遙感應(yīng)急目標(biāo)影像自動(dòng)檢測及制圖方法

張杲 楊健 曹維佳 牛曉星 方子彬 余濤

(1 河南大學(xué)，河南省大數(shù)據(jù)分析與處理重點(diǎn)實(shí)驗(yàn)室，河南開封 475004)(2 中國科學(xué)院遙感與數(shù)字地球研究所，北京 100101)(3 三亞中科遙感研究所，海南三亞 572029)

高分一號衛(wèi)星的投入運(yùn)行，標(biāo)志著我國民用衛(wèi)星遙感影像數(shù)據(jù)進(jìn)入“高分”時(shí)代。高分一號、二號衛(wèi)星具有高空間分辨率數(shù)據(jù)獲取能力，提高了國產(chǎn)衛(wèi)星影像業(yè)務(wù)化應(yīng)用水平，可用于城鎮(zhèn)規(guī)劃、資源調(diào)查、應(yīng)急監(jiān)測等業(yè)務(wù)中，衛(wèi)星數(shù)據(jù)質(zhì)量的極大提升為開展應(yīng)用研究提供了強(qiáng)大的數(shù)據(jù)支持。高分辨率衛(wèi)星數(shù)據(jù)獲取能力的提升，為遙感技術(shù)應(yīng)用于應(yīng)急響應(yīng)提供了有效的數(shù)據(jù)資源保障。在局部自然災(zāi)害等針對單體點(diǎn)目標(biāo)檢測和信息提取的突發(fā)應(yīng)急事件中，能夠快速、準(zhǔn)確地分析出目標(biāo)的輪廓和結(jié)構(gòu)尺寸信息是核心任務(wù)，需要開展針對“高分”衛(wèi)星數(shù)據(jù)的應(yīng)急目標(biāo)檢測和關(guān)鍵技術(shù)攻關(guān)，為后續(xù)災(zāi)情分析和救援工作提供強(qiáng)有力支撐。

當(dāng)前，針對應(yīng)急應(yīng)用需求開展了很多相關(guān)研究工作。文獻(xiàn)[1]中利用高分四號衛(wèi)星影像對潰決型洪水災(zāi)害監(jiān)測評估進(jìn)行應(yīng)用分析，展現(xiàn)了“高分”衛(wèi)星影像在潰決型洪水災(zāi)害的快速響應(yīng)和準(zhǔn)確性高等良好性能。文獻(xiàn)[2]中以高分二號與北京二號等國產(chǎn)遙感衛(wèi)星影像為數(shù)據(jù)源，對“10.11”金沙江高位滑坡開展災(zāi)情應(yīng)急監(jiān)測。文獻(xiàn)[3]中利用高分一號、美國陸地衛(wèi)星-8(Lansat-8)和數(shù)字高程模型(DEM)數(shù)據(jù)，對青海大通縣進(jìn)行全面的地質(zhì)災(zāi)害調(diào)查，通過野外驗(yàn)證取得了較好的應(yīng)用效果。文獻(xiàn)[4]中利用法國“斯波特”(SPOT)、增強(qiáng)型專題制圖儀(ETM+)影像，對廣東省豐順縣地區(qū)滑坡、崩塌、不穩(wěn)定斜坡等地質(zhì)災(zāi)害進(jìn)行詳細(xì)分析研究，取得較好的研究結(jié)果。文獻(xiàn)[5]中分析了遙感制圖技術(shù)的研究現(xiàn)狀，并提出了多源機(jī)載和星載遙感技術(shù)的特點(diǎn)。文獻(xiàn)[6]中采用對應(yīng)分析法，實(shí)現(xiàn)最優(yōu)波段組合和監(jiān)督分類訓(xùn)練樣本的快速選擇與提取，提高應(yīng)急影像分類精度。通過上述文獻(xiàn)可見，遙感技術(shù)在應(yīng)急響應(yīng)中扮演著舉足輕重的角色。

目前，國內(nèi)外針對突發(fā)應(yīng)急事件快速信息提取與制圖技術(shù)展開了系列的研究分析，其中針對目標(biāo)的分割與檢測提取是關(guān)鍵技術(shù)環(huán)節(jié)。在遙感分割方面，分水嶺分割算法易產(chǎn)生過分割現(xiàn)象，改進(jìn)后的分水嶺分割算法可解決過分割問題，因而廣泛應(yīng)用于高分辨率遙感影像的分割[7]。針對點(diǎn)目標(biāo)檢測的應(yīng)急響應(yīng)，本文以相對通用的應(yīng)急響應(yīng)工作流程為基礎(chǔ)，通過改進(jìn)的分水嶺算法提取主目標(biāo)信息，可解決提取過程中的過分割問題，能很好地滿足在應(yīng)急響應(yīng)中的應(yīng)用需求。

