韓 揚(yáng),元偉濤,賴忠平,程世秀,劉文可

(1. 山東省地質(zhì)礦產(chǎn)勘查開發(fā)局第四地質(zhì)大隊(duì)山東省地礦局海岸帶地質(zhì)環(huán)境保護(hù)重點(diǎn)實(shí)驗(yàn)室,山東 濰坊 261021; 2. 濰坊學(xué)院建筑工程學(xué)院,山東 濰坊 261021; 3. 汕頭大學(xué)海洋科學(xué)研究院,廣東 汕頭 515063 )

雅丹地貌是干旱區(qū)特有的風(fēng)蝕地貌。雅丹形態(tài)特征能反映雅丹地貌的發(fā)育過程和演化階段[1]。雅丹形態(tài)學(xué)研究的發(fā)展體現(xiàn)為獲取手段的提高,即由最初的簡單形態(tài)描述,到后來的實(shí)地量測,再發(fā)展到如今的基于高分辨率影像的量算和定量提取[1-2]。

現(xiàn)有雅丹形態(tài)的提取方法中,高精度、低成本的方法很少。文獻(xiàn)[1]首次將Canny算法應(yīng)用于雅丹地貌邊界提取的研究中,采用15 m空間分辨率的Landsat 8全色波段影像數(shù)據(jù)提取了雅丹地貌邊界,但15 m的空間分辨率對于中小型雅丹地貌邊界提取顯然偏低[1]。文獻(xiàn)[2]將面向?qū)ο蟮姆椒☉?yīng)用于雅丹地貌邊界提取中,雖然精度較高,但提取過程較煩瑣[2]。

高空間分辨率影像在提供大量豐富地物信息的同時,也不可避免地包含一些冗余噪聲 (如雅丹地貌表面的線性紋理、表面和周圍的陰影等)。在使用Canny算法進(jìn)行雅丹地貌邊緣檢測時,這些噪聲很難通過傳統(tǒng)的方法 (改變高斯半徑和雙閾值) 消除[2]。

鑒于單一高空間分辨率雅丹地貌邊界提取方法的不足,本文提出一種將重采樣的多空間分辨率影像和Canny算法相結(jié)合的雅丹地貌邊界提取方法。

1 研究方法

1.1 遙感影像數(shù)據(jù)

選取甘肅敦煌北部雅丹地貌區(qū)5.04 km2的Google Earth 影像,數(shù)據(jù)來源于免費(fèi)圖像下載器 (91衛(wèi)圖助手)。影像成像時間為2016年5月,空間分辨率1.19 m,WGS-84 Web Mercator Auxiliary Sphere 投影。

1.2 重采樣

重采樣就是將一類像元根據(jù)一定的數(shù)學(xué)表達(dá)公式內(nèi)插為另一類像元的過程。遙感中的重采樣是由高分辨率遙感影像提取出低分辨率影像的過程[3]。本文采用雙線性內(nèi)插法實(shí)現(xiàn)原始影像數(shù)據(jù)的重采樣。該方法具有低通濾波效果,邊緣受到平滑處理[4-5]。將原始Google Earth 影像重采樣為6種不同的空間分辨率(3、5、8、10、12、15 m)的影像。

1.3 彩色圖像灰度化

由于Canny算法提取地物邊緣是基于單波段的灰度圖像完成的,本文所用的RGB彩色圖像在邊緣提取前必須轉(zhuǎn)化為灰度圖像[6-7]。RGB彩色圖像向灰度圖像的轉(zhuǎn)換是基于加權(quán)平均的方法完成的[8-9],對彩色圖像中RGB賦予的權(quán)重分別為:0.299、0.587、0.111 4[10]。

1.4 Canny算法提取雅丹地貌邊界

Canny邊緣檢測算法于1986年由Canny等提出,被廣泛應(yīng)用于圖像變化檢測和地物邊緣查找[11-12]。相對于傳統(tǒng)的邊緣檢測算子,Canny算法可以盡可能多地標(biāo)記原始圖像中的實(shí)際邊緣,提取的邊緣與原始圖像中的實(shí)際邊緣更接近[13]。

1.5 雅丹地貌邊界提取結(jié)果處理

為確保雅丹地貌邊界提取結(jié)果的完整性和準(zhǔn)確性,利用Canny算法提取雅丹地貌邊界后,還需如下人工編輯操作步驟:①基于不同空間分辨率影像的Canny邊界提取結(jié)果,選取完整閉合的,或U形、V形雅丹地貌邊界;②將所有雅丹地貌邊界合并,對于同一處邊界,若兩種空間分辨率影像都能提取到其邊界,則保留高空間分辨率影像提取結(jié)果;③連接斷點(diǎn),拓?fù)錂z查,確保每個雅丹地貌邊界均是封閉的線,將所有邊界線轉(zhuǎn)換為區(qū)。最終雅丹地貌邊界提取結(jié)果如圖1 所示。

圖1 基于Google Earth影像的Canny算法雅丹地貌邊界提取結(jié)果

2 基于混淆矩陣的精度評價

2.1 精度評價指標(biāo)

