基于無人機(jī)遙感影像的不動(dòng)產(chǎn)信息提取

楊利娟 龐帥峰

（1.海南天涯人力資源管理服務(wù)有限公司，海南 海口 571000；2.自然資源部第七地形測(cè)量隊(duì)，海南 海口 571000）

1 引言

2013 年以來，國家開展農(nóng)村土地確權(quán)工作，對(duì)農(nóng)村宅基地、耕地等利用情況開展確權(quán)登記，其中十分重要的一項(xiàng)工作就是進(jìn)行全國范圍內(nèi)的宅基地普查測(cè)量[1,2]。農(nóng)村不動(dòng)產(chǎn)登記工作中，由于不動(dòng)產(chǎn)確權(quán)登記工作的精度要求高、項(xiàng)目周期短、工作難度大、各地項(xiàng)目要求差異較大等，對(duì)較難獲取準(zhǔn)確信息的地區(qū)，甚至采用傳統(tǒng)的全站儀測(cè)量手段[3]，成本高，工期長，承擔(dān)部門投入了巨大的人力物力[4]。

隨著硬件與軟件技術(shù)的快速發(fā)展，無人機(jī)在測(cè)繪行業(yè)取得了廣泛應(yīng)用[5]。國內(nèi)外眾多學(xué)者開展了大量的無人機(jī)航空攝影應(yīng)用研究工作，從硬件與軟件兩方面入手，提升無人機(jī)航攝技術(shù)在地面信息提取工作中的精度[6]。目前，農(nóng)村不動(dòng)產(chǎn)信息航攝影像提取主要依靠內(nèi)業(yè)人工勾畫，尚未形成全自動(dòng)或半自動(dòng)信息提取方案，而星載遙感影像的圖像識(shí)別與分類已經(jīng)應(yīng)用成熟。相對(duì)于其他分類器分類精度高，面向?qū)ο蠓诸惙椒ǖ膬?yōu)勢(shì)在于面向?qū)ο蠓诸惲鞒讨校瑢⑾裨ㄟ^多尺度分割，劃分為一個(gè)個(gè)像元集合，即對(duì)象，然后以對(duì)象代替像元作為樣本，帶入監(jiān)督分類器中進(jìn)行圖像識(shí)別與分類，以此避免混合像元對(duì)分類精度造成的影響[7]。而隨機(jī)森林分類方法通過多場(chǎng)合應(yīng)用與驗(yàn)證，其精度高于傳統(tǒng)的面向?qū)ο蠓诸惙椒ǎ捎枚喑叨确指?隨機(jī)森林分類的方法，勢(shì)必大大提升遙感識(shí)別精度[8,9]。

本文在不動(dòng)產(chǎn)確權(quán)工作中，選用搭載于六旋翼大疆M600 無人機(jī)獲取的多光譜影像，采用多尺度分割+隨機(jī)森林分類方法進(jìn)行不動(dòng)產(chǎn)信息遙感提取試驗(yàn)，探討無人機(jī)影像在遙感分類中的適用性，研究多尺度分割方法在隨機(jī)森林分類中的應(yīng)用。

2 數(shù)據(jù)及原理

2.1 數(shù)據(jù)介紹

本研究選用的無人機(jī)平臺(tái)為深圳市大疆公司生產(chǎn)的六旋翼無人機(jī)M600，該飛機(jī)具有起降靈活、維護(hù)簡單、垂直起降場(chǎng)地?zé)o限制、攜帶方便、操作簡單、飛行姿態(tài)穩(wěn)定等優(yōu)勢(shì)，可實(shí)現(xiàn)定點(diǎn)懸停、低速飛行、多樣載荷。搭載于無人機(jī)平臺(tái)的鏡頭拍攝獲取的影像為4 波段多光譜影像，涵蓋了可見光近紅外光譜范圍，空間分辨率為5cm，具體成像效果如圖1 所示。

圖1 航空影像區(qū)

2.2 原理介紹

隨機(jī)森林分類算法是一種高效的分類學(xué)習(xí)器，該算法將多個(gè)CART 決策算子集合到一起進(jìn)行綜合訓(xùn)練，最終生成一個(gè)新的綜合型機(jī)器學(xué)習(xí)算法，該算法可預(yù)測(cè)幾千個(gè)解釋變量，是目前遙感影像分類中比較受歡迎的分類算法。

3 結(jié)果分析

3.1 多尺度分割

選用多尺度分割方法對(duì)無人機(jī)航空影像進(jìn)行像元分割，不同分割尺度得到的分割效果也各不相同，如圖2 所示：圖2（a）為分割尺度60 的分割效果，分割圖斑瑣碎，且獨(dú)棟建筑按照像元邊界分割成多個(gè)圖斑，存在嚴(yán)重的過度分割，但該尺度適合裸地信息的分割提取；圖2（b）為分割尺度70 的分割效果，分割圖斑較之前改善較多，且紋理信息的劃分更加符合實(shí)際；圖2（c）為分割尺度80 的分割效果，分割圖斑中的建筑信息被完整分割出來，且道路信息也較好地識(shí)別出來，但林地信息仍存在過度分割現(xiàn)象；圖2（d）為分割尺度90 的分割效果，分割圖斑中水體與林地的分割效果達(dá)到最優(yōu)，但建筑信息存在分割不飽和現(xiàn)象。

