基于圖斑空間位置關(guān)系的地物變化快速檢測(cè)方法

周培誠(chéng) 李玉堂

摘? 要：快速、準(zhǔn)確地檢測(cè)出地物的變化信息是當(dāng)前遙感應(yīng)用領(lǐng)域的研究熱點(diǎn)，也是技術(shù)難點(diǎn)問(wèn)題。該文提出一種基于圖斑空間位置關(guān)系的新型變化檢測(cè)方法，該方法綜合利用GIS矢量專(zhuān)題空間屬性信息和遙感影像圖斑模型信息，通過(guò)構(gòu)建三層網(wǎng)絡(luò)圖斑層父類(lèi)與子類(lèi)之間空間拓?fù)潢P(guān)系，檢測(cè)前期GIS矢量專(zhuān)題數(shù)據(jù)中地表資源變化圖斑及未變圖斑，并以檢測(cè)出來(lái)的圖斑作為模型學(xué)習(xí)樣本點(diǎn)，優(yōu)化未變圖斑精度，進(jìn)而快速定位變化圖斑區(qū)域，減少人力變化圖斑遍尋時(shí)間，指導(dǎo)后期精細(xì)化圖斑變化信息檢測(cè)。

關(guān)鍵詞：變化檢測(cè)? 矢量專(zhuān)題? 遙感影像? 空間位置關(guān)系

中圖分類(lèi)號(hào)：P231? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ?文章編號(hào)：1672-3791（2020）09（c）-0056-06

Abstract： It is a hot and difficult issue in remote sensing application field to accurately detect the objects change information. In this paper， a new change detection method based on the spatial location relationship of image objects is proposed. It is using the vector thematic layer and remote sensing image data to build three layer network diagram spots between parent and child spatial topological relations. and detect the change objects and unchange objects in early GIS vector objects that will be taken as model samples to optimize the accuracy of unchanged spot， and then locate the changed spot quickly， reduce the searching time of manual work， and improve the operation efficiency.

Key Words： Change detection; Vector thematic; Remote sensing image; Spatial location relationship

地表資源的變化檢測(cè)是利用RS、GIS、GPS等相關(guān)技術(shù)，利用已有各種基礎(chǔ)底圖數(shù)據(jù)，對(duì)地表要素進(jìn)行動(dòng)態(tài)和定量化、空間化的監(jiān)測(cè)，并分析其變化頻率、變化量、變化趨勢(shì)、空間分布特征、地域差異等，形成反映各類(lèi)地表資源要素的分布與關(guān)系，支撐自然資源發(fā)展變化規(guī)律的研究和分析。近年來(lái)隨著地理國(guó)情監(jiān)測(cè)，生態(tài)保護(hù)紅線(xiàn)的劃定、監(jiān)測(cè)，自然資源調(diào)查監(jiān)測(cè)及離任審計(jì)[1-4]等相關(guān)工作的深入開(kāi)展，利用高分辨率衛(wèi)星遙感影像實(shí)時(shí)監(jiān)測(cè)地表資源的變化情況愈發(fā)重要。傳統(tǒng)的以人機(jī)交互為主的變化檢測(cè)技術(shù)，由于需要大量的人工參與，效率低、周期長(zhǎng)，已不能適應(yīng)新形勢(shì)的需要，如何快速地、自動(dòng)地檢測(cè)出地物的變化信息是當(dāng)前遙感應(yīng)用領(lǐng)域的熱點(diǎn)和難點(diǎn)，也是推動(dòng)遙感應(yīng)用快速發(fā)展的突破口。隨著云計(jì)算、大數(shù)據(jù)與深度學(xué)習(xí)技術(shù)的發(fā)展，變化檢測(cè)從傳統(tǒng)的基于遙感影像的人機(jī)交互監(jiān)測(cè)技術(shù)逐步發(fā)展到綜合利用多類(lèi)型、多分辨率、多數(shù)據(jù)源的智能化、自動(dòng)化監(jiān)測(cè)技術(shù)，檢測(cè)應(yīng)用方法也從像素級(jí)、對(duì)象級(jí)發(fā)展到模型和知識(shí)學(xué)習(xí)類(lèi)的領(lǐng)域?；诋?dāng)前研究的現(xiàn)狀，該文提出一種綜合GIS和RS信息的組合變化檢測(cè)方法，彌補(bǔ)單一方法的局限性，提高檢測(cè)方法的普適性。該方法利用前期矢量專(zhuān)題數(shù)據(jù)和后期遙感影像數(shù)據(jù)，利用已有地表資源覆蓋基礎(chǔ)數(shù)據(jù)，根據(jù)地物圖斑時(shí)間、空間位置的變化區(qū)域和未變區(qū)域信息，減少人力變化圖斑遍尋時(shí)間，縮小監(jiān)測(cè)范圍，指導(dǎo)后期精細(xì)化圖斑變化信息檢測(cè)。

