多空間分辨率Google Earth影像和Canny邊界算法的雅丹地貌邊界提取

韓 揚,元偉濤,賴忠平,程世秀,劉文可

(1. 山東省地質礦產勘查開發局第四地質大隊山東省地礦局海岸帶地質環境保護重點實驗室,山東 濰坊 261021; 2. 濰坊學院建筑工程學院,山東 濰坊 261021; 3. 汕頭大學海洋科學研究院,廣東 汕頭 515063 )

雅丹地貌是干旱區特有的風蝕地貌。雅丹形態特征能反映雅丹地貌的發育過程和演化階段[1]。雅丹形態學研究的發展體現為獲取手段的提高,即由最初的簡單形態描述,到后來的實地量測,再發展到如今的基于高分辨率影像的量算和定量提取[1-2]。

現有雅丹形態的提取方法中,高精度、低成本的方法很少。文獻[1]首次將Canny算法應用于雅丹地貌邊界提取的研究中,采用15 m空間分辨率的Landsat 8全色波段影像數據提取了雅丹地貌邊界,但15 m的空間分辨率對于中小型雅丹地貌邊界提取顯然偏低[1]。文獻[2]將面向對象的方法應用于雅丹地貌邊界提取中,雖然精度較高,但提取過程較煩瑣[2]。

高空間分辨率影像在提供大量豐富地物信息的同時,也不可避免地包含一些冗余噪聲 (如雅丹地貌表面的線性紋理、表面和周圍的陰影等)。在使用Canny算法進行雅丹地貌邊緣檢測時,這些噪聲很難通過傳統的方法 (改變高斯半徑和雙閾值) 消除[2]。

鑒于單一高空間分辨率雅丹地貌邊界提取方法的不足,本文提出一種將重采樣的多空間分辨率影像和Canny算法相結合的雅丹地貌邊界提取方法。

1 研究方法

1.1 遙感影像數據

選取甘肅敦煌北部雅丹地貌區5.04 km2的Google Earth 影像,數據來源于免費圖像下載器 (91衛圖助手)。影像成像時間為2016年5月,空間分辨率1.19 m,WGS-84 Web Mercator Auxiliary Sphere 投影。

1.2 重采樣

重采樣就是將一類像元根據一定的數學表達公式內插為另一類像元的過程。遙感中的重采樣是由高分辨率遙感影像提取出低分辨率影像的過程[3]。本文采用雙線性內插法實現原始影像數據的重采樣。該方法具有低通濾波效果,邊緣受到平滑處理[4-5]。將原始Google Earth 影像重采樣為6種不同的空間分辨率(3、5、8、10、12、15 m)的影像。

1.3 彩色圖像灰度化

由于Canny算法提取地物邊緣是基于單波段的灰度圖像完成的,本文所用的RGB彩色圖像在邊緣提取前必須轉化為灰度圖像[6-7]。RGB彩色圖像向灰度圖像的轉換是基于加權平均的方法完成的[8-9],對彩色圖像中RGB賦予的權重分別為:0.299、0.587、0.111 4[10]。

1.4 Canny算法提取雅丹地貌邊界

Canny邊緣檢測算法于1986年由Canny等提出,被廣泛應用于圖像變化檢測和地物邊緣查找[11-12]。相對于傳統的邊緣檢測算子,Canny算法可以盡可能多地標記原始圖像中的實際邊緣,提取的邊緣與原始圖像中的實際邊緣更接近[13]。

1.5 雅丹地貌邊界提取結果處理

為確保雅丹地貌邊界提取結果的完整性和準確性,利用Canny算法提取雅丹地貌邊界后,還需如下人工編輯操作步驟:①基于不同空間分辨率影像的Canny邊界提取結果,選取完整閉合的,或U形、V形雅丹地貌邊界;②將所有雅丹地貌邊界合并,對于同一處邊界,若兩種空間分辨率影像都能提取到其邊界,則保留高空間分辨率影像提取結果;③連接斷點,拓撲檢查,確保每個雅丹地貌邊界均是封閉的線,將所有邊界線轉換為區。最終雅丹地貌邊界提取結果如圖1 所示。