1 研究內(nèi)容及方法

本文利用高分一號、二號衛(wèi)星，結(jié)合實(shí)例特點(diǎn)和衛(wèi)星影像的獨(dú)有特性進(jìn)行數(shù)據(jù)選擇。其中，高分一號衛(wèi)星空間分辨率較高(2 m)，并且具有大幅寬的特點(diǎn)(最大幅寬800 km)；高分二號衛(wèi)星影像幅寬雖然只有45 km，但是其空間分辨率能達(dá)到0.8 m。表1為2顆衛(wèi)星參數(shù)比較。

表1 高分一號、二號衛(wèi)星參數(shù)比較

本文面向我國應(yīng)急響應(yīng)及救援工作的需求，利用遙感技術(shù)和其他輔助數(shù)據(jù)，結(jié)合應(yīng)急預(yù)案，通過改進(jìn)的分水嶺算法對主目標(biāo)信息進(jìn)行提取，以解決提取過程中的過分割問題，進(jìn)而對分割結(jié)果進(jìn)行輪廓信息提取，完成對目標(biāo)區(qū)域的尺度和輪廓信息的提取，最后完成專題圖制作。研究的主要內(nèi)容分為提取主目標(biāo)尺寸信息、確認(rèn)主目標(biāo)輪廓結(jié)構(gòu)、綜合信息制圖三部分。具體方法可細(xì)化為：①根據(jù)應(yīng)急響應(yīng)預(yù)案選取數(shù)據(jù)，通過對比包含主目標(biāo)區(qū)域的多源數(shù)據(jù)，最終選取目標(biāo)較為清晰、云覆蓋少、空間分辨率較高的影像。②數(shù)據(jù)預(yù)處理。③利用改進(jìn)的分水嶺分割算法，提取目標(biāo)區(qū)域。④主目標(biāo)提取完成之后，再次利用應(yīng)急響應(yīng)預(yù)案提供的目標(biāo)范圍信息和提取的目標(biāo)信息進(jìn)行輪廓分析，進(jìn)而提取輪廓邊緣和目標(biāo)的精確定位。⑤結(jié)合以上結(jié)果設(shè)計(jì)專題圖。方法流程如圖1所示。

圖1 方法流程

1.1 主目標(biāo)信息提取

主目標(biāo)信息提取是點(diǎn)目標(biāo)檢測的關(guān)鍵環(huán)節(jié)，主要基于分水嶺分割算法進(jìn)行改進(jìn)，提取主要目標(biāo)對象。

1.1.1 分水嶺分割算法

分水嶺分割算法模擬的是立體的地形表面，是建立在數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)理論之上的圖像分割算法[8]。其自下而上模擬泛洪過程，式(1)為遞歸的初始條件，式(2)為一個(gè)遞歸過程[9]。

Xhmin=Thmin(I)

(1)

式中：Xhmin為圖像I中最小灰度值點(diǎn)；Thmin(I)為任意圖像I中灰度值最小的像素點(diǎn)；h為灰度范圍。

(2)

式中：Xh+1為灰度值是h+1的所有像素點(diǎn)；mh+1為新產(chǎn)生盆地的最低點(diǎn)，Cxh(Xh∩Xh+1)表示Xh和Xh+1同在一個(gè)盆地的點(diǎn)。

若某像素點(diǎn)同時(shí)屬于2個(gè)以上盆地的點(diǎn)，即為分水嶺上的點(diǎn)。

1.1.2 改進(jìn)分水嶺分割算法

傳統(tǒng)分水嶺分割算法易產(chǎn)生過分割現(xiàn)象，目前主要解決方法有2種[10]：①利用標(biāo)記控制方法，對圖像的前景和背景進(jìn)行標(biāo)記，并通過圖像濾波進(jìn)行標(biāo)記提??；②通過區(qū)域合并的方法，利用合并準(zhǔn)則對分割后的圖像進(jìn)行區(qū)域合并。本文采用索貝爾(Sobel)圖像濾波進(jìn)行標(biāo)記提取的方法來緩解過分割現(xiàn)象。

