李志超,王欽軍,2,3,謝靜靜

(1. 海南空天信息研究院,海南省地球觀測重點(diǎn)實(shí)驗(yàn)室,海南 三亞 572029;2. 中國科學(xué)院空天信息創(chuàng)新研究院數(shù)字地球重點(diǎn)實(shí)驗(yàn)室,北京 100094;3. 中國科學(xué)院大學(xué),北京 101408;4.浙江省測繪科學(xué)技術(shù)研究院時(shí)空大數(shù)據(jù)所,浙江 杭州 311100)

0 引言

地質(zhì)災(zāi)害是指在地球的發(fā)展演化過程中,由于各種自然地質(zhì)作用和人類活動(dòng)所形成的災(zāi)害性地質(zhì)事件[1]。海南島地處熱帶地區(qū),地質(zhì)災(zāi)害常集中發(fā)生于夏秋季節(jié)熱帶氣旋、強(qiáng)對流天氣等帶來的強(qiáng)降雨期的中后期,具有集中式、群發(fā)式、累積性及相對滯后性等特點(diǎn)[1-6]。傳統(tǒng)地質(zhì)災(zāi)害信息獲取手段較為有限,需要大量的人力物力進(jìn)行巡查、記錄,具有較大的時(shí)間空間限制[1-6]。因此探索新的方法進(jìn)行地質(zhì)災(zāi)害信息的獲取,對當(dāng)?shù)氐刭|(zhì)災(zāi)害防治工作起著十分重要的作用。

近年來,遙感技術(shù)廣泛應(yīng)用于地質(zhì)災(zāi)害相關(guān)信息的提取[7-9]。目前常見的方法有4種:①基于目視解譯的地質(zhì)災(zāi)害信息提取方法[7],該方法提取精度高、可靠性強(qiáng)[9-11],然而,基于目視解譯的提取方法效率低,對于解譯人員專業(yè)知識和經(jīng)驗(yàn)要求較高,自動(dòng)化程度低,較高的依賴于人機(jī)交互;②基于像元的地質(zhì)災(zāi)害信息提取方法,高分辨率遙感數(shù)據(jù)具有豐富的光譜信息、精細(xì)的地物細(xì)節(jié)信息以及清晰的紋理信息[12-14]。許多學(xué)者運(yùn)用基于像元的分類方法結(jié)合輔助信息數(shù)據(jù)(如DEM等)進(jìn)行地質(zhì)災(zāi)害信息的提取[15-16]。由于受到相似地物的干擾,基于像元的提取方法識別精度較低;③基于面向?qū)ο蟮牡刭|(zhì)災(zāi)害信息提取方法,以影像分割技術(shù)為基礎(chǔ),以“對象”為基本處理單元[17-19]。將具有相似特征的相鄰像元組合分析,根據(jù)影像空間結(jié)構(gòu)與分割尺度決定“對象”大小,來進(jìn)行地質(zhì)災(zāi)害信息的提取[20]。此類方法受限于分割精度,需要不斷試驗(yàn)優(yōu)化分割尺度以及參數(shù);④基于圖像處理技術(shù)的地質(zhì)災(zāi)害信息提取方法,主要是移植一些基于視覺感知、視覺注意等方式的圖像處理技術(shù)[21],進(jìn)行地質(zhì)災(zāi)害信息的提取[22]。然而現(xiàn)階段的圖像處理手段移植到遙感影像中不能很好地適用,需要進(jìn)行進(jìn)一步改進(jìn)。

本文選取高分辨率遙感影像,嘗試基于計(jì)算機(jī)視覺技術(shù)進(jìn)行地質(zhì)災(zāi)害信息的提取方法研究,以期為快速、高效、精確、智能化提取地質(zhì)災(zāi)害提供新途徑。

1 研究方法

1.1 計(jì)算機(jī)視覺顯著性分析及模型

人類的視覺系統(tǒng)相當(dāng)復(fù)雜,在接收大量外界信息后,可以對所獲得的信息進(jìn)行快速篩選、提取,過濾無用信息。對于這種自發(fā)的信息過濾方式,研究者稱之為注意力機(jī)制[23]。在面對復(fù)雜場景時(shí),人的視覺系統(tǒng)能夠?qū)⒆⒁饬性趲讉€(gè)顯著的目標(biāo)對象上,優(yōu)先進(jìn)行處理[24]?；谝曈X注意優(yōu)先處理顯著性目標(biāo)的機(jī)制,特別適用于圖像處理中的信息快速提取。視覺注意機(jī)制主要包括兩大類別,一類是自底向上注意機(jī)制,受感知數(shù)據(jù)驅(qū)動(dòng),將人的視線或關(guān)注點(diǎn)導(dǎo)向感知場景中的顯著區(qū)域,這些顯著區(qū)域往往與周圍信息有明顯不同的特性,如顏色、形狀、亮度等;另一類則是自頂向下的注意機(jī)制,受人本身認(rèn)知因素決定,受任務(wù)驅(qū)動(dòng),根據(jù)預(yù)期的一些信息獲取關(guān)注區(qū)域[24]。

