基于多源遙感數據的第三次國土調查內業信息提取方法

陳宗成

(1. 山東省魯南地質工程勘察院, 山東 兗州 272100; 2. 山東省地勘局第二地質大隊, 山東 兗州 272100;3. 自然資源部采煤沉陷區綜合治理工程技術創新中心, 山東 兗州 272100)

0 引言

作為國情與國力調研的重要內容,國土調查是查實我國土地資源的主要方式[1]。為確保第三次國土調查結果的準確性,提取內業圖斑信息,將提取到的信息作為第三次國土調查過程中實地調研與查實的關鍵依據[2],因此,第三次國土調查內業信息的準確提取就顯得尤為重要。

當前對于第三次國土調查內業信息提取的研究不多,大都集中在不同區域的土地利用信息提取,例如文獻[3]提出了一種基于影像特征多尺度拓撲的城市土地覆蓋信息提取方法。該方法將南京市作為研究區域,采用快鳥(QuickBird)影像進行城市土地覆蓋信息提取方法的設計。對影像進行多尺度分割,在典型樣本分析的基礎上創建多尺度的影像分類特征集,采用模擬退火算法優化分類特征集并進行影像的初始分類,在此基礎上對初始分類結果進行再分類,將分類結果作為城市不同類型的土地覆蓋信息提取結果,但是該方法存在圖像分割耗時過長的問題,實際應用效果并不好。文獻[4]提出面向對象的影像分析(Object-Based Image Analysis, OBIA)與射頻(Radio Frequency, RF)結合的龍口市土地利用信息提取方法,采用陸地衛星8號(Landsat8)陸地成像儀(Operational Land Imager，OLI)影像。針對不同地物特點對遙感影像進行閾值分割及多尺度分割,得到分割后的遙感影像數據集。在此基礎上采用Relief F算法對圖像特征子集進行中英文全稱降維處理,并與全部特征一起應用RF建模,實現龍口市土地利用信息提取與比較,但是該方法圖像融合效果差,得到的遙感影像并不清晰,難以達到理想的應用效果。

多源遙感技術是在遙感技術的基礎之上,利用光學、紅外等不同傳感器實現地面觀測,具有多時相、多光譜、多分辨率等特征。相較于單源遙感數據,多源遙感數據的主要優勢為互補性與冗余性[5-6],即不同源的遙感數據既相互獨立,又可取長補短,可提升信息提取精度,且對于目標或環境的描述具有一致性。基于此,提出基于多源遙感數據的第三次國土調查內業信息提取方法。

1方法設計

1.1 多源遙感數據

在第三次國土調查內業信息提取方法設計過程中選取高分二號衛星的多波段影像作為后續分析基礎,該衛星分別于2014年和2015年在我國山西發射升空和投入使用。高分二號衛星分辨率(黑白)達1 m以上,在進行目標定位過程中可實現亞米級定位精度[7],可為我國相關部門提供高精度應用服務。

表1所示為高分二號衛星相關參數。

表1 高分二號衛星相關參數

1.2 多源遙感數據預處理

多源遙感數據預處理主要包括影像融合與像元亮度值校正兩個過程。

1.2.1影像融合

利用格雷-戈萊(Savitzky-Golay，S-G)濾波器對高分二號衛星高空間分辨率全色與多光譜影像進行融合處理,此過程最重要的環節是高頻細節信息的提取。

由于光譜影像普遍存在著明顯的失真問題[8],因此,采用具有固定尺度特征的高頻濾波技術提取光譜影像的高頻細節,以此提升解決影像失真問題。基于S-G濾波器的影像融合過程如圖1所示。

圖1 影像融合過程

圖1中,HSI變換中的H是指色調(Hue);S是指飽和度(Saturation);I是指亮度(Intensity)。

多源遙感影像融合過程如下:

(1)采用低通濾波器處理具有高分辨率特征的全色影像,消除全色影像中所包含的噪聲,降低S-G濾波器提取高頻細節信息過程中的噪聲含量;

(2)對處理后的全色影像進行配準與重采樣[9];

