面向?qū)ο蟮臒o(wú)人機(jī)影像水體變化監(jiān)測(cè)方法

秦慧杰, 高 磊, 梁文廣, 歐陽(yáng)曉

(1.江蘇省測(cè)繪工程院, 江蘇 南京 210013; 2.衛(wèi)星測(cè)繪技術(shù)與應(yīng)用國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室, 江蘇 南京 210013; 3.江蘇省水利科學(xué)研究院湖泊所, 江蘇 南京 210017)

水體監(jiān)測(cè)是水利行業(yè)的業(yè)務(wù)核心，監(jiān)測(cè)的內(nèi)容包括水域范圍內(nèi)水體的面積、水位、庫(kù)容以及水質(zhì)等多個(gè)方面。其中水體面積的變化監(jiān)測(cè)尤為重要，從面積的變化可以推算庫(kù)容變化、汛情旱情的嚴(yán)重程度等為水資源調(diào)度、防汛抗旱、防災(zāi)減災(zāi)、水利普查以及漁業(yè)養(yǎng)殖等提供數(shù)據(jù)支撐。無(wú)人機(jī)遙感作為獲取空間數(shù)據(jù)的重要手段之一，與衛(wèi)星影像相比，具有機(jī)動(dòng)靈活、實(shí)時(shí)傳輸、適合現(xiàn)場(chǎng)高危作業(yè)、影像分辨率高等特征，是衛(wèi)星遙感的重要補(bǔ)充，無(wú)人機(jī)在水利監(jiān)測(cè)領(lǐng)域的應(yīng)用也越來(lái)越廣泛，主要用于河流、湖泊、水庫(kù)本體監(jiān)測(cè)，水域環(huán)保監(jiān)測(cè)、洪澇災(zāi)害監(jiān)測(cè)、農(nóng)田水利監(jiān)測(cè)、水土保持監(jiān)測(cè)、水體工程監(jiān)測(cè)等方面[1]。無(wú)人機(jī)機(jī)動(dòng)靈活的特點(diǎn)目前受到水利部門的青睞，可隨時(shí)對(duì)河湖等情況進(jìn)行了解，對(duì)違法占用水體情況，可隨時(shí)發(fā)現(xiàn)，隨時(shí)解決，相對(duì)傳統(tǒng)影像獲取方法，可大大提高效率。

雖然無(wú)人機(jī)在目前的水利部門應(yīng)用較為廣泛，但因無(wú)人機(jī)影像只包含3個(gè)波段，無(wú)法利用傳統(tǒng)水體指數(shù)提取水體，限制了無(wú)人機(jī)影像在水利部門的作用?？v觀前人的研究，無(wú)人機(jī)影像多用于對(duì)水質(zhì)的監(jiān)測(cè)、目前利用無(wú)人機(jī)影像對(duì)水體面積的變化監(jiān)測(cè)的研究還處于初期階段。僅杜敬[2]利用深度學(xué)習(xí)的方法進(jìn)行水體的識(shí)別，得到了較好的水體識(shí)別效果，但深度學(xué)習(xí)需要大量的樣本，而且對(duì)計(jì)算機(jī)要求較高。傳統(tǒng)的水體面積的變化監(jiān)測(cè)方法大部分是利用單波段閾值法、譜間關(guān)系法、水體指數(shù)法及其優(yōu)化方法進(jìn)行水體提取的研究[3]。單波段閾值法簡(jiǎn)單易行，但是混分現(xiàn)象嚴(yán)重，精度不高[4]。另幾種方法均需要近紅外波段。所以，目前水利部門利用無(wú)人機(jī)影像提取水體主要還是人工勾劃，效率低，耗時(shí)費(fèi)力。本文擬從紋理特征入手，利用無(wú)人機(jī)影像的角二階矩、均值、熵3個(gè)特征進(jìn)行組合，再通過(guò)ISO分類提取水體，并將不同時(shí)相提取的水體范圍進(jìn)行疊置分析從而提取水體的變化圖斑。以期提高無(wú)人機(jī)影像的水體提取效率，自動(dòng)進(jìn)行水體變化監(jiān)測(cè)，為水利部門及時(shí)了解水體面積變化情況提供依據(jù)，同時(shí)進(jìn)一步推動(dòng)無(wú)人機(jī)影像的應(yīng)用范圍。

