基于多光譜遙感圖像的火點檢測技術

馮希胤，劉 夢，姜 艷，李 路，范雪松

(武昌船舶重工集團有限公司，湖北 武漢 430416)

0 引言

火災是威脅公眾安全的主要災害之一，發生在人群居住地的火災會造成人員傷亡和公眾財產損壞，發生在人跡罕至的森林或山區的火災會造成森林資源的缺失，并且破壞當地的生態環境[1-2]。根據紅外檢測器獲得的地表紅外圖像進行一定處理后識別圖像中是否有火災出現，對火災的監測識別起到一定的參考作用[3]。秸稈的露天焚燒會影響大氣質量，地面監測火情大多只能做到點狀監測，并且往往需要花費大量人力和物力資源。衛星遙感則提供了大范圍、全天候火災監測的可能性[4]。遙感技術的迅猛發展，對火情監測、地點位置確定和災后評估等工作提供了有力幫助[5]。

為了減少火災對公眾資源和自然資源的破壞，預防是關鍵，借助科技手段及時地預防和監測是根本。對火災監測進行積極的拓展，對人類生存發展具有重要意義[6]。我國是人口大國，人群居住密集，同時我國的森林覆蓋率為16.5%，做好火災的及時監測和撲救，對促進經濟的快速發展，具有重要的現實意義[7]。

本文提出了一種火點檢測算法，通過分析熱輻射，篩選出候火點。然后使用“劈窗法”進一步判斷火點，最后將檢測到的火點覆蓋到中波紅外波段的圖像顯示。高分四號(GF-4)衛星可以短時間迅速成像，為火場控制產生時間，在火點檢測中發揮了較大作用。

1 基于GF-4火點檢測技術

任何物體在發出輻射能的同時，也在不間斷地吸收周圍物體發出的輻射能。一個物體的輻射能力隨著溫度的升高而提高，因為物體向外界輻射出的凈能量是輻射出的能量與吸收能量的差[8]。

熱輻射是物體以電磁輻射的形式向外輻射熱能的一種傳熱方式，不依賴于任何外部條件。熱輻射是熱量傳遞3種方式之一。本文的火點檢測算法主要是分析遙感圖像中各個物體溫度熱輻射，通過熱輻射來判斷火點是否存在[9]。

物體溫度高于臨界值時會向外界輻射能量，溫度越高輻射越強，溫度過高時會產生熱異常現象。燃燒的物體和沒有燃燒的物體的輻射有明顯區別[10-11]。依據普朗克黑體輻射定律，火災發生時，中波紅外波段的輻射波長最大，GF-4的中波紅外波段通道能據此找到著火點，這是本文進行火點檢測的理論基礎[12-13]。

對GF-4進行輻射定標和物理量計算數據處理，利用紅光波段和近紅外波段的反射率，以及中波紅外波段的亮溫值對每個像素進行火點檢測，再利用實驗數據對該方法進行驗證。算法流程如圖1所示。

圖1 算法流程Fig.1 Flow chart of algorithm

由圖1可知，火點檢測的核心步驟有2個。首先，使用閾值分割找到候選火點，此時使用的閾值分割需要使用人工經驗選擇法來選擇閾值。然后，確認火點時也使用閾值分割，這時的閾值分割需要用自適應閾值法。自適應閾值法與其他確定閾值的方法不同的是，其他方法的閾值適用于所有檢測點，自適應閾值法的思想是，每一個檢測點的閾值根據該檢測點的值來確定。