鑒于傳統(tǒng)分水嶺分割算法通常會(huì)產(chǎn)生比較嚴(yán)重的過分割現(xiàn)象，本文引入Sobel算子進(jìn)行梯度運(yùn)算，利用開閉運(yùn)算進(jìn)行平滑操作，最小擴(kuò)展變換后進(jìn)行第1次分水嶺分割；然后利用最小覆蓋技術(shù)修改梯度圖像，標(biāo)出分水嶺和中心后進(jìn)行第2次分水嶺分割；最后利用連通域標(biāo)記取得主目標(biāo)尺寸信息。具體流程如圖2所示。

圖2 主目標(biāo)信息提取流程

1.1.3 主目標(biāo)提取

利用連通域標(biāo)記法，提取出主目標(biāo)，求得目標(biāo)區(qū)域的面積信息。

1.2 輪廓信息提取分析

輪廓信息的提取方法有很多，較為常見的是人工勾繪和Snake分割。人工勾繪的方法最為直接，也最為常見，文獻(xiàn)[11]中利用人工勾繪的方式解譯了棗莊市的地質(zhì)災(zāi)害分布情況。人工勾繪的方法雖然直接、簡單，但是比較粗糙，因此本文引進(jìn)了Snake方法[12]。Snake模型的基本思想是，以構(gòu)成一定形狀的一些控制點(diǎn)為模板，形成粗糙的輪廓線；通過模板自身的彈性形變，與圖像局部特征相匹配達(dá)到調(diào)和，即為某種能量函數(shù)極小化，完成對圖像的分割。其基本公式為

(3)

式中：積分項(xiàng)的前部分為內(nèi)部力，包含連續(xù)性能量α|C′(s)|2和光滑性能量β|C″(s)|2；后部分Eext(C(s))為圖像力，也稱為外部力，迫使分割線收斂于局部高梯度位置。

分割前需要手工標(biāo)注大致輪廓，然后在圖像力和內(nèi)部力的共同作用下，達(dá)到精準(zhǔn)的分割。文獻(xiàn)[13]中利用Snake模型對水體輪廓進(jìn)行提取，擬合的水體邊界效果良好。

在改進(jìn)的分水嶺分割算法前提下，利用Snake在其分割的結(jié)果上做輪廓分析。借助于應(yīng)急預(yù)案里面的目標(biāo)范圍和主目標(biāo)提取結(jié)果，完成對主目標(biāo)的輪廓分析。

1.3 應(yīng)急專題圖制圖

綜合以上獲取的處理數(shù)據(jù)和信息，開展專題圖(涵蓋多維信息的綜合性展示圖)制作。遙感應(yīng)急專題圖是將提取的多維信息集中到一起，在應(yīng)急響應(yīng)中發(fā)揮著重要的作用。文獻(xiàn)[14]中對地震應(yīng)急專題圖的設(shè)計(jì)與制作，使甘肅省震后應(yīng)急期間各類工作得以順利展開。文獻(xiàn)[15]中在快速制圖應(yīng)急預(yù)案的指導(dǎo)和保障下，分析了快速制圖的內(nèi)容和制圖流程，優(yōu)化了遙感數(shù)據(jù)快速處理算法，預(yù)制了標(biāo)準(zhǔn)化制圖模板。

2 應(yīng)用成果及評價(jià)分析

2.1 應(yīng)用成果

綜合上文的技術(shù)分析，分別選取高分一號、二號衛(wèi)星影像作為應(yīng)用實(shí)例進(jìn)行研究分析。

2.1.1 試驗(yàn)區(qū)域與數(shù)據(jù)

本文以實(shí)際應(yīng)急事件為例，開展技術(shù)研究與效果檢測評價(jià)。實(shí)例一為某地大型應(yīng)急水坑，綜合多源數(shù)據(jù)比較，選擇了高分二號衛(wèi)星影像數(shù)據(jù)；實(shí)例二為某年的汶川山體滑坡事件中的一個(gè)滑坡體目標(biāo)，選取高分一號衛(wèi)星影像數(shù)據(jù)。對以上研究區(qū)域原始影像分別進(jìn)行預(yù)處理，剪切包含目標(biāo)區(qū)域影像，如圖3所示。

圖3 剪切后的影像

2.1.2 應(yīng)用實(shí)例

首先借助傳統(tǒng)的分水嶺分割算法，分別對2個(gè)應(yīng)用實(shí)例進(jìn)行分割。分割效果如圖4所示，產(chǎn)生了嚴(yán)重的過分割現(xiàn)象。

