基于遙感影像對嘉蔭道路信息的提取

王卉 張達

(華北理工大學礦業工程學院，河北 唐山 063210)

引言

自20世紀60年代以來，遙感技術一直基于電磁波理論，從長距離透鏡輻射和反射的電磁波的信息被各種檢測儀器收集，處理并最終捕獲，以在地面上執行多個場景，是一種全面的檢測和識別技術。近年來，已廣泛應用于氣象觀測、資源研究、地圖繪圖、軍事偵察和特征信息提取等領域[1]。

地物特征信息是繪圖、特征分析和應急響應的重要基礎地理數據[2]。目前，從遙感圖像中獲取地物信息主要是基于視覺解釋，但這種方法遠遠不能滿足數據更新的需要。隨著高分辨率衛星遙感數據應用的不斷增加，利用高分辨率遙感影像的成像特征和道路特征進行道路信息的自動提取已成為其中之一。當前地物信息提取的重點是通過目視解譯進行輔助，為計算機提供感興趣區，計算機訓練完成后反演，對未分類的地物依據樣本區進行分類，即利用BP算法進行監督分類，利用BP算法對數據進行分類，可以得到更為接近需求的真實地物分類結果[3,4]。

1 分類方法

1.1 監督分類

監督分類優點是有人為因素輔助,更容易獲得接近實際地物的分類結果,采用神經網絡算法(BP算法)的原因是BP算法是模擬生物的神經網,同時進行計算,并且神經網絡算法還具有自我深度學習能力,可以根據感興趣區(目視解譯)輔助算法的迭代,進而分析出預測的結果,即分類結果。分類精度由感興趣區影響,理論上,選擇的樣本量越大,選取范圍越精細,選取種類越多[5],最終分類結果就會更接近真值,便于后續的地物特征信息提取以及分析。

1.2 神經網絡算法

人工神經網絡具有4個基本特征。非線性自然界的一個普遍特征是非線性關系，大腦智慧是一種非線性現象，處于2種不同狀態的未被激活或激活的人工神經元也表示數學中的非線性關系，閾值化的人工神經網絡傾向于提高性能并且可以提高容錯性和存儲容量；放松管制多個神經元的廣泛連接通常可以形成神經網絡，單個神經元的1個或幾個特征可以影響系統的整體行為,但系統的整體行為由設備與其交互之間的連接決定，通過不同單元之間的不同連接模擬非本地化的大腦，無限制的典型示例是通過關聯的存儲器；高度定性的人工神經網絡是自適應、自組織和自學習,神經網絡不僅可以處理各種變化的各種信息,還可以處理信息,非線性動態系統本身也在不斷變化，電力系統的各種發展通常通過對迭代過程的廣泛解釋來證明；非體積特定狀態函數在一定條件下影響系統的最終進化方向，以下是如能量函數之類的極值可以表示系統的相對穩定狀態的示例，非凸性意味著該函數具有許多極值,因此系統使用許多穩定的平衡狀態來誘導系統演化的各種屬性。

網絡的應用現已廣泛涉及許多領域,并取得了很大的進步和發展。自動控制字段。提供系統建模、識別、參數集成和確定,極點設備和設置,內部模型控制,優化控制,預測和控制,最優控制,過濾和預測容錯。組合優化問題處理。除了最大的匹配問題,包裝和作業調度問題外,還成功解決了旅行商問題。圖像處理。圖像可用于邊緣監控,圖像分割等技術。機器人控制。控制機器人的軌道,操縱機器人的視覺系統和肢體系統,還可用于診斷自適應移動機器人的機器人故障、異常、智能導航和視覺系統。醫療。癌細胞分析中的移植數量是最佳的,如何降低醫院成本和提高醫院服務質量。

1.3 監督分類原理

1.3.1 概述

監督分類，即場地訓練法,理論基礎是建立一個可以統計和識別的功能。通過場地訓練法,選擇如何分類的技術。換句話說,根據已有樣本,找到特征參數作為其分類決策規則,根據該規則,建立鑒別功能來執行若干圖像并分類。圖像的分類是模式識別的方法之一，其要求樣本典型、有代表性。如果標準滿足分類的準確性,則建立標準,否則,恢復分類決策的規則直到滿足分類的準確性。