1.1 輻射定標

在遙感圖像的分析與應用中，輻射定標是基礎。GF-4是我國發射的第一顆地球靜止軌道高分辨率對地觀測衛星，軌道距地36 000 km，可以長期駐留在固定區域上空，對中國及周邊地區進行接近實時的高頻次重復觀測和多熱點地區快速巡查。GF-4是當時世界上空間分辨率最高、幅寬最大的地球同步軌道遙感衛星，也是“國家高分辨率對地觀測系統重大專項”中唯一的一顆高軌遙感衛星。同時，該衛星還是目前我國時間分辨率最高、設計使用壽命最長的遙感衛星。GF-4采用了我國首個高軌遙感衛星平臺和首個高軌高分辨率對地觀測光學遙感相機，可見光近紅外譜段分辨率為50 m，中波紅外譜段分辨率為400 m，觀測幅寬大于400 km，該相機的成像方式有3種：區域成像、凝視成像和巡查成像。與此同時，GF-4有能力長期駐留于固定區域。目前，GF-4具有普查、凝視、區域和機動巡查4種工作模式，衛星數據可滿足水體、林地及森林火點等識別與變化信息提取對遙感數據質量的需求，對減災、氣象、地震、林業及環保等提供有力支撐。目前為止，GF-4已經在軌運行5年。隨著在軌運行時間的推移和空間環境的變化，衛星上的光學元件逐漸老化，譜段的輻射特性發生變化，發射前實驗室定標的結果不能反映此時GF-4光學器件的輻射特性。此外，定標黑體光路結構的差異、性能穩定性的降低以及缺少性能變化監測手段等，星上定標結果精度受限和時間有效性縮短，導致輻射性能發生變化[6]。通過交叉校準，可以隨時對傳感器進行有效監測，然后根據監測結果進行調整和改進，以減少誤差對校準的影響。目前，全球在軌輻射定標主要有3種方法：星上定標、現場定標和交叉定標。大多根據場地定標法的結果，來得到場地輻射定標系數[14-16]。但由于很多因素均會影響場地定標結果，在定標過程中可能會花費大量時間和精力，通常，場地定標實驗在國外每年僅進行2次，而在國內僅進行1次。由于場地定標的次數有限，無法動態地監測傳感器的輻射性能變化。交叉定標是利用高輻射精度的衛星對輻射精度較低的衛星進行校準，從而可以有效檢查與驗證傳感器穩定性和測量精度。目前，GF-4每年只進行1次場地定標，無法動態地監測傳感器的輻射特性[17]。而交叉輻射定標方法可以及時了解衛星傳感器的性能變化情況，從而提升定標精度。

本算法中的GF-4圖像在進行反射率等計算之前，需要進行輻射定標，利用式(1)對GF-4的各個波段進行輻射定標：

L=Mλ·DN+Aλ，

(1)

式中，DN為像元灰度值；Mλ為增益系數；Aλ為偏移量；得到的值L為輻射值。

1.2 物理量計算

本算法需要使用紅光通道的反射率和近紅外通道的反射率，遙感圖像的反射率不能直接獲得，需要反演得到。

觀測角與方位角示意如圖2所示。θv是衛星觀測方向和地面鉛垂線之間的夾角，θs是太陽入射光線與地面鉛垂線之間的夾角，φ是方位角。若大氣上界太陽輻射通量密度是E0，氣溶膠的散射以及吸收作用和大氣分子的散射作用使入射太陽輻射的總投射率為T(θs)，T(θs)=e-τ/us+td(θs)，其中td(θs)代表下行散射輻射透射率因子，e-τ/us代表下行直輻射，us=cosθs是太陽天頂角的余弦值，τ是大氣光學厚度，則太陽輻射傳播到地面的輻射通量密度為cos(θs)E0T(θs)。地面反射率記為ρ，來自地面的太陽輻射一部分被大氣反射回地面，反射率為S，地面與大氣之間的相互反射進行無窮次，增強了地面的入輻射量，增強因子是1+ρS+ρ2S2+ … =1/(1-ρS)。衛星遙感器在天頂角θv位置觀測來自地面的輻射，忽略太陽入射路徑與反射路徑大氣在水平方向的差異，則觀測方向的投射函數T和入射方向的投射函數相同。衛星遙感器在天頂角θv位置測量，檢測出θv方向的輻射亮度L，若地球大氣系統反射的效果滿足條件，那么在2π球面角內的總輻射是πL。