圖4 傳統(tǒng)的分水嶺分割算法效果

鑒于傳統(tǒng)的分水嶺分割算法產(chǎn)生嚴(yán)重的過分割現(xiàn)象，本文利用改進(jìn)的分水嶺分割算法對目標(biāo)影像進(jìn)行分割，其效果如圖5所示，其分割結(jié)果明顯優(yōu)于傳統(tǒng)的分水嶺分割算法。其中，應(yīng)急水坑中心的主目標(biāo)像素點(diǎn)個(gè)數(shù)為20 986，又根據(jù)影像空間分辨率為0.8 m，可確認(rèn)所求區(qū)域面積為134 31 m2；山體滑坡的主目標(biāo)像素個(gè)數(shù)為58 047，其空間分辨率為2 m，可知滑坡面積為232 188 m2。改進(jìn)后的分割效果如圖6所示。2個(gè)應(yīng)急實(shí)例中，主目標(biāo)面積提取的誤差分析結(jié)果如表2所示。

圖5 改進(jìn)的分水嶺分割算法效果

圖6 分水嶺分割連通域標(biāo)記效果

表2 主目標(biāo)面積提取的誤差分析結(jié)果

在應(yīng)急水坑的分析中，綜合多種方法分析對比，人工勾繪的輪廓信息提取和Snake輪廓信息提取的最終收斂效果表明，應(yīng)急水坑的輪廓結(jié)構(gòu)近似為一個(gè)圓形，提取結(jié)果與無人機(jī)現(xiàn)場測量數(shù)據(jù)形狀相符，輪廓基本重合，半徑誤差為0.6%。在山體滑坡的分析中，輪廓提取信息與實(shí)際山體滑坡的外圍輪廓基本重合。輪廓提取效果如圖7所示。

選取應(yīng)急水坑的快速提取設(shè)計(jì)專題圖，在面積信息和輪廓信息提取的基礎(chǔ)上，進(jìn)行應(yīng)急專題圖的制作。綜合前幾個(gè)步驟提取的目標(biāo)結(jié)果，在專題圖上清晰地展示，如圖8所示。

注：紅色是Snake算法收斂的主目標(biāo)輪廓。

2.2 評價(jià)分析

綜合以上應(yīng)用結(jié)果可知，本文提出的遙感應(yīng)急目標(biāo)影像自動(dòng)檢測及制圖方法能較好地滿足應(yīng)急事件的需求。在某應(yīng)急水坑目標(biāo)的實(shí)例中，采用高分二號衛(wèi)星影像數(shù)據(jù)，預(yù)處理后采用改進(jìn)的分水嶺分割算法對水坑目標(biāo)進(jìn)行提取，與人工勾繪的輪廓信息提取和Snake輪廓信息提取的最終收斂效果圖對比表明，水坑目標(biāo)的輪廓結(jié)構(gòu)近似符合實(shí)際情況，應(yīng)急專題圖可為用戶部門提供決策參考。在汶川山體滑坡的應(yīng)急實(shí)例中，選取高分一號衛(wèi)星影像數(shù)據(jù)，分割后的尺寸信息及輪廓分析均能很好完成對應(yīng)急事件中主目標(biāo)的快速提取。

3 結(jié)束語

“高分”系列衛(wèi)星數(shù)據(jù)目前已經(jīng)大量地投入到各個(gè)行業(yè)的應(yīng)用及研究分析中，其影像信息豐富的數(shù)據(jù)特點(diǎn)為研究分析和應(yīng)用場景提供了強(qiáng)大的數(shù)據(jù)支撐。本文結(jié)合高分一號、二號衛(wèi)星影像數(shù)據(jù)特點(diǎn)，對應(yīng)急目標(biāo)自動(dòng)檢測進(jìn)行了流程化的研究分析，研究過程及結(jié)果滿足應(yīng)急事件的需求，但在多源數(shù)據(jù)自適應(yīng)閾值選擇及主目標(biāo)智能分析等方面還有改進(jìn)空間。例如，在應(yīng)急水坑目標(biāo)的實(shí)例中，已知固定的目標(biāo)形狀，但如果是針對不確定形狀的目標(biāo)或者目標(biāo)受到結(jié)構(gòu)破壞，后續(xù)可通過引入深度學(xué)習(xí)方法提高主要目標(biāo)的確認(rèn)效率。