基于國(guó)產(chǎn)GF-1遙感影像的面向?qū)ο髽蛄禾崛》椒ㄑ芯?

袁 澤,丁建麗*,王 嬌,陳文倩,李 相,黃 帥

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院,新疆 烏魯木齊 830046;2.綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,新疆 烏魯木齊 830046)

?

基于國(guó)產(chǎn)GF-1遙感影像的面向?qū)ο髽蛄禾崛》椒ㄑ芯?

袁 澤1,2,丁建麗1,2*,王 嬌1,2,陳文倩1,2,李 相1,2,黃 帥1,2

(1.新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院,新疆 烏魯木齊 830046;2.綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室,新疆 烏魯木齊 830046)

以國(guó)產(chǎn)“高分一號(hào)”2m/8m高空間分辨率遙感圖像為數(shù)據(jù)源,使用基于規(guī)則的面向?qū)ο蟮姆椒▽?shí)現(xiàn)了對(duì)高分辨率影像中橋梁目標(biāo)的精確提取。首先,經(jīng)過(guò)多尺度分割實(shí)驗(yàn)并結(jié)合下墊面特征選擇最優(yōu)分割尺度;其次,利用水體指數(shù)、閾值函數(shù)等方法建立規(guī)則集,逐步獲取水體和橋梁潛在區(qū)的矢量文件;最后,通過(guò)二值化、數(shù)學(xué)形態(tài)學(xué)處理、疊加分析等方法成功提取橋梁目標(biāo)。實(shí)驗(yàn)結(jié)果表明,該方法可以準(zhǔn)確、高效地提取出橋梁信息,總體精度在90%以上,Kappa系數(shù)在85%以上,在高分辨率遙感影像高精度提取橋梁的實(shí)踐中具有廣泛的適用性,該研究成果或?qū)?guó)產(chǎn)高分影像處理系統(tǒng)的研究與應(yīng)用提供了一定的科學(xué)參考。

高分一號(hào);橋梁;最優(yōu)分割尺度;面向?qū)ο?數(shù)學(xué)形態(tài)學(xué)

信息提取是當(dāng)前遙感圖像處理的熱點(diǎn)和難點(diǎn)[1]。橋梁是重要的人工建筑、交通樞紐[2]和水利設(shè)施,對(duì)于橋梁目標(biāo)的準(zhǔn)確識(shí)別和精確提取不僅有利于地理信息數(shù)據(jù)的及時(shí)更新,有助于防災(zāi)減災(zāi)工作的實(shí)施,更是在民用、軍事和商業(yè)等領(lǐng)域都受到相當(dāng)大的關(guān)注[3]。目前,國(guó)內(nèi)外學(xué)者針對(duì)遙感影像提出了多種橋梁提取的方法,其中比較基礎(chǔ)的方法有:基于差影檢測(cè)的方法[4],基于邊緣提取的方法[5-6],基于邏輯算子的方法[7],基于道路信息的方法[8]等。這幾種方法雖然操作簡(jiǎn)便卻各有弊端。其中差影檢測(cè)法的提取精度取決于水體信息提取的精度,結(jié)構(gòu)元素幾何形狀單一,提取效果不理想;基于邊緣提取的方法未充分考慮橋梁與河流的位置關(guān)系,僅根據(jù)目標(biāo)的平行線特征,會(huì)產(chǎn)生較多的虛警[9];基于邏輯算子的方法使用前提是橋梁寬度比較小,只能識(shí)別較低分辨率遙感圖像中的橋梁目標(biāo),不具有普遍的適用性;基于道路信息的方法使用前提是圖像中的道路信息已知,限制了目標(biāo)選擇的范圍。以上基礎(chǔ)方法均存在算法單一,精度不高等問(wèn)題,僅適用于中低分辨率影像。