圖2 觀測角與方位角示意Fig.2 Schematic diagram of observation angle and azimuth angle

假設所測目標物為朗伯面，衛星觀測的地氣系統反射率為：

R(π·L·d2)/(E·cosθ),

(2)

式中，R為反射率；d為日地天文單位距離；E為太陽輻射照度；θ為太陽天頂角。

地表物體溫度反演算法目前的主流方法有3種：單通道算法、大氣校正法和分裂窗算法。本文使用大氣校正法，其基本原理是首先估計大氣對地表熱輻射的影響，然后從衛星傳感器觀測到的總熱輻射中減去這部分大氣效應，得到地表熱輻射強度，把熱輻射強度轉換成相應的表面溫度。亮溫值為[15]：

(3)

式中，T為亮溫值；L為反射率；v為中心波長的倒數；C1=1.191 065 9×108，C2=1.143 883 3×104。

1.3 火點檢測算法實現

在算法實現的最初階段，讀入GF-4圖像各通道的灰度值，要先讀取TIFF文件的頭文件，得到圖像格式信息之后，新建一個相同規格的矩陣，再將數據讀取。

可見光近紅外通道的圖像大小為10 240 pixel×10 240 pixel，通道數為5，而中波紅外通道的圖像大小為1 024 pixel×1 024 pixel，為了在云檢測和火點判斷時不出現坐標點錯誤，先將可見光近紅外通道的矩陣縮小10倍，每10×10大小圖像灰度值的平均值作為縮小后圖像中1×1的灰度值。

火點檢測程序的核心算法如下。火點檢測以中波紅外波段的亮溫值為主，結合紅光波段和近紅外波段的反射率構成中心算法。

(1) 云檢測：將云區檢測到并掩膜處理。

(2) 水體檢測：水體的反射率主要集中在可見光中的藍綠光波段，而其他波段特別是紅外波段的吸收都很強，所以在紅外影像上，水體一般情況呈現黑色。水體檢測基于近紅外和中波紅外波段。使用歸一化差分水體指數、近紅外波段反射率和中波紅外波段的亮溫值來檢測圖像中的水體像素并進行掩膜處理。歸一化差分水體指數由式(4)計算，水體判斷由式(5)計算：

N=(R5-R4)/(R5+R4),

(4)

(5)

實現此算法的程序和云檢測程序相似，都是要遍歷每個像元，使用閾值分割來進行水體檢測，得到水體檢測的二值矩陣，最后進行掩膜處理。

(3) 候選火點判別：將滿足式(6)的點判斷為候選火點。候選火點即為熱輻射較高的疑似火點，但不是最終確定的火點。

R5<7.4&554.7

(6)

同樣，對非云、非水體的像元進行閾值分割，得到候選火點的二值圖像。

(4) 判斷有效背景元：當GF-4圖像中的某一像素為非云、非水，且滿足式(7)時，判斷此像元為有效背景元：

T>545.76。

(7)

(5) 確認火點：使用劈窗法對候選火點進行進一步判斷。以判斷出的候選火點為窗口中心，設置窗口最初大小為3×3，窗口內有效背景元的數量大于1/4窗口總像元數時，窗口維持原大小不變，若窗口內有效背景元的數目小于1/4窗口內總像元數時，擴大窗口到5×5，7×7，直到21×21。計算出窗口內有效背景元中波紅外波段亮溫值的平均值和均方差。當某一候選火點滿足式(8)時，將此候選火點判定為火點，即：

T>T1+4·fc

(8)

