利用影像相關(guān)分析的遙感變化檢測

程夢真,惠文華,李延金,魏家旺

(長安大學(xué)地質(zhì)工程與測繪學(xué)院，陜西 西安 710054)

遙感變化檢測是從覆蓋同一地區(qū)的、不同時(shí)相獲取的遙感影像數(shù)據(jù)中定量地分析出地表變化的技術(shù)手段，其實(shí)質(zhì)是判別地物隨時(shí)間變化的過程[1-2]。在過去的幾十年里，國內(nèi)外學(xué)者已經(jīng)提出了大量變化檢測方法和技術(shù)，并且在土地覆蓋、環(huán)境調(diào)查、地質(zhì)災(zāi)害監(jiān)測和城市規(guī)劃等領(lǐng)域中取得了顯著的成果[3-5]。

文獻(xiàn)[6—7]認(rèn)為發(fā)生變化的區(qū)域往往具有非常低的相關(guān)性，而不變化區(qū)域通常具有高度相關(guān)性，因此將影像相關(guān)分析引入遙感變化檢測中。目前影像相關(guān)分析方法在遙感領(lǐng)域的應(yīng)用不是很多，其原因之一是多采用單一光譜特征進(jìn)行影像相關(guān)分析，對變化信息的檢測不是很理想[8-10]。隨著新型遙感平臺和傳感器的發(fā)展，多源遙感數(shù)據(jù)可以提供更加詳細(xì)的空間和紋理信息[11]，而常規(guī)的變化檢測算法如代數(shù)運(yùn)算、圖像變換法、變換向量分析法、小波變換法和分類后比較法等[12]主要都是針對中低分辨率影像開展的，無法應(yīng)對高分影像數(shù)據(jù)的處理分析需求(最佳閾值難以確定，結(jié)果過于破碎和海量數(shù)據(jù)應(yīng)用不充足)，給遙感變化檢測帶來了新的挑戰(zhàn)[13-14]。因此，本文提出一種改進(jìn)的相關(guān)系數(shù)計(jì)算模型，將光譜特征和紋理特征相結(jié)合應(yīng)用于高分影像數(shù)據(jù)，進(jìn)一步提高基于影像相關(guān)分析的變化檢測能力。

1 改進(jìn)的相關(guān)系數(shù)計(jì)算模型

1.1 相關(guān)系數(shù)計(jì)算模型

影像相關(guān)一般指的是兩幅影像或多幅影像之間存在的相互關(guān)系，即衡量兩幅影像之間的相似程度，常用相關(guān)系數(shù)來量化。一般的光譜信息相關(guān)系數(shù)的計(jì)算公式為

(1)

1.2 改進(jìn)的相關(guān)系數(shù)計(jì)算模型

圖像的紋理特征可以定量描述區(qū)域地物內(nèi)部灰度級變化，可以有效地突出粗糙度、光滑度等，因此通過將紋理特征與光譜特征進(jìn)行組合的計(jì)算方法來增強(qiáng)相關(guān)系數(shù)對地物不同時(shí)相間差異的判斷能力[17]。組合相關(guān)系數(shù)的計(jì)算公式為

A=αA1+(1-α)A2

(2)

式中，A1為光譜相關(guān)系數(shù)；A2為紋理相關(guān)系數(shù)；α為權(quán)值。A1按式(1)計(jì)算并取其絕對值，A2的計(jì)算方法為：計(jì)算對應(yīng)分割區(qū)域不同時(shí)相的紋理特征值(灰度共生矩陣)，并取紋理特征的比值作為紋理相關(guān)系數(shù)。紋理相關(guān)系數(shù)的取值范圍與A1相同，介于0～1之間。