因此,有人提出一些綜合性較強(qiáng)且適用于高分辨率影像的提取橋梁方法,如閔莉等[10]提出一種基于Mumford_shah模型的水上橋梁目標(biāo)分割與識(shí)別方法,根據(jù)橋梁與河流邊界的幾何位置關(guān)系實(shí)現(xiàn)對(duì)橋梁提取,解決了對(duì)遠(yuǎn)距離小目標(biāo)水上橋梁及灰度梯度較弱圖像的橋梁分割和識(shí)別問(wèn)題。但該算法以橋梁先驗(yàn)知識(shí)為前提,對(duì)于于不符合橋梁知識(shí)的情況存在一定局限性。陳超等[11]提出了基于地物光譜特征分析的高分辨率遙感圖像水上橋梁提取方法,根據(jù)地物在近紅外波段的光譜特征,采用迭代法選取閾值提取不同地物,再進(jìn)行數(shù)學(xué)形態(tài)學(xué)運(yùn)算和疊加分析實(shí)現(xiàn)橋梁的提取。但該方法對(duì)光譜特征過(guò)于依賴,只能在水體較為純凈的情況下進(jìn)行,如果水體較為渾濁,遙感圖像的直方圖波峰不明顯,會(huì)影響到水體提取閾值的選擇,從而影響結(jié)果精度。郭莉莉等[12]提出了改進(jìn)的Lidar數(shù)據(jù)橋梁提取算法,通過(guò)對(duì)Lidar數(shù)據(jù)格網(wǎng)化構(gòu)造一種新的三維離散點(diǎn)形態(tài)學(xué)算子,再利用剖面分析方法并結(jié)合橋梁的拓?fù)涮攸c(diǎn)提取橋梁。但高分一號(hào)未搭載雷達(dá)傳感器,預(yù)計(jì)2015年的GF-3將會(huì)搭載合成孔徑雷達(dá)。總的來(lái)說(shuō),這些方法大都建立在基于像素的光譜信息分析之上,很少利用地物的形狀、結(jié)構(gòu)、紋理等信息,在處理高分辨率遙感影像時(shí)顯得能力不足[13]。

基于以上分析,本文以國(guó)產(chǎn)“高分一號(hào)”衛(wèi)星遙感圖像為數(shù)據(jù)源,針對(duì)橋梁目標(biāo),采用面向?qū)ο蟮姆椒ㄟM(jìn)行提取,同時(shí)考慮包括光譜在內(nèi)的影像空間結(jié)構(gòu)、拓?fù)潢P(guān)系及對(duì)象之間的向下空間特征等信息[13],選擇多種地物特征逐層分析,有效排除易混淆地物的干擾,保持橋梁的連續(xù)及完整性。鎖定橋梁潛在區(qū)域后,通過(guò)數(shù)學(xué)形態(tài)學(xué)的閉合算法對(duì)提取的水體進(jìn)行連通,再利用二值圖進(jìn)行疊加分析提取出橋梁目標(biāo)并在原圖上顯示,以便應(yīng)用到相應(yīng)的調(diào)查、評(píng)估,研究等工作中。

1 研究方法

本文的主要研究方法是利用多尺度圖像分割法、基于規(guī)則集的面向?qū)ο蠓ā?shù)學(xué)形態(tài)學(xué)方法等實(shí)現(xiàn)兩個(gè)研究區(qū)內(nèi)的高分一號(hào)影像橋梁提取,技術(shù)流程見(jiàn)圖1。

圖1 橋梁提取流程圖

1.1 多尺度影像分割

面向?qū)ο蟮年P(guān)鍵問(wèn)題在于影像的精確分割,影像分割是基于同質(zhì)性或異質(zhì)性準(zhǔn)則將一幅圖像劃分成若干有意義的子區(qū)域的過(guò)程。多采用分形網(wǎng)絡(luò)進(jìn)化法(Fractal Net Evolution Approach,FNEA),即eCgonition軟件中的多尺度分割采用的算法,該方法采用異質(zhì)性最小區(qū)域合并策略,從像素層自下而上進(jìn)行影像分割。像元或?qū)ο蠛喜⑷Q于對(duì)象異質(zhì)性的閾值和尺度閾值。對(duì)象異質(zhì)性(F)由光譜異質(zhì)性(hcolor)和形狀異質(zhì)性(hshape)兩部分及顏色因子權(quán)重w組成,其定義如下:

F=whcolor+(1-w)hshape

(1)