圖1 基于Google Earth影像的Canny算法雅丹地貌邊界提取結果

2 基于混淆矩陣的精度評價

2.1 精度評價指標

利用混淆矩陣可以計算總體分類精度評價指標,如總體分類精度 (overall accuracy,OA)、Kappa系數,以及單個類別的分類精度評價指標,如生產者精度(producer’s accuracy,PA)、用戶精度(user’s accuracy,UA)[14-15]。

2.2 樣本點選取

采用采樣隨機選點的方式選取用于精度評價的樣本點[16]。為保證精度評價結果的可靠性,樣本點的選取必須滿足兩個條件:每一類別的樣本點不少于50個[17];最少樣本點總量(n)的計算必須滿足95%置信區間[16]。

為檢驗雅丹地貌邊界提取效果,將本文提取結果與面向對象的提取方法進行對比[2]。面向對象方法選取了8種不同的分割尺度 (34、52、80、114、138、145、208、257),采用最鄰近特征法進行分類,最終分為3類:雅丹地貌邊界、雅丹地貌邊界之間的通道、雅丹地貌邊界陰影。基于選取樣本點計算的精度指標如圖2所示。

圖2 基于不同分割尺度的面向對象分類方法和Canny邊界提取算法精度評價結果對比

3 討 論

3.1 Canny邊界提取精度評價結果

盡管無法識別陰影,Canny邊界提取方法的總體精度為89.23%,Kappa系數為0.72,這一結果與面向對象方法的中等分割尺度(138)取得的精度結果相近。由于人工選取邊界能夠消除將沙丘錯分為雅丹地貌對分類精度的影響,因此Canny邊界提取方法的用戶精度(87.55%)明顯高于面向對象的方法。但是Canny邊界提取方法的生產者精度(71.99%)很低,與面向對象方法中最大分割尺度(257)相近,說明該方法雅丹地貌被漏分的概率明顯高于面向對象的方法。

3.2 不同空間分辨率對雅丹地貌邊界提取結果的影響

使用重采樣方法,通過原始影像降低空間分辨率產生的平滑效應,能夠有效地減少雅丹地貌表面的光譜差異,提取的邊界更完整。Canny邊界提取方法在不同空間分辨率影像下的雅丹地貌邊界提取結果如圖3所示。可以看出,隨著空間分辨率的降低,影像包含的信息量也在不斷減少,雅丹地貌邊界也變得越來越清晰。分析提取雅丹地貌邊界的總長度與影像空間分辨率之間的關系(如圖4所示)可知,隨著空間分辨率的降低,Canny邊界算法提取的雅丹地貌邊界總長度呈明顯的對數遞減趨勢(R2=0.904)。

圖3 Canny邊界提取方法在不同空間分辨率影像下的雅丹地貌邊界提取結果

影像的空間分辨率對Canny算法提取的雅丹地貌邊界影響很大。對于同一處雅丹地貌邊界,若不同空間分辨率的影像都能提取完整的邊界,則高空間分辨率影像提取的雅丹地貌邊界準確度將更高。對于大型雅丹地貌,隨著空間分辨率的降低,邊界越來越清晰。文獻[18]認為影像空間分辨率與提取地物精度呈線性關系。本文分析了雅丹地貌邊界與影像空間分辨率之間的關系。由圖4(b)可以看出,使用Canny邊界提取算法,提取雅丹地貌邊界的中位數寬度與影像空間分辨率呈很好的線性關系(R2=0.95)。

4 結 論

(1)本文提出了基于多空間分辨率Google Earth影像和Canny邊界提取算法的雅丹地貌邊界提取方法。由提取結果可以明顯地看出,隨著影像空間分辨率的增大,雅丹體表面的噪聲逐漸減少,雅丹地貌邊界越來越清晰。

(2)采用混淆矩陣的方法,對多空間分辨率的Canny邊界提取方法的邊界提取結果進行精度評價。結果表明,盡管無法識別陰影,但基于Canny的邊界提取算法總體精度為89.23%,Kappa系數為0.72,這一結果與中等分割尺度 (138)的面向對象分割提取方法相近。

(3)基于Canny邊界提取算法,將原始高分辨率Google Earth影像重采樣到一系列低分辨率影像,以降低噪聲。隨著影像空間分辨率的降低,提取雅丹地貌邊界總長度呈對數遞減 (R2=0.904)的趨勢。提取雅丹地貌邊界的中位數寬度與影像的空間分辨率呈線性關系(R2=0.95)。