1.3.2 原理

利用人工劃分的區間對色塊進行記憶,隨后計算機通過人工劃分的標本數據集,對整幅圖像進行計算分析,輸出分類結果。

1.3.3 弊端

因為影像中會有一些近似的地物,如建筑物和土地有部分近似顏色且相鄰,會導致計算機無法如人工解譯般準確地分辨出土地和建筑的區別,導致在分類結果中出現部分建筑和土地變為同一類的情況；又或者是陰影和綠化在一些情況下，整體都和水體一般呈現黑色，這也會使得地物分類結果不準確；亦或建筑有時反射黑色光譜特征，與水體一致；亦或水體有時反射藍色光譜特征，又會反射黑色，偶爾也會受到水面微生物影響，反射綠色光譜特征信息。反之亦然,可能會使得本為同一地物,因為樣本區間選擇不同,導致同一地物被分為多個不同地物。如，同為建筑物，在施工現場彩鋼房往往呈現藍色光譜信息特征，而城市內建筑物反射光譜多為白色，此類情況在分類時，同一個地物如果有不同的光譜特征，應當將所有特征都選取感興趣區，幫助計算機更為精確識別地物。

1.4 神經網絡算法原理

BP的基本算法通常包含2個主要過程，即信號的前向傳播和誤差的反向傳播。計算的誤差輸出是在輸入到輸出的方向上進行的,并且調整權重和閾值必須從輸出方向到輸入方向。在前向傳播中,節點利用輸入信號獲得輸出信號,此時,節點使用輸出處的隱藏層動作,隨后進行非線性變換,如果輸出不符合期望,則會將其轉至錯誤的反向傳播。誤差的反向傳播包括對輸入層使用隱藏層和逐層使用反向傳輸。此過程還將錯誤分配給所有層的所有單元,并使用從每個層獲得的錯誤信號，作為調整每個單位重量的基礎。通過調整輸入節點和隱藏層節點之間的連接強度,隱藏層節點和輸出節點之間的連接強度以及闕值,可以利用反復學習進行沿著方向減小誤差梯度和訓練。也可使用最小誤差和相應的網絡參數(權重和闕值)停止訓練。此時,通過Neural Network訓練,相似輸入內容的信息可以自行處理,也可處理含有較小輸出誤差的非線性轉換信息。

2 案例研究

2.1 測區概況及數據來源

嘉蔭縣隸屬于黑龍江省伊春市,總面積6739km2。通過互聯網渠道獲取研究區域的夏季影像,實驗區在N48°83′～49°26′5″,E129°9′45″～130°50′。測區適合夏秋兩季進行農業作業，春冬季節適合游玩和休耕。同時夏季測區可以作為避暑山莊等旅游景點。由于實驗區域的氣候等,導致春冬季節實驗區域會有路面積雪、房屋積雪等因素影響影像信息的提取,使得地物提取變得困難,所以選擇沒有積雪等因素,且影像觀測環境良好的夏季作為實驗區域的影像時間。

2.2 預處理

2.2.1 輻射定標

操作過輻射定標后,就可以把成像時被附加了輻射能量的傳感器獲得圖像的噪點消滅。除噪可以使得在圖像的成像過程中,消除大氣折射率等影響,盡可能地還原接近實際地物的影像。

2.2.2 大氣校正

利用觀測時的陸空以及大氣環境等各種數字形態的數學數據,算出大氣的氣溶膠在光學里的厚度、大氣里水和臭氧的含量并分析,處理被定下標的場地及其被訓練區域地物的光譜等數學數據,獲得被定標的場地數據的形狀數據和時間參數,求出遙感器入瞳時的輻射亮度,計算出定標的系數,進行誤差分析。

大氣校正是為了消滅在傳輸電磁波中,電磁波被大氣吸收或者被散射等因素,大氣對電磁波的這些影響，會導致出現被削弱過的圖像,進而影響影像的品質,使得影像亮度值變化。大氣校正的目的是消除電磁波傳輸過程中大氣對電磁波的影響,使得影像恢復為原來的亮度值,也就是使影像恢復到原本的地表真實輻射亮度。

