水利污染遙感監(jiān)測方法的設(shè)計與仿真研究

張麗軍，呂大昭，高永芹，曹志勇

(1. 河北水利電力學(xué)院水利工程系，河北 滄州 061000；2. 北京建筑大學(xué)理學(xué)院，北京 102627)

1 引言

最近幾年，隨著我國科學(xué)技術(shù)的快速發(fā)展，遙感技術(shù)逐漸發(fā)展成為一種能夠快速獲取地面大規(guī)模數(shù)據(jù)的先進(jìn)方法，同時這種手段得到廣泛應(yīng)用。其中，在水資源的調(diào)查以及宏觀監(jiān)測中，利用衛(wèi)星遙感圖像對水體中的污染特征完成提取的技術(shù)已得到了較大范圍的應(yīng)用。相關(guān)專家也針對該方面的內(nèi)容進(jìn)行了大量的研究，例如王喆等人主要利用高空間分辨率目視解釋和短波紅外相結(jié)合經(jīng)驗?zāi)Ｐ拖嘟Y(jié)合的方式對研究對象進(jìn)行水體污染遙感監(jiān)測。吳世紅等人優(yōu)先對城市黑臭水體的光學(xué)性質(zhì)和影像表觀特征進(jìn)行分析，同時構(gòu)建黑臭水體遙感識別模型，通過模型進(jìn)一步完成黑臭水體的監(jiān)測工作。

由于上述兩種方法忽略了對水體遙感圖像的預(yù)處理，導(dǎo)致監(jiān)測精度較低。為此，提出一種基于RAISR算法的水利污染遙感監(jiān)測方法。為驗證所提方法的應(yīng)用效果，設(shè)計了仿真。實驗結(jié)果表明，所提方法能夠獲取理想的監(jiān)測結(jié)果，應(yīng)用效果良好。

2 方法

2.1 基于RAISR算法的水利遙感圖像預(yù)處理

優(yōu)先通過無人機航空遙感系統(tǒng)獲取水利遙感圖像，其中遙感圖像的成像主要是指高分辨率遙感圖像

x

通過模糊以及噪聲等相關(guān)操作獲取低分辨率遙感圖像

Z

的過程，具體如式(1)所示

Z

=

D

H

+

V

(1)

式中，

s

表示放大系數(shù)；

V

表示水利遙感圖像中的噪聲；

H

表示降質(zhì)矩陣；

D

表示下采樣算子。

其中，水利圖像的超分辨處理流程如下所示：

1)構(gòu)建訓(xùn)練集：

得到高分辨率水利圖像(HR)，通過降質(zhì)模型優(yōu)先對水利遙感圖像進(jìn)行降質(zhì)處理，得到低分辨率圖像(LR)，將HR和LR兩者進(jìn)行合并，最終形成圖像訓(xùn)練集。

2)學(xué)習(xí)階段：

通過HR模型獲取水利遙感圖像高頻和低頻兩個部分之間的關(guān)聯(lián)性，同時對圖像進(jìn)行分塊處理，通過相關(guān)理論進(jìn)行學(xué)習(xí)，獲取相關(guān)的先驗知識，以此為依據(jù)構(gòu)建學(xué)習(xí)模型。

3)升級階段：

通過LR圖像在已經(jīng)建立完成的數(shù)據(jù)集中搜索最佳濾波器，以此為依據(jù)進(jìn)行圖像匹配，獲取HR圖像。

RAISR算法是一種圖像超分辨率新算法，具體速度快、有效避免混疊效應(yīng)的形成等優(yōu)勢。

RAISR算法在傳統(tǒng)學(xué)習(xí)的基礎(chǔ)上，主要對先驗階段存在的問題進(jìn)行改進(jìn)，需要改進(jìn)的內(nèi)容如下所示：

1)濾波器的選取：

通過最小二乘算法選擇符合需求的濾波器，同時計算不同圖像之間的歐幾里得距離，構(gòu)建最小化矩陣，詳細(xì)的計算式如下

(2)

上式中，

h

表示濾波器的總數(shù)；

A

表示由

LR

圖像的雙線插值圖像分塊構(gòu)建的矩陣；

b

表示

HR

圖像的像素。矩陣

A

的規(guī)格是由水利遙感圖像中的像素所決定的。使用RAISR算法能夠有效避免A過大或者計算量過大，同時還能夠提升計算結(jié)果的準(zhǔn)確性。

2)濾波器的分類：

將水利遙感圖像塊的位置以及角度作為劃分依據(jù)，對濾波器進(jìn)行分類處理。

當(dāng)LR圖像經(jīng)過插值方法完成上采樣后，由于圖像的像素位置分布不同，以下分別通過各個類型的濾波器對水利遙感圖像進(jìn)行處理，具體如圖1所示。

