多源遙感數(shù)據(jù)測繪應(yīng)用關(guān)鍵技術(shù)淺析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了多源遙感數(shù)據(jù)測繪應(yīng)用關(guān)鍵技術(shù)淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：本文首先概述了基于紋理特征的半自動提取技術(shù)，并使用基于Gabor變換的區(qū)域生長法從紋理復(fù)雜的居民地中勾勒出地物輪廓，總體精度達(dá)到了96.4%。隨后介紹了幾種圖像配準(zhǔn)方法，并在圖像配準(zhǔn)的基礎(chǔ)上檢測地物要素的變化情況，使得檢測精度達(dá)到了99.45%，該檢測結(jié)果可直接用于地理國情監(jiān)測等應(yīng)用。

關(guān)鍵詞：多源遙感數(shù)據(jù)測繪；半自動提??；Gabor變換；圖像配準(zhǔn)

隨著我國L波段差分干涉SAR衛(wèi)星的成功發(fā)射，以SAR數(shù)據(jù)為主導(dǎo)的多源遙感數(shù)據(jù)測繪技術(shù)將迎來重大突破。特別是在增強(qiáng)信息自動化處理和多源異構(gòu)數(shù)據(jù)處理能力方面，以及地理信息智能化解譯與變化提取等方面將會發(fā)揮重要價(jià)值。在多源遙感數(shù)據(jù)應(yīng)用中需要解決兩個(gè)關(guān)鍵問題：其一是如何從衛(wèi)星圖像中自動識別和智能提取地物要素，其二是如何將同一目標(biāo)區(qū)域內(nèi)不同時(shí)間、不同成像條件下獲得的多幅圖像，變換到同一個(gè)坐標(biāo)系統(tǒng)中。為解決上述兩個(gè)問題，本文分別提出了基于紋理特征的半自動提取技術(shù)和面向地理對象的圖像配準(zhǔn)技術(shù)，這兩項(xiàng)關(guān)鍵技術(shù)的應(yīng)用將進(jìn)一步提高多源遙感數(shù)據(jù)的應(yīng)用價(jià)值，為地理國情監(jiān)測工作的更好開展提供了技術(shù)支撐。

1地物要素智能化提取技術(shù)

1.1基于紋理特征的半自動提取

圖像紋理是圖像灰度在空間上的變化和重復(fù)，其本質(zhì)是描述像素領(lǐng)域灰度的空間分布規(guī)律。由于紋理特征具有旋轉(zhuǎn)不變性、較強(qiáng)的噪聲抵抗能力，因此在圖像特征提取中有著廣泛應(yīng)用。獲取紋理特征的基本流程為：在紋理圖像中尋找一些具有較強(qiáng)辨識力的特征像素點(diǎn)，每一個(gè)像素點(diǎn)即為一個(gè)紋理單元。將檢測得到的所有紋理單元進(jìn)行統(tǒng)一處理，尋找紋理單元的基本排列信息，并在此基礎(chǔ)上構(gòu)建紋理單元模型。利用此模型，對整個(gè)紋理圖像做進(jìn)一步的分析處理，從而得到該圖像的紋理特征。獲得紋理特征后，還需要使用特定的方法工具進(jìn)行提取和分析，常用的有結(jié)構(gòu)法、頻譜法等。區(qū)域生長法是近幾年出現(xiàn)的一種特征提取新技術(shù)，其原理是基于目標(biāo)的同質(zhì)性，把紋理相似或一致的像素集合起來，形成區(qū)域。在待提取地物的范圍內(nèi)人工選擇一個(gè)種子點(diǎn)，將其作為生長的起點(diǎn)。以種子點(diǎn)為核心，將圖像內(nèi)所有與種子點(diǎn)具有相似或相同性質(zhì)的像素，按照距離的遠(yuǎn)近依次合并到種子點(diǎn)所在的區(qū)域中，直到該圖像內(nèi)不再有符合性質(zhì)相同或相似的像素，則區(qū)域生長完畢。該區(qū)域即可作為地物邊界?；趨^(qū)域生長法的地物要素智能化提取流程如圖1所示。

