一種面向對象的滑坡變化檢測方法

宋小莎

（1.國家測繪地理信息局 重慶測繪院，重慶 400015）

一種面向對象的滑坡變化檢測方法

宋小莎1

（1.國家測繪地理信息局 重慶測繪院，重慶 400015）

滑坡作為常見多發的地質災害，危害人民生命財產與國家基礎建設，若能夠對潛在滑坡進行監測，則可以最大限度地減少它所造成的損失。以某水壩為實驗區進行了研究，通過建立檢測規則，梳理各滑坡對象層間的層次關系，對滑坡變化情況進行了檢測。

滑坡；面向對象；eCognition；變化檢測

滑坡調查傳統手段是將遙感圖像的目視解譯與野外調查相結合，根據滑坡及其要素的形態特征，通過人工判讀，將滑坡信息繪制到專題地圖上。但這種傳統方法已經不能滿足嚴峻的滑坡災害災情和滑坡災害綜合防治的需要[1,2]。因此，滑坡災害識別的新方法不斷涌現。利用面向對象的分析思想，分析區域內滑坡信息的動態變化是管理和防治滑坡災害的新手段[3-6]。本文擬采用面向對象的方法，基于灰度共生矩陣紋理特征[7]進行監督分類，分選出滑坡單元和非滑坡單元。圍繞一對多時相遙感影像，構建其層次關系，開展滑坡變化檢測，分析面向滑坡對象的變化檢測在滑坡災害信息識別和監測中的作用。

1 原理與方法

1.1 變化檢測

20世紀80年代，發展了基于變化檢測的方法來識別遙感數據在不同時間所記錄的地表實體變化信息，涉及遙感圖像處理中的輻射校正、幾何校正、配準、分類、特征提取等方面[8]。用于滑坡信息提取與變化檢測的主要步驟包括：①預處理后遙感圖像的對象分割；②分選出滑坡對象和非滑坡對象；③構建多時相影像對的層次關系，設立相應規則實施變化檢測；④ 結果分析。具體流程如圖1。

圖1 變化檢測流程圖

1.2 多尺度分割

影像分割是面向對象分析的基礎，分割質量直接決定隨后滑坡分選的精度。eCognition提供的多尺度分割方法是一種區域增長的分割算法，它始于獨立像元，通過標識這個像元為一個對象，并根據相關的同質性標準與它們相鄰的對象進行合并，直至達到用戶所設定的尺度閾值，而這個同質性標準就是光譜和形狀所占權重的結合。通過控制同質性標準和分割尺度的閾值，得到合適的對象。由于生成的每個對象都保持著同質性，我們能夠直接得到這些對象的屬性，包括形狀、尺寸、結構、紋理、空間關系等，為下一步的滑坡劃分提供了條件。

1.3 滑坡對象的識別和提取

滑坡對象的識別有很多方法，而影像紋理對滑坡識別有著比光譜更廣的適應性[9]，通過紋理識別滑坡主要包括2個步驟：①建立滑坡對象的紋理特征庫；②進行模式識別。

灰度共生矩陣紋理特征有很多，為了減少計算負擔，挑選出幾種常用的特征參數，包括對比度（Con.）、相關系數（Cor.）、熵（Ent）、標準差（Stdv.）和平均值（Mean.）。選定特征參數后，配合人工目視判讀，獲取一定數量的滑坡對象樣本和典型的非滑坡對象樣本，從而建立滑坡對象的紋理特征庫。

eCognition采用的模式識別方法是決策支持下的模糊分類，其基本思想是將邏輯狀態“是”與“非”轉化到0到1這個連續區間上，即定義了對象關于所有類型的隸屬度，決定了對象的類型歸屬。常用的分類算法是最近鄰法，算法法則是在特征空間中尋找每一個影像對象最近的樣本對象，并將此對象劃分為所屬的類別。在已建立的樣本庫的基礎上，通過最鄰近法的監督分類，從而識別和提取滑坡對象，最后將相同的對象進行合并得到專題圖層。

1.4 影像對的變化檢測

eCognition擁有強大的類層次分析能力，允許多圖層間形成等級結構以便管理，通過建立圖層間“父子”關系，使得在垂直層次上關聯起來。由于影像多尺度分割而生成的滑坡專題圖層，在圖斑邊界上總是存在著不一致，所以必須使用同步函數對圖層間關系進行梳理，通過將對象信息梳理到同一個圖層，以滿足變化檢測分析的前提。

不同于像元級變化檢測，需要先設置變化檢測閾值，然后從差值影像中判別出變化像元。面向對象的變化檢測直接建立判別規則，如表1，在已建立圖層間關系的基礎上，利用建立的規則進行變化檢測。

表1 判別滑坡變化的3個規則

2 實驗實例

2.1 數據源

本文實驗數據選取了位于長江流域某段來自北京一號小衛星所攝的一組2個時相的全色數據以及該區域的DEM數據，其中，全色數據分辨率為4 m，一景攝于2006-05-17；另一景攝于2007-11-23，DEM數據的分辨率為30 m。所選區域位于三峽大壩上游，隨著2006-05-20大壩主體工程全面竣工，蓄水期大壩蓄水高度得到提升，因此可認為該區域兩個時相遙感數據變化明顯，適合進行變化檢測。

