高分遙感影像與矢量數(shù)據(jù)結(jié)合的變化檢測(cè)方法

田秀東

（新疆維吾爾自治區(qū)第一測(cè)繪院，新疆 昌吉 831100）

0.引言

系統(tǒng)掌握了解地理國情信息，有助于提升對(duì)各類突發(fā)事件的應(yīng)對(duì)效率，增強(qiáng)各級(jí)政府社會(huì)治理水平。在地理國情監(jiān)測(cè)中，地理要素變化檢測(cè)技術(shù)作為其中重要內(nèi)容之一，能夠借助多尺度、多源數(shù)據(jù)來檢測(cè)地理國情動(dòng)態(tài)波動(dòng)。在互聯(lián)網(wǎng)技術(shù)、傳感器技術(shù)等新型技術(shù)不斷向前發(fā)展中，極大地提升了基于高分辨率遙感影像的地表覆蓋和變化信息提取的科學(xué)性、準(zhǔn)確性水平。另外，多源數(shù)據(jù)的使用，極大豐富了變化檢測(cè)信息的內(nèi)容，并且能夠憑借相關(guān)知識(shí)的方式產(chǎn)生，在影像分析中發(fā)揮積極作用。所以，這一背景下，有助于全面提升變化檢測(cè)精度。不過，考慮到高分辨率遙感影像自身特征，導(dǎo)致高分辨率遙感數(shù)據(jù)分析方式與傳統(tǒng)分析方式存在不匹配之處。遙感影像變化檢測(cè)方式也不斷改革創(chuàng)新，從之前的相對(duì)落后的檢測(cè)方式朝著目前的更為先進(jìn)的變化檢測(cè)方式發(fā)展。某種層面上，在不同變化檢測(cè)方式中，即便面向?qū)ο笠肫渲?，不過考慮到大多對(duì)象只是通過影像分割方式得到，該方式具有單一性的同時(shí)，對(duì)影像分割算法精度具有很強(qiáng)的依賴性。因此，截止到目前，針對(duì)高分辨率遙感的精準(zhǔn)度高、適用性強(qiáng)的分割技術(shù)并未出現(xiàn)。

在此基礎(chǔ)上，本文中，筆者提出一種全新的高分辨率遙感影像與矢量數(shù)據(jù)相結(jié)合的一種變化檢測(cè)模式，并且將其應(yīng)用到地理國情檢測(cè)之中。具體來講，本文介紹了矢量數(shù)據(jù)以及遙感影像套合結(jié)果的差異性表現(xiàn)，借助矢量數(shù)據(jù)輔助分割，提出能夠得到較強(qiáng)同質(zhì)性像斑的研究方式；隨后，本文還提出基于矢量與雙時(shí)相遙感影像的變化檢測(cè)方式，通過相關(guān)實(shí)驗(yàn)，對(duì)該檢測(cè)方式的適用性進(jìn)行檢驗(yàn)。

1.同質(zhì)像斑獲取

1.1 遙感影像與矢量數(shù)據(jù)套合不一致性

分析變化檢測(cè)方式中，常見的概念主要包括像斑、像元、圖斑等。其中，像斑，即存在同樣屬性的不同像元的集合，圖斑則是在矢量原始數(shù)據(jù)中的基本單位。作者綜合運(yùn)用矢量數(shù)據(jù)和遙感影像標(biāo)準(zhǔn)套合，同時(shí)，運(yùn)用圖斑邊界獲得像斑。同時(shí)，結(jié)合矢量數(shù)據(jù)屬性值相關(guān)類別內(nèi)容，可以得出像斑類別屬性。我們?cè)陂_展變化檢測(cè)過程中，如果將影像分析基本單位記作像斑，那么可以運(yùn)用檢測(cè)結(jié)果，來更新當(dāng)時(shí)矢量數(shù)據(jù)。