多尺度分割中最重要的問(wèn)題就是分割尺度的確定,分割尺度需要根據(jù)影像所包含地物類別及復(fù)雜程度來(lái)確定[15],且需要經(jīng)過(guò)試驗(yàn),選取最優(yōu)尺度,以防止產(chǎn)生過(guò)分割或是欠分割的問(wèn)題。本研究通過(guò)總結(jié)前人對(duì)最優(yōu)分割方法的研究[13-17],使用改進(jìn)的與鄰域絕對(duì)均值差分方差比MRMAS(Modified Ratio of Mean Difference to Neighbors(ABS)to Standard Deviation)來(lái)作為指示目標(biāo)地物最優(yōu)分割尺度的指標(biāo)。對(duì)于多光譜影像,在進(jìn)行多尺度分割時(shí),為更好區(qū)分出提取對(duì)象的特征,對(duì)各個(gè)波段都賦予了一定的權(quán)重,考慮到不同波段層的權(quán)重關(guān)系,則使用各層的權(quán)重與其對(duì)應(yīng)的與鄰域絕對(duì)均值差分方差比RMAS(Ratio of Mean Difference to Neighbors(ABS)to Standard Deviation)[17]相乘之后求平均的方法來(lái)決定單個(gè)影像對(duì)象的分割尺度評(píng)價(jià)指數(shù),即為改進(jìn)的與鄰域絕對(duì)均值差分方差比(MRMAS),其表達(dá)式如下:

(2)

式中:m為多光譜影像的波段數(shù),wL代表L波段層的權(quán)重,RMASL代表L波段層當(dāng)前對(duì)象的與其對(duì)應(yīng)的與鄰域絕對(duì)均值差分方差比。通過(guò)繪制目標(biāo)對(duì)象的MRMAS隨分割尺度的變化曲線,找出曲線峰值,即可確定出目標(biāo)對(duì)象的最優(yōu)分割尺度。

1.2 基于規(guī)則的面向?qū)ο笮畔⑻崛?/p>

面向?qū)ο蟮男畔⑻崛》椒ㄆ涮幚韱卧⒎且粋€(gè)個(gè)孤立的象元,而為具有多種語(yǔ)義特征及關(guān)系特征的對(duì)象,即“同質(zhì)”多邊形,能夠有效地避免噪聲干擾和“椒鹽噪聲”。一般而言,面向?qū)ο笮畔⑻崛》椒ㄓ捎跋穹指睢?duì)象層次構(gòu)建、分類規(guī)則建立及信息提取等部分組成[17],完成圖像的分割后,需要建立對(duì)象特征的規(guī)則集,建立分類規(guī)則要根據(jù)研究區(qū)各類地物各方面信息進(jìn)行搭配組合以達(dá)到獲取地物類型的目的。規(guī)則結(jié)構(gòu)的建立不一定必須包含多個(gè)層次,一個(gè)層次也可以形成分類規(guī)則結(jié)構(gòu)[18],選擇的特征不是越多提取精度就越高,那樣反而降低數(shù)據(jù)時(shí)效性,加大運(yùn)算量,有時(shí)只需要選擇最明顯的特征就可以有效對(duì)地物進(jìn)行區(qū)分,表1例舉了本研究中需要用到的對(duì)象特征:

表1 典型特征表

其中歸一化水體指數(shù)[19-20]屬于自定義指數(shù),和亮度值共同用于提取水體。長(zhǎng)寬比、密度以及表格中未列出的主方向(maindirection)、不對(duì)稱性(asymmetry)等特征,具有區(qū)分道路和非道路信息、剔除多余的細(xì)小斑塊、條紋,提取橋梁潛在區(qū)等作用。

1.3 數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)是一種非線性濾波方法,其運(yùn)算主要包括“腐蝕”“膨脹”“開啟”“閉合”四種。其作用可使結(jié)構(gòu)元在圖像范圍內(nèi)平移,施加交、并等基本的幾何運(yùn)算,以達(dá)到對(duì)二值圖像的處理[21]。

首先對(duì)圖像進(jìn)行二值化[22],能夠提高后續(xù)處理速度,提高矢量化正確率[23]。對(duì)通過(guò)規(guī)則集提取出的橋梁潛在區(qū)水體的.shp文件進(jìn)行二值化,生成mask文件,公式如下:

(3)

其次進(jìn)行濾波處理,連通的水體在二值化后的影像上會(huì)表現(xiàn)為被橋梁所截?cái)酄?但由于橋梁寬度有限,可通過(guò)先膨脹再腐蝕的數(shù)學(xué)形態(tài)學(xué)運(yùn)算使得水體在影像上表現(xiàn)連通[24-25],同時(shí)填平圖像中的小孔和彌合小裂縫[26],再將連通的水體與截?cái)嗟乃w進(jìn)行波段運(yùn)算即可提取出橋梁目標(biāo),算法如下:

腐蝕:

f(⊕b)(s,t)=max{f(s-x,t-y)+b(x,y)|

(s-x,t-y)∈Df,(x,y)∈Db}

(4)

膨脹:

f(⊙b)(s,t)=max{f(s+x,t+y)+b(x,y)|

(s+x,t+y)∈Df,(x,y)∈Db}

(5)

式中:f(s,t)是輸入圖像函數(shù),b(x,y)為結(jié)構(gòu)元素,Df、Db分別是f和b的定義域。最后,通過(guò)波段運(yùn)算進(jìn)行疊加分析:

F(X)=b1·b2

(6)

式中:F(X)是疊加分析結(jié)果,b1是經(jīng)過(guò)先膨脹后腐蝕的聯(lián)通水體表面二值圖,b2是橋梁潛在區(qū)二值圖。

2 實(shí)驗(yàn)與結(jié)果

2.1 研究區(qū)概括

喀什河源于新疆天山與依連哈比爾尕兩山之間東北麓,是伊犁河的第2大支流,自東向西流經(jīng)尼勒克縣,伊寧縣,至雅馬圖匯入伊犁河。全長(zhǎng)304km,平均徑流量32.1億m3。流域地勢(shì)西南高,北部低,平均海拔在2 335m～2 508m之間。河道順直,支流短小而廣布,橋梁、水壩等水利設(shè)施種類繁多,分布廣泛。本文選取研究區(qū)一位于尼勒克縣東北部烏蘭布魯克村某水電站(見(jiàn)圖2(a)),海拔較高,提取目標(biāo)屬于工業(yè)橋梁,橋體較大,周圍地物種類較少,水體較深。為與之區(qū)分,研究區(qū)二選擇在尼勒克縣西南部相對(duì)地勢(shì)較低的居民區(qū)(見(jiàn)圖1(b)),提取目標(biāo)屬于一般民用橋梁,橋體較小,周圍地物種類多,水體較淺,識(shí)別難度相對(duì)較大。

圖2 研究區(qū)示意圖

2.2 數(shù)據(jù)源與預(yù)處理

本文的數(shù)據(jù)源即國(guó)產(chǎn)“高分一號(hào)”2m/8m影像數(shù)據(jù),高分一號(hào)(GF-1)衛(wèi)星是我國(guó)高分辨率對(duì)地觀測(cè)系統(tǒng)的首發(fā)星,突破了高空間分辨率、多光譜與寬覆蓋相結(jié)合的光學(xué)遙感等關(guān)鍵技術(shù)。GF-1衛(wèi)星搭載了2臺(tái)2m/8m相機(jī)(三反同軸TDICCD相機(jī),PMS1和PMS2,幅寬為70km)和16m多光譜相機(jī)(由4臺(tái)透射式CCD相機(jī)組成,WFV1-WFV4,幅寬為800km)。其中本文使用的PMS載荷相機(jī)同時(shí)兼有2m全色波段和8m多光譜波段(具體參數(shù)見(jiàn)表2),表現(xiàn)出了巨大的應(yīng)用潛力,因此加強(qiáng)對(duì)2m/8m高分一號(hào)影像的研究具有重大的科學(xué)與現(xiàn)實(shí)意義。其中,研究區(qū)一的成像時(shí)間為2014年8月1日,太陽(yáng)高度角62.4107°,太陽(yáng)方位角155.658°,軌道號(hào):81(Row),60(Path)。研究區(qū)二的成像時(shí)間為2014年8月30日,太陽(yáng)高度角55.0268°,太陽(yáng)方位角163.036°,軌道號(hào):83(Row),62(Path)。

表2 GF-1衛(wèi)星載荷PMS參數(shù)