2 基于影像相關(guān)分析的變化檢測方法

本文提出的方法主要步驟如下：①先用棋盤分割方法將兩幅影像進(jìn)行統(tǒng)一分割，然后利用相關(guān)系數(shù)計(jì)算模型對分割后的相應(yīng)影像區(qū)域進(jìn)行計(jì)算；②以每個影像對象中心點(diǎn)的坐標(biāo)和相關(guān)系數(shù)值作為一個特征點(diǎn)(x，y，z)，在三維空間中進(jìn)行插值處理獲得影像區(qū)域內(nèi)的相關(guān)系數(shù)空間分布圖，并通過循環(huán)判斷方法確定最優(yōu)分割尺度；③由最佳分割尺度得到相關(guān)系數(shù)空間分布圖，并進(jìn)一步利用密度分割方法提取變化信息。所提方法基本流程如圖1所示。

在上述變化檢測分析過程中，有3個環(huán)節(jié)非常關(guān)鍵:①影像分割的尺度。分割尺度決定著相關(guān)系數(shù)計(jì)算窗口的大小，相關(guān)系數(shù)計(jì)算窗口過大則會忽略掉許多小的變化細(xì)節(jié)，相關(guān)系數(shù)計(jì)算窗口過小則又會引入一些噪聲，導(dǎo)致變化檢測結(jié)果不理想。②組合相關(guān)系數(shù)的定權(quán)。任何一種單一特征計(jì)算的相關(guān)系數(shù)都是影像在某一方面(光譜特征或紋理特征)相似性的量化結(jié)果，因此需要根據(jù)影像的實(shí)際情況確定合適的特征權(quán)值。③變化閾值的確定。閾值太低會排除變化區(qū)域，閾值過高則會包含過多偽變化區(qū)域。因此本文針對這3個關(guān)鍵環(huán)節(jié)，利用Matlab編程實(shí)現(xiàn)相關(guān)試驗(yàn)研究。

3 試驗(yàn)與討論

3.1 試驗(yàn)數(shù)據(jù)及預(yù)處理

試驗(yàn)區(qū)榆林位于中國陜西省的最北部，黃土高原和毛烏素沙地交界處，是黃土高原與內(nèi)蒙古高原的過渡區(qū)，屬溫帶半干旱大陸性季風(fēng)氣候，水土流失較為嚴(yán)重[18]。遙感變化檢測對于該地區(qū)的防沙治沙，水土保持等工作都具有非常重要的意義。本文選用2016年2月9日和2016年12月29日獲取的GF-1衛(wèi)星影像(如圖2所示)，其空間分辨率為16 m的多光譜(紅、綠、藍(lán)和近紅外)影像數(shù)據(jù)。為保證利用影像相關(guān)分析方法檢測變化區(qū)域的精度，對兩幅影像做了輻射校正、大氣校正、圖像融合、直方圖匹配和裁剪等預(yù)處理。

3.2 最優(yōu)分割尺度確定

按照圖1所示的工作流程，采用棋盤分割方法將兩幅影像進(jìn)行統(tǒng)一分割，然后利用相關(guān)系數(shù)公式對分割后的相應(yīng)影像窗口進(jìn)行計(jì)算。最優(yōu)分割尺度的確定，要綜合考慮影像的空間分辨率、相關(guān)系數(shù)計(jì)算結(jié)果的合理性等。通過對試驗(yàn)數(shù)據(jù)進(jìn)行初步的分割試驗(yàn)，確定分割尺度在11～25像素之間能夠較為準(zhǔn)確地反映出影像之間的相似性。為了進(jìn)一步確定最優(yōu)分割尺度，本文采用分割尺度小步長逐漸增大的方法，獲得了一組不同分割尺度下的相關(guān)系數(shù)分布圖(如圖3所示)。圖中背景灰度越深代表相關(guān)系數(shù)值越大，不規(guī)則框灰度越深代表相關(guān)系數(shù)值越小。

將圖3(a)～(f)中不同尺度分割下的相關(guān)系數(shù)分布圖與原始影像數(shù)據(jù)進(jìn)行對比，發(fā)現(xiàn)分割尺度為19時(shí)，獲取的相似性小的區(qū)域與實(shí)際變化的地區(qū)最為吻合，因此將尺度19作為棋盤分割的最優(yōu)分割尺度。