1 研究方法

無(wú)人機(jī)影像只包含紅、綠、藍(lán)3個(gè)波段，缺少傳統(tǒng)的水體特征波段——近紅外波段，而受不同拍攝時(shí)段光照、天氣等環(huán)境因素的影響，以及含沙量、渾濁度、葉綠素含量等理化性質(zhì)的影響，水體在紅綠藍(lán)3個(gè)波段并沒(méi)有固定的光學(xué)特征。因此，利用光譜特征很難從無(wú)人機(jī)影像上提取水體。論文考慮采用紋理特征進(jìn)行水體的提取，并將兩期的水體進(jìn)行比較從而提取水體變化區(qū)域。具體流程如圖1所示。

1.1 紋理特征提取

紋理特征提取是基于面向?qū)ο蟮姆椒ㄟM(jìn)行，面向?qū)ο蠹词菍⒂跋襁M(jìn)行分割，形成一個(gè)一個(gè)的像斑，然后提取像斑的紋理特征。經(jīng)前期試驗(yàn)，本文采用角二階矩、均值和熵3個(gè)特征進(jìn)行水體的提取。紋理特征的提取在易康軟件里進(jìn)行，首先要將原始影像進(jìn)行分割。

圖1 水體變化監(jiān)測(cè)流程

分割尺度大小決定著影像像斑的大小，分割尺度越小，影像分割得越破碎，像斑越??；反之亦然。分割尺度過(guò)大，會(huì)使一個(gè)像斑內(nèi)包含多種地物，分割尺度過(guò)小，則會(huì)出現(xiàn)過(guò)分割，像斑過(guò)于破碎，所以在分割時(shí)要選擇合適的尺度。本文主要提取對(duì)象為水體，在分割時(shí)可適當(dāng)選擇稍大的尺度，經(jīng)試驗(yàn)，選擇分割尺度為300。在易康軟件里對(duì)分割的像斑計(jì)算角二階矩、均值和熵并輸出。角二階矩和熵的取值范圍分別在0～1，0～10之間，將兩者歸一化到0～255之間。在ArcGIS中將各個(gè)特征矢量轉(zhuǎn)化為柵格數(shù)據(jù)。

在均值影像中并不能很好的區(qū)分出水體，熵和角二階矩的影像已經(jīng)顯示出水體輪廓，但并不能很好的與其他地物區(qū)分開(kāi)。本文將這3個(gè)特征進(jìn)行組合，以更好的區(qū)分出水體。

1.2 波段合成及ISO分類

將角二階矩、均值和熵分別按紅、綠、藍(lán)的順序在ArcGIS中進(jìn)行波段合成，利用ArcGIS通過(guò)ISO分類將水體提取出。

1.3 水體提取精度評(píng)價(jià)

為了定量評(píng)價(jià)以上方法提取水體的精度，研究采用外部產(chǎn)生隨機(jī)點(diǎn)并進(jìn)行解譯，對(duì)結(jié)果進(jìn)行混淆矩陣計(jì)算檢查，從而對(duì)水體提取結(jié)果進(jìn)行精度評(píng)價(jià)[5]。具體流程如圖2所示。根據(jù)試驗(yàn)區(qū)的矢量范圍，對(duì)試驗(yàn)區(qū)隨機(jī)生成樣本點(diǎn)126個(gè)，隨機(jī)生成的檢查點(diǎn)目視解譯，精度評(píng)價(jià)結(jié)果如表1所示。

圖2 水體提取精度評(píng)價(jià)流程

水體提取的總體精度達(dá)到97.62%，而Kappa系數(shù)達(dá)到0.9以上，驗(yàn)證了利用該方法提取水體的可靠性。

2 結(jié)果與分析

2.1 試驗(yàn)區(qū)概況

山洪水庫(kù)位于江蘇省盱眙縣西南部維橋河上游

桂五鎮(zhèn)鏡內(nèi)合星村，也是龍王山水庫(kù)上游梯級(jí)水庫(kù)。1959年建成，壩長(zhǎng)1 149 m，最大壩高18 m，頂寬4 m。匯水面積15.4 km2，庫(kù)容1 142 m3。灌溉面積2.53×103hm2，是一座以防洪、灌溉等功能為主的中型水庫(kù)。

表1 水體提取精度評(píng)價(jià)

注：總體精度=97.62%，Kappa系數(shù)=0.91。

水利部門于2014和2016年對(duì)該區(qū)域進(jìn)行無(wú)人機(jī)航空攝影，獲取了0.1 m分辨率的高清影像，位于管理范圍線以內(nèi)的面積2.33 km2如圖3所示。

圖3 研究區(qū)無(wú)人機(jī)航空影像

2.2 水體變化監(jiān)測(cè)

