高分辨率遙感影像分類技術在礦山地形圖更新試驗中的應用研究

（甘肅煤田地質局一四六隊，甘肅 平涼 744000）

針對礦山測量中礦山地形圖的測繪長期以來一直是礦山測繪工作中的難點問題，礦山地形圖的精準度是確保礦山開采工作能否順利進行的關鍵參數，一般情況下，我國礦山地形圖更新的周期在5年～6年之內[1]。但由于礦產行業的高速發展，對礦山地形圖的精度提出了更高的要求。礦山地形圖更新試驗是針對礦山地形圖進行精細化繪制的重要方式，目前，高分辨率的遙感影像使礦山地形圖中的細節刻畫成為可能。傳統的遙感影像分類技術很難滿足高分辨率的實際需求，得出的分類結果往往存在誤差大的弊病，對礦山地形圖測繪工程的質量和效率均會產生消極影響。高分辨率遙感影像分類技術能夠在傳統遙感影像分類技術的基礎上，通過高分辨率的商業遙感衛星，提高空間分辨率，進而獲得更加精準的遙感影像分類結果。本文結合相關文獻對高分辨率遙感影像分類技術在礦山地形圖更新試驗中的具體應用展開詳細研究，希望能夠為提升礦山地形圖測繪質量提供技術支持。

1 高分辨率遙感影像分類技術在礦山地形圖更新試驗中的應用

1.1 礦山地形圖更新地理要素

礦山地形圖中的地理要素可以按照形狀分為兩大類，分別為：線狀地理要素以及面狀地理要素。不同的地理要素其更新類別也必然不同，本文基于高分辨率遙感影像分類技術的分類標準，得出的礦山地形圖更新地理要素綜合信息表，如表1所示。

表1 礦山地形圖更新地理要素

根據表1所示，可通過礦山地形圖的地理要素，確定礦山地形圖的更新類別。

1.2 提取礦山地形圖專題信息

在確定礦山地形圖更新類別的基礎上，通過高分辨率遙感影像分類技術，將高分辨率的遙感影像與需要更新的礦山地形圖進行同屏套合顯示，進而提取礦山地形圖專題信息。利用高分辨率遙感影像分類技術提取專題信息的具體流程，如圖1所示。

結合圖1所示，基于高分辨率遙感影像分類技術通過面向對象分類實現礦山地形圖專題信息提取。以遙感數據作為原始數據，通過對高分辨率遙感影像進行分割，獲得更具代表性的礦山地形圖專題信息。利用經過高分辨率遙感影像分類技術分類后得到的更具代表性的礦山地形圖專題信息，提取更多分類輔助信息，進一步提高礦山地形圖更新試驗中高分辨率遙感影像分類的精準度。

圖1 高分辨率遙感影像分類技術提取專題信息流程圖

1.3 影像融合

由于經過高分辨率遙感影像分類技術分割后的影像是單個像元，本文通過影像融合的方式將同質像元進行融合組成的多邊形對象。再根據按比例尺展出的礦山地形圖專題信息，依據礦山測量中具體特殊地形情況設定各項測繪參數，以高分辨率測繪遙感衛星、北斗衛星為主，結合相關無人機航測設備，利用專業軟件進行影像融合，生成點云數據以及數字正射影像圖。在獲取特殊地形測繪數字正射影像圖后，還需要對即將導入的特殊地形地質數據進行預處理，主要包括：利用收集到的監測井、水文地質圖、地形地貌圖以及地質成果報告等礦山測量數據進行初始化制作。具體方式為：在10cm×10cm的方格網上刻畫初始的水文、工程地質剖面圖，系統反應區域地表地信和地貌特征、地下地質和構造特征、地下水位變化特征、含水和隔水巖組分布特征，形成較為完整的礦山地形圖更新邊界線數據，形成以高分辨率為主的立體測繪能力，使高分辨率遙感影像自給率達到80%，從而提升礦山地形圖的測繪精度。在此基礎上，利用高分辨率遙感影像分類技術將多光譜影像與全色影像進行融合，通過主成分變換法進行影像矢量化。將10cm×10cm的方格網上的水文和工程地質剖面經過掃描成圖，然后在MapGIS地圖編輯器中進行人工矢量化，對礦山地形圖測繪邊界線進行拓撲查錯，再進行拓撲造區處理，形成矢量礦山地形圖測繪數據[2]。礦山地形圖測繪區賦參數屬性：結合基于高分辨率遙感影像分類技術影像融合得到的影像，制定標準地層表，制作礦山地形圖測繪參數屬性圖例版，最終制作出帶有標準化顏色、紋理和屬性的標準礦山地形圖。