GF-1數(shù)據(jù)預(yù)處理在ENVI5.1平臺(tái)上完成,包括正射校正、圖像裁剪、幾何校正、輻射定標(biāo)、Flaash大氣校正,圖像融合等。鑒于GF-1遙感影像的空間分辨率較高,且具有RPC文件和DEM數(shù)據(jù),所以先通過(guò)正射校正來(lái)達(dá)到更高的提取精度,重采樣采用可以平滑影像的3次卷積內(nèi)插方法。隨后,鑒于GF-1遙感影像大區(qū)域、寬圖幅的特點(diǎn),基于Arcgis10.0平臺(tái)裁剪出具體研究區(qū)范圍,并進(jìn)行輻射定標(biāo),重新設(shè)定增益偏置參數(shù),獲得進(jìn)而完成Flaash大氣校正。隨后的在圖像融合[27]中,鑒于GF-1遙感影像的輻射分辨率也較高,同時(shí)具備全色數(shù)據(jù)(2m)和多光譜數(shù)據(jù)(8m),因此將二者進(jìn)行融合可使融合后的影像既保留了多光譜影像的光譜特性,又保持了全色影像的空間細(xì)節(jié),起到增強(qiáng)目標(biāo)特征和提高影像解譯能力的效果。

圖3 最優(yōu)分割尺度選擇曲線

2.3 面向?qū)ο髽蛄禾崛?/p>

基于eCognition8.0平臺(tái),采用多尺度分割算法(multiresolutionsegmentation)對(duì)經(jīng)過(guò)預(yù)處理的GF-1影像進(jìn)行分割。經(jīng)過(guò)多次嘗試,初步設(shè)置各個(gè)波段的權(quán)重為1,分割尺度為20,形狀因子0.1,光滑度因子0.5,再將分割尺度以步長(zhǎng)10進(jìn)行遞增的方式對(duì)影像進(jìn)行多尺度分割。在每個(gè)分割完成的影像上選取樣本,統(tǒng)計(jì)樣本對(duì)象的標(biāo)準(zhǔn)差和與鄰域均值差分絕對(duì)值,再根據(jù)式(2)計(jì)算出一定分割尺度下的MRMAS。再以影像分割尺度為x軸,以MRMAS為y軸,繪制出橋梁目標(biāo)的MRMAS隨分割尺度變化的折線,圖3為研究區(qū)和研究區(qū)二的最優(yōu)分割尺度選擇曲線。從兩幅折線圖可以看出MRMAS隨著分割尺度的變化其間會(huì)出現(xiàn)峰值,該峰值即指示了最優(yōu)分割尺度,而當(dāng)分割尺度過(guò)小或過(guò)大時(shí),MRMAS都相對(duì)較小,會(huì)造成影像多邊形對(duì)象“過(guò)度分割”或“分割不足”的現(xiàn)象。所以,可以根據(jù)兩幅折線圖中的峰值確定出選區(qū)一和選區(qū)二的最優(yōu)分割尺度分別為30、20。分割后效果見(jiàn)圖4(a)、圖4(e)。

影像分割完畢后,確定如下規(guī)則集提取橋梁潛在區(qū):①利用上文提出的歸一化水體指數(shù)(NDWI),進(jìn)行閾值分割,(如圖4(b)、圖4(f))區(qū)分水體和非水體。②在非水體地物中利用亮度(如圖4(c)、圖4(g))和(如圖4(c)、4(g))Length/Width(長(zhǎng)寬比)進(jìn)行閾值分割,區(qū)分道路和非道路信息。③(如圖4(g))設(shè)立Asymmety(不對(duì)稱性)和(如圖4(d)、圖4(h))Maindirection(主方向)隸屬度函數(shù)以及(如圖4(d)、圖4(h))Density(密度)閾值函數(shù),去除多余的道路信息,得到潛在橋梁區(qū)域。基于eCognition的UpdateRange閾值調(diào)整功能,通過(guò)嘗試,人為的確定出各對(duì)象特征閾值范圍,在通過(guò)assignclass功能逐步建立規(guī)則集,進(jìn)行提取信息。圖3為提取過(guò)程圖,可以看出,使用該規(guī)則集提取橋梁潛在區(qū),在保持了橋梁的完整性的同時(shí),也確保與其他地物之間能夠較好地區(qū)分。

