面向?qū)ο蟮母叻直媛蔬b感影像道路損毀識別研究

田衛(wèi)方，王 斌

(北京交通大學(xué)土木建筑工程學(xué)院，北京 100044)

面向?qū)ο蟮母叻直媛蔬b感影像道路損毀識別研究

田衛(wèi)方，王 斌

(北京交通大學(xué)土木建筑工程學(xué)院，北京 100044)

道路損毀信息在災(zāi)后高效救援中發(fā)揮著重要作用。本文針對高分辨率遙感影像空間特征豐富、光譜分辨率低的特點(diǎn)，基于面向?qū)ο筮b感影像分類方法，采用eCognition軟件對蘆山震后0.2 m航空遙感影像進(jìn)行了道路損毀信息的提取試驗。試驗中結(jié)合GIS信息，首先將基于現(xiàn)有的道路矢量線文件生成的道路矢量面文件參與分割，生成單獨(dú)的道路區(qū)域?qū)ο笠杂糜谶M(jìn)一步處理。分割采用棋盤分割和多尺度分割，根據(jù)損毀道路影像特征創(chuàng)建波段比值，使用Assign算法和模糊分類算法提取出道路線、植被、損毀區(qū)和未損毀區(qū)，并將結(jié)果輸出為矢量文件。根據(jù)損毀區(qū)損毀對象的周長、面積與道路寬度的關(guān)系，建立判定條件來初步判定損毀類型。最終將損毀粗判定結(jié)果與損毀路段的目視解譯結(jié)果對比分析，檢驗該方法的準(zhǔn)確率及可行性。結(jié)果分析表明上述方法能有效地識別出高分辨率遙感影像損毀道路信息。

面向?qū)ο蠓诸?；eCognition；損毀道路；道路矢量

一、引 言

道路信息是地理信息數(shù)據(jù)庫的重要組成部分，在人們的日常生活中起著至關(guān)重要的作用，尤其在發(fā)生地震等重大災(zāi)害的危急情況下，道路作為抗震救災(zāi)的生命線，及時、有效地獲取道路的路況及損毀信息，是高效救援、減少生命及財產(chǎn)損失的關(guān)鍵。遙感影像不受時間和空間條件的限制，能靈活方便地監(jiān)測災(zāi)害的發(fā)生發(fā)展進(jìn)程，特別是SPOT、IKONOS及無人機(jī)等高分辨率影像的出現(xiàn)，使得影像中地面細(xì)節(jié)表現(xiàn)更加豐富，為損毀道路信息的識別提供了有力支撐。

目前的道路損毀識別方法有基于多時相遙感影像的變化檢測和基于單時相遙感影像的目視解譯。變化檢測的方法能有效地識別出道路損毀信息[1]，但其對前后時相影像的依賴性較強(qiáng)，目視解譯的方法精度高，但是工作量大，效率低。本文基于面向?qū)ο蟮倪b感分類技術(shù)，結(jié)合現(xiàn)有的矢量道路信息，利用eCognition軟件對四川蘆山地震后的高分辨率遙感影像開展道路損毀信息自動提取與損毀粗判定，并結(jié)合目視解譯結(jié)果進(jìn)行精度評價以驗證該方法的可行性。

二、研究方法

面向?qū)ο筮b感分類技術(shù)處理的基本單元是影像分割所得的同質(zhì)圖斑，通過建立圖像分層網(wǎng)絡(luò)，結(jié)合影像的空間、紋理、背景等屬性特征，利用分類器實(shí)現(xiàn)影像的分類。面向?qū)ο蠓诸惙椒ǖ玫降膶ο笳Z義信息豐富，適合于處理高分辨率遙感影像，屬于遙感影像的較高層次理解。充分結(jié)合道路的背景等相關(guān)特征，有助于實(shí)現(xiàn)可靠、智能的自動化道路提取[2]。

1.道路影像特征識別

面向?qū)ο筮b感分類技術(shù)需要根據(jù)完好道路和損毀道路的特征來制定規(guī)則集用于精準(zhǔn)的分類。根據(jù)文獻(xiàn)[3]對道路特征的總結(jié)可知：完整的道路幾何特征明顯，長寬比值大，曲率限制在一定范圍內(nèi)，方向變化緩慢；輻射特征為內(nèi)部灰度均勻，有明顯的邊緣；拓?fù)涮卣髅黠@，具有連續(xù)性，且相互交叉連成網(wǎng)絡(luò)；與居民地及具有一定功能的設(shè)施相連接。同時，受損的道路路面粗糙，光譜值發(fā)生改變；路基路面損毀時空間連續(xù)性破壞，道路長寬比改變；周圍存在滑坡泥石流等地質(zhì)災(zāi)害[4]。