3.3 變化信息提取

根據(jù)3.2節(jié)所確定的最佳分割尺度得到相關(guān)系數(shù)空間分布圖，進(jìn)一步利用密度分割方法提取變化信息。變化與否可通過合適的相關(guān)系數(shù)閾值來判定，大于閾值視為無變化，小于閾值則視為發(fā)生變化。

3.3.1 變化閾值確定

為了尋找出合適的閾值條件，將棋盤分割所獲得的影像窗口逐行進(jìn)行一維排列，以窗口所在的位置序號作為橫坐標(biāo)，以相應(yīng)的相關(guān)系數(shù)計(jì)算值作為縱坐標(biāo)，得到相關(guān)系數(shù)一維分布圖(如圖4所示)。圖中數(shù)值越大代表發(fā)生變化的可能性越小，數(shù)值越小則代表發(fā)生變化可能性越大。

從圖4(a)和(b)中發(fā)現(xiàn)，除①②③④位置之外的相關(guān)系數(shù)值都趨近于1，說明兩種計(jì)算相關(guān)系數(shù)的方法均能量化相似性；同時(shí)①②③④位置的相關(guān)系數(shù)值都小于0.9，推測出這4個位置對應(yīng)影像窗口的地物可能發(fā)生了變化。又由于相關(guān)系數(shù)空間分布圖是由每個影像窗口中心點(diǎn)的坐標(biāo)和相關(guān)系數(shù)值作為一個特征點(diǎn)在三維空間中插值處理獲得的，不可避免地會引入一些誤差，因此取相關(guān)系數(shù)值0.7作為判斷變化與否的閾值條件。此外，由表1可見①②③④對應(yīng)位置的組合相關(guān)系數(shù)更小，說明組合相關(guān)系數(shù)對地物變化信息的量化更為靈敏。

表1 不同模型的相關(guān)系數(shù)值比較

3.3.2 變化區(qū)域提取

通過3.3.1小節(jié)得到變化閾值條件，對相關(guān)系數(shù)空間分布圖進(jìn)行密度分割，提取出相關(guān)系數(shù)小于閾值的變化區(qū)域，并矢量化后與影像疊加顯示，如圖5、圖6所示。

從圖5(a)和(b)中可以看出，兩種相關(guān)系數(shù)計(jì)算模型得到相關(guān)系數(shù)空間分布圖在空間分布的位置大致相同；同時(shí)從圖6(a)和(b)密度分割提取的變化區(qū)域邊界與實(shí)際地物疊加圖中發(fā)現(xiàn)，基于組合特征提取的變化區(qū)域邊界和實(shí)際的地物邊界吻合程度更好。通過上述試驗(yàn)發(fā)現(xiàn)基于組合特征的變化檢測方法綜合利用了光譜和紋理信息，可以更加精細(xì)地區(qū)分地物間的微小差異，更好地提取地物的變化信息。

4 結(jié) 語

本文提出了一種改進(jìn)的影像相關(guān)系數(shù)計(jì)算模型，并進(jìn)行了基于影像相關(guān)分析的變化檢測信息提取試驗(yàn)。試驗(yàn)結(jié)果表明，采用組合特征相關(guān)系數(shù)的變化檢測結(jié)果明顯優(yōu)于單一光譜相關(guān)系數(shù)的變化檢測結(jié)果；而且組合相關(guān)系數(shù)模型的原理通俗易懂，方法易于操作。此外，在傳統(tǒng)基于光譜特征進(jìn)行影像相關(guān)計(jì)算的基礎(chǔ)上，加入影像紋理特征，同時(shí)可檢測影像中的光譜亮度和紋理的變化，從而可以較為全面地分析影像中的地物變化信息。同理，若在組合相關(guān)系數(shù)計(jì)算中加入其他地表專題特征，也可進(jìn)行與之相關(guān)的專題信息提取，如在組合特征的基礎(chǔ)上加入高程特征和植被特征就可以進(jìn)行滑坡分析，加入含水指數(shù)特征就可以進(jìn)行洪水研究等。本文通過對影像組合相關(guān)系數(shù)的應(yīng)用研究，為利用影像相關(guān)分析方法從高分辨率遙感影像中提取變化信息提供了一種新的思路。