圖4 橋梁潛在區(qū)提取過(guò)程

完成橋梁潛在區(qū)的提取之后,確定如下步驟提取橋梁:①將上文中水體和橋梁潛在區(qū)的提取結(jié)果以.shp文件輸出,再以ROI(感興趣區(qū)域)形式在預(yù)處理后的原圖中打開并適當(dāng)調(diào)整配色(如圖5(a)、圖5(e))。②分別建立水體和橋梁潛在區(qū)的mask二值圖文件(二值分割)[28](如圖5(b)、圖5(f)),再通過(guò)先膨脹后腐蝕的數(shù)學(xué)形態(tài)學(xué)運(yùn)算聯(lián)通水體表面(如圖5(c)、圖5(g))。③將連通的水體表面與橋梁潛在區(qū)進(jìn)行疊加分析,根據(jù)b1·b2波段運(yùn)算提取橋再與原圖疊加顯示(如圖5(d)、5(h))。圖4為橋梁目標(biāo)的提取過(guò)程圖,可以看出,最終的提取結(jié)果能夠很好的匹配真實(shí)橋梁。

2.4 精度分析

通過(guò)將橋梁目標(biāo)提取結(jié)果與原始圖像目視解譯結(jié)果進(jìn)行比較可以發(fā)現(xiàn),在形狀和位置等方面,提取的橋梁目標(biāo)都能夠較好地匹配真實(shí)橋梁。但由于受不同地物光譜特征和各種細(xì)節(jié)信息的影響,任存在少量的誤分現(xiàn)象,比如由于橋梁本身陰影與水體的混淆等。利用ENVI5.1中精度分析模塊,分別對(duì)兩個(gè)研究區(qū)采用單閾值法、最大似然法、面向?qū)ο蠓ǖ慕Y(jié)果進(jìn)行精度分析,正如如表3結(jié)果顯示,面向?qū)ο蟮臉蛄盒畔⒌奶崛【让黠@高于其他方法。綜上可知,本文的面向?qū)ο筇崛》椒ň哂休^高精度,能夠提取不同特征的橋梁目標(biāo),定位較為準(zhǔn)確,提取結(jié)果在一定程度上能夠和真實(shí)橋梁相目標(biāo)匹配,精度較高,誤差較小。

圖5 橋梁提取過(guò)程

表3 不同提取方法的精度對(duì)比

3 結(jié)論

本文以國(guó)產(chǎn)高分一號(hào)8m影像為數(shù)據(jù)源,針對(duì)水利設(shè)施中橋梁的高精度提取難度較大的問(wèn)題,使用基于規(guī)則的面向?qū)ο蠓椒▽?shí)現(xiàn)了對(duì)橋梁目標(biāo)的精確化提取。實(shí)驗(yàn)結(jié)果表明,該方法的總體精度在90%以上,Kappa系數(shù)在85%以上,遠(yuǎn)高于常規(guī)提取方法的精度,能夠?yàn)榱饔蛩Y源調(diào)查,防洪減災(zāi),水利規(guī)劃等工作提供一定的科學(xué)參考。針對(duì)本實(shí)驗(yàn),最終得出以下結(jié)論:

①使用基于規(guī)則的面向?qū)ο蠓椒ㄌ崛蛄盒畔?相比基于像元的常規(guī)方法,不僅考慮了影像的光譜信息,同時(shí)考慮了對(duì)象的幾何、形狀、拓?fù)潢P(guān)系等特征,為影像分類提供更多的參考依據(jù),從而提高分類精度。

②本文方法能夠克服目標(biāo)周圍的復(fù)雜環(huán)境影響,面向不同地物采用不同特征進(jìn)行提取,避免橋梁陰影、綠化帶、兩端道路等非目標(biāo)信息干擾,提取結(jié)果能夠很好的匹配真實(shí)橋梁目標(biāo),適用性強(qiáng)。

③本方案還提供了同質(zhì)性紋理特征等備用特征以用于沒(méi)有水體情況下的橋梁識(shí)別應(yīng)用,還可以根據(jù)數(shù)據(jù)源的特點(diǎn)增加或減少部分特征,因此本文提出的方法具有一定的伸縮性和較強(qiáng)的普適性。

④繼續(xù)深入研究針對(duì)國(guó)產(chǎn)高分一號(hào)高分辨率遙感影像如何高效、準(zhǔn)確地獲取高精度橋梁等水利設(shè)施信息的相關(guān)問(wèn)題,對(duì)我國(guó)的水利事業(yè)的發(fā)展具有重要意義,為國(guó)產(chǎn)高分影像處理系統(tǒng)的研究與應(yīng)用提供必要的科學(xué)參考。

[1] Wu Fan,Wang Chao,Zhang Hong,et al. Knowledge-Based Bridge Recognition in High Resolution Optical Imagery[J]. Journal of Electronics and Information Technology,2006,28(4):587-591.