圖1 RAISR算法在不同階段濾波器的技術(shù)線路圖

結(jié)合水利遙感圖像的周邊像素，分別計算對應(yīng)的角度、強度以及相關(guān)性，同時計算2×

n

矩陣。其中，矩陣是由第

k

個像素周圍的水平

g

和垂直

g

梯度構(gòu)成，如式(3)所示

(3)

(4)

(5)

3)濾波器的存儲和優(yōu)化：

濾波器主要是通過哈希機制進(jìn)行數(shù)據(jù)存儲。其中，哈希表即散列表，主要采用關(guān)鍵碼對水利遙感圖像的內(nèi)部結(jié)構(gòu)進(jìn)行訪問，同時也能夠通過關(guān)鍵碼將所需要的數(shù)據(jù)映射到列表中進(jìn)行數(shù)據(jù)訪問，確保數(shù)據(jù)的查找速度得到有效提升。

RAISR算法需要優(yōu)先對遙感圖像進(jìn)行超分辨率處理。若單純對濾波器進(jìn)行存儲等簡單的操作，將會增加算法的計算量。為了有效解決上述問題，將哈希方法引入到濾波器中，提升濾波器的存儲效率。濾波器組的穩(wěn)定性和訓(xùn)練圖像塊數(shù)據(jù)量的大小存在密切關(guān)聯(lián)，同時圖像塊也存在相同或者近似的情況，各個圖像塊也能夠進(jìn)行不同角度的旋轉(zhuǎn)。

4)超分辨圖像結(jié)構(gòu)優(yōu)化：

為了有效避免圖像進(jìn)行超分辨處理后整體結(jié)構(gòu)發(fā)生變化，需要再引入處理混合方法，具體的操作步驟為：

①優(yōu)先計算雙線性插值圖像的統(tǒng)計變換值；

②將步驟①得到數(shù)值取值全部設(shè)定為0，同時將其設(shè)定為權(quán)重，通過權(quán)重判定邊界，能夠進(jìn)行替換。

在上述分析的基礎(chǔ)上，需要通過RAISR算法對水利遙感圖像進(jìn)行預(yù)處理，主要劃分為兩個階段，分別為學(xué)習(xí)和升級階段，以此形成濾波器，通過濾波器完成水利遙感圖像的重建。

2.2 水利污染遙感監(jiān)測

為了清楚掌握濾波器的性質(zhì)，以下給出對應(yīng)的一維

G

(

x

)和二維

G

(

x

，

y

)表達(dá)式

(6)

式中，

σ

表示像素矩陣；

e

表示常數(shù)；

x

和

y

分別表示不同的坐標(biāo)方向。

對水利遙感圖像優(yōu)先進(jìn)行灰度直方圖統(tǒng)計，進(jìn)而得到對應(yīng)的圖像。

圖像分割是目標(biāo)識別和解析的重要基礎(chǔ)，同時在圖像處理過程中處于核心環(huán)節(jié)。一般情況下，水利遙感圖像的分割是根據(jù)圖像的顏色和灰度等相關(guān)系數(shù)為依據(jù)進(jìn)行劃分的。

假設(shè)水利遙感圖像展現(xiàn)的是雙峰谷的形態(tài)特征，則說明圖像所擁有所占面積和背景所占面積之間存在較大的差異。針對已經(jīng)給定的灰度水利遙感圖像，需要在圖像中任意選擇一個像素點，同時將其設(shè)定為隨機變量，得到對應(yīng)的概率密度

P

(

x

，

θ

)。假設(shè)圖像中含有被污染的水體，在水體部分的像素值明顯低于其部分。若水利遙感圖像中水體被污染部分和未被污染部分均服從高斯分布，設(shè)定污染水體所占的像素比例為

α

，剩余部分所占的比例為

α

，則概率密度對應(yīng)的表達(dá)式為

(7)

式中，

μ

和

μ

分別表示模型的相關(guān)參數(shù)；

N

表示目標(biāo)區(qū)域的像素總數(shù)。為更好實現(xiàn)水利污染區(qū)域的自動提取，需要將人工標(biāo)注環(huán)節(jié)提出。以下主要借助高斯混合模型實現(xiàn)，同時重新定義

P

(

I

|

l

=

j

)，具體的計算式如下

(8)

EM

算法是一種迭代算法，主要能夠劃分為以下幾個步驟：

①優(yōu)先求解出似然函數(shù)在對數(shù)條件下的期望值。

②選取最大期望值。

對于已經(jīng)選定的雙混合高斯模型，將圖像中的灰度值全部設(shè)定為已知變量，表示為

x

={

x

，

x

，…，

x

}，根據(jù)樣本

x

組建似然函數(shù)