1.2基于Gabor變換的區(qū)域生長法

1.2.1算法原理。遙感圖像中除了地物信息外，還有背景信息、噪聲信息，以及其他周期或非周期成分，這些信息相互摻雜，直接分析具有較大的難度?？梢允褂酶道锶~變換將遙感影像轉(zhuǎn)化成包括幅度、相位的復(fù)函數(shù)，然后在頻域中展開分析即可降低難度。但是常規(guī)的二維圖像頻譜分析，只能表達(dá)全域的信號頻率特征，而不能對頻域內(nèi)某個(gè)局部的信號展開選擇性分析，這不利于居民地遙感影像中房屋、道路、河流等特征信息的提取和分析。為解決這一缺陷，本文提出了一種基于Gabor變換的居民地局部地物要素提取方法。由Gabor濾波器發(fā)出的小波，對光照變化不敏感，但是對于圖像邊緣較為敏感，有著良好的方向選擇性和尺度選擇性，因此可以在地物的局部空間和頻域信息等方面表現(xiàn)出較強(qiáng)的適應(yīng)性。另外，考慮到居民地遙感影像具有地物要素多、紋理特征不明顯的特點(diǎn)，因此使用多個(gè)Gabor濾波器組成一個(gè)多通道濾波器組。其優(yōu)點(diǎn)在于處理速度快、特征向量包含紋理信息豐富、紋理特征不易丟失等。1.2.2基于Gabor變換的居民地提取流程。基于多通道Gabor濾波器的居民地提取方法如下：（1）按照傳統(tǒng)區(qū)域生長法確定種子點(diǎn)、候選點(diǎn)，并通過區(qū)域內(nèi)搜索確定出居民地濾波影像。（2）對遙感影像做傅里葉變換，并確定濾波器的方向參數(shù)θ。由于居民地坐南朝北，因此濾波去的方向參數(shù)設(shè)定為2，對應(yīng)居民地的行列方向。（3）在傅里葉變換幅度譜上，可以觀察到紋理的粗細(xì)和周期的強(qiáng)弱。在幅度譜上找出波峰，并確定波峰頻率。由于峰值的大小和原始圖像周期性的好壞呈正相關(guān)，所以幅度譜中波峰所在位置，即為濾波器的中心頻率。對應(yīng)濾波器的兩個(gè)主方向θ1和θ2，相應(yīng)的得到兩個(gè)中心頻率f1和f2。（4）濾波器的標(biāo)準(zhǔn)差g直接影響遙感影像中地物要素的提取。如果g值偏高，則難以展示圖像的局部特性。反之，若g值偏低，則會受到噪聲干擾，結(jié)合設(shè)備參數(shù)和地物提取需要，這里的g1和g2取值均為0.3。（5）在確定了濾波器組兩個(gè)主方向上的中心頻率、標(biāo)準(zhǔn)差后，分別以濾波影像的直方圖為特征，以直方圖相交距離為紋理相似性測度，完成居民地提取。整個(gè)流程如圖2所示。

1.3半自動提取實(shí)驗(yàn)分析

實(shí)驗(yàn)中分別選擇了兩副不同的SAR圖像，一副為A市的農(nóng)村，截取的影像大小為1850×2033；另一幅為A市的市區(qū)，截取的影像大小為1050×871。數(shù)據(jù)來源、成像時(shí)間等相關(guān)信息如表1所示。在A市農(nóng)村的居民地影像中，由于房屋建筑以平房為主，分布相對密集。外部輪廓整體較為清晰，但是由于村莊附近有幾家養(yǎng)殖場、工廠，與居民住房難以精確區(qū)分，因此地物制圖精度稍差，為93.08%；背景制圖精度較高，達(dá)到了99.50%；總體精度98.96%，Kappa系數(shù)為0.932。在A市市區(qū)的居民地影像中，新建的公寓樓房較多，同時(shí)也有較多的學(xué)校、商場等建筑物。整體來看內(nèi)部排列和外部輪廓較為清晰。同時(shí)市區(qū)內(nèi)有一條河流穿越，因?yàn)樗娣瓷涞仍驅(qū)е潞恿鲀蓚?cè)的輪廓較為模糊。地物制圖精度為96.35%，背景制圖精度為96.48%，總體精度為96.43%，Kappa系數(shù)為0.925。實(shí)驗(yàn)結(jié)果表明，基于Gabor濾波器的地物要素提取方法，具有較強(qiáng)的方向選擇性和抗干擾能力，可以較為清晰地表達(dá)紋理的細(xì)部特征，在紋理分析上存在明顯優(yōu)勢。同時(shí)，該方法在有較強(qiáng)光照反射的河流處會損失大量細(xì)節(jié)，導(dǎo)致抽取的地物特征不能精確表達(dá)居民地信息。綜上，基于紋理特征的半自動提取方法優(yōu)缺點(diǎn)如下：優(yōu)點(diǎn)在于算法比較簡單，數(shù)據(jù)處理速度快，定位精度高。支持自定義種子點(diǎn)，理論上可以將遙感圖像中任意一點(diǎn)確定為種子點(diǎn)，因此可以精確顯示某一點(diǎn)的細(xì)部特征，具有較強(qiáng)的針對性。缺點(diǎn)在于算法適應(yīng)能力偏弱，只能針對特定圖像，容易受到地物、噪聲的影響。例如在反射較強(qiáng)的水域，地物信息的表達(dá)精度會有明顯降低。

