基于多特征融合的水環境污染負荷空間分布檢測研究

俞輝　沈金麗

摘要：水環境污染特征多樣且復雜，導致污染負荷空間分布檢測難度大。因此提出基于多特征融合的水環境污染負荷空間分布檢測方法。首先對水環境遙感圖像進行輻射量定標、大氣修正處理，獲取高質量遙感圖像。然后確定遙感圖像特征，并對提取到的多特征進行規范化和融合處理。最后根據多特征融合結果和對比度方法分割時域融合圖像獲取水環境污染負荷空間分布參數，從而實現水環境污染負荷空間分布檢測。實驗結果表明，所提方法能夠檢測出水污染負荷空間分布情況，并準確判斷水質環境狀態，為后續的環境治理修復提供重要依據。

關鍵詞：多特征融合；水環境污染；負荷空間分布；污染檢測；遙感圖像

中圖分類號：X832 文獻標志碼：B

前言

水環境污染是由于人們的日常生活和工業生產等原因造成的，對水質結構造成嚴重損害，而且自然恢復時間長或無法恢復，若不采取措施，將影響生態環境和人民健康。中國淡水資源少，且水污染日益嚴重，部分地區出現比較嚴重的缺水現象。尤其在工業發達、人口多的華北地區，水污染對生活和地方經濟造成了極大影響。因此，研究水環境污染負荷空間分布檢測，明確污染區域，及時采取應對措施，對保證生態環境穩定十分重要。

張巧玲等人以海河流域為研究對象，采用綜合評估營養物傳輸率模型和產水量模型計算氮磷輸入總量、河流斷面氮磷輸入通量及潛在氮磷徑流總量，并采用CIS空間熱點和水文網絡分析方法實現水污染分布檢測。葉港等人通過構建三維有限差分地下水流動模型和多物種三維遷移模型，確定水環境基本流動模式，并采用快速和諧搜索方法完成水污染分布檢測。

但上述文獻沒有考慮到水體反射率，導致水環境污染分布檢測出現偏差。因此，提出了基于多特征融合的水環境污染負荷空間分布檢測研究。該研究通過處理采集的水環境遙感圖像，抑制和消除外界干擾，將提取的局部熵、紋理、頻譜、色彩特征自適應融合，利用對比度方法分割融合圖像，完成水污染負荷空間分布檢測。

1 水環境遙感圖像預處理

為了更好地反應研究區水環境的實際情況，對所獲得的遙感圖像進行了預處理，詳細的過程為：

1.1 輻射量定標

為實現對不同時間、不同傳感器的結果量化對比與分析，必須將各視覺傳感器結果轉化為與其相對應的輻照度或反射率等物理量。因此，先對圖像輻射定標，然后再計算視反射率和地面反射率。

DN值向輻射亮度的轉化可以表示為式（1）：

式（1）中，Lλ表示物體在大氣層頂的光強亮度，DN表示像元的光強亮度值；Lmaxλ表示頻譜輻射的極大值；Lminλ表示頻譜輻射的極小值；DNmax表示與Lmaxλ相比DN中的最大量化校正像素值；DNmin表示與Lminλ相比DN中的最小量化校正像素值；Lminλ、Lmaxλ、DNmin、DNmax數值均是通過元數據文件獲得的。

利用式（2）來計算大氣頂部的反射率，表達式為式（2）：

式（2）中，ρ表示地球的反射系數；π表示圓周率取值3.141592654；d表示目地間距離參變量；ESUNλ表示太陽的分光輻射量；θ表示太陽的天頂角。通過65模型實行大氣修正。

1.2 大氣修正

目前，衛星遙感數據所獲得的大部分采集圖像都受到大氣干擾，導致水體反射率極低。因此，必須對遙感數據大氣修正，才能有效地抑制和消除干擾，提高數據的準確性和可靠性。在綜合各種方法的優勢和不足的基礎上，利用6S模型對遙感圖像大氣修正。

6S模型的主要輸入參數為：幾何參數、大氣成分參數、氣溶膠成分參數、氣溶膠大氣路徑長度、觀測對象的高度和傳感器的高度。6S模型在完成相關參數的輸入后，可求出各類大氣參數，并可得到大氣修正因子xa、xb、xc。通過式（3）得到大氣修正后的反射系數ACR：

Y=xa*（Mr）-xb 式（3）

ACR=Y/（ρ+xc*Y） 式（4）

式（3）-式（4）中，Y表示中間變量，Mr表示修正后的輻射亮度。

2 多特征融合下水環境污染負荷空間分布檢測

2.1 水環境污染負荷多特征提取

確定遙感圖像的局部熵特征、紋理特征、頻譜特征、色彩特征，對提取到的多特征進行規范化和融合處理。將經過處理的水環境負荷空間分布遙感圖像劃分為3×3單元，并通過對局部熵、紋理、頻譜、色彩等特征分析，實現有效污染特征提取。

