俞輝　沈金麗

摘要：水環(huán)境污染特征多樣且復(fù)雜，導(dǎo)致污染負(fù)荷空間分布檢測(cè)難度大。因此提出基于多特征融合的水環(huán)境污染負(fù)荷空間分布檢測(cè)方法。首先對(duì)水環(huán)境遙感圖像進(jìn)行輻射量定標(biāo)、大氣修正處理，獲取高質(zhì)量遙感圖像。然后確定遙感圖像特征，并對(duì)提取到的多特征進(jìn)行規(guī)范化和融合處理。最后根據(jù)多特征融合結(jié)果和對(duì)比度方法分割時(shí)域融合圖像獲取水環(huán)境污染負(fù)荷空間分布參數(shù)，從而實(shí)現(xiàn)水環(huán)境污染負(fù)荷空間分布檢測(cè)。實(shí)驗(yàn)結(jié)果表明，所提方法能夠檢測(cè)出水污染負(fù)荷空間分布情況，并準(zhǔn)確判斷水質(zhì)環(huán)境狀態(tài)，為后續(xù)的環(huán)境治理修復(fù)提供重要依據(jù)。

關(guān)鍵詞：多特征融合；水環(huán)境污染；負(fù)荷空間分布；污染檢測(cè)；遙感圖像

中圖分類號(hào)：X832 文獻(xiàn)標(biāo)志碼：B

前言

水環(huán)境污染是由于人們的日常生活和工業(yè)生產(chǎn)等原因造成的，對(duì)水質(zhì)結(jié)構(gòu)造成嚴(yán)重?fù)p害，而且自然恢復(fù)時(shí)間長(zhǎng)或無(wú)法恢復(fù)，若不采取措施，將影響生態(tài)環(huán)境和人民健康。中國(guó)淡水資源少，且水污染日益嚴(yán)重，部分地區(qū)出現(xiàn)比較嚴(yán)重的缺水現(xiàn)象。尤其在工業(yè)發(fā)達(dá)、人口多的華北地區(qū)，水污染對(duì)生活和地方經(jīng)濟(jì)造成了極大影響。因此，研究水環(huán)境污染負(fù)荷空間分布檢測(cè)，明確污染區(qū)域，及時(shí)采取應(yīng)對(duì)措施，對(duì)保證生態(tài)環(huán)境穩(wěn)定十分重要。

張巧玲等人以海河流域?yàn)檠芯繉?duì)象，采用綜合評(píng)估營(yíng)養(yǎng)物傳輸率模型和產(chǎn)水量模型計(jì)算氮磷輸入總量、河流斷面氮磷輸入通量及潛在氮磷徑流總量，并采用CIS空間熱點(diǎn)和水文網(wǎng)絡(luò)分析方法實(shí)現(xiàn)水污染分布檢測(cè)。葉港等人通過構(gòu)建三維有限差分地下水流動(dòng)模型和多物種三維遷移模型，確定水環(huán)境基本流動(dòng)模式，并采用快速和諧搜索方法完成水污染分布檢測(cè)。

但上述文獻(xiàn)沒有考慮到水體反射率，導(dǎo)致水環(huán)境污染分布檢測(cè)出現(xiàn)偏差。因此，提出了基于多特征融合的水環(huán)境污染負(fù)荷空間分布檢測(cè)研究。該研究通過處理采集的水環(huán)境遙感圖像，抑制和消除外界干擾，將提取的局部熵、紋理、頻譜、色彩特征自適應(yīng)融合，利用對(duì)比度方法分割融合圖像，完成水污染負(fù)荷空間分布檢測(cè)。

1 水環(huán)境遙感圖像預(yù)處理

為了更好地反應(yīng)研究區(qū)水環(huán)境的實(shí)際情況，對(duì)所獲得的遙感圖像進(jìn)行了預(yù)處理，詳細(xì)的過程為：

1.1 輻射量定標(biāo)

為實(shí)現(xiàn)對(duì)不同時(shí)間、不同傳感器的結(jié)果量化對(duì)比與分析，必須將各視覺傳感器結(jié)果轉(zhuǎn)化為與其相對(duì)應(yīng)的輻照度或反射率等物理量。因此，先對(duì)圖像輻射定標(biāo)，然后再計(jì)算視反射率和地面反射率。