針對(duì)影像空間分辨率以及矢量數(shù)據(jù)比例尺匹配情況分析。考慮到成圖比例尺以及遙感影像空間分辨率密切相關(guān)，影像空間分辨率需要確保為0.1 毫米。所以，當(dāng)矢量數(shù)據(jù)為1∶10000 時(shí)，我們應(yīng)確保遙感影像空間分辨率在1 米以上。如果遙感影像空間分辨率以及矢量數(shù)據(jù)比例尺能夠彼此匹配時(shí)，從理論層面上，獲得影像像斑形狀及大小正合適，也便于接下來研究分析。

理想條件下，我們運(yùn)用配準(zhǔn)套合方式得到的遙感影像不同像斑，對(duì)應(yīng)內(nèi)部像素需具有一種灰度同質(zhì)性。不過，考慮到土地覆蓋以及運(yùn)用的差異，導(dǎo)致在實(shí)際應(yīng)用中很難能夠表現(xiàn)出這一理想狀態(tài)。所以，因規(guī)范、數(shù)據(jù)源等諸多因素的差異，并且數(shù)據(jù)固有特征和數(shù)據(jù)使用方式等方面影響，很容易導(dǎo)致矢量數(shù)據(jù)以及遙感影像出現(xiàn)套合結(jié)果不一致的情況。在此基礎(chǔ)上，通過對(duì)相關(guān)數(shù)據(jù)的整合和分析，結(jié)合上述問題，我們應(yīng)用多尺度分割算法來得到同質(zhì)像斑。

1.2 基于多尺度分割獲取同質(zhì)像斑

像斑獲取方式包括下列兩種：第一種為借助GIS輔助數(shù)據(jù)分割；第二種為借助影像分割。同時(shí)，影像分割方式包括下列兩種：第一種為以知識(shí)為基礎(chǔ)的自上而下的方式；第二種為以數(shù)據(jù)為基礎(chǔ)的自下而上的方式。上述兩種分析方式的不同主要表現(xiàn)為：第一種方式所得結(jié)果具有區(qū)域性特征；第二種方式所得結(jié)果具有全局性特征?？紤]到后者的全局性特征，接下來分析中，我們以自下而上方式進(jìn)行介紹。本文應(yīng)用的多尺度分割算法，也屬于自下而上方式的一種。其中，我們通過對(duì)同質(zhì)性標(biāo)準(zhǔn)參與以及尺度參數(shù)的修訂，實(shí)現(xiàn)多尺度分割影像的效果。

為了能夠得到同質(zhì)像斑，我們綜合應(yīng)用多尺度分割方式、GIS 輔助數(shù)據(jù)分割方式進(jìn)行分析。一方面，結(jié)合遙感影像與矢量輔助數(shù)據(jù)套合得到像斑；另一方面，再分割套合得到像斑，生成子像斑，確保不同像斑下光譜能夠保持同質(zhì)性。相關(guān)技術(shù)流程（如圖1 所示）：

圖1 技術(shù)流程圖

對(duì)應(yīng)步驟流程如下：

（1）對(duì)于不同時(shí)期所觀測(cè)的遙感影像以及矢量數(shù)據(jù)等進(jìn)行相關(guān)套合工作，在獲取影像像斑的工作中主要依靠矢量數(shù)據(jù)所提供的圖斑的邊界信息進(jìn)行確定，然后對(duì)其像斑分別進(jìn)行記錄，命名為T1 和T2。在此過程中，需要對(duì)矢量數(shù)據(jù)的具體類別信息進(jìn)行考慮，從而獲得相關(guān)像斑類別。

（2）完成尺度參數(shù)的設(shè)定，將T1 和T2 時(shí)期的影像光譜特征作為參照標(biāo)準(zhǔn)，隨后完成對(duì)上述兩時(shí)期像斑的分割。

（3）在獲取像斑后，需要對(duì)其類別性的差異進(jìn)行考慮，同時(shí)要設(shè)置相應(yīng)的尺度參數(shù)，完成二次分割。當(dāng)不同類別像斑同質(zhì)性都得以提升后，不再進(jìn)行分隔，所得子像斑分別看成T1 期子像斑、T2 期子像斑。

