基于機載遙感影像處理的地表覆蓋信息提取技術

戴 晶

（無錫市國土空間規劃編制研究中心，江蘇無錫 214000）

引言

為了定期的了解區域內地表的建筑情況、資源利用現狀，需要定期的對區域內地表信息進行提取與監測，應用遙感影像獲取技術，為整體的地表資源利用情況提供技術與數據保障[1]。基于以上背景，本文基于機載遙感影像處理技術，研究了一種地表覆蓋信息的提取方法，提高地表覆蓋信息數據的精準性。

1 地表覆蓋信息的采集

1.1 尺度特征提取

在地表覆蓋信息的提取過程中，最基礎的環節是對地表覆蓋信息的空間尺度特征進行分析與提取。在二維空間中，利用高斯卷積算法，實現實際待測信息的尺度與二維圖像尺度的對應與轉化[2-3]，計算表示為：

式中，C（m，n）表示影像中的待測的位置的初始坐標；*表示變換過程中的卷積計算；ε 表示待測位置的尺度坐標。B（m，n，ε）表示待測位置坐標經過高斯卷積轉換得到的坐標信息，該值還可以表示為：

為了使得到的影像某一位置的尺度特征更加穩定，引入高斯尺度的相隔線型的比例因子ω，通過對影像的不同尺度特征的高斯差的分核計算，將鄰近的兩組尺度特征進行圖像額卷積差處理，得到更加穩定的影像的尺度特征。

1.2 紋理特征提取

紋理特征是地表覆蓋信息的主要特征之一，可以作為尺度特征的重要補充信息。該特征具體可以展現出待測影像的灰度信息及性質，以及影像的空間關系特征，是同一質感區域內的一致性的體現以及范圍內差異性的展現。將區域內的空間結構的不同，反映為紋理特征值的不同，是一種具有不穩定性的特征[4]。現進行紋理特征相關變量的分析，表示為：

式中，d1，d2，d3，d4，d5分別表示紋理特征的相關性變量：角度矩，相關性，反差分矩，均值以及熵值；em、en分別表示均值差；fm、fn分別表示標準立方差。通過上述相關變量計算，可以描述影像的紋理特征。但由于地表物質的類型不同，上述計算的特征區分與提取的能力與程度也不同[5]。因此，在提取特征前，需要確定計算的數量以及待測點識別的精度，才能得到更加精準的紋理特征。區分能力的精度計算，表示為：

式中，?表示相鄰紋理特征信息的距離，當該距離值越大的情況下，對不同類型紋理特征信息的識別能力越強。根據以上計算，提取精準的地表覆蓋信息的紋理特征，為地表覆蓋信息的采集提供更精準的識別特征。

2 地表覆蓋信息的處理

2.1 影像的配準處理

為了精準的對初步采集的影像信息進行處理，需要確定影像的坐標系，將不同角度影像進行整合與統一。本文將影像的左上角，定義為系統的坐標原點，坐標原點向左的方向，為水平方向的正值，坐標原點向上的方向，為豎直方向的正直。影像的坐標單位，以影像的像素為基準。基于定義的坐標系，將影像進行配準處理，具體表現為通過對不同影像之間的幾何關系，按照圖像中共有的元素額空間位置，進行精準的匹配，得到更加準確的影響數據信息。設同一地表區域的兩組相鄰的影像為P、Q，在影像P 中，隨機提取兩處待測位置，分別表示為p1（m1，n1）、p2（m2，n2），進行影像的角度配準計算，表示為：

式中，α1表示兩待測位置，構成的直線方位角。在影像Q 中，確定與影像P 中兩點對應的同名點q1、q2，同上述計算，得到兩點的直線方位角α2。那么可以計算出這兩條直線之間的夾角，表示為α=α2-α1。從而得到無數條兩組影像之間直線的夾角表示為：

進行不同影像之間的角度的配準計算，進行不同影像的重疊度配準處理。設待處理的影像的寬度為R，在影像P、Q 中，隨機選取兩組影像的端點位置坐標p3、p4、q3、q4。將影像進行重疊度配準計算，表示為：