2.面向?qū)ο蠓诸惣夹g(shù)

對高空間分辨率的遙感影像進(jìn)行面向?qū)ο蠓诸悤r，首先要對影像進(jìn)行分割操作。高空間分辨率遙感影像具有豐富的紋理特征和空間特征，地物細(xì)節(jié)表現(xiàn)豐富，若對整幅影像完全分割則會耗費(fèi)大量的時間，效率會大大地降低。為此，運(yùn)用現(xiàn)有的道路矢量文件參與分割，能單純地分割出研究區(qū)域，從而節(jié)省大量的時間[5]。然后僅對研究區(qū)域進(jìn)行多尺度分割，充分利用研究區(qū)損毀道路的光譜因子和形狀因子特征，經(jīng)過多次分割試驗確定合適的分割尺度。

遙感影像分辨率的提高使得影像包含的地物信息更為豐富，面向?qū)ο蟮倪b感分類在不同尺度中提取不同地物信息，在不同尺度下呈現(xiàn)不同的地物細(xì)節(jié)特征。面向?qū)ο蠓诸愄岣吡擞跋裉幚淼恼Z義層次，實(shí)現(xiàn)了從基于像元的分析層次向基于單元的分析層次和基于符號的分析層次的轉(zhuǎn)變，彌補(bǔ)了傳統(tǒng)基于像元層次分類方法的語義缺陷問題[6]。經(jīng)過觀察可知，研究區(qū)靠近山區(qū)，道路兩側(cè)植被茂盛，分割出的損毀道路對象中不僅包含泥石流及落石等崩塌、滑坡碎屑，而且還有車輛、植被、行人等，這將對分類結(jié)果產(chǎn)生極大的干擾，因此要根據(jù)分割對象的光譜等特征來分類，以有效地排除干擾物。

3.技術(shù)路線

技術(shù)路線如圖1所示。

圖1

三、試驗結(jié)果及分析

1.研究區(qū)域和數(shù)據(jù)源

本次試驗數(shù)據(jù)采用民政部國家減災(zāi)中心在四川蘆山地震后獲取的航空遙感數(shù)據(jù)，該影像包含藍(lán)(450～520 nm)、綠(520～660 nm)、紅(630～690 nm)三個波段，空間分辨率為0.2 m。矢量資料為國家測繪地理信息局的1∶5萬基礎(chǔ)地理數(shù)據(jù)。研究區(qū)寶興縣屬于亞熱帶氣候，暴雨強(qiáng)度大，處在四川盆地與青藏高原東南緣過渡地帶，為四川向斜與川西地槽交接處，地層出露較全；縣城所在地穆坪鎮(zhèn)為兩山夾一溝“V”字型峽谷，地形高陡，平均坡度大于45°，易發(fā)生滑坡、泥石流等地質(zhì)災(zāi)害。試驗所用影像整體呈東西方向，所獲區(qū)域為寶興縣穆坪鎮(zhèn)境內(nèi)新光村段，全長3.1 km，平均海拔為1100 m。省道沿影像方向延伸，由小關(guān)子至寶興縣方向，左側(cè)為青衣江。道路兩側(cè)植被發(fā)育較好，道路寬度均勻，呈現(xiàn)灰暗色調(diào)，從影像上看，伴有嚴(yán)重的崩塌泥石流現(xiàn)象，部分區(qū)域有樹陰遮擋現(xiàn)象。

2.面向?qū)ο蠓诸惖匚锾崛∵^程

(1)影像分割

分割是面向?qū)ο蠓诸愡^程的重要環(huán)節(jié)，本文采用eCognition軟件開展道路損毀信息的識別研究。由于本次試驗研究對象為省道，呈狹長形條帶狀，僅占整幅影像的很小一部分，若將整幅影像整體用來研究，則會耗費(fèi)大量的時間，效率會大大降低。在道路提取中，結(jié)合GIS信息，能優(yōu)化提取結(jié)果[7]。本文采用道路矢量數(shù)據(jù)參與分割，能單獨(dú)分割出道路區(qū)域以減少不必要的時間消耗。