受到人類視覺系統(tǒng)注意機(jī)制的啟發(fā),研究人員對于運(yùn)用機(jī)器進(jìn)行圖像自動(dòng)處理與認(rèn)知過程中引入了模擬人類視覺感知的過程[23]。計(jì)算機(jī)視覺是指利用計(jì)算機(jī)及相關(guān)設(shè)備模擬生物視覺,進(jìn)行信息的獲取。圖像顯著性分析是指針對一副或多幅包含復(fù)雜信息的圖像,迅速選擇感興趣的目標(biāo)區(qū)域,并對其進(jìn)行處理和分析。利用顯著性分析可以快速篩選目標(biāo)區(qū)域,提升處理效率[9]。

目前大多較為成熟的計(jì)算機(jī)視覺算法模型是自底向上的,包括Itti算法、AC算法、SR算法、GBVS算法等[24]。其中,Itti算法是Itti等人[25]于1998年提出的基于顯著性的視覺注意模型,基本步驟有三步:首先是輸入RGB圖像,初步提取顏色、亮度、方向特征等,生成各顯著特征圖;然后將各顯著特征圖進(jìn)行歸一化,融合形成最終的顯著圖;最終采用生物學(xué)中的贏者取全機(jī)制,引導(dǎo)提取圖像中顯著空間位置[24]。Itti經(jīng)典模型算法如圖1所示,該算法模型基于底層視覺特征模擬生物視覺注意機(jī)制,模型較為完善,最為經(jīng)典,具有良好的普適性[24],進(jìn)行相應(yīng)改造,即可符合本文預(yù)期的目標(biāo)。

圖1 Itti經(jīng)典模型算法示意圖

1.2 地質(zhì)災(zāi)害信息提取算法模型

基于高分辨率遙感影像進(jìn)行地質(zhì)災(zāi)害信息的提取,在進(jìn)行遙感影像預(yù)處理以后,引入Itti模型,建立總顯著圖后,根據(jù)不同地質(zhì)災(zāi)害的特征采用多特征層次分析,進(jìn)行地質(zhì)災(zāi)害信息的提取,使得算法面對不同的地質(zhì)災(zāi)害類型時(shí)通用性更好,具體地質(zhì)災(zāi)害信息提取流程如圖2所示。

圖2 地質(zhì)災(zāi)害信息提取流程圖

1.2.1 技術(shù)流程

深入分析海南島主要的三類地質(zhì)災(zāi)害(滑坡、泥石流、崩塌)的成因以及在高分辨率遙感影像上的色調(diào)、空間形態(tài)等表現(xiàn)特征,提出一種基于視覺顯著性的地質(zhì)災(zāi)害信息自動(dòng)提取方法。如圖3所示,主要技術(shù)流程如下:

圖3 技術(shù)流程圖

1)對原始影像進(jìn)行預(yù)處理,包括幾何校正、圖像配準(zhǔn)、波段融合以及簡單的影像色調(diào)調(diào)整等。

2)對各類地質(zhì)災(zāi)害成因以及遙感影像表現(xiàn)特征進(jìn)行分析,獲取可行的特征參量(色調(diào)、空間形態(tài))。

3)根據(jù)相應(yīng)災(zāi)害類型的特征參量,引入Itti模型算法,生成總顯著圖D1。

使用Itti算法模型構(gòu)建圖像的亮度金字塔、顏色金字塔和方向金字塔,然后用中央-周邊(C-S)特征差異分解這三類金字塔,得到亮度、顏色和方向的特征圖,最后通過多尺度融合歸一化技術(shù)獲得對應(yīng)的顯著圖,將這些顯著圖相加得到最終總顯著圖[24,26]。使用的具體公式如下:

多尺度影像高斯金字塔構(gòu)建公式:

(1)

式中:σ∈{0,1,2…,8}為金字塔的層數(shù)(尺度)。

亮度顯著圖構(gòu)建公式:

(2)

式中:IC為亮度顯著圖,⊕為將多個(gè)圖像調(diào)整到統(tǒng)一尺寸后相加的操作,N()為一種標(biāo)準(zhǔn)化操作,I(c,s)為亮度特征圖[24-26]。