(3)針對多光譜影像進行HSI變換處理,獲取H、S、I三個分量,同時依照I分量對全色影像進行直方圖匹配,獲取匹配后的全色影像;

(4)為獲取I分量的低頻近似分量,利用二維S-G濾波器對其進行低通濾波處理,同時采用S-G濾波器處理匹配后全色影像的高頻細節分量[10];

(5)采用引導濾波方法將I分量的低頻近似分量與全色影像的高頻細節分量相融合,獲取融合后的I分量;

(6)用融合后的I分量取代原I分量,通過HSI反轉換獲取融合后的多光譜影像。

1.2.2像元亮度值校正

由于高分二號衛星數據集內的不同影像均存在像元亮度飽和的問題[11],因此,需要對融合后的多光譜影像像元亮度進行校正。將[1,63]范圍內的累計像元亮度值上限作為標準[12],以多光譜相機的標準像元亮度值為參考數據,構建一元二次模型

Dq=δ×D2+γ×D+λ

(1)

式(1)中,Dq表示校正后的像元亮度值;D表示校正前的像元亮度值;δ、γ、λ均為回歸參數。

利用式(1)中描述的一元二次模型消除高分二號衛星多源遙感影像中的非穩定像元。其中,回歸模型參數設置如表2所示。

表2 回歸模型參數

1.3 遙感影像分割

在對多源遙感影像進行預處理后,根據圖割理論[13],對多源遙感影像進行分割,以獲取大量的遙感影像圖塊。在多源遙感影像中,地類邊界像素及顏色波動是多源遙感影像的關鍵特征,基于此可利用能量函數描述多源遙感影像中的目標邊界,將能量函數映射為s-t網絡,根據最小代價切割完成多源遙感影像不同地類邊界的劃分。

在s-t網絡內,兩個相鄰節點的像素在非邊緣處,說明兩節點之間具有較大的邊權值,因此,在這兩個節點間進行影像分割的代價較大。若與之相反,可說明兩個節點間進行影像分割的代價較小。存在以上兩個特征的節點像素間RGB(RGB顏色模式,Red Green Blue color mode)距離Sij可通過公式(2)獲取

Sij=‖Xi-Xj‖2

(2)

式(2)中,i和j分別表示多源遙感影像中的任意兩個節點,兩者相應的像素RGB值分別為Xi和Xj。

2.1 大學生體質健康標準測試各指標的基本信息貴州大學2017年男女生體質健康測試各指標的均值、標準差、最小值、最大值見表3，其中總分=BMI指數得分*0.15+肺活量得分*0.15+50m跑得分*0.2+800m/1000m得分*0.2+立定跳遠得分*0.1+坐位體前屈*0.1+一分鐘仰臥起坐/引體向上得分*0.1。

s-t網絡邊權值kij可通過式(3)確定

(3)

式(2)中,A和θ2分別表示s-t網絡邊界和節點分割代價。

當初始環狀區域包含多源遙感影像地類邊界時,為了使影像切割代價達到最小,需保證s-t網絡的活動輪廓線包含了遙感影像地類邊界段。

用s和t分別表示環狀域外邊界和內邊界,將這兩點分別作為s-t網絡源點與匯點,將環狀域內部各像素視為網絡節點,利用8鄰域方式將相鄰節點連接在一起,其邊權值為kij。同s或t連接在一起的內部節點,其權值為該節點相應的像素和環狀與外邊界或內邊界中全部連接的像素權值累加值[14]。

s-t網絡內,由于kij大小受邊界粗細的影響,多源遙感影像地類邊界兩側節點相應的像素RGB值會出現顯著波動,kij值越小,多源遙感影像地類邊界像素的權值累加值也越小。基于此,可利用s-t網絡最小代價分割問題取代多源遙感影像地類邊界劃分問題,分割s-t網絡以獲取環狀線f,其包含的邊權值累加值為其分割代價,可用cost(f)表示,cost(f)最小的曲線即為多源遙感影像地類邊界最優分割曲線