DN值向輻射亮度的轉(zhuǎn)化可以表示為式（1）：

式（1）中，Lλ表示物體在大氣層頂?shù)墓鈴?qiáng)亮度，DN表示像元的光強(qiáng)亮度值；Lmaxλ表示頻譜輻射的極大值；Lminλ表示頻譜輻射的極小值；DNmax表示與Lmaxλ相比DN中的最大量化校正像素值；DNmin表示與Lminλ相比DN中的最小量化校正像素值；Lminλ、Lmaxλ、DNmin、DNmax數(shù)值均是通過元數(shù)據(jù)文件獲得的。

利用式（2）來(lái)計(jì)算大氣頂部的反射率，表達(dá)式為式（2）：

式（2）中，ρ表示地球的反射系數(shù)；π表示圓周率取值3.141592654；d表示目地間距離參變量；ESUNλ表示太陽(yáng)的分光輻射量；θ表示太陽(yáng)的天頂角。通過65模型實(shí)行大氣修正。

1.2 大氣修正

目前，衛(wèi)星遙感數(shù)據(jù)所獲得的大部分采集圖像都受到大氣干擾，導(dǎo)致水體反射率極低。因此，必須對(duì)遙感數(shù)據(jù)大氣修正，才能有效地抑制和消除干擾，提高數(shù)據(jù)的準(zhǔn)確性和可靠性。在綜合各種方法的優(yōu)勢(shì)和不足的基礎(chǔ)上，利用6S模型對(duì)遙感圖像大氣修正。

6S模型的主要輸入?yún)?shù)為：幾何參數(shù)、大氣成分參數(shù)、氣溶膠成分參數(shù)、氣溶膠大氣路徑長(zhǎng)度、觀測(cè)對(duì)象的高度和傳感器的高度。6S模型在完成相關(guān)參數(shù)的輸入后，可求出各類大氣參數(shù)，并可得到大氣修正因子xa、xb、xc。通過式（3）得到大氣修正后的反射系數(shù)ACR：

Y=xa*（Mr）-xb 式（3）

ACR=Y/（ρ+xc*Y） 式（4）

式（3）-式（4）中，Y表示中間變量，Mr表示修正后的輻射亮度。

2 多特征融合下水環(huán)境污染負(fù)荷空間分布檢測(cè)

2.1 水環(huán)境污染負(fù)荷多特征提取

確定遙感圖像的局部熵特征、紋理特征、頻譜特征、色彩特征，對(duì)提取到的多特征進(jìn)行規(guī)范化和融合處理。將經(jīng)過處理的水環(huán)境負(fù)荷空間分布遙感圖像劃分為3×3單元，并通過對(duì)局部熵、紋理、頻譜、色彩等特征分析，實(shí)現(xiàn)有效污染特征提取。

2.1.1 提取局部熵特征

局部熵是一種能夠體現(xiàn)圖像局部信息豐富情況的特征，運(yùn)算過程通過采用視窗中的全部像素，從而對(duì)單一像素的噪聲不太敏感，但對(duì)幾何失真存在較強(qiáng)的抗性。針對(duì)一張M×N尺寸的圖像，從圖像中每個(gè)像素點(diǎn)灰度分布的順序，得到該圖像的污染灰度函數(shù)。將f（x，y）作為該圖像的污染灰度函數(shù)，可以知道。圖像的熵則為式（5）：

在單元格中，通過對(duì)每一個(gè)像素點(diǎn)的局部熵Hf進(jìn)行平均值和方差計(jì)算，就可以獲得二維的局部熵污染特征。

2.1.2 提取紋理特征

在遙感圖像中，水環(huán)境地區(qū)的紋理變化很小，有很好的規(guī)則性，而且水環(huán)境地區(qū)圖像具有旋轉(zhuǎn)不變性，對(duì)噪聲有很好的抗性，利用Gabor小波變換對(duì)圖像紋理特征進(jìn)行提取。提取紋理特征的二維Cabor函數(shù)表達(dá)式為式（7）：