顏色顯著圖構(gòu)建公式:

(3)

式中:CC為顏色顯著圖,RG(c,s)為紅-綠顏色特征圖,BY(c,s)為藍(lán)-黃顏色特征圖[24-26]。

方向顯著圖構(gòu)建公式:

(4)

式中:OC為方向顯著圖,θ為表示方向,θ∈{0°,45°,90°,135°},O(c,s,θ)為方向特征圖[24-26]。

總顯著圖構(gòu)建公式:

(5)

式中:S為總顯著圖。

4)引入多特征層次分析,災(zāi)害空間形態(tài)參量閾值,對總顯著圖進(jìn)行處理,得到中間提取結(jié)果D2。

5)根據(jù)D2提取結(jié)果,結(jié)合不同影像數(shù)據(jù)自身特征,對各類地質(zhì)災(zāi)害的兩類特征參量進(jìn)行優(yōu)化。

由于存在多個(gè)研究區(qū),選取多幅遙感影像數(shù)據(jù),拍攝時(shí)間、地點(diǎn)、傳感器不同,根據(jù)實(shí)際影像以及處理結(jié)果,對特征參量的閾值進(jìn)行優(yōu)化,減少誤差,以提高地質(zhì)災(zāi)害信息提取精度。

6)最終獲得地質(zhì)災(zāi)害信息提取結(jié)果D3。

1.2.2 地質(zhì)災(zāi)害特征分析

根據(jù)所獲取的高分辨率遙感影像數(shù)據(jù),對海南島主要地質(zhì)災(zāi)害(滑坡、泥石流、崩塌)進(jìn)行特征分析,主要包括災(zāi)害的色調(diào)特征以及空間形態(tài)特征。

1)滑坡特征分析

滑坡是指斜坡上的巖體或土體在地震或者強(qiáng)降雨后,受重力作用沿著坡體,整體或部分向下滑動(dòng)的現(xiàn)象。在遙感影像上,滑坡色調(diào)與周圍地物存在較為明顯的區(qū)別。海南島位于熱帶地區(qū),植被茂密,滑坡出現(xiàn)往往呈現(xiàn)出新鮮的土壤顏色,以黃色、土黃色為主,與周圍綠色植被存在顯著差異(圖4)。

圖4 研究區(qū)滑坡遙感影像

滑坡形狀較為多變,呈現(xiàn)出舌形、橢圓形、長椅形、牛角形、平行四邊形、菱形等,沒有較為統(tǒng)一的形態(tài),如圖5所示[27]。道路、房屋等人工建筑則具有較為規(guī)整統(tǒng)一的形狀。因此結(jié)合色調(diào)特征、空間形態(tài)特征,可以較好地將滑坡與其他地物進(jìn)行區(qū)分。

圖5 滑坡形態(tài)[27]

2)泥石流特征分析

泥石流是在山區(qū)或其他地形較為陡峭的地區(qū),經(jīng)強(qiáng)降雨或其他自然災(zāi)害引發(fā)的攜帶大量泥沙以及石塊的特殊洪流。海南島降雨較為集中,常受熱帶氣旋影響,山區(qū)較易出現(xiàn)泥石流。泥石流災(zāi)害區(qū)色調(diào)較雜,多呈灰白、黃色,與周圍綠色植被存在顯著差異(圖6)。

圖6 研究區(qū)泥石流遙感影像

典型的泥石流在影像上多表現(xiàn)為漏斗形,到底部逐漸變細(xì),呈細(xì)窄的流道,具有明顯的空間形態(tài)特征。因此結(jié)合色調(diào)特征、空間形態(tài)特征,可以較好地將滑坡與其他地物進(jìn)行區(qū)分。

3)崩塌特征分析

崩塌多分布在山谷、河流、道路等陡峭邊坡地段,一般是由于陡坡上的巖土受重力作用脫離山體,發(fā)生崩裂、滾動(dòng)造成的。在遙感影像上崩塌區(qū)域與周圍區(qū)域色差較明顯,多呈現(xiàn)黃褐色、灰白色(圖7)。

圖7 研究區(qū)崩塌遙感影像

空間形態(tài)上一般為漏斗狀,呈片狀分布,崩塌前沿一般有較明顯的落石?？臻g形態(tài)具有較好的區(qū)分性。因此結(jié)合色調(diào)特征、空間形態(tài)特征,可以較好地將崩塌與其他地物進(jìn)行區(qū)分。

1.3 精度評價(jià)