（4）在完成上述步驟獲得子像斑之后，為了確保不同階段下的像斑可以對(duì)應(yīng)，應(yīng)該對(duì)兩者進(jìn)行分割。

綜上所述，此種方式的前提是多尺度分割，和傳統(tǒng)的方式存在很大差異。該方式將影像光譜信息、矢量數(shù)據(jù)屬性信息等均考慮在內(nèi)。

2.變化檢測(cè)

所選取的變化檢測(cè)方式主要分為兩種類型：

（1）是雙時(shí)相遙感影像。

（2）是歷史矢量。

主要分析步驟如下：

（1）完成像斑獲取以及特征提取，對(duì)于同質(zhì)像斑應(yīng)該提取其光譜及形狀特征，然后形成特征空間，同時(shí)對(duì)特征空間的優(yōu)化處理。為了更好地獲取像斑特征，主要根據(jù)其內(nèi)部的灰度值以及運(yùn)用相關(guān)運(yùn)算得以實(shí)現(xiàn)。其中光譜特征主要是涵蓋了方差以及均值等，而形狀特征主要包括面積、長寬比以及密度等信息值，同時(shí)需要運(yùn)用灰度共生矩陣完成紋理特征值的計(jì)算。

（2）獲得變化像斑方式。具體方式如下：T1 期影響借助當(dāng)期矢量數(shù)據(jù)屬性信息，得出像斑類別，并按照一定原則對(duì)其予以分類。T2 期影像的應(yīng)用分類，采用基于像斑的最鄰近分類算法，得到像斑之后對(duì)其予以分類。兩個(gè)階段像斑分類結(jié)果得到之后，借助相關(guān)的分析，檢測(cè)不同階段下的像斑變化情況。

在獲得相關(guān)的變化檢測(cè)結(jié)果后，需要結(jié)合分割的過程，獲取像斑和子像斑之間的關(guān)系，將所獲取的變化結(jié)果在矢量圖斑中進(jìn)行有效運(yùn)用，然后對(duì)檢測(cè)結(jié)果進(jìn)行詳細(xì)評(píng)價(jià)，最后估計(jì)使用此檢測(cè)結(jié)果后的矢量水平。

3.實(shí)驗(yàn)及結(jié)果分析

在進(jìn)行數(shù)據(jù)的選取時(shí)，主要以同一個(gè)地區(qū)在2002年5 月、2004 年5 月的衛(wèi)星影像作為資料，對(duì)該地區(qū)2002 年5 月的矢量圖進(jìn)行分析，本次實(shí)驗(yàn)的像元規(guī)模為1001×1003，共對(duì)應(yīng)118 個(gè)矢量圖斑。

3.1 同質(zhì)像斑的獲取

在獲取同質(zhì)像斑時(shí)，首選應(yīng)該完成不同階段下的矢量數(shù)據(jù)以及遙感影像的配準(zhǔn)，然后獲取像斑并分析其類別。需要對(duì)光譜以及形狀兩種特征值進(jìn)行考慮，完成對(duì)T1 及T2 時(shí)期影像的分割任務(wù)，所獲取的基本參數(shù)值為尺度參數(shù)250。對(duì)分割結(jié)果進(jìn)行分析，可以了解到在進(jìn)行分割時(shí)存在尺度不足的情況。為了解決此問題，首先應(yīng)該使得所設(shè)置參數(shù)較為合理。對(duì)植被類別進(jìn)行分割，其參數(shù)為：形狀指數(shù)0.6，緊致度0.5，尺度參數(shù)值為300，隨后對(duì)植被類別的像斑進(jìn)行合并。對(duì)非植被類別進(jìn)行分割，相關(guān)參數(shù)為如下：形狀指數(shù)0.8，緊致度0.5，尺度參數(shù)值200，接下來對(duì)非植被類別的像斑進(jìn)行分割。不同類別像斑的同質(zhì)影像水平都得到一定提升后，不再進(jìn)行分割。最后，把不同時(shí)期得到的分割結(jié)果進(jìn)行分割，確保影像像斑能夠彼此對(duì)應(yīng)。（如圖2 所示）。我們能夠得到全部子像斑數(shù)量為385 個(gè)。根據(jù)目視效果，諸多像斑均具有很強(qiáng)的同質(zhì)性，也為分析變化檢測(cè)提供重要的保障。