2.1.1 提取局部熵特征

局部熵是一種能夠體現圖像局部信息豐富情況的特征，運算過程通過采用視窗中的全部像素，從而對單一像素的噪聲不太敏感，但對幾何失真存在較強的抗性。針對一張M×N尺寸的圖像，從圖像中每個像素點灰度分布的順序，得到該圖像的污染灰度函數。將f（x，y）作為該圖像的污染灰度函數，可以知道。圖像的熵則為式（5）：

在單元格中，通過對每一個像素點的局部熵Hf進行平均值和方差計算，就可以獲得二維的局部熵污染特征。

2.1.2 提取紋理特征

在遙感圖像中，水環境地區的紋理變化很小，有很好的規則性，而且水環境地區圖像具有旋轉不變性，對噪聲有很好的抗性，利用Gabor小波變換對圖像紋理特征進行提取。提取紋理特征的二維Cabor函數表達式為式（7）：

式（7）中，Gω（x，y）表示Cabor核濾波器組，ω=0.2表示Gabor函數的頻帶寬度，θ=0°表示伽伯核函數的方向性。這樣就可以獲得單元中九個像素組成的九維紋理污染特征矢量。

2.1.3 提取頻譜特征

光譜特征是地物與其他地物之間的根本區別，在遙感圖像中河流區域亮度低、連通性強、不受圖像轉動、平移等因素影響，因此可以利用光譜特征進行河流檢測。通過提取光譜圖并進行統計分析，得到光譜圖的灰度均值和方差，從而獲得一階統計特征，增強污染頻譜提取準確率。同時，平均觀測到的污染光譜也可以用于增強污染頻譜的提取準確性。一階統計特征僅能提供類別樣本中心位置的統計估計，二階特征則能很好地反映每個像素點間的聯系，則統計得到的污染區域灰色平均值mf、頻譜特征σ2i表達式分別為式（8）、式（9）：

2.1.4 提取圖像色彩特征

色彩是遙感圖像中最具魯棒性的一種特征，蘊含著豐富的信息。在相同高度下獲得的遙感圖像中，河流地區的色彩通常為綠色或黃色，并且在色彩空間上呈現出一定的規律性，顏色特征包括均值和方差。如果用n描述要檢測的污染區域數目，在檢測的區域中，用pi，j描述在i個信道中j個像素的像素值，則在i道上的色彩平均值表達式為式（10）：

2.1.5 特征規范化和融合

假設ν是由某一特征的全部取值構成的矢量，νi表示特征值，max（ν）描述的ν最大的特征值，νi表示標準化數值，則標準化為νi=u／max（ν）。基于局部熵、紋理、光譜以及色彩污染特征之間關系是相互獨立的，所以需要組合特征進行水環境污染負荷空間分布特征融合。如果對每個圖像的各污染特征直接融合，則能夠獲得融合特征的總維數。融合后的特征如式（12）：

2.2 基于污染負荷特征融合的檢測空間分布檢測

根據多特征融合結果和對比度方法分割時域融合圖像獲取水環境污染負荷空間分布參數，從而實現水環境污染負荷空間分布檢測。為最大限度地發揮多種特征的優勢，實現水環境污染負荷空間分布檢測，需要對多幅特征圖像進行自適應融合，其中的核心問題就是如何在各幅特征圖像之間選擇融合權值。假設在序列圖像中的第i個圖像是fi，共有T個可用于自適應融合的特征，其特征為Fij；標準化后的特征圖像是NFij，j=1-T；對第i幀圖像T個特征進行自適應融合得到的結果是FFi。則有式（13）、式（14）：

式（13）-式（14）中，Fi，jm，n表示在坐標（m，n）上的i幀圖像中j個特征圖像的特征值。

為了進一步地積累目標能量，在時域上對連續的n幀水污染空間分布圖像融合，融合結果Gi為式（15）：

在此基礎上，利用對比度分割法對圖像進行二值化處理，檢測水污染范圍。

在空域特征融合和時域特征融合后，污染與非污染區域的對比度發生了顯著的變化，因此可以利用對比度方法對時域融合圖像進行分割，從而將污染與非污染相分離。

對比度分割主要包括三步：

（1）算出融合后的圖像FDM灰階區域，得到了平均灰階G及最高灰階Gmax；

（2）在融合圖像FDM中，算出灰度等級t之上的灰度平均FDM（b）以及在灰度等級t之下的灰度平均FDM（a），t∈[G，Gmax]；

（3）假設c（t）=min（|t-FDM（a）|，|FDM（b）-t|），劃分門限c（t）與t的最大值相對應。

在測度不同的特征之后，原始圖像中每個像素點上都有若干個不同的特征值。這些數值組合形成像素點上的多特征向量空間。在原始圖像的位置（m，n），對應圖像的特征值LMCL（局部最大灰度值）、MF（形態紋理特征）和LE（局部熵）在同一位置，則在（m，n）位置組成一個圖像特征值。假定多特征水環境污染負荷的空間分布融合共有NF個特征，那么，在（m，n）點的特征向量表達式為Fm，n=[F1m，n…FNFm，n]T。

