基于影像多級分割的大壩施工范圍識別方法研究

趙 琳，曹家印，許 健，奚 歌，索 靖，謝津平

(1.中水北方勘測設計研究有限責任公司，天津 300222；2.天津市測繪院有限公司，天津 300381)

精細化、智能化是當今水利工程發(fā)展的大趨勢[1]，精細化管理是智慧水利建設對水利工程建設管理的基本要求。隨著信息技術的進步，水利工程建設中涵蓋的施工過程、監(jiān)測數(shù)據(jù)、環(huán)境信息、人員設備行為狀態(tài)等各類數(shù)據(jù)逐步向自動采集方向發(fā)展，實現(xiàn)了對建設過程、人員設備和工程質(zhì)量安全的高效管控[2]。水利工程建設中大壩工程是一項復雜、綜合性強的工程建設，其中大壩施工范圍的準確定位對工程建設和監(jiān)測起著至關重要的作用。傳統(tǒng)的人工勘察方式存在效率低下、準確度難以保證等問題，為了提高大壩施工范圍識別的精度和效率，基于遙感影像技術的自動化識別成為當前關注的研究熱點。

遙感技術具有監(jiān)測范圍廣、信息量豐富、客觀直接、成本低、周期性等獨特優(yōu)勢，通過時序遙感影像對工程建設項目進行監(jiān)測和分析，可為建設項目管理提供真實可靠的數(shù)據(jù)支撐[4]。因此，水利工程建設進度遙感監(jiān)測是實現(xiàn)水利工程精細化管理極為重要的一種手段，對保障工程按期完工、達到預定效果具有重要作用。目前，水利工程建設進度遙感監(jiān)測的研究已成為當前水利工程建設的研究熱點之一。

國內(nèi)方面，近年來，工程施工范圍遙感監(jiān)測越來越受到重視。多個研究院所及高校進行了大量的遙感監(jiān)測研究。賈永紅等[5]針對道路施工的遙感監(jiān)測進行了研究，提出了一種結合規(guī)劃矢量的高分辨率遙感道路施工進度監(jiān)測方法，研究表明，基于高分辨率遙感影像的監(jiān)測方法能夠有效地提高其監(jiān)測精度和效率。張雅瓊等[6]針對線路工程項目，提出一種基于高分遙感影像的工程施工擾動及生態(tài)恢復動態(tài)監(jiān)測方法，結果表明衛(wèi)星遙感在線性工程建設項目施工前、施工中、運行后跟蹤監(jiān)測及環(huán)境監(jiān)管中發(fā)揮著重要作用。

國外方面，美國、澳大利亞、加拿大等國家也對于工程施工范圍遙感監(jiān)測進行了研究和實踐。例如，美國耶魯大學的研究者們使用高分辨率遙感影像進行了建筑施工區(qū)域的監(jiān)測，并將其應用于項目管理和績效評估中[7]。澳大利亞昆士蘭科技大學的研究者們則使用衛(wèi)星影像進行了工程施工區(qū)域的遙感監(jiān)測，并提出了一種新的基于機器學習的監(jiān)測方法[8]。

總體來說，國內(nèi)外在工程施工范圍遙感監(jiān)測方面都進行了一些有益的探索和實踐，為進一步完善和提高遙感監(jiān)測技術提供了重要的參考和借鑒。雖然已經(jīng)取得了不少的研究成果，但是目前還存在一些問題和挑戰(zhàn)，比如水利工程施工范圍遙感監(jiān)測的研究依然處于空白，需要繼續(xù)加強研究和應用。文章以我國貴州省黔南州鳳山水庫為研究區(qū)，提出一種基于遙感影像多級分割的大壩施工范圍快速識別方法，并通過實驗對比分析，表明該方法在效率和精度上都具有一定的優(yōu)勢，此外，文章采用該方法對鳳山水庫建設以來的施工范圍及主要施工區(qū)進行長時序監(jiān)測，識別鳳山水庫施工進度情況，為大壩建設管理提供基礎數(shù)據(jù)。

1 數(shù)據(jù)與方法

1.1 區(qū)域概況

鳳山水庫位于貴州省黔南布依族苗族自治州福泉市境內(nèi)，擬建的壩址位于福泉市馬場坪辦事處西南側，工程處于魚梁江上游，魚梁江為長江流域沅江水系清水江支流。水庫壩址控制流域面積約347km2。魚梁江流域處于亞熱帶季風氣候區(qū)，具有氣候溫和，雨量充沛，冬無嚴寒，夏無酷暑，多陰雨，少日照，無霜期長的特點，每年4月開始進入雨季，直至9月汛期結束。鳳山水庫工程于2020年2月19日開工建設，總工期48個月，截至2022年9月18日，大壩總體已填筑至889.0m高程。

1.2 數(shù)據(jù)源

本研究中的遙感數(shù)據(jù)源以國產(chǎn)高分影像為主，輔以哨兵二號多光譜遙感影像，其中用到的國產(chǎn)高分影像包括高分一號、高分二號、高分六號和高分七號等遙感影像，哨兵二號多光譜遙感影像來源于歐空局(https：//scihub.copernicus.eudhus#/home)提供的免費數(shù)據(jù)。文中用到的兩種數(shù)據(jù)的具體參數(shù)見表1。

表1 兩種遙感影像數(shù)據(jù)的具體參數(shù)