3.2 變化檢測(cè)

為了對(duì)初始化的特征空間進(jìn)行改進(jìn)，可以采用窮舉法等方法，同時(shí)確定較為合理的特征組合，在表1 當(dāng)中對(duì)特征優(yōu)化的情況進(jìn)行了重點(diǎn)講解。

對(duì)于矢量數(shù)據(jù)的研究應(yīng)該參考其屬性信息，同時(shí)還應(yīng)該結(jié)合相關(guān)的分類算法，以最小的距離作為測(cè)度，對(duì)2004 年的影像像斑進(jìn)行歸類劃分。圖3 對(duì)不同時(shí)期的像斑分類情況進(jìn)行了綜合性地介紹。

圖2 影像多尺度分割結(jié)果

表2 特征優(yōu)化結(jié)果

圖3 影像分類結(jié)果

圖4 變化監(jiān)測(cè)結(jié)果

得到不同時(shí)期像斑分類情況后，借助疊置分析，檢測(cè)判斷不同階段下影像像斑類別（如圖4 所示）：

此次分析中，實(shí)驗(yàn)像斑總共為385 個(gè)。其中，像斑出現(xiàn)改變總共為56 個(gè)，在全部研究像斑中的占比為14.55%。在全部變化像斑下，有22 個(gè)是植被增加像斑數(shù)量，在全部變化像斑中的占比為39.29%；有34 個(gè)是植被減少像斑數(shù)量，在全部變化像斑中的占比為60.71%。最后，我們把像斑變化檢測(cè)結(jié)果應(yīng)用到矢量圖斑中來。其中，當(dāng)矢量圖斑范圍下，存在像斑波動(dòng)時(shí)，那么表明這一圖斑產(chǎn)生變化，同時(shí)能夠結(jié)合變化像斑在矢量圖斑中的占比，來劃分矢量圖斑變化情況（如圖5所示）：

118 個(gè)不同的矢量圖斑下，產(chǎn)生變化的圖斑數(shù)量為29 個(gè)，有20 個(gè)圖斑完全發(fā)生變化，在全部變化圖斑中占比處于高位。結(jié)合實(shí)驗(yàn)結(jié)果，我們能夠得到，通常情況下，像斑出現(xiàn)變化后，借助以上方式均能夠被檢測(cè)出來，也表明該方式是科學(xué)有效的。

4.結(jié)束語

本文中，我們根據(jù)矢量數(shù)據(jù)以及遙感影像之間存在的套合不一致的情況，創(chuàng)造性提出借助多尺度分割算法來得到同質(zhì)像斑。以此為前提，我們結(jié)合雙時(shí)相遙感影像與矢量變化檢測(cè)方式，開展變化檢測(cè)。整套分析方式具有很強(qiáng)的可操作性，應(yīng)用前景廣泛。考慮到前后期影像分類彼此獨(dú)立開展，而變化檢測(cè)結(jié)果僅僅是對(duì)前期、后期對(duì)應(yīng)像斑類別的相似程度予以判斷。所以，如果前后時(shí)期存在較大差異時(shí)，該分析方式依然可以適用。

引入矢量數(shù)據(jù)信息后，有助于推進(jìn)分類分析基本模式以及遙感影像分割產(chǎn)生變化，使得現(xiàn)有的遙感影像分析能夠從之前的認(rèn)知過程中，逐漸朝著一種具有先進(jìn)知識(shí)的再認(rèn)知過程方向轉(zhuǎn)變。所以這一分析方式中，有效采取了多源數(shù)據(jù)，具有定量化、自動(dòng)化特點(diǎn)。同時(shí)，接下來研究分析中，我們應(yīng)該在本文研究成果前提下，加強(qiáng)了對(duì)遙感影像分割性能的分析，了解像斑特征，推進(jìn)變化檢測(cè)技術(shù)能夠朝著更加準(zhǔn)確、適應(yīng)性更強(qiáng)的方向發(fā)展。