基于蘭氏距離NDVI的土地覆蓋變化檢測

趙威成 祁向前 葉欣

摘要 將蘭氏距離變化檢測指標(biāo)引入NDVI變化檢測，來實(shí)現(xiàn)土地利用的變化檢測。在計(jì)算閾值時(shí)，對原有的局部閾值分割法進(jìn)行改進(jìn)，提出基于標(biāo)準(zhǔn)圖像地物分類的局部閾值分割法。對檢測結(jié)果進(jìn)行精度評價(jià)，證實(shí)了該方法的可行性和有效性。

關(guān)鍵詞 NDVI；蘭氏距離；土地利用變化；局部閾值分割法

中圖分類號 S127 文獻(xiàn)標(biāo)識碼 A 文章編號 0517-6611（2017）06-0221-03

Detection of Land Covering Change Based on NDVI with Canberra Distance

ZHAO Wei-cheng， QI Xiang-qian， YE Xin （College of Mining Engineering，Heilongjiang University of Science and Technology， Harbin， Heilongjiang 150022）

Abstract Canberra distance change detection index was introduced to detect the changes of NDVI and realize the detection of land covering change. In calculating the threshold value， the original local threshold segmentation was improved. The local threshold segmentation based on the classification of standard image object was proposed. The accuracy of the detection results was evaluated， which proved this method was feasible and effective.

Key words NDVI；Canberra distance；Land covering change；Local threshold segmentation

隨著人口的不斷增加，可利用的土地資源更加緊缺，土地的利用問題越來越受到國內(nèi)外研究者的關(guān)注，而其重要的研究方向之一就是土地利用監(jiān)督?，F(xiàn)行土地利用監(jiān)督的一種有效手段是利用遙感數(shù)據(jù)解決在何時(shí)（When）、何地（Where）、何目標(biāo)（What object）、發(fā)生了什么樣的變化（What change）的“4W”問題[1]。目前，國內(nèi)外有多種利用遙感數(shù)據(jù)進(jìn)行土地覆蓋變化檢測的方法，而基于NDVI變化檢測是其中常用的檢測方法。筆者采用NDVI變化檢測的方法，對2004和2010年哈爾濱市地區(qū)TM影像進(jìn)行土地利用變化檢測，提出使用蘭氏距離作為變化檢測指標(biāo)，生成變化強(qiáng)度的差異圖像，對局部閾值分割法進(jìn)行改進(jìn)，提出基于標(biāo)準(zhǔn)圖像地物分類的局部閾值分割，通過建立檢測精度混淆矩陣來評價(jià)變化檢測精度。

1 工藝流程

基于蘭氏距離NDVI的土地覆蓋變化檢測的工藝流程如圖1所示。

2 多時(shí)相遙感圖像預(yù)處理

利用不同時(shí)相的遙感圖像進(jìn)行土地利用變化檢測，首先就要對遙感圖像進(jìn)行預(yù)處理，主要包括幾何配準(zhǔn)和輻射校正。

2.1 幾何配準(zhǔn)

現(xiàn)行的變化檢測的方法大多要求不同時(shí)相的遙感圖像精確配準(zhǔn)，如果不能得到精確配準(zhǔn)圖像，在整個(gè)場區(qū)內(nèi)就將形成大量的偽變化區(qū)域[2]，因而高精度的多時(shí)相遙感圖像幾何配準(zhǔn)是必須的。

利用2010年哈爾濱市地區(qū)TM影像作為標(biāo)準(zhǔn)圖像，來校正2004年TM影像，選用ENVI軟件實(shí)現(xiàn)，校正模型選用二次多項(xiàng)式糾正方程，灰度重采樣選用三次卷積內(nèi)插。幾何配準(zhǔn)完成后，使用ROI裁剪2幅遙感圖像的試驗(yàn)區(qū)域（圖2～3）。

2.2 輻射校正

通常不同時(shí)相的遙感圖像，由于成像時(shí)間和條件不一致，導(dǎo)致影像前后亮度值不同，會直接影響變化檢測的精度，所以需要亮度保持一致，就要對不同時(shí)相的遙感圖像進(jìn)行輻射校正。

輻射校正可分為絕對輻射校正和相對輻射校正。絕對輻射校正的實(shí)現(xiàn)需要滿足多個(gè)條件，如傳感器的輻射校正、大氣參數(shù)測量、模擬大氣傳輸過程、已知圖像中目標(biāo)的輻射值等，在現(xiàn)實(shí)應(yīng)用中很難滿足這些條件，這就需要簡化方法進(jìn)行輻射校正，即相對輻射校正[3]，以某個(gè)時(shí)相的遙感圖像作為參照物，使相同地物在不同時(shí)相的圖像中具有一致的光譜反射值[4]。采用相對輻射校正，以2010年影像為參考，2004年圖像以其為標(biāo)準(zhǔn)進(jìn)行歸一化處理，方法是首先分別對2幅影像進(jìn)行直方圖均衡化，然后直方圖匹配，這2幅影像的輻射特征就基本一致（圖4～5）。

3 變化檢測及精度檢驗(yàn)

3.1 NDVI計(jì)算

NDVI是利用植被對近紅外波段與紅外波段的明顯的波譜特征，通過這2個(gè)波段的比值突出植被變化信息，能夠很好地反映地面植被的覆蓋情況[5]。一般而言， NDVI隨像元類型由植被、建筑、土壤、水體變化而降低，其表達(dá)式為：