式（7）中，Gω（x，y）表示Cabor核濾波器組，ω=0.2表示Gabor函數(shù)的頻帶寬度，θ=0°表示伽伯核函數(shù)的方向性。這樣就可以獲得單元中九個(gè)像素組成的九維紋理污染特征矢量。

2.1.3 提取頻譜特征

光譜特征是地物與其他地物之間的根本區(qū)別，在遙感圖像中河流區(qū)域亮度低、連通性強(qiáng)、不受圖像轉(zhuǎn)動(dòng)、平移等因素影響，因此可以利用光譜特征進(jìn)行河流檢測(cè)。通過提取光譜圖并進(jìn)行統(tǒng)計(jì)分析，得到光譜圖的灰度均值和方差，從而獲得一階統(tǒng)計(jì)特征，增強(qiáng)污染頻譜提取準(zhǔn)確率。同時(shí)，平均觀測(cè)到的污染光譜也可以用于增強(qiáng)污染頻譜的提取準(zhǔn)確性。一階統(tǒng)計(jì)特征僅能提供類別樣本中心位置的統(tǒng)計(jì)估計(jì)，二階特征則能很好地反映每個(gè)像素點(diǎn)間的聯(lián)系，則統(tǒng)計(jì)得到的污染區(qū)域灰色平均值mf、頻譜特征σ2i表達(dá)式分別為式（8）、式（9）：

2.1.4 提取圖像色彩特征

色彩是遙感圖像中最具魯棒性的一種特征，蘊(yùn)含著豐富的信息。在相同高度下獲得的遙感圖像中，河流地區(qū)的色彩通常為綠色或黃色，并且在色彩空間上呈現(xiàn)出一定的規(guī)律性，顏色特征包括均值和方差。如果用n描述要檢測(cè)的污染區(qū)域數(shù)目，在檢測(cè)的區(qū)域中，用pi，j描述在i個(gè)信道中j個(gè)像素的像素值，則在i道上的色彩平均值表達(dá)式為式（10）：

2.1.5 特征規(guī)范化和融合

假設(shè)ν是由某一特征的全部取值構(gòu)成的矢量，νi表示特征值，max（ν）描述的ν最大的特征值，νi表示標(biāo)準(zhǔn)化數(shù)值，則標(biāo)準(zhǔn)化為νi=u／max（ν）?；诰植快?、紋理、光譜以及色彩污染特征之間關(guān)系是相互獨(dú)立的，所以需要組合特征進(jìn)行水環(huán)境污染負(fù)荷空間分布特征融合。如果對(duì)每個(gè)圖像的各污染特征直接融合，則能夠獲得融合特征的總維數(shù)。融合后的特征如式（12）：

2.2 基于污染負(fù)荷特征融合的檢測(cè)空間分布檢測(cè)

根據(jù)多特征融合結(jié)果和對(duì)比度方法分割時(shí)域融合圖像獲取水環(huán)境污染負(fù)荷空間分布參數(shù)，從而實(shí)現(xiàn)水環(huán)境污染負(fù)荷空間分布檢測(cè)。為最大限度地發(fā)揮多種特征的優(yōu)勢(shì)，實(shí)現(xiàn)水環(huán)境污染負(fù)荷空間分布檢測(cè)，需要對(duì)多幅特征圖像進(jìn)行自適應(yīng)融合，其中的核心問題就是如何在各幅特征圖像之間選擇融合權(quán)值。假設(shè)在序列圖像中的第i個(gè)圖像是fi，共有T個(gè)可用于自適應(yīng)融合的特征，其特征為Fij；標(biāo)準(zhǔn)化后的特征圖像是NFij，j=1-T；對(duì)第i幀圖像T個(gè)特征進(jìn)行自適應(yīng)融合得到的結(jié)果是FFi。則有式（13）、式（14）：