利用混淆矩陣可以計(jì)算總體分類精度評價指標(biāo),如總體分類精度 (overall accuracy,OA)、Kappa系數(shù),以及單個類別的分類精度評價指標(biāo),如生產(chǎn)者精度(producer’s accuracy,PA)、用戶精度(user’s accuracy,UA)[14-15]。

2.2 樣本點(diǎn)選取

采用采樣隨機(jī)選點(diǎn)的方式選取用于精度評價的樣本點(diǎn)[16]。為保證精度評價結(jié)果的可靠性,樣本點(diǎn)的選取必須滿足兩個條件:每一類別的樣本點(diǎn)不少于50個[17];最少樣本點(diǎn)總量(n)的計(jì)算必須滿足95%置信區(qū)間[16]。

為檢驗(yàn)雅丹地貌邊界提取效果,將本文提取結(jié)果與面向?qū)ο蟮奶崛》椒ㄟM(jìn)行對比[2]。面向?qū)ο蠓椒ㄟx取了8種不同的分割尺度 (34、52、80、114、138、145、208、257),采用最鄰近特征法進(jìn)行分類,最終分為3類:雅丹地貌邊界、雅丹地貌邊界之間的通道、雅丹地貌邊界陰影。基于選取樣本點(diǎn)計(jì)算的精度指標(biāo)如圖2所示。

圖2 基于不同分割尺度的面向?qū)ο蠓诸惙椒ê虲anny邊界提取算法精度評價結(jié)果對比

3 討 論

3.1 Canny邊界提取精度評價結(jié)果

盡管無法識別陰影,Canny邊界提取方法的總體精度為89.23%,Kappa系數(shù)為0.72,這一結(jié)果與面向?qū)ο蠓椒ǖ闹械确指畛叨?138)取得的精度結(jié)果相近。由于人工選取邊界能夠消除將沙丘錯分為雅丹地貌對分類精度的影響,因此Canny邊界提取方法的用戶精度(87.55%)明顯高于面向?qū)ο蟮姆椒?。但是Canny邊界提取方法的生產(chǎn)者精度(71.99%)很低,與面向?qū)ο蠓椒ㄖ凶畲蠓指畛叨?257)相近,說明該方法雅丹地貌被漏分的概率明顯高于面向?qū)ο蟮姆椒ā?/p>

3.2 不同空間分辨率對雅丹地貌邊界提取結(jié)果的影響

使用重采樣方法,通過原始影像降低空間分辨率產(chǎn)生的平滑效應(yīng),能夠有效地減少雅丹地貌表面的光譜差異,提取的邊界更完整。Canny邊界提取方法在不同空間分辨率影像下的雅丹地貌邊界提取結(jié)果如圖3所示?？梢钥闯?隨著空間分辨率的降低,影像包含的信息量也在不斷減少,雅丹地貌邊界也變得越來越清晰。分析提取雅丹地貌邊界的總長度與影像空間分辨率之間的關(guān)系(如圖4所示)可知,隨著空間分辨率的降低,Canny邊界算法提取的雅丹地貌邊界總長度呈明顯的對數(shù)遞減趨勢(R2=0.904)。

圖3 Canny邊界提取方法在不同空間分辨率影像下的雅丹地貌邊界提取結(jié)果

影像的空間分辨率對Canny算法提取的雅丹地貌邊界影響很大。對于同一處雅丹地貌邊界,若不同空間分辨率的影像都能提取完整的邊界,則高空間分辨率影像提取的雅丹地貌邊界準(zhǔn)確度將更高。對于大型雅丹地貌,隨著空間分辨率的降低,邊界越來越清晰。文獻(xiàn)[18]認(rèn)為影像空間分辨率與提取地物精度呈線性關(guān)系。本文分析了雅丹地貌邊界與影像空間分辨率之間的關(guān)系。由圖4(b)可以看出,使用Canny邊界提取算法,提取雅丹地貌邊界的中位數(shù)寬度與影像空間分辨率呈很好的線性關(guān)系(R2=0.95)。

4 結(jié) 論

(1)本文提出了基于多空間分辨率Google Earth影像和Canny邊界提取算法的雅丹地貌邊界提取方法。由提取結(jié)果可以明顯地看出,隨著影像空間分辨率的增大,雅丹體表面的噪聲逐漸減少,雅丹地貌邊界越來越清晰。

(2)采用混淆矩陣的方法,對多空間分辨率的Canny邊界提取方法的邊界提取結(jié)果進(jìn)行精度評價。結(jié)果表明,盡管無法識別陰影,但基于Canny的邊界提取算法總體精度為89.23%,Kappa系數(shù)為0.72,這一結(jié)果與中等分割尺度 (138)的面向?qū)ο蠓指钐崛》椒ㄏ嘟?/p>

(3)基于Canny邊界提取算法,將原始高分辨率Google Earth影像重采樣到一系列低分辨率影像,以降低噪聲。隨著影像空間分辨率的降低,提取雅丹地貌邊界總長度呈對數(shù)遞減 (R2=0.904)的趨勢。提取雅丹地貌邊界的中位數(shù)寬度與影像的空間分辨率呈線性關(guān)系(R2=0.95)。