1.4 智能化更新礦山地形圖

考慮到礦山地形圖更新試驗具有獨特的工作性質，利用高分辨率遙感影像分類技術對數字化矢量礦山地形圖目標數據進行自動配準，自動提取空間變化要素，通過影響融合，進而實現智能化更新礦山地形圖。在智能化更新礦山地形圖過程中，首先，繪制10cm×10cm的方格網；再利用高分辨率遙感影像分類技術對分類結果進行矢量化處理，將分類結果進行線要素簡化，并進行去噪處理；對礦山測量得到的地理要素進行拓撲重建；選取一個由大小、形狀相同的黑色和白色方格拼接而成的棋盤狀模板作為坐標格網；最后，通過標定模板中的方格尺寸大小來標定出礦山地形圖的更新參數。設礦山地形圖坐標格網平面上的更新三維點記為P(X,Y,Z)，則其所對應的平面坐標系中二維點可記為v[x,y]，更新礦山地形圖數據坐標格網的標定公式記為Q，則其計算公式，如公式（1）所示。

在公式（1）中，ox指的是礦山地形圖數據坐標格網x軸的縮放系數；Ry指的是礦山地形圖數據坐標格網y軸的縮放系數；δ指的是旋轉矩陣；W指的是平面坐標系橫軸與縱軸的不垂直因子；a、b指的是主點在坐標格網中的坐標。利用公式（1）可將采集到的礦山地形圖數據繪制在礦山地形圖數據坐標格網中，以此得到礦山地形圖數據更新的坐標格網。

根據得到的礦山地形圖數據更新的坐標格網，對礦山地形圖控制點進行智能化更新。具體步驟為：首先，用V8配套預處理軟件進行三維坐標文件生成，確定控制點所在礦山地形圖坐標格網的方格；然后，將影像像素灰度值進行處理。影像像素灰度值處理方程式，如公式（2）所示。

在公式（2）中，U(X,Y,Z)指的是經過影像像素灰度值處理的礦山地形圖數據坐標格網平面上的三維點；T指的是對原影像像素的一種操作，其定義在三維空間領域。通過公式（2）可以對原始影像像素進行增強，從而改變影像原有的灰度值，提高礦山地形圖中影像數據的清晰度。最后，計算圖上量取的相鄰控制點之間的距離與理論值的差值，并對其進行質量分析，統計各控制點、剖面及礦山特殊地形的觀測質量，剔除不合格影像數據，實現礦山地形圖的智能化更新。根據礦山地形圖更新試驗結果，將更新后的礦山地形圖按比例尺展出。

2 結語

通過高分辨率遙感影像分類技術在礦山地形圖更新試驗中的應用研究，有理由加強礦山地形圖智能化更新能力建設，構建多比例尺、多類型、多型號的礦山地形圖。與此同時，還可以最大程度上推進高分辨率遙感影像分類技術在礦山地形圖更新試驗中的能力建設，致力于形成多分辨率、多比例尺的礦山地形圖更新信息，支撐新型礦山測繪的技術需求。在未來發展中，高分辨率遙感影像分類技術有希望結合先進的科學技術，從根本上減少礦山地形圖更新試驗中不必要的流程，進而提升礦山地形圖更新的效率。但本文唯一不足之處在于，沒有針對高分辨率遙感影像分類技術在礦山地形圖更新試驗中的應用進行實例分析，相信這一點，可以作為日后研究方向之一。