2 研究方法

影像分割是將一幅影像劃分成若干個具有獨立語義的區(qū)域的過程，也是遙感圖像處理中的重要任務之一。常用的影像分割方法的優(yōu)缺點及其適用范圍見表2。可以看出，基于區(qū)域的分割方法適用于影像分辨率不高但地物分布連續(xù)的場景，可以采用方法對哨兵二號影像(分辨率為10m)進行分割處理；基于紋理的分割方法能夠處理復雜背景的分割問題，結果準確度高，對于具有豐富紋理和復雜結構的圖像表現(xiàn)良好，因此，可以采用該方法對高分影像(影像分辨率優(yōu)于2m)進行分割處理。

表2 常見的影像分割方法及其優(yōu)缺點

考慮到大壩的施工范圍具有區(qū)域范圍大、人工擾動程度高、相對較集中、包含的地物多等特點，本研究提出一種基于不同空間分辨率遙感影像多級分割的施工范圍識別方法，首先利用低分辨率的光學遙感影像(哨兵二號)進行影像分割，對分割結果進行主成分分析，得到包含主要信息的影像，由于施工范圍內(nèi)的地物與其他區(qū)域的地物相比，具有高亮度的特點，通過波段閾值分割得到施工范圍的潛在區(qū)域，結合施工范圍的面積較大且連續(xù)的特點，對提取結果進行斑塊面積篩選，剔除掉面積較小的區(qū)域，從而得到施工范圍的大致區(qū)域；然后利用高分辨率遙感影像進行影像分割和閾值分割，并對分割結果與上一階段提取的施工范圍大致區(qū)域進行疊加分析，同樣地，對疊加分析的結果進行斑塊面積篩選，最終得到施工范圍精確的結果。具體的方法流程如圖1所示。

圖1 基于影像多級分割的施工范圍識別方法流程圖

3 實驗分析

首先選取大壩建設過程中的某一期為例，研究文章提出的方法的可行性，之后通過長時序影像對大壩建設的全過程進行周期性監(jiān)測。同樣地，本文的實驗也按照該思路開展。

3.1 單期施工范圍識別

選取2022年9月份的影像作為研究對象，利用2022年9月5日的哨兵二號影像和同時期的2022年9月15日的高分二號遙感影像進行大壩施工范圍識別。

利用不同的分割方法對兩種影像進行分割的結果及其影像灰度直方圖如圖2所示。可以看出，利用基于區(qū)域的分割方法對哨兵二號影像分割后，施工范圍對應的區(qū)域亮度值大于其他區(qū)域，能夠明顯地區(qū)分施工區(qū)域和非施工區(qū)域，從直方圖中也可以明顯得出該結論；利用基于紋理的分割方法對高分二號影像進行分割，可以看出，分割結果具有豐富的紋理信息，且細部的界限更加精確。將兩個分割結果進行疊加，求取交集，并剔除小圖斑，即可得到施工范圍區(qū)域。

圖2 不同影像使用不同分割方法的分割效果

以在高分辨率遙感影像上人工勾繪的施工范圍為基準，與文章提出的方法提取的施工范圍進行對比分析，提取結果如圖3所示。利用整體精度和Kappa系數(shù)對提取結果進行評價，其中整體精度為97.55%，Kappa系數(shù)為0.79。

圖3 施工范圍識別結果

3.2 全周期施工范圍識別及施工進度分析

從官方公布消息可知，鳳山水庫于2020年2月19日開工建設，因此，本文以2019年11月份的影像為開工前影像，以此為時間起點，收集每個季度的遙感影像，進行影像處理和施工范圍識別，并結合專家知識，將施工范圍劃分為施工廠房、施工區(qū)、施工生活區(qū)和施工用道路四類，從而實現(xiàn)鳳山水庫建設進度全周期的遙感監(jiān)測。將監(jiān)測結果的圖斑面積進行統(tǒng)計，得到的統(tǒng)計結果如圖4所示，圖4中2019S4_201911表示的是2019年第4季度_2019年11月。

圖4 鳳山水庫施工范圍全周期監(jiān)測統(tǒng)計圖

可以看出，鳳山水庫于2019年11月份已經(jīng)開始了相關施工工作的準備，包括施工區(qū)、施工廠房、施工生活區(qū)、施工道路的建設，之后施工范圍逐漸增大；在施工前期，建設重點在施工廠房和施工生活區(qū)的建設，并于2021年第一季度建設完成；在建設后期，建設重點在大壩施工區(qū)的建設。

4 結論

以鳳山水庫為研究區(qū)，在深入分析遙感影像分割方法的基礎上，分別利用區(qū)域分割法和紋理分割法對不同影像源進行分割，進行施工范圍識別，均取得較好的結果。最后，利用長時序的遙感影像，對鳳山水庫的建設過程進行了全周期的進度監(jiān)測，可以得出以下的結論。

(1)充分利用中低分辨率遙感影像與高分遙感影像各自的優(yōu)勢，進行分割處理，對施工范圍進行識別，該方法無需大量樣本支撐，也不需要人工干預，實現(xiàn)了施工范圍的自動識別。

(2)本文提出的方法雖然能夠有效提取施工范圍，但是無法區(qū)分施工廠房、施工用道路和施工生活區(qū)，后續(xù)工作中會繼續(xù)嘗試引入語義信息，利用語義分割技術對施工范圍進行精細識別，提高應用效果。