因為存在小范圍的水環境污染，所以在一定程度上會改變水環境污染所在位置的局部紋理。在特征向量空間中，具體表現為水環境污染位置的特征向量與其他地方水環境污染特征向量不同。為了將這種區別凸顯出來，新創建一組向量Lm，n=[Lmave…Lmave]T，其維數與特征向量相同。Lmave表示特征圖像像素所在行的行平均值。由于每行的行平均值能反映JL這行上大部分的水環境污染分量。因此，在非污染的位置上，特征矢量與Lm，n分量比污染的地方要大得多。利用每個特征矢量及Lm，n點污染程度，得到水環境污染負荷空間分布參數。

假定在一個序列圖像中，DMi個圖像的多特征空間分布是n，則將n個圖像的多特征空間分布圖像進行融合，融合結果即檢測出的污染負荷空間分布結果為式（17）：

3 水環境污染負荷空間分布檢測實驗

為了驗證所提方法對水環境污染負荷空間分布檢測的有效性，與GIS空間熱點方法、快速和諧搜索方法進行對比實驗。水環境污染負荷空間分布檢測實驗通常需要在實際的水體環境中進行。實驗參數包括以下內容：

檢測指標：總氮、總磷。

檢測儀器：如多參數水質監測儀、紫外分光光度計、原子吸收光譜儀等。

采樣點位和采樣時間：選擇浙江省某市作為采樣地點，采樣時間間隔為15條，以保證實驗結果的代表性和可靠性。

實驗方法：包括采樣、樣品處理、檢測等實驗步驟，從而獲取相關的實驗結果。

數據處理和分析：包括數據處理、統計分析、圖表制作等。

水環境的總氮和總磷含量是檢驗水質的重要指標，一超出標準就會導致水體富營養化，生成有害物質，嚴重時甚至導致水資源無法修復。因此，通過檢測總氮和總磷污染負荷的空間分布情況，可以保證后續的合理修復。具體的總氮和總磷空間負荷等級標準如下：總氮：1級＜500，2級500-1500，3級1501-2500，4級2501-5000，5級5001-7500，6級>7500。總磷：1級<100，2級100-500，3級510-1000，4級1001-1500，5級1501-2000，6級>2000。

三種方法對總氮污染負荷空間分布檢測結果見圖1。

如圖1所示，GIS空間熱點方法和快速和諧搜索方法與總氮污染實際空間分布誤差較大，等級標準檢測結果不準確，可能會導致水環境污染含量判斷失誤。相比之下，所提方法雖然存在偏差，但區域較小，相對CIS空間熱點方法和快速和諧搜索方法，檢測精度更高，可以較好地劃分水環境污染負荷空間。

三種方法對總磷污染負荷空間分布檢測結果見圖2。

如圖2所示，CIS空間熱點方法和快速和諧搜索方法在總磷污染負荷空間分布檢測仍然存在較大的偏差，無法準確區分總磷空間負荷等級。相比之下，所提方法只有三個較小區域出現誤差，在整體上檢測效果較佳，能夠精準完成水環境污染負荷空間分布檢測。

綜上所述，所提方法在水環境的總氮和總磷污染檢測性能均較好，可以設計出合理的修復方案，為打造良好的水資源環境提供支持。

4 結束語

水環境的污染檢測對保護水生態環境至關重要。因此檢測機構需要繼續加強對水環境的研究，持續改進水污染檢測技術，避免可能存在的檢測風險以及水環境惡化，為做好水資源的保護工作提供更好的幫助。文章提出基于多特征融合的水環境污染負荷空間分布檢測研究。該方法通過對水環境遙感圖像進行輻射量定標和大氣修正處理，確保獲取高質量的遙感圖像。隨后，選定并整合了多種遙感圖像特征，并對其進行規范化和融合處理，提高了對水環境污染負荷空間分布的檢測精度。最終，利用多特征融合結果和對比度方法實現了對水環境污染負荷空間分布的精準檢測。實驗驗證表明，該方法能夠準確判斷水質環境狀態，為打造良好的水資源環境提供了有力支持。