式（13）-式（14）中，F(xiàn)i，jm，n表示在坐標(biāo)（m，n）上的i幀圖像中j個(gè)特征圖像的特征值。

為了進(jìn)一步地積累目標(biāo)能量，在時(shí)域上對(duì)連續(xù)的n幀水污染空間分布圖像融合，融合結(jié)果Gi為式（15）：

在此基礎(chǔ)上，利用對(duì)比度分割法對(duì)圖像進(jìn)行二值化處理，檢測(cè)水污染范圍。

在空域特征融合和時(shí)域特征融合后，污染與非污染區(qū)域的對(duì)比度發(fā)生了顯著的變化，因此可以利用對(duì)比度方法對(duì)時(shí)域融合圖像進(jìn)行分割，從而將污染與非污染相分離。

對(duì)比度分割主要包括三步：

（1）算出融合后的圖像FDM灰階區(qū)域，得到了平均灰階G及最高灰階Gmax；

（2）在融合圖像FDM中，算出灰度等級(jí)t之上的灰度平均FDM（b）以及在灰度等級(jí)t之下的灰度平均FDM（a），t∈[G，Gmax]；

（3）假設(shè)c（t）=min（|t-FDM（a）|，|FDM（b）-t|），劃分門限c（t）與t的最大值相對(duì)應(yīng)。

在測(cè)度不同的特征之后，原始圖像中每個(gè)像素點(diǎn)上都有若干個(gè)不同的特征值。這些數(shù)值組合形成像素點(diǎn)上的多特征向量空間。在原始圖像的位置（m，n），對(duì)應(yīng)圖像的特征值LMCL（局部最大灰度值）、MF（形態(tài)紋理特征）和LE（局部熵）在同一位置，則在（m，n）位置組成一個(gè)圖像特征值。假定多特征水環(huán)境污染負(fù)荷的空間分布融合共有NF個(gè)特征，那么，在（m，n）點(diǎn)的特征向量表達(dá)式為Fm，n=[F1m，n…FNFm，n]T。

因?yàn)榇嬖谛》秶乃h(huán)境污染，所以在一定程度上會(huì)改變水環(huán)境污染所在位置的局部紋理。在特征向量空間中，具體表現(xiàn)為水環(huán)境污染位置的特征向量與其他地方水環(huán)境污染特征向量不同。為了將這種區(qū)別凸顯出來(lái)，新創(chuàng)建一組向量Lm，n=[Lmave…Lmave]T，其維數(shù)與特征向量相同。Lmave表示特征圖像像素所在行的行平均值。由于每行的行平均值能反映JL這行上大部分的水環(huán)境污染分量。因此，在非污染的位置上，特征矢量與Lm，n分量比污染的地方要大得多。利用每個(gè)特征矢量及Lm，n點(diǎn)污染程度，得到水環(huán)境污染負(fù)荷空間分布參數(shù)。

假定在一個(gè)序列圖像中，DMi個(gè)圖像的多特征空間分布是n，則將n個(gè)圖像的多特征空間分布圖像進(jìn)行融合，融合結(jié)果即檢測(cè)出的污染負(fù)荷空間分布結(jié)果為式（17）：

3 水環(huán)境污染負(fù)荷空間分布檢測(cè)實(shí)驗(yàn)

為了驗(yàn)證所提方法對(duì)水環(huán)境污染負(fù)荷空間分布檢測(cè)的有效性，與GIS空間熱點(diǎn)方法、快速和諧搜索方法進(jìn)行對(duì)比實(shí)驗(yàn)。水環(huán)境污染負(fù)荷空間分布檢測(cè)實(shí)驗(yàn)通常需要在實(shí)際的水體環(huán)境中進(jìn)行。實(shí)驗(yàn)參數(shù)包括以下內(nèi)容：

檢測(cè)指標(biāo)：總氮、總磷。

檢測(cè)儀器：如多參數(shù)水質(zhì)監(jiān)測(cè)儀、紫外分光光度計(jì)、原子吸收光譜儀等。

采樣點(diǎn)位和采樣時(shí)間：選擇浙江省某市作為采樣地點(diǎn)，采樣時(shí)間間隔為15條，以保證實(shí)驗(yàn)結(jié)果的代表性和可靠性。

