基于多源遥感数据的第三次国土调查内业信息提取方法

陈宗成

(1. 山东省鲁南地质工程勘察院, 山东 兖州 272100; 2. 山东省地勘局第二地质大队, 山东 兖州 272100;3. 自然资源部采煤沉陷区综合治理工程技术创新中心, 山东 兖州 272100)

0 引言

作为国情与国力调研的重要内容,国土调查是查实我国土地资源的主要方式[1]。为确保第三次国土调查结果的准确性,提取内业图斑信息,将提取到的信息作为第三次国土调查过程中实地调研与查实的关键依据[2],因此,第三次国土调查内业信息的准确提取就显得尤为重要。

当前对于第三次国土调查内业信息提取的研究不多,大都集中在不同区域的土地利用信息提取,例如文献[3]提出了一种基于影像特征多尺度拓扑的城市土地覆盖信息提取方法。该方法将南京市作为研究区域,采用快鸟(QuickBird)影像进行城市土地覆盖信息提取方法的设计。对影像进行多尺度分割,在典型样本分析的基础上创建多尺度的影像分类特征集,采用模拟退火算法优化分类特征集并进行影像的初始分类,在此基础上对初始分类结果进行再分类,将分类结果作为城市不同类型的土地覆盖信息提取结果,但是该方法存在图像分割耗时过长的问题,实际应用效果并不好。文献[4]提出面向对象的影像分析(Object-Based Image Analysis, OBIA)与射频(Radio Frequency, RF)结合的龙口市土地利用信息提取方法,采用陆地卫星8号(Landsat8)陆地成像仪(Operational Land Imager，OLI)影像。针对不同地物特点对遥感影像进行阈值分割及多尺度分割,得到分割后的遥感影像数据集。在此基础上采用Relief F算法对图像特征子集进行中英文全称降维处理,并与全部特征一起应用RF建模,实现龙口市土地利用信息提取与比较,但是该方法图像融合效果差,得到的遥感影像并不清晰,难以达到理想的应用效果。

多源遥感技术是在遥感技术的基础之上,利用光学、红外等不同传感器实现地面观测,具有多时相、多光谱、多分辨率等特征。相较于单源遥感数据,多源遥感数据的主要优势为互补性与冗余性[5-6],即不同源的遥感数据既相互独立,又可取长补短,可提升信息提取精度,且对于目标或环境的描述具有一致性。基于此,提出基于多源遥感数据的第三次国土调查内业信息提取方法。

1方法设计

1.1 多源遥感数据

在第三次国土调查内业信息提取方法设计过程中选取高分二号卫星的多波段影像作为后续分析基础,该卫星分别于2014年和2015年在我国山西发射升空和投入使用。高分二号卫星分辨率(黑白)达1 m以上,在进行目标定位过程中可实现亚米级定位精度[7],可为我国相关部门提供高精度应用服务。

表1所示为高分二号卫星相关参数。

表1 高分二号卫星相关参数

1.2 多源遥感数据预处理

多源遥感数据预处理主要包括影像融合与像元亮度值校正两个过程。

1.2.1影像融合

利用格雷-戈莱(Savitzky-Golay，S-G)滤波器对高分二号卫星高空间分辨率全色与多光谱影像进行融合处理,此过程最重要的环节是高频细节信息的提取。

由于光谱影像普遍存在着明显的失真问题[8],因此,采用具有固定尺度特征的高频滤波技术提取光谱影像的高频细节,以此提升解决影像失真问题。基于S-G滤波器的影像融合过程如图1所示。

图1 影像融合过程

图1中,HSI变换中的H是指色调(Hue);S是指饱和度(Saturation);I是指亮度(Intensity)。

多源遥感影像融合过程如下:

(1)采用低通滤波器处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声,降低S-G滤波器提取高频细节信息过程中的噪声含量;

(2)对处理后的全色影像进行配准与重采样[9];

(3)针对多光谱影像进行HSI变换处理,获取H、S、I三个分量,同时依照I分量对全色影像进行直方图匹配,获取匹配后的全色影像;

(4)为获取I分量的低频近似分量,利用二维S-G滤波器对其进行低通滤波处理,同时采用S-G滤波器处理匹配后全色影像的高频细节分量[10];

(5)采用引导滤波方法将I分量的低频近似分量与全色影像的高频细节分量相融合,获取融合后的I分量;

(6)用融合后的I分量取代原I分量,通过HSI反转换获取融合后的多光谱影像。

1.2.2像元亮度值校正

由于高分二号卫星数据集内的不同影像均存在像元亮度饱和的问题[11],因此,需要对融合后的多光谱影像像元亮度进行校正。将[1,63]范围内的累计像元亮度值上限作为标准[12],以多光谱相机的标准像元亮度值为参考数据,构建一元二次模型

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均为回归参数。

利用式(1)中描述的一元二次模型消除高分二号卫星多源遥感影像中的非稳定像元。其中,回归模型参数设置如表2所示。

表2 回归模型参数

1.3 遥感影像分割

在对多源遥感影像进行预处理后,根据图割理论[13],对多源遥感影像进行分割,以获取大量的遥感影像图块。在多源遥感影像中,地类边界像素及颜色波动是多源遥感影像的关键特征,基于此可利用能量函数描述多源遥感影像中的目标边界,将能量函数映射为s-t网络,根据最小代价切割完成多源遥感影像不同地类边界的划分。

在s-t网络内,两个相邻节点的像素在非边缘处,说明两节点之间具有较大的边权值,因此,在这两个节点间进行影像分割的代价较大。若与之相反,可说明两个节点间进行影像分割的代价较小。存在以上两个特征的节点像素间RGB(RGB颜色模式,Red Green Blue color mode)距离Sij可通过公式(2)获取

