利用eCognition軟件多期遙感影像分割對象技術對新增建設用地進行檢測

?

利用eCognition軟件多期遙感影像分割對象技術對新增建設用地進行檢測

鄭江榮1，馬浩然2,屈鴻鈞2,郝容2，周菁2

(1. 天寶寰宇電子產品(上海)有限公司，上海 200131； 2. 北京全景天地科技有限公司，北京 100085)

本文旨在通過使用兩期遙感影像進行直接變化檢測，通過基于影像分割圖斑進行變化檢測，實現兩個時期內的新增建設用地的自動提取，并分析這種方法的結果精度和有效性，從而為實際生產中利用遙感影像進行新增建設用地的監測提供依據。

一、研究區域及數據源概況

研究區域位于安徽省徐州市定遠縣。定遠縣地處安徽省東部，位于北緯32°13′—32°42′與東經117°13′—118°15′之間，定遠古有“境連八邑，衢通九省”之譽，現仍為中國南北要沖。全縣海拔高程小于350 m，相對高程大于100 m。

試驗數據為2012年和2013年分別獲取的相同地區的資源三號衛星的多光譜影像，包含藍、綠、紅、近紅4個波段，其空間分辨率為5.8 m，成像效果較好，無云。影像尺寸大小為1899×1583像素，經過幾何精校正與配準，兩期影像配準精度在0.5像素以內。

二、技術方法

本研究采用基于影像分割對象進行變化檢測的方式，首先通過前后期影像共同參與影像分割，形成有意義的圖斑邊界，影像分割的基本要求是要將發生變化的影像圖斑分割出來，以便于之后的變化檢測。然后以分割圖斑作為變化檢測的基元，研究如何選擇合適的特征與閾值進行變化的發現。技術路線如圖1所示。

1. 影像分割

本文采用eCognition軟件的多尺度分割算法進行分割。多尺度分割算法的特點是通過計算影像內部像素之間的同質性進行分割，同質區域形成的對象較大，異質區域形成的對象較小，因此多尺度分割方法得到的對象輪廓接近地物邊界。本文通過使用兩期影像的多個波段同時參與影像分割，以得到符合兩期地物分布的一致性分割輪廓，避免前后期影像分割輪廓不同而導致在變化檢測時發生錯位現象。

圖1

2. 影像波段濾波

由于建設用地基本由房屋建筑、道路、水泥地等構成，這些地物在遙感影像上反射特征明顯，尤其在藍波段反射值較其他非建設用地差異較為明顯。為了增強藍波段中建設用地與其他地物的這種差異性，采用平均偏差絕對值濾波(abs mean deviation filter)方法對前期影像的藍波段與后期影像的藍波段分別進行濾波，生成相應的濾波波段“12_MD filter”與“13_MD filter”(如圖2所示)。在兩期藍波段的濾波影像中建設用地與其他地物對比差異明顯，由于建設用地在兩期影像的藍波段濾波波段中光譜值較高，而非建設用地地物的相應值較低，由此形成的光譜差異就可以作為檢測新增建設用地的依據。

圖2

由于新增建設用地在前期影像中為非建設用地，而在后期影像中為建設用地，因此通過對前期影像濾波波段“12_MD filter”與后期影像濾波波段“13_MD filter”作差值，得到 “Diff.MD filter”特征值

Diff.MD filter = 13_MD filter -12_MD filter

利用該特征值進行分析與計算，進一步得到新增建設用地的范圍。

3. 新增建設用地檢測

通過使用在前期基于兩期影像得到的分割圖斑作為處理和計算的基本單位，自動計算出Diff.MD filter的對象特征值，不斷更新閾值范圍，尋找到變化圖斑與未變化圖斑在Diff.MD filter特征的臨界值，從而確定新增建設用地在Diff.MD filter特征的閾值范圍為大于7.881。找到Diff.MD filter特征的閾值范圍之后，使用閾值分類方法區分出新增建設用地部分(如圖3所示)。

圖3　使用Diff.MD filter特征確定新增建設用地的范圍

三、結果與精度評價

使用Diff.MD filter特征與閾值分類方法提取出新增建設用地，效果如圖4所示。

(a)　自動檢測出新增建設用地　 (b)　人工目視檢測出新增建　(左灰色部分)　設用地(右灰部分)圖4

同時對提取出的新增建設用地斑塊面積進行統計，得到新增建設用地自動檢測斑塊面積為33 858像素。此外，為了評價自動檢測出新增建設用地的效果，通過目視對比兩期影像在分割結果上進行人工解譯用于精度驗證，經計算人工檢測新增建設用地面積為29 296像素，檢測結果如圖4所示。

通過查看對比自動檢測新增建設用地結果與人工檢測建設用地結果，得到正確檢測圖斑面積為28 221像素，另外，錯檢圖斑面積為7427像素，而漏檢圖斑為2350像素。在此基礎上對自動檢測結果對比人工目視檢測結果進行正確率和誤檢率的計算，以定量評價檢測結果。參考已有研究評價正確率的計算方法得到新增建設用地正確率M的計算公式為

M=T/(T+F)

式中，T為檢測為正確檢測新增建設用地的面積；F為建設用地漏檢圖斑的面積。

誤檢率W為誤檢像元數占檢測結果中變化像元總數的比率，即

W=(S-T)/S

式中，S為自動檢測出的像元總數；T為被正確檢測出的像元數。

經計算得到正確率M為92.31%，誤檢率W為16.66%。

此外，通過查看與分析錯檢圖斑與漏檢圖斑發現，錯檢部分圖斑多為實際發生了顏色或紋理變化的建設用地，但是實際地物屬性在兩期影像上均屬于建設用地，因此不應作為新增建設用地部分。相對于錯檢圖斑部分的7427像素，漏檢圖斑部分的面積相對小一些，為2350像素，漏檢的主要原因在于漏檢部分的新增建設用地與周圍地物的差異不太明顯，導致此部分地物在影像上濾波結果不顯著，因而未被檢測出來。

四、結論與討論

本研究基于兩期資源三號影像進行新增建設用地的提取。與以往基于像素直接比對和分別分類后比對的變化檢測方法不同，本研究通過利用兩期影像參與影像分割，形成有意義的分割圖斑作為變化檢測的基元，在此基礎上使用兩期影像分別生成對建設用地檢測效果較好的濾波波段，通過計算兩期濾波波段的差值，尋找差值的臨界閾值發現變化區域，發現新增建設用地區域。

通過對自動檢測的新增建設用地與實際目視解譯結果進行比對和精度驗證，得到自動檢測新增建設用地的正確率為92.31%，誤檢率為16.66%。比對結果說明總體上實際發生變化的建設用地檢測率較高，少量檢測出的變化圖斑存在錯誤，新增建設用地總體檢測效果較好。

(本專欄由天寶測量部和本刊編輯部共同主辦)