1? 理論基礎(chǔ)

遙感影像變化檢測(cè)指利用多時(shí)相獲取的覆蓋同一地表區(qū)域的遙感影像及其他輔助數(shù)據(jù)來(lái)確定和分析地表變化[5]。通常包含4個(gè)方面的內(nèi)容：（1）判斷是否發(fā)生變化;（2）變化位置的界定;（3）變化性質(zhì)的鑒別;（4）變化的時(shí)空分布模式分析。其中，前兩個(gè)內(nèi)容是變化檢測(cè)首要解決的基本問(wèn)題。

根據(jù)變化檢測(cè)的內(nèi)容，變化檢測(cè)技術(shù)難點(diǎn)主要集中在兩個(gè)方面：一是變化位置的界定;二是變化性質(zhì)的鑒別[6]。這兩個(gè)方面相輔相成，而檢測(cè)難度又逐步加大。變化性質(zhì)的準(zhǔn)確鑒別（地表資源分類(lèi)）需要找到變化地物區(qū)別于臨近地物、相似地物的獨(dú)有的特征屬性以及地類(lèi)特征的閾值空間分布規(guī)律，建立地類(lèi)分析模型，受遙感技術(shù)發(fā)展、監(jiān)測(cè)需求內(nèi)容、數(shù)據(jù)條件、地物空間分布復(fù)雜度、時(shí)間、天氣、檢測(cè)方法及觀測(cè)者主觀意向的不同，很難找到地物獨(dú)有的特征屬性[7]，進(jìn)而歸納出一個(gè)通用性較強(qiáng)、準(zhǔn)確度較高的檢測(cè)方法。而變化位置的界定具有一定的通用性，地物圖斑位置、邊界等幾何關(guān)系、紋理結(jié)構(gòu)、光譜屬性特征（顏色）、地物間的關(guān)聯(lián)關(guān)系發(fā)生了改變即可判斷為變化區(qū)域。

該文主要解決變化檢測(cè)需要解決的基礎(chǔ)問(wèn)題，在不分類(lèi)及不進(jìn)行前后期光譜信息比對(duì)的情況下，基于多層圖斑的繼承、邏輯關(guān)系以及地類(lèi)變化的外部特征表現(xiàn)做自動(dòng)變化檢測(cè)，見(jiàn)圖1所示，一切改變的基礎(chǔ)是地物空間屬性的變化，并基于這種變化而導(dǎo)致的圖斑本身特征屬性的改變。當(dāng)子層圖斑類(lèi)別屬性發(fā)生變化的時(shí)候，必然導(dǎo)致圖斑邊界的變化，光譜屬性的改變、紋理的改變、空間關(guān)聯(lián)屬性的改變、相鄰地物對(duì)比關(guān)系的改變等。

1.1 遙感影像子層圖斑重塑

子層圖斑邊界的探測(cè)與重塑是變化的核心技術(shù)，是一切變化的基礎(chǔ)承載，是界定變化與未變化方向的指向所在。

該文子層圖斑邊界的劃分以前期圖斑邊界作為基礎(chǔ)底圖和限制范圍，綜合當(dāng)前影像數(shù)據(jù)信息承載精細(xì)度、地物紋理、光譜差異性、空間關(guān)聯(lián)性及圖斑異質(zhì)性和同質(zhì)性標(biāo)準(zhǔn)，基于后期影像，從最底層像素層數(shù)據(jù)開(kāi)始，基于區(qū)域增長(zhǎng)的分割算法，通過(guò)迭代聚攏的方式構(gòu)建最基本的分割圖斑單元，所形成的最小圖斑具有異質(zhì)性平均值最小化以及同質(zhì)性平均值最大化的特點(diǎn)。利用最小圖斑單元所具有的對(duì)象特征屬性，考慮相鄰圖斑間光譜差異性以及圖斑邊界的優(yōu)化對(duì)比度完善基本圖斑數(shù)據(jù)，最大優(yōu)化并重塑當(dāng)前地物地理空間真實(shí)分布特性。

1.2 變化區(qū)域精細(xì)化檢測(cè)