L

(

θ

)，具體如式(9)所示

(9)

對

L

(

θ

)進(jìn)行對數(shù)提取后，再進(jìn)行求導(dǎo)，獲取極值(

InL

(

θ

))，將其表示為以下的形式

(10)

為了表示

μ

，需要對式(10)進(jìn)行簡化處理，則有

(11)

(12)

(13)

在上述分析的基礎(chǔ)上，需要對參數(shù)值進(jìn)行初始化處理，同時代入到對應(yīng)的公式中進(jìn)行求解。以下詳細(xì)給出水利污染遙感監(jiān)測的具體操作步驟：

①通過水利遙感圖像建立高斯混合模型，同時根據(jù)計算確定最佳閾值，采用閾值得到模型的初始參數(shù)。

②繪制水利遙感圖像的直方圖，并且借助最大累間方差計算區(qū)域，獲取模型的基本參數(shù)。

③對初始參數(shù)進(jìn)行EM迭代計算，直至滿足約束條件。

④通過高斯混合模型對權(quán)重取值進(jìn)行計算，并且采用最大流最小分割算法對水利遙感圖像進(jìn)行分割。

⑤根據(jù)步驟④得到的分割結(jié)果提取水利污染遙感特征，完成水利污染遙感監(jiān)測。

3 仿真研究

為驗證所提基于RAISR算法的水利污染遙感監(jiān)測方法的有效性，對M城市礦區(qū)廢水池的水利污染情況進(jìn)行監(jiān)測研究。

優(yōu)先對礦區(qū)的水體進(jìn)行波譜測試分析，具體的結(jié)果如圖2所示：

圖2 M城市礦區(qū)廢水池水體的反射波普曲線圖

分析圖2可知，M城市礦區(qū)水體的反射率總體較低，其中距離河岸越近，水體的反射率越低。

利用圖3給出M城市礦區(qū)廢水池池口處水體的反射波普曲線

圖3 M城市礦區(qū)廢水池池口處水體的反射波普曲線

分析圖3中的實驗數(shù)據(jù)可知，隨著距離河岸距離的持續(xù)增加，廢水池池口處水體的反射率也開始逐漸增加，并且在波長為900nm處出現(xiàn)第一個高峰，反射率越高，說明水體污染越嚴(yán)重。

下面重點對水體中的懸浮物進(jìn)行監(jiān)測，對懸浮物實測濃度值和反射率兩者之間完成相關(guān)分析，利用圖4給出具體的實驗對比結(jié)果。

圖4 相關(guān)分析實驗測試

分析圖4中的實驗數(shù)據(jù)可知，通過最大正相關(guān)系數(shù)和最小負(fù)相關(guān)系數(shù)所對應(yīng)的光譜反射率，能夠更好反映兩者之間的關(guān)聯(lián)性，有效降低由外界干擾所引發(fā)的監(jiān)測誤差，確保所提方法能夠更好實現(xiàn)水利污染遙感監(jiān)測。

為了進(jìn)一步驗證所提方法的優(yōu)越性，以下實驗測試選取文獻(xiàn)[3]方法和文獻(xiàn)[4]方法作為對比對象，分別對比三種方法的監(jiān)測精度，具體實驗結(jié)果如表1所示。

表1 不同方法的監(jiān)測精度對比結(jié)果

分析表1中的實驗數(shù)據(jù)可知，所提方法的監(jiān)測值和實際懸浮物濃度更加接近，而文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的監(jiān)測值和真實值之間的差異較大。充分證明所提方法能夠獲取精度更高的監(jiān)測結(jié)果，同時也說明在所提方法中采用RAISR算法對水利圖像進(jìn)行預(yù)處理是可行的。

4 結(jié)束語

針對傳統(tǒng)監(jiān)測方法存在的不足，結(jié)合RAISR算法，提出基于RAISR算法的水利污染遙感監(jiān)測方法。經(jīng)實驗測試證明，所提方法能夠以較高的精度完成水利污染遙感監(jiān)測，具有較強的實用性。

由于污染遙感監(jiān)測方面的內(nèi)容研究范圍比較廣，雖然所提方法已取得一些理想的應(yīng)用效果，但是受到時間以及空間等多方面因素的限制，所提方法仍需進(jìn)一步提升，后續(xù)將重點針對以下幾方面的內(nèi)容展開研究：

1)加強遙感圖像方面的研究，使其能夠得到更大的進(jìn)步空間。

2)實驗未深入驗證所提方法的耗時，后續(xù)將針對該問題進(jìn)一步分析和驗證。

3)補充水利遙感圖像分割方面內(nèi)容，引進(jìn)更多先進(jìn)的理論和知識，以獲取更加準(zhǔn)確的圖像分割結(jié)果。