大氣校正主要流程是通過選擇大氣溶膠模型,通過大氣溶膠模型以及大氣模型的選擇,對所要進行大氣校正的影像進行校正。選擇模型的原因在于需要模擬影像拍攝時期的大氣環境,進而通過算法還原影像在被大氣削弱前的圖像。

2.2.3 圖像融合

影像的融合目的是對某一個信息的強調優化,進而可以突出所需要的某一個專題的信息,消滅或者壓制住不需要的信息,從而提高特征信息的分類精度,并使得影像獲得更廣泛的應用范圍以及效果[6]。

2.2.4 圖像增強

影像的增強主要是為了加強影像的視覺性,突出影像的某一或某些特征信息,方便進行提取。

卷積濾波采用的是高通卷積濾波,可以用來銳化圖像,強化圖像的邊緣信息,進而凸顯出圖像的邊界。原理是提取圖像的高頻部分,代入到圖像的邊緣低頻部分,進而實現銳化圖像,增強圖像邊緣的結果。

2.3 分類方法

2.3.1 方法選擇

采用了監督分類[1]的神經網絡法,并從監督分類后的結果進行所需要的實驗區域道路信息的提取,就可以對分類后的結果進行合理判斷,從而為后續的道路信息提取出來的特征信息的分析提供一個消息來源進行選擇和使用。

神經網絡算法是一種擁有可以自己加深學習能力的計算方法,人腦的一個基本的單位如果是神經元,那么一個感知器就可以變成一個人工的神經網的基本構成部分,這個感知器能夠自己完成不太復雜的信號處理,連到一個大型網中。通過使用加深學習能力的一個人工網絡常見范例就是識別對象的一個任務,在這類任務中,神經網能夠展示出大量的特定類型的對象,電腦通過分析所展現圖像中反復出現的模式,學會對新圖像進行分類。

神經網絡分類是通過監督分類實現的,也就是目視解譯感興趣區,作為一個標記的數據集,根據地物的不同,選取多個數據集進行標記,計算機要經過這些數據集,然后對算法進行修改,直到能夠處理數據集以獲得所需的結果。

2.3.2 分類結果

圖1就是標記過的數據集合,通過計算機并利用神經網的自我加深學習能力,對地物進行分類的結果。此方法可以自行進行深度學習，節約人工成本，具有聯想存儲和高速獲得最優化解的能力。

圖1 分類結果

2.3.3 結果分析

如圖1所示，道路和建筑互相交錯分布，且道路路網將建筑區整體包圍起來，路網交錯穿插在建筑群中，可以根據提取出來的特征判斷，該地交通較為發達便利，建筑區內各個建筑類地物通過城市路網系統互相連接，且在城市邊緣，路網由城市內延伸至大面積土地。

由圖1所示結果以及結果分析可以得出，測區建筑分布較為零散，路網系統錯綜復雜，連結城市區和無人區；測區性質屬于旅游、農耕城市，可以通過增強路網建設，使得城市連結無人區，進行城市擴張；無人利用土地內含有少量建筑分布，可以進行城市化擴張，或進行農業開發，在旅游方面可以嘗試農家樂、采摘園等旅游產業開發。

對于旅游城市，還可以針對無人區進行車站、機場等建設，連結周圍其它城市，擴大人流量、車流量；并可以在無人區進行農業開發，制作具備當地特色的農副產品銷售；這些措施可以增加測區財政收入以及GDP增長等。

3 結論

通過對道路信息的提取,可以獲得實驗區域嘉蔭的各類地物特征信息,利用這些信息進行分析,可以獲得嘉蔭地區的土地、建筑、道路應用所需數據。

在土地上,根據土地信息,可以對城市規劃區、農民耕種區等進行規劃,并配合道路信息進行耕種、規劃區建設，或根據各區域空間相關性,對道路建設進行規劃。

在道路上,可以根據路網信息,對道路進行分析,總結出城市交通便利性,同時也可以根據建筑信息對城市交通進行規劃。

在建筑上,可以根據建筑空間分布特征,進行測區的城市化分析，也可以依據建筑信息對城市交通、土地利用情況分析結果進行結合,選擇城市規劃區或城鄉結合、分離等規劃。