基于空間數據挖掘的遙感圖像立體測繪方法研究

王佳媛

（安徽省地質礦產勘查局313 地質隊，安徽 六安 237000）

1 引言

遙感技術與數據挖掘技術的集成，是近年來科研單位關注與研究的重點，使用后者對遙感圖像進行處理，可以實現對源端信息的及時更新。目前，我國科研單位針對遙感圖像的研究大多仍局限在圖像分類、圖像處理等過程，在此過程中即便少數單位嘗試了對遙感圖像進行測繪設計，但大部分設計成果也屬于單維度測繪。隨著現代化技術的優化，現有技術空間觀測能力呈現一種逐步提高的趨勢，遙感圖像在市場內的應用范圍也逐步擴大，如何使用計算機設備輔助現代化技術，對高頻率遙感圖像中的識別目標進行主動定位與立體測繪，成為社會新的研究點[1]。因此，有關單位設計了針對遙感圖像的立體測繪方法，但是為了滿足圖像的立體化測繪需求，通常情況下會使用多維度傳感器與攝像機獲取信息，按照此種方式獲取的遙感圖像，其中不僅攜帶大量噪聲，還存在較多的重疊區域[2]。

為了解決遙感圖像噪聲干擾問題，在現有研究成果基礎上，引進了數據去噪處理技術，但不同技術在使用中受到的限制是不同的，部分技術在使用中還需要大量的算法計算作為支撐。為了實現對此方面研究成果的優化，本文將引進空間數據挖掘技術，進行遙感圖像的立體測繪方法設計，以提高測繪成果的精度與分辨率，提升遙感圖像在社會中的使用價值。

2 基于空間數據挖掘的遙感圖像立體測繪方法

2.1 衛星遙感影像選擇與測點布控

為實現對遙感圖像的三維立體化測繪，首先引入衛星遙感技術，針對遙感影像進行選擇，并實現對各個測點的布控。考慮到遙感圖像的測繪需要，本文選擇的影像為利用WorldView 生成的同軌、同源分辨率多光譜2m 的衛星原始影像。同時，為了確保獲取的衛星遙感影像利用價值更高，其云層覆蓋率不超過10%，影像當中相鄰的兩個景物之間重疊部分不得超過8%。按照上述標準完成對原始遙感影像的選擇后，能夠確保后續測繪的精度，并保證各個分區之間不會出現明顯的鑲嵌痕跡[3]。

針對單片原始遙感影像而言，其拍攝角度應當為側視角在-20°～＋20°范圍內，并且在影像當中太陽的高度角應當超過25°。除此之外，原始的遙感影像應當具備更加豐富的層次，并且影像當中的地物基本結構應當明顯，不可以出現光譜溢出或數據質量變化幅度較大等問題，確保遙感影像的整體質量，以此盡可能地避免原始遙感影像本身對后續測繪精度造成的影響。

在完成對原始遙感影像的選擇后，還需要實現對測點的全面布控。當前針對衛星遙感影像并沒有標準化的空三操作規范，因此，對于測點的布控也沒有相應標準。針對這一問題，為提高測繪的規范化，在對測點布控時，采用如下方式完成：

在每幅原始遙感影像中選擇5 個或5 個以上的測控點，結合實際情況，確保在每平方千米的區域范圍不少于2 個測控點，控制點的布置應當從影像角、邊以及中心點等各個參數角度進行設置。針對存在區域重疊的原始遙感影像，需要確保在重疊區域有共用點，并且在每隔10km 的距離內必須存在一個共用測控點，以此按照上述標準完成對測點的布控。

2.2 遙感圖像分類處理

根據上述內容，在實現對原始衛星遙感影像的選擇以及對各個測點的布控后，引入空間數據挖掘技術，基于不同原則，對遙感圖像進行分類處理。

應用空間數據挖掘技術中的歸類學習法，該方法的應用實質是從大量經驗數據當中，歸納總結得出一般判定規律，并結合規則完成對被分類對象的劃分[4]。本文被分類對象為遙感圖像，對其分類時，首先需要對訓練例子集確定，并對每一個例子屬性在例子集中出現的概率進行計算，同時針對決策樹結構中產生的正例集和反例集消息源，明確所需的期望信息，其表達式為：

公式（1）中，I（p,n）表示為產生正例集和反例集所需的消息源期望信息；p表示為正例集數量；n表示為范例集數量。

根據上述內容，進一步分析得出正例集出現的概率為：正例集數量/（正例集數量+反例集數量）；反例集出現的概率為：反例集數量/（正例集數量+反例集數量）。對所有的正例集和反例集進行遞歸，并形成決策樹。在應用空間數據挖掘技術后，能夠實現對遙感圖像的快速分類，并且分類匹配度能夠得到有效提升。但在應用決策樹后，由于沒有良好的分類規則，只能針對遙感圖像中的離散屬性進行處理，造成分類效果不理想。針對這一問題，嘗試將決策樹轉變為等價的產生式規則，將這一規則帶入歸類學習算法中，以此實現對遙感圖像的分類處理。

2.3 遙感圖像立體測繪

在按照上述內容完成對遙感圖像的分類處理后，進行遙感圖像立體測繪。

在完成分類后，區域網中的平差精度已能夠充分符合導出立體圖像的要求。利用MapMatrix 系統完成對模型的導入工作，并在導入后，立即恢復模型的三維結構。由于衛星遙感影像具有覆蓋面積更廣的特點，因此若運行的上位機具有良好性能，則可以不對立面結構剪裁，從而進一步減少接縫產生[5]。