[2]董銀文,苑秉成,石釗銘. 基于區(qū)域特征的航拍圖像水上橋梁自動(dòng)識(shí)別[J]. 武漢大學(xué)學(xué)報(bào),2013,38(9):1073-1077.

[3]Luo J,Ming D,Liu W,et al. Extraction of Bridges over Water from IKONOS Panchromatic Data[J]. International Journal of Remote Sensing,2007,28(16):3633.

[4]Wu Hao,Liu Zhengkai,Zhang Rong. A Study of Bridge Recognition from Landsat TM Images[J]. Journal of Remote Sensing,2003,7(6):478-484.

[5]Sun Qi,Cao Zhiguo,Zhang Tianxu. A Recognition Algorithm Based on Knowledge Framework for Long Range Infrared Bridge Images[J]. Journal of Huazhong University of Science and Technology,2001,29(4):1-3.

[6]Peng Shurong,Wang Yaonan,Liu Guocai. A Method Improving Registration Accuracy Progressively for InSAR Complex Image[J]. Acta Geodaetica et Cartographica Sinica,2007,36(1):62-66,77.

[7]Chaudhuri D,Ashok Samal. An Automatic Bridge Detection Technique for Multispectral Images[J]. IEEE Transactions on Geoscience and Remote Sensing,2008,46(9):2720-2727.

[8]Vergnet R L,Saint-Marc P,Jezouin J L. A Generic Bridge Finder[J]. Automated CAD-Based Vision,1991,2(3):176-185.

[9]楊浩,尹東,洪日昌. 高分辨率遙感圖像中橋梁自動(dòng)識(shí)別方法研究[J]. 計(jì)算機(jī)仿真,2006,23(9):119-123.

[10]閔莉,唐延?xùn)|,史澤林. 基于Mumford_shah模型的水上橋梁目標(biāo)分割與識(shí)別[J]. 紅外與激光工程,2006,35(4):499-504.

[11]陳超,秦其明,陳理. 基于地物光譜特征分析的高分辨率遙感圖像水上橋梁提取[J]. 光譜學(xué)與光譜分析,2013,33(3):718-722.

[12]郭莉莉,陳忠,張寧新. 改進(jìn)的Lidar數(shù)據(jù)橋梁提取算法研究[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2014,25(6):2072-2083.

[13]陳生,王宏,沈占鋒. 面向?qū)ο蟮母叻直媛蔬b感影像橋梁提取研究[J]. 中國(guó)圖象圖形學(xué)報(bào),2009,14(4):585-590.

[14]易文斌,唐宏,楊晉科. 面向?qū)ο蟮臑?zāi)害信息遙感提取框架及其應(yīng)用[J]. 自然災(zāi)害學(xué)報(bào),2009,18(5):157-162.

[15]段光耀,宮輝力,李小娟. 結(jié)合特征分量構(gòu)建和面向?qū)ο蠓椒ㄌ崛「叻直媛市l(wèi)星影像陰影[J]. 遙感學(xué)報(bào),2014,18(4):760-770.

[16]張俊,朱國(guó)龍,李妍. 面向?qū)ο蟾叻直媛视跋裥畔⑻崛≈械某叨刃?yīng)及最優(yōu)尺度研究[J]. 測(cè)繪科學(xué),2011,36(2):58,107-109.

[17]買買提·沙吾提,塔西甫拉提·特依拜,丁建麗. 面向?qū)ο蟮母珊祬^(qū)鹽漬地信息提取方法研究[J]. 中國(guó)沙漠,2013,33(5):1586-1592.

[18]冉有華,李文君. TM圖像土地利用分類精度驗(yàn)證和評(píng)估[J]. 遙感技術(shù)與應(yīng)用,2003,18(2):81-86.

[19]張行清,丁美花,陳燕麗. 基于HJ-1衛(wèi)星遙感的廣西水庫(kù)水面監(jiān)測(cè)[J]. 水利學(xué)報(bào),2014,45(4):427-434.

[20]李加林,曹羅丹,浦瑞良. 洪澇災(zāi)害遙感監(jiān)測(cè)評(píng)估研究綜述[J]. 水利學(xué)報(bào),2014,45(3):253-260.