鑒于所能獲取的道路矢量為線文件，因此需要將線文件與影像道路配準(zhǔn)處理后，生成與道路寬度相符的矢量面文件來參與分割。多尺度分割是基于異質(zhì)性最小的區(qū)域合并算法來進(jìn)行的。棋盤分割是最簡單的分割算法，是將特定的影像對象裁剪成一個給定大小的相等正方形。為了提高效率，在矢量數(shù)據(jù)參與分割時，采用棋盤分割算法，取較大的分割參數(shù)，將道路區(qū)域分割出來?；谑噶课募指畹膶ο笮韪鶕?jù)其屬性信息生成道路區(qū)域，并將此區(qū)域設(shè)置為研究區(qū)，繼而對道路區(qū)域進(jìn)行多尺度分割，能有效提高道路損毀信息的識別效率。

多尺度分割中的最優(yōu)尺度分割參數(shù)需要反復(fù)試驗驗證?？紤]分割對象的光譜特征、形狀特征，對分割尺度、形狀及緊致度3個參數(shù)進(jìn)行調(diào)整，并對分割結(jié)果進(jìn)行比較得出最佳參數(shù)。在此次試驗中，經(jīng)過研究發(fā)現(xiàn)參數(shù)尺度為30，形狀系數(shù)為0.7和緊致度為0.3時，能很好地分類出道路線、植被和未損毀區(qū)；分類完成后發(fā)現(xiàn)未分類部分分割尺度較大，因此有進(jìn)行再分割的必要，對未分類區(qū)進(jìn)行尺度參數(shù)為20的第二次分割。

(2)特征參數(shù)的選取及規(guī)則集的建立

上述過程中分割出的對象包含3類，即植被、完整道路的非損毀區(qū)和泥石流掩埋、落石等覆蓋的損毀區(qū)。雖然NDVI算法能有有效地區(qū)分出植被，但僅包含3個波段的遙感影像不能創(chuàng)建此算法。針對不同的遙感影像分類時，分類規(guī)則參數(shù)的設(shè)置不同[8]。因此，經(jīng)過反復(fù)試驗發(fā)現(xiàn)，創(chuàng)建波段間比值，利用比值區(qū)間也能很好地將幾種地物區(qū)分開。本文研究創(chuàng)建的波段間的比值算法分別為

(3)分 類

Assign Class算法是最簡單的分類算法，由上述設(shè)置的波段間比值算法驗證可知，選取單一的波段比值能將植被、完整道路以及大部分的損毀區(qū)分別分類。模糊分類數(shù)學(xué)分類器是一種軟分類器，考慮對象類別的不確定性，賦予0到1之間的屬性值，使得樣本對象不再單純屬于某一個類別，而是不同程度地隸屬于多個類別[9]。

閾值能精確地區(qū)分出地物，故本文首先考慮使用Assign Class算法。經(jīng)過驗證，得出以下閾值條件：根據(jù)道路邊線和中線為條帶狀的特點(diǎn)，在第一次分割完畢后，取L/W≥5的對象為道路線；繼而使用ratio2≥1區(qū)分出了植被；當(dāng)取ratio1≤0.95時能有效地分類出道路的未損毀區(qū)。再次分割后取ratio4≤2.97分類出的地物屬于路面即損毀區(qū)。使用閾值分類之后發(fā)現(xiàn)，尚有少量剩余的未分類地物，此時利用模糊分類算法的不確定性，根據(jù)其隸屬度來自動歸類。分類完成后，把分類的4種地物分別進(jìn)行區(qū)域合并，至此分類完成。進(jìn)行多尺度分割以及分類如圖2所示。

圖2

3.損毀路段檢出的規(guī)則

分類結(jié)束后，損毀區(qū)地物被分類出來。為了自動有效地識別道路損毀的具體情況，根據(jù)文獻(xiàn)[10]2010年對損毀路段快速評估的描述，綜合道路的相關(guān)特點(diǎn)，本文采用損毀路段損毀物的周長C、面積S與道路寬度d的相關(guān)關(guān)系，建立道路損毀判定規(guī)則集，用于道路損毀情況的粗判定。判定規(guī)則見表1。

表1

4.損毀檢出及精度評價

本文研究區(qū)道路寬度為10 m，分類結(jié)果顯示共得出損毀對象60個，根據(jù)上述判定規(guī)則對面向?qū)ο蟮膿p毀區(qū)分類結(jié)果進(jìn)行初步判定，由分類和目視解譯的損毀對象個數(shù)來確定準(zhǔn)確率。研究區(qū)損毀情況、目視解譯結(jié)果及相應(yīng)準(zhǔn)確率見表2。