MapMatrix 系統是武漢航天遠景公司開發的基于航空數據、衛星遙感數據和外業測量數據等進行多源空間信息綜合處理的平臺，不但為基礎數據生產、處理和加工提供了一系列集成的工具，而且該系統兼容性好，可以支持來自其他多種系統的空三成果，避免了用戶在數據轉換中帶來的麻煩。

在完成立體采集后，將其與航空影像一樣，對其視差進行調整，從而確保立體效果符合預期[6]。完成采集后，將模型導入EPS 系統，并進行編輯和外業調繪。結合外業實際情況，將各個需要明確的位置標注在模型中，并用不同的顏色進行區分，確保最終使用測繪圖像時，能夠更直觀地找出需要觀察的區域位置，進一步提高測繪圖像的利用價值。

3 對比實驗

為了證明本文設計的遙感圖像立體測繪方法的可行性與實用性，通過對比實驗，對設計成果進行檢驗。以某城市道路為例，采用遙感測繪的方式開展實驗。為節約實驗前期準備時間，避免測繪目標數據集合量不足，實驗前需要從Intel 網絡中的Google Maps 數據庫獲取樣本數據。此次下載的測試樣本共500 幅，每一幅圖像均具有高分辨率，可與城市街區GIS 地圖正確匹配。獲取的遙感圖像不僅包含了多種城市景觀，還含有城市道路信息。實驗選擇提取分辨率＞1.0m 的圖像作為實驗樣本對象，進行不同圖像的截取處理，確保遙感圖像的目標尺度范圍基本一致。經過大規模的篩選，選擇80 幅圖像用于實驗訓練，剩余200 幅圖像用于后續測試與評估。

隨機選擇測試樣本中的一幅城市道路街區遙感圖像作為測試對象，將待處理的圖像導入Ryramid-Cut處理軟件，使用本文設計方法，對實驗對象進行多尺度分割處理。處理后，設定尺度個數為4，即L=4，尺度因子α=4，原始圖像與初步分割處理后的效果如圖1所示。

從圖1 可以看出，在大尺度測繪圖像下，城市道路的主體結構部分被明顯劃分，小尺度部分（包括道路邊緣與測繪圖像中的建筑物等）被細致劃分。按照此種方式進行測繪圖像的分割與分類處理，可以避免在立體測繪過程中出現非測繪目標發生混淆的問題。

圖1 原始圖像與初步分割處理后的效果

完成上述處理后，在測繪圖像對應尺度中隨機抽取樣本對象，建立一個相對完整的樣本庫，樣本庫中的數據或圖像應具備典型性優勢。使用空間數據挖掘技術，對樣本庫中的數據進行深度挖掘處理，提取不同尺度的圖層進行標注，并根據圖像中的隱含層語義，進行樣本迭代訓練。將完成處理后的成果進行生成處理，將立體測繪成果邊緣的粗糙度作為測試指標，對訓練樣本進行立體測繪成果的生成，如圖2 所示。

圖2 遙感圖像空間平滑處理與生成立體標記圖像

圖2 中，左側圖像為遙感圖像空間平滑處理結果，右側圖像為生成標記的立體測繪圖像簡圖。從上述實驗結果可以看出，本文設計的測繪方法可以實現對遙感圖像測繪成果的初步生成。

在證明本文設計方法具有一定可行性后，選擇基于改進CenterNet 的圖像測繪方法作為傳統方法，分別使用兩種測繪方法，對測試樣本數據集合中的圖像進行立體化測繪。隨機選擇測繪成果中的7 個連續點作為測試點，計算兩種測繪方法在生成立體測繪圖像后的分辨率。將連續點分辨率作為實驗結果，實驗結果如表1 所示。

從表1 的實驗結果可以看出，本文測繪方法測繪成果的連續點分辨率大于傳統測繪方法測繪成果的連續點分辨率，并且在本文測繪方法的應用下，多個連續點的分辨率相同，說明測繪成果圖像整體平滑度較高，不存在噪聲干擾，而傳統方法無法達到此要求。綜上所述，即可得出此次對比實驗的結論：與基于改進CenterNet 的遙感圖像立體測繪方法相比，本文設計的基于空間數據挖掘的遙感圖像立體測繪方法，在實際應用中可以提高圖像連續點分辨率，保證圖像具有較高的平滑性。

表1 立體測繪成果連續點分辨率測試結果

4 結束語

本文從衛星遙感影像選擇與測點布控、遙感圖像分類處理、測繪結果立體采集與編輯調繪三個方面，對基于空間數據挖掘的遙感圖像立體測繪方法展開設計研究。結果表明，在連續點1 時，本文方法的圖像立體測繪分辨率為580dpi，傳統方法的圖像立體測繪分辨率為512dpi，本文方法的分辨率明顯高于傳統方法，表明本文方法具有較高的圖像分辨率，在實際應用中可以提高圖像連續點分辨率，保證圖像具有較高平滑性。因此，在后續研究中，可以使用本文設計方法代替傳統方法，在市場廣泛推廣使用，提高我國科研成果的質量，為經濟社會發展提供更多技術支撐。