Sij=‖Xi-Xj‖2

(2)

式(2)中,i和j分别表示多源遥感影像中的任意两个节点,两者相应的像素RGB值分别为Xi和Xj。

2.1 大学生体质健康标准测试各指标的基本信息贵州大学2017年男女生体质健康测试各指标的均值、标准差、最小值、最大值见表3，其中总分=BMI指数得分*0.15+肺活量得分*0.15+50m跑得分*0.2+800m/1000m得分*0.2+立定跳远得分*0.1+坐位体前屈*0.1+一分钟仰卧起坐/引体向上得分*0.1。

s-t网络边权值kij可通过式(3)确定

(3)

式(2)中,A和θ2分别表示s-t网络边界和节点分割代价。

当初始环状区域包含多源遥感影像地类边界时,为了使影像切割代价达到最小,需保证s-t网络的活动轮廓线包含了遥感影像地类边界段。

用s和t分别表示环状域外边界和内边界,将这两点分别作为s-t网络源点与汇点,将环状域内部各像素视为网络节点,利用8邻域方式将相邻节点连接在一起,其边权值为kij。同s或t连接在一起的内部节点,其权值为该节点相应的像素和环状与外边界或内边界中全部连接的像素权值累加值[14]。

s-t网络内,由于kij大小受边界粗细的影响,多源遥感影像地类边界两侧节点相应的像素RGB值会出现显著波动,kij值越小,多源遥感影像地类边界像素的权值累加值也越小。基于此,可利用s-t网络最小代价分割问题取代多源遥感影像地类边界划分问题,分割s-t网络以获取环状线f,其包含的边权值累加值为其分割代价,可用cost(f)表示,cost(f)最小的曲线即为多源遥感影像地类边界最优分割曲线

(4)

1.4 业内信息提取

第三次国土调查内业信息提取的目标包括:差异性地类图斑、偏移图斑、在建图斑[15]。根据我国土地利用相关规范采用不同级别分类与标准类统一形式对差异性地类图斑类别进行编码。

对遥感影像进行分割后能够获取大量的遥感影像图块,按照相应顺序分析各遥感影像图块纹理、色调、位置、附着物以及周围环境,构建连片建成区;根据第三次国土调查内业信息提取分类规范判断遥感影像图块类型,构建解译标志;按照遥感影像图块类型,采集土地利用图斑,将采集结果同第二次国土调查数据库进行对比,获取第三次国土调查获取与第二次国土调查不同与相同的图斑(差异性地类图斑、偏移图斑、在建图斑),以此实现三次国土调查内业信息提取,其过程如图2所示。

图2 业内信息提取过程

2 实验分析

实验为验证本文所设计的基于多源遥感数据的第三次国土调查内业信息提取方法的应用性能,以我国某市为研究区域进行实验验证。该研究区域总面积为114 008 842.6 m2,包含24个乡镇辖区,总人口数量为149万。

2.1 第三次国土调查内业信息提取结果

分析表3和表4可知,采用本文方法提取研究区域多源遥感影像中,同第二次国土调查结果进行对比后具有差异的图斑共22 873块,全部图斑面积为11 405 907.6 m2,同研究区域实际总面积之间的误差控制在3 000 m2以内,该误差值在允许范围内,说明本文方法能够有效提取第三次国土调查内业信息。

表3 研究区域主要地类解译标志

续表3

表4 内业信息提取结果

2.2 遥感影像融合效果对比

人眼对于色彩的辨别能力容易受主观因素影响因而具有明显差异性,为准确判断融合前后光谱信息变化以及空间细节等情况,在评价遥感影像融合效果时采用统计量化指标。实验过程中采用相关系数方法评价多源遥感图像融合的效果,相关系数计算过程为

(5)

式(5)内,G、H分别表示多光谱影像与全色影像;M表示影像的行数;N表示影像的列数。其计算公式为

(6)

(7)

由于研究区域植被面积较大,因此,在采用本文方法提取内业信息时,选取研究区域遥感数据中的全色波段影像与多光谱影像的2～4波段。将文献[3]方法与文献[4]作为实验对比方法,三种方法的遥感图像融合小结果如图3所示。

分析图3可知,与两种实验对比方法相比,本文方法融合得到的遥感图像清晰度高,能够有效增强遥感图像空间内细节特征。

多光谱影像不同波段影像的相关系数如表5所示。

图3 遥感图像融合结果

表5 不同方法的图像融合效果

分析表5得到,与两种实验对比方法相比,本文方法融合后的遥感图像相关系数高,说明该方法保留光谱信息能力最强。

2.3 遥感影像分割效果对比

本文方法、文献[3]方法及文献[4]方法的遥感影像分割效果如表6所示。

表6 遥感影像分割效果

分析表6能够得到,本文方法遥感影像分割的准确率均值高达95.78%,与文献[3]方法相比提升2.24%,与文献[4]方法相比提升11.37%;同时本文方法遥感影像分割耗时均值为0.38 s,与文献[3]方法相比下降0.56 s,与文献[4]方法相比下降0.83 s。以上数据说明本文方法可在确保高分割准确率的基础上,降低遥感影像分割耗时。

3 结束语

本文提出基于多源遥感数据的第三次国土调查内业信息提取方法,在多源遥感影像处理基础上,通过将其与二次国土调查数据库内信息进行对比,提取差异性地类图斑、偏移图斑、在建图斑,以达到第三次国土调查内业信息提取的目的。实验结果显示,该方法的遥感影像分割与融合效果好,能够有效提升内业信息提取效率。