2地物要素的變化檢測

本文基于面向地理對象的圖像配準(zhǔn)方法，對A市的水體變化進(jìn)行檢測。實(shí)驗(yàn)數(shù)據(jù)分別來源于SAR圖像和光學(xué)圖像。其中，SAR圖像的獲取時(shí)間為2021年6月11日，采樣間隔為4.2m，圖像大小為1600×800；光學(xué)圖像的獲取時(shí)間為2021年6月15日，重采樣后像元大小為8.0m，圖像大小為1250×750。變化檢測實(shí)驗(yàn)圖像提取的水體輪廓如圖3所示。使用面向地理對象的圖像配準(zhǔn)方法，首先從上述兩幅圖像提取的水體輪廓，分別得到了地物要素（水體）的形狀曲線。然后進(jìn)行兩幅圖像的地物匹配，匹配前提出地物形狀的細(xì)小毛刺，縮小同一地物不同形狀間的差異，完成形狀匹配后保存地物要素。最后進(jìn)行幾何變換，使用最小二乘法解算坐標(biāo)轉(zhuǎn)換參數(shù)，完成圖像之間的坐標(biāo)配準(zhǔn)。變化檢測精度如表2所示。由于該區(qū)域內(nèi)存在較多的水產(chǎn)養(yǎng)殖場，受到養(yǎng)殖規(guī)律的影響，這些地方有時(shí)有水、有時(shí)無水，因此水體邊界提取結(jié)果可能存在差異，如圖4所示。排除水體變化部分，對比兩幅圖像中水體為發(fā)生變化部分，可以發(fā)現(xiàn)圖像配準(zhǔn)精度較高，符合地物要素變化檢測的精度要求，說明面向地理對象的圖像配準(zhǔn)方法能夠進(jìn)一步提高多源遙感數(shù)據(jù)的測繪應(yīng)用價(jià)值。

3結(jié)論

在我國航空航天遙感技術(shù)不斷發(fā)展背景下，多源異構(gòu)遙感數(shù)據(jù)在智能化測繪應(yīng)用方面發(fā)揮了重要價(jià)值。地物要素提取和圖像配準(zhǔn)是多源遙感數(shù)據(jù)處理和應(yīng)用的兩項(xiàng)關(guān)鍵技術(shù)。本文提出的一種基于紋理特征的地物要素提取方法，以及面向地理對象的圖像配準(zhǔn)方法，可以精確獲得遙感圖像中的地物要素，并且保證了輪廓精度，為地形圖的修測和地理國情監(jiān)測等工作的開展提供了幫助。

參考文獻(xiàn)

[1]楊盛華,尹洋,郭欣萌.基于多源遙感數(shù)據(jù)的凈空區(qū)建筑物三維動態(tài)監(jiān)測[J].測繪通報(bào),2019(S1):25-26.

[2]胡軼之,王鴻燕,歐陽斯達(dá).基于資源三號以及多源數(shù)據(jù)統(tǒng)籌的應(yīng)急遙感服務(wù)保障[J].衛(wèi)星應(yīng)用,2020(10):6-7.

[3]關(guān)雷,曹景慶,郭慧宇.基于“便攜式多源遙感影像即時(shí)服務(wù)系統(tǒng)”地圖切片數(shù)據(jù)管理技術(shù)研究[J].經(jīng)緯天地,2016(06):7-9.

[4]李書雪.遙感測繪技術(shù)在測繪工作中的應(yīng)用分析[J].科學(xué)大眾:科技創(chuàng)新,2020(2):1.

[5]薛嬌,胡平昌,盧剛,等.基于元數(shù)據(jù)的多源異構(gòu)遙感影像管理技術(shù)研究與實(shí)現(xiàn)[J].地理信息世界,2020,27(2):4.

作者:張曉鳳 單位:內(nèi)蒙古自治區(qū)測繪地理信息局