為了定量評價(jià)所采取方法的準(zhǔn)確性,需要對提取的災(zāi)害進(jìn)行精度評價(jià)。分類精度的主要指標(biāo)有正確率、誤提率、漏檢率。正確率是指正確分類的數(shù)量占總數(shù)的比例。

誤提率是指錯(cuò)誤提取的數(shù)量占總數(shù)的比例。

漏檢率是指遺漏的數(shù)量占總數(shù)的比例。

本文提取出來的信息分類見表1。

表1 提取信息分類表

2 實(shí)驗(yàn)與分析

2.1 研究區(qū)

海南島位于熱帶地區(qū),以熱帶季風(fēng)氣候?yàn)橹鳌Ｕw地貌呈穹隆狀,以海拔最高的中部五指山區(qū)為中心,向四周外圍逐級遞降。受季風(fēng)和地貌影響,降水較為集中,尤為集中在夏秋雨季,以及熱帶氣旋帶來的強(qiáng)降雨,且降雨東多西少。受氣候、地貌影響,海南島地質(zhì)災(zāi)害也具有集中式、群發(fā)式、累積性及相對滯后性等特點(diǎn)[1-6]。

根據(jù)《海南省2020年度地質(zhì)災(zāi)害防治工作方案》得知,2020年初,海南島實(shí)有地質(zhì)災(zāi)害隱患點(diǎn)195處,小型188處,中型6處,特大型1處。直接威脅人口3 570人,威脅資產(chǎn) 25 402 萬元,主要威脅對象為高速鐵路、公路和山區(qū)村莊群眾生命財(cái)產(chǎn)等。地質(zhì)災(zāi)害類型為崩塌136處,滑坡31處,泥石流10處(含泥石流—滾石復(fù)合型1處),不穩(wěn)定斜坡17處,地面塌陷1處。集中分布于海南島中南部降雨量較大的9個(gè)山地丘陵區(qū)市縣[2]。

結(jié)合海南島主要地質(zhì)災(zāi)害分布,本研究選取4處典型地質(zhì)災(zāi)害點(diǎn)較為集中區(qū)域,作為研究區(qū)(圖8),進(jìn)行基于計(jì)算機(jī)視覺的地質(zhì)災(zāi)害信息提取方法研究。

注:該圖根據(jù)海南測繪地理信息局海南省地圖(簡版)1∶1000000數(shù)據(jù)制作,審圖號為瓊S(2023)131號,底圖無修改

2.2 實(shí)驗(yàn)數(shù)據(jù)

根據(jù)所選研究區(qū)范圍,獲取多種類型的遙感影像數(shù)據(jù),包括高分二號、WorldView-2/3、Pleiades等影像數(shù)據(jù)。這些衛(wèi)星均屬亞米級高分辨率遙感衛(wèi)星,分辨率較高、空間信息量大、地質(zhì)災(zāi)害信息特征較為明顯,適宜于計(jì)算機(jī)進(jìn)行識別。具體實(shí)驗(yàn)數(shù)據(jù)見表2。

表2 實(shí)驗(yàn)數(shù)據(jù)表

2.3 地質(zhì)災(zāi)害提取實(shí)驗(yàn)

2.3.1 滑坡提取實(shí)驗(yàn)

滑坡提取實(shí)驗(yàn)主要選取昌江、三亞-樂東兩處研究區(qū)的滑坡樣本。

其中三亞-樂東研究區(qū)的遙感影像選用的是2019年5月20日的WorldView-3影像(圖9(a))。對影像進(jìn)行預(yù)處理以后,通過Itti算法模型、多特征層次分析處理得到中間提取結(jié)果圖(圖9(b)),分析中間提取結(jié)果圖,進(jìn)行特征閾值優(yōu)化,對滑坡進(jìn)行框選,形成滑坡提取結(jié)果圖(圖9(c))。根據(jù)目視解譯得知該研究區(qū)共1處滑坡,已提出,無誤提。

(a)三亞-樂東研究區(qū)影像

2.3.2 泥石流提取實(shí)驗(yàn)

泥石流提取實(shí)驗(yàn)主要選取白沙、陵水兩處研究區(qū)的泥石流樣本。

其中位于陵水的研究區(qū)的遙感影像來自2019年1月26日的WorldView-3影像(圖10(a))。實(shí)驗(yàn)方法同滑坡實(shí)驗(yàn),具體實(shí)驗(yàn)結(jié)果如圖10(b)、圖10(c)所示。根據(jù)目視解譯得知該研究區(qū)共1處泥石流,已提出,無誤提。

(a)陵水研究區(qū)影像

2.3.3 崩塌提取實(shí)驗(yàn)