2.2 多尺度分割

按照變化檢測的步驟，數據經過預處理后，第一步是對其進行多尺度分割。由于全色影像的分辨率為4 m，而DEM分辨率為30 m，本文將全色影像層權重設為7.5，DEM層權重設為1。為確定分割尺度，本文選取10、20、30、40、50、60對同一幅影像進行分割實驗，部分分割效果見圖2，分割特征見表2。分析比較后，認為當分割尺度為40時，生成對象大小比較適合滑坡識別。

圖2 部分分割結果比較（s為分割尺度）

表2 不同分割尺度下的影像特征

2.3 面向對象的監督分類

在上一步所生成的滑坡對象基礎上，選取滑坡對象和非滑坡對象的樣本，建立樣本對象紋理特征庫，然后根據最鄰近分類器分選出滑坡。

為了選取訓練樣本，需要截取出部分區域作為樣本訓練區，在此區域中挑選出有代表性的滑坡和非滑坡樣本。在訓練區選取滑坡樣本時，考慮到滑坡坡向的各不相同，盡量選擇不同坡向的滑坡作為滑坡樣本（如圖3）。而選取非滑坡樣本時，除了選取明顯的非滑坡對象，還需選取容易與滑坡對象混淆的對象（如圖4），以減少滑坡識別誤差。

圖3 部分滑坡對象樣本

圖4 部分非滑坡對象樣本

選取完訓練樣本后，利用訓練與測試區掩膜（TTA）功能，將所選樣本以影像對象層的形式存儲到本地磁盤，接著打開完整研究區域的影像，加載已存儲的TTA，逆向生成樣本，并以此樣本在整個研究區域內進行最近鄰分類，生成滑坡專題圖（如圖5），圖中紅色是滑坡對象，綠色為非滑坡對象。

圖5 滑坡對象專題圖

2.4 變化檢測

對2個時相的影像進行滑坡識別后，接下來根據建立的規則進行變化檢測。首先分別將兩時相圖層的滑坡對象和非滑坡對象進行同類合并，并把前一時相的對象層命名為Pre，后一時相的對象層命名為Post，然后復制Pre到Post所在的地圖中，構成上下層次關系，并經由同步函數（Synchronize）梳理其層間關系，最后根據已有規則判斷層間關系，將變化結果顯示到新創建的變化層上，生成滑坡變化如圖6所示。圖中桔色為新生滑坡；藍色為滑坡變化區域；綠色為未變化區域。

圖6 滑坡變化專題圖

由以上結果得到了在研究區內，2006-05～2007-11滑坡變化分布圖。相比于2006-05，2007-11河岸滑坡數量減少，部分滑坡位置上移。鑒于研究區位于三峽大壩上游，且2006年影像攝于大壩主體全線竣工之前，因大壩此后又進行了蓄水水位提升，可以認定研究區內滑坡的變化趨勢符合結果預期。

3 結 語

本文提出一種面向對象的滑坡變化檢測的新思路，為實現滑坡動態監測提供了新方法。與野外調查相比，通過人機交互的方式獲取滑坡變化信息，效果良好也更有效率。由于遙感圖像滑坡識別的效果直接決定變化檢測的質量，而滑坡對象的識別受數據源、識別方法等諸多因素影響，因此，更完善的滑坡變化檢測技術體系的構建有待于更多滑坡識別技術的實現與相關研究。

[1] Galli M, Ardizzone F, Cardinali M,et al. Comparing LandslideInventory Maps [J]. Geomorphology, 2008, 94(3-4): 268–289

[2] 李松,李亦秋,安裕倫.基于變化檢測的滑坡災害自動識別[J].遙感信息,2010(1): 27-30

[3] 葉潤青,鄧清祿,王海慶.基于圖像分類方法滑坡識別與特征提取——以歸州老城滑坡為例[J].工程地球物理學報,2007,4(6):475-477

[4] 付文杰,洪金益.基于支持向量機的滑坡災害信息遙感圖像提取研究[J].水土保持研究,2006,13(4):120-122

[5] Giles P,Franklin S E.An Automated Approach to the Classification of Slope Units Using Digital Data [J].Geomorphology, 1998,21(3-4):251-264

[6] 胡德勇,李京,趙文吉,等.基于對象的高分辨率遙感圖像滑坡檢測方法[J].自然災害學報,2008,17(6):42-46

[7] Stumpf A, Kerle N. Object-oriented Mapping of Landslides Using Random Forests [J]. Remote Sensing of Environment, 2011, 115(10): 2 564-2 577

[8] Singh A. Digital Change Detection Techniques Using Remotely-sensed Data [J]. International Journal of Remote Sensing, 1989, 10(6): 989-1 003

[9] 萬保峰,袁水華,蘇建平.基于紋理分析的滑坡遙感圖像識別[J].地礦測繪, 2009,25(2):11-14

P237.9

B

1672-4623（2015）04-0151-03

10.3969/j.issn.1672-4623.2015.04.054

宋小莎，研究方向為工程測繪、基礎地理信息系統工程。

2015-02-09。