(4)

1.4 業內信息提取

第三次國土調查內業信息提取的目標包括:差異性地類圖斑、偏移圖斑、在建圖斑[15]。根據我國土地利用相關規范采用不同級別分類與標準類統一形式對差異性地類圖斑類別進行編碼。

對遙感影像進行分割后能夠獲取大量的遙感影像圖塊,按照相應順序分析各遙感影像圖塊紋理、色調、位置、附著物以及周圍環境,構建連片建成區;根據第三次國土調查內業信息提取分類規范判斷遙感影像圖塊類型,構建解譯標志;按照遙感影像圖塊類型,采集土地利用圖斑,將采集結果同第二次國土調查數據庫進行對比,獲取第三次國土調查獲取與第二次國土調查不同與相同的圖斑(差異性地類圖斑、偏移圖斑、在建圖斑),以此實現三次國土調查內業信息提取,其過程如圖2所示。

圖2 業內信息提取過程

2 實驗分析

實驗為驗證本文所設計的基于多源遙感數據的第三次國土調查內業信息提取方法的應用性能,以我國某市為研究區域進行實驗驗證。該研究區域總面積為114 008 842.6 m2,包含24個鄉鎮轄區,總人口數量為149萬。

2.1 第三次國土調查內業信息提取結果

分析表3和表4可知,采用本文方法提取研究區域多源遙感影像中,同第二次國土調查結果進行對比后具有差異的圖斑共22 873塊,全部圖斑面積為11 405 907.6 m2,同研究區域實際總面積之間的誤差控制在3 000 m2以內,該誤差值在允許范圍內,說明本文方法能夠有效提取第三次國土調查內業信息。

表3 研究區域主要地類解譯標志

續表3

表4 內業信息提取結果

2.2 遙感影像融合效果對比

人眼對于色彩的辨別能力容易受主觀因素影響因而具有明顯差異性,為準確判斷融合前后光譜信息變化以及空間細節等情況,在評價遙感影像融合效果時采用統計量化指標。實驗過程中采用相關系數方法評價多源遙感圖像融合的效果,相關系數計算過程為

(5)

式(5)內,G、H分別表示多光譜影像與全色影像;M表示影像的行數;N表示影像的列數。其計算公式為

(6)

(7)

由于研究區域植被面積較大,因此,在采用本文方法提取內業信息時,選取研究區域遙感數據中的全色波段影像與多光譜影像的2～4波段。將文獻[3]方法與文獻[4]作為實驗對比方法,三種方法的遙感圖像融合小結果如圖3所示。

分析圖3可知,與兩種實驗對比方法相比,本文方法融合得到的遙感圖像清晰度高,能夠有效增強遙感圖像空間內細節特征。

多光譜影像不同波段影像的相關系數如表5所示。

圖3 遙感圖像融合結果

表5 不同方法的圖像融合效果

分析表5得到,與兩種實驗對比方法相比,本文方法融合后的遙感圖像相關系數高,說明該方法保留光譜信息能力最強。

2.3 遙感影像分割效果對比

本文方法、文獻[3]方法及文獻[4]方法的遙感影像分割效果如表6所示。

表6 遙感影像分割效果

分析表6能夠得到,本文方法遙感影像分割的準確率均值高達95.78%,與文獻[3]方法相比提升2.24%,與文獻[4]方法相比提升11.37%;同時本文方法遙感影像分割耗時均值為0.38 s,與文獻[3]方法相比下降0.56 s,與文獻[4]方法相比下降0.83 s。以上數據說明本文方法可在確保高分割準確率的基礎上,降低遙感影像分割耗時。

3 結束語

本文提出基于多源遙感數據的第三次國土調查內業信息提取方法,在多源遙感影像處理基礎上,通過將其與二次國土調查數據庫內信息進行對比,提取差異性地類圖斑、偏移圖斑、在建圖斑,以達到第三次國土調查內業信息提取的目的。實驗結果顯示,該方法的遙感影像分割與融合效果好,能夠有效提升內業信息提取效率。