式中，（m'，n'）表示經過重疊配準后，得到的影像待測位置的坐標。根據上述計算，配準處理的重疊度μ 可以表示為：

根據上述計算，經過配準處理，完成不同影像的坐標系統的統一，與計量單位的統一，得到更精準的地表覆蓋信息數據。

2.2 影像的融合處理

在采集數據配準處理的基礎上，進行影像的融合處理。在機載遙感影像中，包括了多種光譜，為了將光譜進行統一，采用融合計算，將全色以及多光譜的影像進行整合，提高信息數據的精準性，避免后續的分割中有誤讀的情況，造成影像數據的缺失。利用主成分分析變換法，進行影像數據的融合處理。設待測影像的多光譜的波段數為x，列出相應的波段矩陣T，經過矩陣的分析計算，得到融合處理的特征系數σr，將得到的所有的特征系數進行升序排列，即σ1≤σ2≤……≤σx，可以得到每組影像的融合計算，表示為：

式中，u 表示影像不同分量的序列數；φu表示影像中的第個u 分量；ar表示待測位置的波段得到序列數；表示影像中第r 個分量對應的波段；?r，u表示特征系數在r 行以及第u 列位置處的結果。通過上述計算，可以完成對不同波段影像的替換與融合，使處理后的影響呈現出色彩均勻，層次鮮明，紋理清晰的狀態，沒有重疊陰影與虛化圖像的現象，增強了提取地表覆蓋信息的精準度與清晰度。

2.3 影像的去噪與分割

在機載遙感影像提取過程中，在周圍環境的影響下，影像數據會產生的噪聲，導致影像存在虛化、模糊等現象。為了去除這種影像，增強影像的空域特征與時域、頻域特征，現采用灰度調整法，對影像數據信息進行去噪處理，計算表示為：

式中，m1、m2分別表示影像去噪處理前的灰度量；n1、n2分別表示影像去噪處理之后的灰度量；Y（m）表示線性灰度轉換函數。在一般的計算機中，相關顯示器的亮度的范圍，一般在[0，255]之間。在該值域范圍內，選擇相應的影像動態系數。根據上述計算，將影像進行去噪處理，得到更加清晰與精準的地表覆蓋信息影像，完成基于遙感影像處理技術的地表覆蓋信息的提取，為測繪工程提供一種影像數據處理方法。

3 試驗與檢測

3.1 試驗準備

為檢測本文設計的基于機載遙感影像處理的地表覆蓋信息提取技術的可行性與精準性，設計了仿真模擬對比試驗。基于Windows 系統的MeshLab 程序，搭建本次試驗平臺。選擇Dell 作為試驗平臺的服務器，系統的內存為64 GB，運存8 GB。在系統中接入MySQL 數據庫，做為平臺的數據管理、存儲中心。系統的開發語言為Python，便于爬取遙感影像數據。根據上文所述的影像的增強處理與分割處理，計算本次試驗的影像增強處理參數以及分割參數，結果見表1。

表1 仿真對比試驗的影像增強與分割參數表

3.2 試驗結果與分析

在上述試驗準備的基礎上，進行模擬試驗。對于隨機的五組圖像，分別將本文設計的信息提取技術（試驗組），與傳統的提取方法（對照組），通過上述試驗平臺，進行模擬的地表覆蓋信息的提取，記錄每組影像采集的圖斑數量，與實際的監測信息進行對比，結果見表2。

表2 每組影像采集的圖斑數量對比表

由上表可知，試驗組對地表覆蓋信息的采集圖斑的數量均高于對照組，試驗組對五組影像采集的圖斑正確率的平均值約為92.13%，對照組對五組影像采集的圖斑正確率的平均值約為77.12%，試驗組比對照組高15.01%，表明本文設計的地標覆蓋信息的提取方法具有更高的分辨率與精準性。

為進一步檢測信息提取技術的準確性，分別計算五組地表覆蓋信息提取結果的總精度，結果見圖1。

圖1 五組地表覆蓋信息提取結果的總精度對比圖

由上圖可知，試驗組方法對五組采集影像的信息提取結果的總精度，均低于對照組，分別低17.90%、16.72%、8.88%、27.9%、15.72%，試驗組的準確度更高。綜上所示，本文設計的基于機載遙感影像處理的地表覆蓋信息的提取技術，具有可行性與精準性，對信息數據的采集更加精確化細節化，對信息數據的處理使結果的精度有了明顯的提高，為影像數據信息的提取、分類、分割提供了有效的基礎支持，加速了地理監測等有關項目的發展進程，實現了智能化、精準化的地表覆蓋信息的測繪功能。

4 結論

隨著科技的飛速發展，現有的地表覆蓋數據的提取技術不斷地更新與優化，結合遙感影像數據以及地表物質的高程數據，經過智能化地分類與處理，得到精準的地表數據信息。為我國地理監測等相關部門提供技術支持，為整體的發展建設奠定精準可靠的數據基礎，以此來實現我國生態建設、社會建設以及經濟建設的可持續發展目標。