表2

從表2中可以看出，文中方法針對路面零散覆蓋物有較好的識別效果，準(zhǔn)確率可達(dá)92.8%；中度損毀清理后可暢行的情況識別準(zhǔn)確率為92%，經(jīng)過目視解譯查看圖像，有2輛停在路面的大卡車被誤識別為中度損毀對象，這在一定程度上削弱了識別的準(zhǔn)確率。重度損毀誤判有2處：一部分是滑坡泥石流等路面覆蓋物光譜值與省道路面光譜值相近而造成較大損毀區(qū)域被分割成2個重度損毀對象；另外一處是路面留存有泥石流殘跡而被錯判為損毀通行受限，從而造成重度損毀的分類對象數(shù)量多于實(shí)際，需結(jié)合目視解譯來對分類結(jié)果修正。從上述分析中可以看出，該方法雖然存在一定的錯分率，有關(guān)特征及規(guī)則需要反復(fù)試驗來改進(jìn)，但是從識別道路損毀信息的自動化程度、效率和準(zhǔn)確率上看，該方法有效地提取了道路損毀區(qū)域的粗略信息，能為震后應(yīng)急管理相關(guān)部門提供決策支持。

四、結(jié)束語

面向?qū)ο蟮姆诸惙椒軌蚝芎玫乩眠b感影像豐富的地物空間特征，已經(jīng)用于地物的自動提取與識別，但是對于道路損毀的自動提取尚處于試驗階段。道路損毀信息的識別目前仍是以目視解譯為主。本文根據(jù)道路的損毀段覆蓋物的特點(diǎn)，結(jié)合遙感影像的空間特征和光譜、形狀特征制定分類規(guī)則，借鑒前人對道路及其他地物的自動提取研究經(jīng)驗，在一定程度上有效地提取出了損毀道路的情況，結(jié)合目視解譯進(jìn)行修正后能準(zhǔn)確提供損毀區(qū)域位置及損毀情形。經(jīng)過對比目視解譯結(jié)果的分析可知，面向?qū)ο蟮姆诸惣夹g(shù)能很好地用于震后道路的應(yīng)急處理，該方法具有一定的應(yīng)用價值。隨著研究的不斷深入，計算機(jī)自動識別精度會進(jìn)一步提高，將來面向?qū)ο筮b感分類技術(shù)會更好地用于遙感和GIS行業(yè)的自動生產(chǎn)實(shí)踐中。

[1] 趙福軍，張磊.面向?qū)ο蟮倪b感震害信息提取方法—以汶川地震為例[J].地震，2009，29(S0)：130-138.

[2] 許高程，畢建濤，王星星.面向?qū)ο蟮母叻直媛蔬b感影像道路自動提取實(shí)驗[J].遙感應(yīng)用，2012(2)：108-111.

[3] VOSSELMAN G，KNECHTDE J.Road Tracing by Profile Matching and Kalman Filtering[C]∥Automatic Extraction of Man-made Objects from Aerial and Space Images.[S.l.]：Birkhauser Verlag Basel，1995：265-274.

[4] 王艷萍，姜紀(jì)沂，林玲玲.高分辨率遙感影像中道路震害信息的識別方法[J].計算機(jī)工程與應(yīng)用，2012，48(3)：173-175.

[5] 陳世榮，馬海建，范一大，等.基于高分辨率遙感影像的汶川地震道路損毀評估[J].遙感學(xué)報，2008(6)：949-955.

[6] 游麗平.面向?qū)ο蟮母叻直媛蔬b感影像分類方法研究[D].福州：福建師范大學(xué)，2007.

[7] 史文中，朱長青，王昱.從遙感影像提取道路特征的方法綜述與展望[J].測繪學(xué)報，2001，30(3)：257-262.

[8] 任玉環(huán)，劉亞嵐，魏成階，等.汶川地震道路震害高分辨率遙感信息提取方法探討[J].遙感技術(shù)與應(yīng)用，2009，24(1)：52-56.

[9] CAPRIOR M，TARANTINO E.Urban Features Recognition from VHR Satellite Data with an Object-oriented Approach[J].Challenges in Geospatial Analysis，Integration and VisualizationⅡ，2003(9)：176-180.

[10] 秦軍，曹云剛，耿娟.汶川地震災(zāi)區(qū)道路損毀度遙感評估模型[J].西南交通大學(xué)學(xué)報，2010，45(5)：768-774.

An Object-oriented Method for Road Damage Recognition from High Resolution Remote Sensing Images

TIAN Weifang，WANG Bin

P237

B

0494-0911(2014)11-0064-04

2014-05-08

田衛(wèi)方(1988—)，女，河南蘭考人，碩士生，研究方向為遙感應(yīng)用。

田衛(wèi)方，王斌.面向?qū)ο蟮母叻直媛蔬b感影像道路損毀識別研究[J].測繪通報，2014(11)：64-67.

10.13474/j.cnki.11-2246.2014. 0365