崩塌提取實(shí)驗(yàn)主要選取白沙研究區(qū)的崩塌樣本。

白沙研究區(qū)的遙感影像來自2019年5月20日的Pleidades影像(圖11(a))。實(shí)驗(yàn)方法同滑坡實(shí)驗(yàn),具體實(shí)驗(yàn)結(jié)果如圖11(b)、圖11(c)所示。根據(jù)目視解譯得知該研究區(qū)共1處崩塌,已提出,無誤提。

(a)白沙研究區(qū)影像

2.4 提取結(jié)果與分析

根據(jù)建立的地質(zhì)災(zāi)害信息提取算法模型,對位于白沙、昌江、三亞-樂東以及陵水研究區(qū)的地質(zhì)災(zāi)害進(jìn)行提取,提取災(zāi)害類型包含滑坡、泥石流、崩塌三類,地質(zhì)災(zāi)害總面積為244 449.75 m2,災(zāi)害點(diǎn)共計(jì)8處。通過目視解譯獲取研究區(qū)范圍內(nèi)各類地質(zhì)災(zāi)害的分布情況,以此作為算法模型提取結(jié)果的參考。具體提取結(jié)果見表3。

表3 提取結(jié)果表

根據(jù)所擬定的精度評價(jià)標(biāo)準(zhǔn),對正確率、誤提率、漏檢率進(jìn)行運(yùn)算,對算法精度進(jìn)行評價(jià)。具體結(jié)果見表4。

表4 精度情況表

匯總統(tǒng)計(jì)所提取的各類地質(zhì)災(zāi)害,正確率為89.85%,無漏檢,整體精度較好。對各災(zāi)害類型提取精度進(jìn)行單獨(dú)分析,研究區(qū)內(nèi)的滑坡與崩塌均正確提取,無漏提,無誤提;泥石流存在誤提,無漏提。通過目視解譯分析泥石流災(zāi)害提取中的誤提結(jié)果,發(fā)現(xiàn)誤提的地物主要為正在施工的道路,與泥石流色調(diào)、空間形態(tài)較為相似。

通過實(shí)驗(yàn)驗(yàn)證,地質(zhì)災(zāi)害信息提取算法模型擁有良好的普適性,多處研究區(qū)、多種災(zāi)害類型以及多源遙感影像均可使用該算法模型。算法模型在精度方面,基本無漏檢,優(yōu)先保障地質(zhì)災(zāi)害點(diǎn)位的全提取;存在一定程度的誤提,但數(shù)量較少,實(shí)際使用時(shí),可在進(jìn)行自動(dòng)提取后,稍加人機(jī)交互,降低誤差。

3 結(jié)論

本文利用多源遙感影像數(shù)據(jù),基于計(jì)算機(jī)視覺,運(yùn)用視覺顯著性以及多特征層次分析,進(jìn)行地質(zhì)災(zāi)害信息的自動(dòng)提取方法研究。匯總分析色調(diào)特征、空間形態(tài)特征以及不同衛(wèi)星影像的特征,進(jìn)行多區(qū)域,多災(zāi)害類型、多源影像算法實(shí)驗(yàn)驗(yàn)證,取得了較好的效果。主要結(jié)論如下:

1)研究獲取了熱帶地區(qū)主要地質(zhì)災(zāi)害(滑坡、泥石流、崩塌)的高分辨率遙感影像表現(xiàn)特征,主要是色調(diào)以及空間形態(tài),相關(guān)特征參量可為其他熱帶地區(qū)相關(guān)地質(zhì)災(zāi)害信息的提取提供幫助。

2)處理高分辨率多源遙感影像數(shù)據(jù),進(jìn)行地質(zhì)災(zāi)害信息的自動(dòng)化提取,是一種可以移植相應(yīng)的計(jì)算機(jī)圖像的處理方式,具有普適性。選用較為成熟Itti模型算法以及多特征層次分析方法,成功進(jìn)行了地質(zhì)災(zāi)害信息的提取。該研究方法可推廣應(yīng)用于其他地物信息的提取。

同時(shí),也發(fā)現(xiàn)算法在提取效率方面尚有不足,并有一定的錯(cuò)誤率,未來可以在以下幾個(gè)方面研究:①進(jìn)一步優(yōu)化特征參量選取,可以增加特征參量,完善參數(shù)選擇。②進(jìn)一步優(yōu)化影像分割尺度,根據(jù)所需,人工裁剪選取研究區(qū)進(jìn)行算法實(shí)驗(yàn),具有一定的主觀性,可增加尺度分割自動(dòng)學(xué)習(xí)過程,進(jìn)一步提升信息提取效率。