[21]楊述斌,彭復(fù)員. 數(shù)學(xué)形態(tài)學(xué)在圖像處理中的應(yīng)用于發(fā)展[J]. 武漢化工學(xué)院學(xué)報(bào),2004,26(1):70-73.

[22]劉文洪,萬(wàn)甜,程文娟. 基于圖像二值化處理的氣泡羽流不穩(wěn)定結(jié)構(gòu)分析[J]. 水利學(xué)報(bào),2009,40(11):1369-1373.

[23]黃貝瑩,左小青. 基于數(shù)學(xué)形態(tài)學(xué)的IKONOS影像提取建筑物高度方法研究遙感信息[J]. 遙感信息,2014,29(2):68-76.

[24]胡譯,唐斌,王海. 基于形態(tài)學(xué)的柵格圖像矢量化預(yù)處理[J]. 測(cè)繪與空間地理信息,2014,37(1):172-173.

[25]梁菲,譚衢霖,劉亞嵐. 國(guó)產(chǎn)“環(huán)境一號(hào)”(HJ-1)衛(wèi)星遙感影像橋梁提取研究[J]. 測(cè)繪工程,2011,20(5):13-17.

[26]崔屹. 圖像處理與分析:數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M]. 北京:科學(xué)出版社,2002.

[27]丁蕾,廖同慶,陶亮. 基于SVR的多傳感器數(shù)據(jù)融合處理方法[J]. 傳感技術(shù)學(xué)報(bào),2011,24(5):710-713.

[28]唐曉芬,侯迪波,俞丞. 基于改進(jìn)水平集方法的高分辨率遙感圖像道路提取[J]. 傳感技術(shù)學(xué)報(bào),2010,23(2):229-234.

[29]黃焱,曲平,姜淼. 基于易康平臺(tái)的高分辨率影像在測(cè)繪生產(chǎn)中的地物提取[J]. 測(cè)繪與空間地理信息,2013,36(12):146-147.

Object-Oriented Extracting Bridges Information Based on China-Made GF-1*

YUANZe1,2,DINGJianli1,2*,WANGJiao1,2,CHENWenqian1,2,LIXiang1,2,HUANGShuai1,2

(1.College of Resources and Environment Science;Xinjiang University,Urumqi 830046,China;2.College of Resources and Environment Science;Xinjiang University,Urumqi 830046,China)

Based on China-made GF-1,high spatial resolution remote sensing image as data sources,using object-oriented method based on rules to achieve the goal of high spatial resolution image in the bridge of the extraction. First,through a large number of multi-scale segmentation experiments,the optimal segmentation scale according to the underlying surface feature selection;Secondly,useing of water body index,the threshold function method to establish rules,such as gradually access to water and the potential bridges vector files;Then,by using binarization processing,mathematical morphology algorithm,overlay analysis and so on operation,The ultimate success of extraction bridge targets. Results that the method can accurately and efficiently extract the information of bridges,the overall accuracy of over 90%,the Kappa coefficient of more than 85%,the results of the study or to the research and application of domestic high image processing system to provide some scientific reference.

GF-1;bridge;optimal segmentation scale;object-oriented;mathematical morphology

袁 澤(1991-),男,漢族,新疆伊犁人,碩士研究生,主要從事干旱區(qū)資源環(huán)境及遙感應(yīng)用研究,yuanze_vip@163.com;

丁建麗(1974-),男,漢族,山東成武人,教授,博士生導(dǎo)師,主要從事干旱區(qū)資源環(huán)境及遙感應(yīng)用研究,12848454278@qq.com。

項(xiàng)目來(lái)源:高分辨率對(duì)地觀測(cè)重大專項(xiàng)項(xiàng)目(民用部分)(95-Y40B02-9001-13/15-03-01);國(guó)家自然科學(xué)基金項(xiàng)目(U1303381,41261090,41130531,41161063);教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃項(xiàng)目(NCET-12-1075);教育部長(zhǎng)江學(xué)者計(jì)劃創(chuàng)新團(tuán)隊(duì)計(jì)劃項(xiàng)目(IRT1180);新疆維吾爾自治區(qū)青年科技創(chuàng)新人才培養(yǎng)工程項(xiàng)目(2013711014);霍英東青年教師基金項(xiàng)目(121018)

2014-11-30 修改日期:2015-02-12

C:7230

10.3969/j.issn.1004-1699.2015.05.014

TP753

A

1004-1699(2015)05-0690-07