NDVI=NIR-VISNIR+VIS （1）

3.2 變化檢測指標(biāo)計(jì)算

在實(shí)際中，大多數(shù)地區(qū)的地表覆蓋類型在一定時(shí)期內(nèi)處于相對穩(wěn)定狀態(tài)，此時(shí)不同時(shí)相的相同覆蓋類型的NDVI沒有變化或變化微小。當(dāng)?shù)乇砀采w類型發(fā)生變化時(shí)，NDVI有異常變化。這種變化可以用變化檢測指標(biāo)來衡量。

目前的檢測變化指標(biāo)方法有很多，其中蘭氏（Canberra）距離對奇異值不敏感，可以很好地抑制噪聲的影響， 而且對于數(shù)值較低的對象間的差異刻畫能力強(qiáng)， 此外它是一個(gè)無量綱的標(biāo)準(zhǔn)化值， 范圍為0≤dL≤1。將蘭氏距離應(yīng)用于2期影像，利用2期影像的NDVI計(jì)算距離并作為變化檢測指標(biāo)，生成差異圖像。

dL=|NDVI2010-NDVI2004||NDVI2010+NDVI2004|（2）

為了便于數(shù)字圖像處理，將取值范圍歸一化到（0，255）（圖6～7）[6]。

3.3 變化閾值求定

為了確定差異圖像中哪些像元是變化的，哪些像元是不變的，需要求定一個(gè)分割閾值來進(jìn)行區(qū)分，而且變化圖像的精度很大程度上依賴于閾值的準(zhǔn)確性。不同地物之間的變化強(qiáng)度存在差異，為了避免對不同區(qū)域、不同類型的地物利用統(tǒng)一的全局閾值來判斷地表覆蓋類型發(fā)生變化的狀況，并且充分考慮地物的空間特性，因此采用基于標(biāo)準(zhǔn)圖像地物分類的局部閾值分割法。以2004年圖像為標(biāo)準(zhǔn)圖像，2010年圖像是在其基礎(chǔ)上變化的，該方法設(shè)計(jì)將原方法劃分圖像為M×M的矩形窗口用標(biāo)準(zhǔn)圖像的分類后區(qū)域代替，生成建筑用地、耕地、裸地、水系、林地5個(gè)不規(guī)則窗口，分別求定其變化閾值。

閾值的求定方法：先計(jì)算窗口內(nèi)像元灰度值的均值m，標(biāo)準(zhǔn)方差σ，設(shè)v=kσ，則分割閾值T=m+v。

g′（x，y）=0，g（x，y）≤T

1，g（x，y）>T （3）

式中， g′（x，y）表示像元（x，y）在分割后的輸出值，系數(shù)k用于控制圖像分割的程度，該值越小被分割出的像元點(diǎn)將越多。

通過基于標(biāo)準(zhǔn)圖像地物分類的局部閾值分割法分別求定建筑用地、耕地、裸地、水系、林地的分割閾值分別為14.942、22.849、16.745、20.917、15.590。

3.4 結(jié)果輸出

差異圖像在求定閾值下二值化，如圖8所示。為更直觀地觀察土地利用變化結(jié)果，將二值化圖與2004年影像疊加顯示。圖9中黑色區(qū)域?yàn)橥恋乩妙愋妥兓瘏^(qū)域。

3.5 精度驗(yàn)證 在試驗(yàn)區(qū)內(nèi)隨機(jī)生成328個(gè)檢驗(yàn)點(diǎn)，使用ENVI提供的Link功能將2004年影像和2010年影像聯(lián)動(dòng)，發(fā)現(xiàn)目視解譯驗(yàn)證點(diǎn)變化狀態(tài)，生成混淆矩陣，對結(jié)果進(jìn)行精度評價(jià)。由表1可知，總體精度達(dá)到了84.98%，該變化檢測的方法對檢測結(jié)果精度有一定提高，可以達(dá)到有效的檢測結(jié)果。

4 小結(jié)

總體而言，雖然有錯(cuò)分、漏分現(xiàn)象，但變化檢測方法是基于像元灰度的，所以統(tǒng)計(jì)結(jié)果比分類后比較更細(xì)致，采用NDVI對植被覆蓋土地類型劃分更準(zhǔn)確，用基于標(biāo)準(zhǔn)圖像地物分類的局部閾值分割法求定閾值，閾值計(jì)算更顯合理，有一定的實(shí)用價(jià)值。

參考文獻(xiàn)

[1] 李德仁.利用遙感影像進(jìn)行變化檢測[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2003，28（S1）：7-12.

[2] 周啟鳴.多時(shí)相遙感影像變化檢測綜述[J].地理信息世界，2011，9（2）：28-33.

[3] 馮春，郭建寧，閔祥軍，等.土地利用/土地覆蓋遙感變化檢測方法新進(jìn)展[J].遙感信息，2006（3）：81-85.

[4] 朱朝杰，王仁禮，董廣軍.基于區(qū)域特征的小波差值變化檢測方法[J].測繪科學(xué)技術(shù)學(xué)報(bào)，2007，24（1）：73-75.

[5] 徐國華，張保明，李旭.基于改進(jìn)的最大類間方差法的遙感影像變化檢測[J].測繪科學(xué)，2012，37（1）：80-82.

[6] 余銀峰，賈振紅，覃錫忠，等.遙感圖像變化檢測算法研究[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（25）：168-170.