首先對(duì)2期無(wú)人機(jī)影像進(jìn)行分割，分割方法采用兩期影像疊合的多尺度分割，即將兩期影像的6個(gè)波段疊合，在分割時(shí)同時(shí)參考兩期影像進(jìn)行分割[6]，這樣就避免了利用單期影像分割的矢量與另一期影像邊界不吻合的情況。變化檢測(cè)以該分割矢量為基礎(chǔ)。分割矢量和前后期影像的疊合情況如圖4所示。

利用紋理特征波段合成并進(jìn)行ISO分類提取的水體如圖5所示。

在ArcGIS中將2014年提取的水體和2016年提取的水體進(jìn)行疊置分析，得到水體的變化區(qū)域(如圖6所示)。

圖4 研究區(qū)無(wú)人機(jī)影像分割矢量和兩期影像疊合

圖5 利用紋理特征波段合成并進(jìn)行ISO提取的水體

圖6 論文方法提取出的變化圖斑

部分漏檢和誤檢主要是由于水面較窄的支流被水草覆蓋，以及濕土、淺水泥潭產(chǎn)生的分類錯(cuò)誤引起的。

2.3 水體變化檢測(cè)精度分析

水體變化檢測(cè)的精度采用漏檢率、虛檢率和總體精度進(jìn)行評(píng)價(jià)[7]。若m11為檢測(cè)為變化，實(shí)際為變化的圖斑數(shù)；m21為檢測(cè)為未變化，實(shí)際為變化的圖斑數(shù)；m12為實(shí)際為未變化，檢測(cè)為變化的圖斑數(shù)；m22為實(shí)際為未變化，檢測(cè)為未變化的圖斑數(shù)。則：

(1) 總體精度

(1)

(2) 漏檢率

(2)

(3) 虛檢率

(3)

對(duì)實(shí)驗(yàn)區(qū)的水體變化情況進(jìn)行人工解譯，提取出實(shí)際變化圖斑如圖7所示：

圖7 研究區(qū)實(shí)際變化圖斑

經(jīng)統(tǒng)計(jì)分析，漏檢率為8.18%，誤檢率為9.77%，正確率為90.68%。檢測(cè)結(jié)果滿足水利部門的相關(guān)要求，可供水利部門參考。

2.4 水體變化分析

通過(guò)對(duì)檢測(cè)出的變化圖斑進(jìn)行分析，發(fā)現(xiàn)山洪水庫(kù)2014和2016年水域變化絕大多數(shù)是由于不同年份季節(jié)蓄水量不同，水位線波動(dòng)造成的水體覆蓋范圍發(fā)生變化。也有部分新增坑塘以及坑塘填平的變化(如圖8所示)，對(duì)這些變化圖斑重點(diǎn)標(biāo)記，可供水管理部門進(jìn)行實(shí)地勘察以更好地維護(hù)管理區(qū)用地的保護(hù)和有序開(kāi)發(fā)。

圖8 研究區(qū)內(nèi)水體典型變化區(qū)域

3 結(jié) 論

本文通過(guò)對(duì)無(wú)人機(jī)影像進(jìn)行分割，形成影像像斑，提取像斑的角二階矩、均值和熵3個(gè)紋理特征，進(jìn)行重新組合，并通過(guò)ISO分類較好的提取出了水體。利用該水體提取方法，對(duì)山洪水庫(kù)兩期影像均提取出水體范圍，并利用疊置分析方法進(jìn)行水體的變化監(jiān)測(cè)，正確率達(dá)到90%以上，取得了較好的監(jiān)測(cè)結(jié)果。論文突破了傳統(tǒng)利用水體指數(shù)提取水體的局限，一定程度上擴(kuò)大了無(wú)人機(jī)影像的應(yīng)用領(lǐng)域。水體的自動(dòng)化提取流程，節(jié)省了人力，提高了工作效率，為水利部門更好的了解水體變化情況提供了技術(shù)保障。

(1) 本文利用多個(gè)軟件結(jié)合實(shí)現(xiàn)水體的提取和變化監(jiān)測(cè)沒(méi)有實(shí)現(xiàn)全自動(dòng)化監(jiān)測(cè)，后續(xù)將編程實(shí)現(xiàn)水體提取的自動(dòng)化程度，進(jìn)一步提高水體提取和變化監(jiān)測(cè)的效率。

(2) 本文方法對(duì)影像的質(zhì)量要求較高，若水體內(nèi)存在大量的噪聲，則會(huì)嚴(yán)重影像水體的紋理特征值，不適宜用該方法。后續(xù)將進(jìn)行進(jìn)一步研究，以提高方法的普適性。