實(shí)驗(yàn)方法：包括采樣、樣品處理、檢測(cè)等實(shí)驗(yàn)步驟，從而獲取相關(guān)的實(shí)驗(yàn)結(jié)果。

數(shù)據(jù)處理和分析：包括數(shù)據(jù)處理、統(tǒng)計(jì)分析、圖表制作等。

水環(huán)境的總氮和總磷含量是檢驗(yàn)水質(zhì)的重要指標(biāo)，一超出標(biāo)準(zhǔn)就會(huì)導(dǎo)致水體富營(yíng)養(yǎng)化，生成有害物質(zhì)，嚴(yán)重時(shí)甚至導(dǎo)致水資源無(wú)法修復(fù)。因此，通過檢測(cè)總氮和總磷污染負(fù)荷的空間分布情況，可以保證后續(xù)的合理修復(fù)。具體的總氮和總磷空間負(fù)荷等級(jí)標(biāo)準(zhǔn)如下：總氮：1級(jí)＜500，2級(jí)500-1500，3級(jí)1501-2500，4級(jí)2501-5000，5級(jí)5001-7500，6級(jí)>7500?？偭祝?級(jí)<100，2級(jí)100-500，3級(jí)510-1000，4級(jí)1001-1500，5級(jí)1501-2000，6級(jí)>2000。

三種方法對(duì)總氮污染負(fù)荷空間分布檢測(cè)結(jié)果見圖1。

如圖1所示，GIS空間熱點(diǎn)方法和快速和諧搜索方法與總氮污染實(shí)際空間分布誤差較大，等級(jí)標(biāo)準(zhǔn)檢測(cè)結(jié)果不準(zhǔn)確，可能會(huì)導(dǎo)致水環(huán)境污染含量判斷失誤。相比之下，所提方法雖然存在偏差，但區(qū)域較小，相對(duì)CIS空間熱點(diǎn)方法和快速和諧搜索方法，檢測(cè)精度更高，可以較好地劃分水環(huán)境污染負(fù)荷空間。

三種方法對(duì)總磷污染負(fù)荷空間分布檢測(cè)結(jié)果見圖2。

如圖2所示，CIS空間熱點(diǎn)方法和快速和諧搜索方法在總磷污染負(fù)荷空間分布檢測(cè)仍然存在較大的偏差，無(wú)法準(zhǔn)確區(qū)分總磷空間負(fù)荷等級(jí)。相比之下，所提方法只有三個(gè)較小區(qū)域出現(xiàn)誤差，在整體上檢測(cè)效果較佳，能夠精準(zhǔn)完成水環(huán)境污染負(fù)荷空間分布檢測(cè)。

綜上所述，所提方法在水環(huán)境的總氮和總磷污染檢測(cè)性能均較好，可以設(shè)計(jì)出合理的修復(fù)方案，為打造良好的水資源環(huán)境提供支持。

4 結(jié)束語(yǔ)

水環(huán)境的污染檢測(cè)對(duì)保護(hù)水生態(tài)環(huán)境至關(guān)重要。因此檢測(cè)機(jī)構(gòu)需要繼續(xù)加強(qiáng)對(duì)水環(huán)境的研究，持續(xù)改進(jìn)水污染檢測(cè)技術(shù)，避免可能存在的檢測(cè)風(fēng)險(xiǎn)以及水環(huán)境惡化，為做好水資源的保護(hù)工作提供更好的幫助。文章提出基于多特征融合的水環(huán)境污染負(fù)荷空間分布檢測(cè)研究。該方法通過對(duì)水環(huán)境遙感圖像進(jìn)行輻射量定標(biāo)和大氣修正處理，確保獲取高質(zhì)量的遙感圖像。隨后，選定并整合了多種遙感圖像特征，并對(duì)其進(jìn)行規(guī)范化和融合處理，提高了對(duì)水環(huán)境污染負(fù)荷空間分布的檢測(cè)精度。最終，利用多特征融合結(jié)果和對(duì)比度方法實(shí)現(xiàn)了對(duì)水環(huán)境污染負(fù)荷空間分布的精準(zhǔn)檢測(cè)。實(shí)驗(yàn)驗(yàn)證表明，該方法能夠準(zhǔn)確判斷水質(zhì)環(huán)境狀態(tài)，為打造良好的水資源環(huán)境提供了有力支持。