式中，T為檢測點亮溫值；T1為背景元的亮溫平均值；fc為窗口內背景元的亮溫間的標準差。

火點檢測以中波紅外波段的亮溫值為主，結合紅光波段和近紅外波段的反射率構成中心算法。

在使用劈窗法對候選火點進行判斷時，判斷出火點的同時要剪切出中波紅外波段和可見光波段的相同區域圖像，用于火點結果評價。將這3個圖像保存到結果文件夾中，并且以檢測到的火點坐標來命名。而GF-4圖像是不包含地理信息的TIFF文件，所以火點的經緯度要計算。利用xml文件中給出的圖像4個點的經緯度來判斷某一特定位置的經緯度。同時得到1 024 pixel×1 024 pixel大小的火點標記二值圖像。將火點標記為藍色覆蓋到中波紅外圖像上并顯示出來。

2 實驗分析

GF-4衛星于2015年12月29日從中國西昌衛星發射中心發射，是中國首顆地球靜止軌道高分辨率對地觀測光學遙感衛星，也是當時全世界地球同步軌道分辨率最高的民用衛星。衛星上帶有的全色及多光譜相機的空間分辨率是50 m，中波紅外相機的空間分辨率是400 m，所以GF-4衛星具有高分辨率多光譜衛星的特性，同時又具有氣象衛星的地球同步軌道、面陣凝視成像以及以分鐘為周期來獲取同一區域序列圖像的特性。GF-4衛星在白天成像的可見光近紅外影像包含PMS相機獲取的4個可見光通道的數據、一個近紅外通道的數據以及一個中波紅外通道的數據，不能使用已有的算法來進行火點檢測。

選取4張山西地區和1張北京地區共5張GF-4圖像來作為火點檢測實驗組數據，這5張圖像的數據如表1所示。

表1 選取的高分四號衛星數據Tab.1 Selected data from GF-4 satellite 單位：張

所選用的GF-4圖像分別覆蓋了山西省長治市沁源縣王陶鄉和北京市密云區東邵渠鎮太保莊地區2個區域。王陶鄉位于山西省南部，地理范圍109°75′E～114°13′E，34°80′N～40°18′N，該鄉2019年3月29日13時30分發生了大火，起因是養雞場使用的架空鋁絞線在大風作用下發生碰撞，產生的高溫金屬熔化物引燃了地上的干草。太保莊地區位于北京的東北方向，地理范圍114°10′E～118°33′E，38°79′N～40°72′N，該地區有很大森林植被覆蓋，于2019年3月30日12點23分發生大火。

由于GF-4圖像不能提供更加精確的著火地點的衛星影像和火情實況，所以驗證著火點的方法為目視。將中波紅外波段圖像中的亮點和可見光波段中的煙霧結合，當作判斷為真實火點的依據。將真實火點與檢測到的火點進行比對，計算出準確率、漏檢率以及綜合評價指標。準確率的計算方法為檢測到的火點中的真實火點數除以檢測到的所有火點數。漏檢率的計算方法為算法漏檢的火點數除以檢測到的火點總數。

使用每個地區的實驗組來對云、水體、植被、裸地和火點等5種典型類別的亮溫值進行統計，分析得到典型類別的反射率和亮溫值信息。

從反射率的分析結果來看，在紅光波段和中波紅外波段，云的反射率很高而且明顯高于其他類別；因為水體對光有吸收作用，水體在各個波段的反射率都很低，所以利用其在紅光波段和近紅外波段反射率低的特點來進行識別。著火點的反射率在各個波段都很低，而且與其他類別差異不明顯，所以判斷火點時要配合中波紅外波段的亮溫值。

根據亮溫值的統計結果，在所選的5種類別中，火點的亮溫值最高，而且與其他類別相差很大；煙霧和著火土地的亮溫值也很高，而且有少部分高于著火點，容易引起火點誤報現象；無植被覆蓋的土地可能因為陽光照射，亮溫值有時也很高，會對火點檢測進行干擾，所以本實驗中選擇的圖像均為白天且非正午時拍攝的圖像。