圖2 不同尺度分割效果

3.2 樣本選擇

在上述多尺度分割的基礎(chǔ)上，通過篩選不同分割尺度，進(jìn)行不同地類的對(duì)象選擇，篩選出的對(duì)象作為樣本，送入隨機(jī)森林分類算法中。通過對(duì)比得出以下結(jié)論：建筑樣本選用分割尺度為80 的圖斑、道路樣本選用分割尺度為80 的圖斑、林地樣本選用分割尺度為90 的圖斑、水體選用分割尺度為70 的圖斑、裸地選用分割尺度為60 的圖斑，通過不同分割尺度提取的樣本如圖3 所示。

圖3 樣本選擇

3.3 隨機(jī)森林分類

將上述樣本帶入隨機(jī)森林分類算法中，得到如圖4（a）所示的分類成果。為了便于對(duì)比多尺度分割+隨機(jī)森林遙感識(shí)別放在不動(dòng)產(chǎn)信息提取中的優(yōu)勢(shì)，將面向?qū)ο蠓诸愃惴ㄒ策M(jìn)行了遙感分類，結(jié)果如圖4（b）所示：整體來說面向?qū)ο蠓诸愋Чw較隨機(jī)森林分類效果模糊，建筑物識(shí)別多為連片分布，獨(dú)棟房屋未識(shí)別出來；而隨機(jī)森林分類算法的分類成果中，獨(dú)棟房屋被完整識(shí)別出來，且分布規(guī)則，邊界合理。但隨機(jī)森林分類算法的道路信息提取效果較差，面向?qū)ο蠓诸惙椒ㄗR(shí)別的道路信息更合理。

圖4 不同分類算法遙感分類效果

無人機(jī)航空影像的不動(dòng)產(chǎn)信息遙感提取效果分別如圖5（a）、5（b）所示：面向?qū)ο蠓诸愃惴ㄔ诓粍?dòng)產(chǎn)信息的提取中具有較好的適用性，房屋信息均識(shí)別出來，但對(duì)于不動(dòng)產(chǎn)登記工作要求的農(nóng)村宅基地面積精準(zhǔn)測(cè)量與提取精度，仍然不能滿足；而隨機(jī)森林分類算法提取的不動(dòng)產(chǎn)信息，具有較高的精度，獨(dú)棟房屋提取效果顯著，聯(lián)排獨(dú)棟房屋更是單獨(dú)提取出來，并且未有連片提取的現(xiàn)象，在影像上部的不規(guī)則分布圖斑中，隨機(jī)森林分類算法的精度更是遠(yuǎn)高于面向?qū)ο蠓诸愃惴ǎ旰玫貐^(qū)分出了硬化地表、荒地對(duì)不規(guī)則分布的獨(dú)棟房屋遙感提取的影響。

圖5 不同分類算法不動(dòng)產(chǎn)信息提取效果

3.4 精度驗(yàn)證

對(duì)兩種分類算法的提取精度進(jìn)行驗(yàn)證，各地類提取精度如表1 所示：整體來說隨機(jī)森林分類算法精度達(dá)到了97%，高于面向?qū)ο蠓诸愃惴ǖ姆诸惥取５嫦驅(qū)ο筇崛〗Y(jié)果中，道路信息提取精度高于隨機(jī)森林的精度，究其原因是道路信息具有典型的幾何特征，該特征在面向?qū)ο筇卣鲙熘薪?jīng)過大量訓(xùn)練，可以較好地反映出來，而隨機(jī)森林分類算法中對(duì)幾何特征的計(jì)算有一定缺陷，但整體上，多尺度分割+隨機(jī)森林分類方法在地物信息提取中仍優(yōu)于面向?qū)ο蠓诸惙椒ā?/p>

表1 各地類精度驗(yàn)證

多尺度分割+隨機(jī)森林分類算法在不動(dòng)產(chǎn)信息遙感提取中的精度也具有絕對(duì)優(yōu)勢(shì)，如圖6 所示，隨機(jī)森林分類算法的精度高于面向?qū)ο蠓诸惥?%，達(dá)到了91%，本研究采用的方法在無人機(jī)航空影像上的不動(dòng)產(chǎn)信息提取工作中具有較好的應(yīng)用性。

圖6 無人機(jī)影像不動(dòng)產(chǎn)信息提取精度

4 結(jié)論與展望

結(jié)合目前不動(dòng)產(chǎn)確權(quán)工作的開展情況、無人機(jī)技術(shù)的使用情況、遙感手段的應(yīng)用情況，本文采用多尺度分割+隨機(jī)森林分類算法在無人機(jī)航空影像上進(jìn)行不動(dòng)產(chǎn)信息遙感提取，通過試驗(yàn)得出以下結(jié)論：

（1）大疆M600 無人機(jī)獲取的多光譜影像質(zhì)量較高，房屋等紋理信息表達(dá)清晰；

（2）通過多尺度分割工作，將房屋、道路等不同地物類型的像元特征進(jìn)行最優(yōu)組合，組合成不同的對(duì)象，并在分割基礎(chǔ)上得到了相對(duì)純凈的樣本對(duì)象；

（3）通過多尺度分割+隨機(jī)森林分類的方法，得到了較理想的分類成果，房屋不動(dòng)產(chǎn)信息的遙感提取精度較高，圖斑提取邊界清晰，與實(shí)際情況高度吻合，且道路、裸地等其他地類對(duì)其混淆較小，分類精度達(dá)到97%；

（4）對(duì)于不動(dòng)產(chǎn)信息遙感提取，結(jié)合實(shí)際提取效果可知，本研究采用的方法已處于較高層面，且具有較好的應(yīng)用性。

在選定區(qū)域內(nèi)，多為聯(lián)排房屋，且呈均勻分布，取得了較好的實(shí)驗(yàn)效果，但在分布凌亂的地區(qū)，尚未開展相關(guān)研究，后續(xù)將持續(xù)深入開展相關(guān)工作。