā)展進(jìn)程，實(shí)現(xiàn)了智能化、精準(zhǔn)化的地表覆蓋信息的測(cè)繪功能。

4 結(jié)論

隨著科技的飛速發(fā)展，現(xiàn)有的地表覆蓋數(shù)據(jù)的提取技術(shù)不斷地更新與優(yōu)化，結(jié)合遙感影像數(shù)據(jù)以及地表物質(zhì)的高程數(shù)據(jù)，經(jīng)過智能化地分類與處理，得到精準(zhǔn)的地表數(shù)據(jù)信息。為我國(guó)地理監(jiān)測(cè)等相關(guān)部門提供技術(shù)支持，為整體的發(fā)展建設(shè)奠定精準(zhǔn)可靠的數(shù)據(jù)基礎(chǔ)，以此來實(shí)現(xiàn)我國(guó)生態(tài)建設(shè)、社會(huì)建設(shè)以及經(jīng)濟(jì)建設(shè)的可持續(xù)發(fā)展目標(biāo)。