要驗證檢測到的火點是否為真實火點，需目視檢驗GF-4圖像的著火點。圖3和圖4分別為山西王陶鄉著火點區域可見光波段合成的GF-4圖像和中波紅外波段火點區域GF-4圖像。圖 5和圖 6分別為北京太保莊地區著火點區域可見光波段合成的GF-4圖像和中波紅外波段著火點區域的圖像。圖像用于之后著火點的精度驗證。

圖3 山西王陶鄉可見光波段火點區域Fig.3 Visible light band fire spot area in Wangtao Township,Shanxi

圖4 山西省王陶鄉火點區域中波紅外波段圖像Fig.4 Mid-wave infrared band image of the firespot area in Wangtao Township,Shanxi

圖5 北京市太保莊地區火點區域可見光波段圖像Fig.5 Visible light band image of the fire spot area in Taibaozhuang area,Beijing

圖6 北京市太保莊地區火點區域中波紅外波段圖像Fig.6 Mid-wave infrared band image of the fire area in Taibaozhuang area,Beijing

將以上火點檢測的算法在Matlab中實現，分別對驗證組的2組影像進行著火點的檢測，檢測結果如圖7和圖8所示。

圖7 山西省王陶鄉火點檢測圖像Fig.7 Firespot detection image in Wangtao Township,Shanxi

圖8 北京市太保莊地區火點檢測圖像Fig.8 Firespot detection image in Taibaozhuang area,Beijing

根據驗證組的火災信息知道火點的具體經緯度信息，與檢測到的火點結果經緯度相對比，檢測到的火點的經緯度與真實火點的經緯度差別很小，所以判定檢測到的火點確實在真實火災處。

在王陶鄉2019年3月29日發生的火災中，本文的火點檢測算法共檢測到1處火場，148個著火點像元，影像中有煙霧的影響。北京市太保莊地區的火點檢測圖像中，本文的火點檢測算法共檢測到1處火場，1個著火點像元。

通過準確率計算公式計算出兩處火點，山西王陶鄉的準確率約95%，漏檢率為5%。北京太保莊地區的準確率為100%，漏檢率為0。

對比著火點檢測圖像與著火點目視圖可以看出，錯誤判斷的火點像元大多在火場邊緣，產生錯誤的主要原因是火點邊緣的溫度也很高，而且火點向外圍發散熱輻射，火場面積越大，輻射越強，最終在火點周圍形成了溫度場。本文火點檢測算法的主要判斷依據就是溫度差異，所以很容易產生錯誤檢測。山西省王陶鄉的火災面積很大，所以火點檢測的錯誤率就比較高。北京市太保莊地區的火災面積很小，所以錯誤率很低。漏檢率高的原因是煙霧的影響，煙霧會降低輻射值，遮擋住火點，在檢測一些低溫悶燒的火災火點時，容易出現漏報現象；另一個原因是候選火點判斷時閾值的影響，本文算法在實驗部分對一些物體的亮溫值進行了統計，檢測云、水體和候選火點時用的是固定的閾值，所以可能部分溫度比較低的火點達不到判識條件而被遺漏。

3 結束語

基于GF-4衛星圖像進行火點檢測，介紹了GF-4衛星和圖像波段。為了算法描述，進行了遙感圖像的預處理，包括輻射定標等。計算出判斷火點所需的紅光波段和近紅外波段的反射率以及中波紅外波段的亮溫值。設置閾值、去云和去水體之后，檢測出候選火點。本文使用劈窗法來進一步判斷火點，然后將檢測到的火點以藍色點狀形式覆蓋到中波紅外波段的圖像上顯示出來。選擇了山西地區和北京地區的火點圖像進行實驗，并對結果進行了分析和評價。結果表明，此火點檢測算法的準確率在80%以上。該算法可用于GF-4衛星圖像的火點檢測，但仍存在一定問題，可能是煙霧干擾使漏檢率偏高，還需對此進行改正。GF-4衛星可以短時間迅速成像，在火點檢測中有很大作用，可以為火場控制產生時間，具有較好的應用前景。