變化區(qū)域位置的檢測(cè)包含兩個(gè)階段：第一階段父層變化圖斑位置的粗略檢測(cè);第二子層變化圖斑的精細(xì)化檢測(cè)。

當(dāng)?shù)匚锇l(fā)生變化的時(shí)候，地物之間由于類(lèi)別本身特性（光譜、幾何、紋理、拓?fù)涞龋┑牟煌憩F(xiàn)為影像上不同的地類(lèi)邊界屬性。利用前期父層圖斑及后期子層圖斑的空間位置的變化，能夠界定出父層圖斑的變化區(qū)域、未變化區(qū)域，以及變化區(qū)域前期父層圖斑的變化位置及子層圖斑的拓?fù)潢P(guān)聯(lián)性。

父層變化圖斑不僅包含變化的地類(lèi)，也可能包含未變化的地類(lèi)，如何準(zhǔn)確地從變化圖斑里分離出未變化的地類(lèi)，從而精細(xì)化變化區(qū)域位置是該文思考的另一個(gè)技術(shù)創(chuàng)新點(diǎn)，該文基于前期變化圖斑和未變化圖斑的基礎(chǔ)上，借鑒模糊數(shù)學(xué)方法利用已有條件判定未知條件的概率性，從另一個(gè)角度思考變化概念：變化與未變化是相輔相成、互為補(bǔ)充的，變化的檢測(cè)即為未變區(qū)域的檢測(cè)。未變區(qū)域的檢測(cè)又可理解為已知地類(lèi)屬性的檢測(cè)，然已知地類(lèi)的智能檢測(cè)如前面文章描述需要找到地類(lèi)獨(dú)有的區(qū)別于其他類(lèi)別的特征以及特征閾值空間分布，并轉(zhuǎn)換為計(jì)算機(jī)能夠認(rèn)知和識(shí)別的地物客觀描述，這是目前地物類(lèi)別自動(dòng)監(jiān)測(cè)的難點(diǎn)和瓶頸[6-7]。該文避開(kāi)地類(lèi)分析研究難點(diǎn)，從地物客觀真實(shí)存在而不是地物客觀描述出發(fā)，采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法對(duì)未變化圖斑對(duì)應(yīng)的圖像數(shù)據(jù)做深層次學(xué)習(xí)，基于學(xué)習(xí)的特征灰度圖結(jié)合模糊數(shù)學(xué)概率判斷變化圖斑位置。具體技術(shù)流程見(jiàn)圖2示。

2? 應(yīng)用實(shí)踐

2.1 數(shù)據(jù)概況

該文測(cè)試數(shù)據(jù)為廣西藤縣某區(qū)域數(shù)據(jù)，包括兩類(lèi)數(shù)據(jù)源：（1）前期2016年土地利用現(xiàn)狀矢量專(zhuān)題數(shù)據(jù)，帶有土地利用現(xiàn)狀地類(lèi)屬性信息;（2）后期2017年8月北京二號(hào)0.8m遙感影像數(shù)據(jù)（21世紀(jì)空間技術(shù)應(yīng)用股份有限公司提供），數(shù)據(jù)經(jīng)過(guò)輻射定標(biāo)、大氣校正以及正射校正、數(shù)據(jù)配準(zhǔn)等數(shù)據(jù)預(yù)處理。區(qū)域面積46km2，具有相同的投影坐標(biāo)系統(tǒng)。矢量和影像的變化檢測(cè)，減少了單一影像數(shù)據(jù)源由于時(shí)相和季節(jié)的不同而造成的偽變化圖斑，但為了更好地區(qū)分不同的地表類(lèi)型，增大地物之間的對(duì)比度，建議后期采用植被覆蓋度較好的時(shí)相區(qū)間的影像數(shù)據(jù)。主要數(shù)據(jù)參數(shù)見(jiàn)表1。具體數(shù)據(jù)分布見(jiàn)圖3、圖4。

2.2 方法應(yīng)用

2.2.1 圖像對(duì)象層創(chuàng)建

該研究借助最早提出基于對(duì)象技術(shù)做智能化圖像分析的主流商業(yè)軟件eCognition，利用軟件提供的圖斑優(yōu)化算法、深度學(xué)習(xí)方法和圖斑對(duì)象層之間的拓?fù)潢P(guān)系等開(kāi)發(fā)地類(lèi)變化檢測(cè)規(guī)則集。以林地區(qū)域變化檢測(cè)為例介紹方法應(yīng)用（其他地類(lèi)的變化監(jiān)測(cè)利用變化檢測(cè)規(guī)則中設(shè)置循環(huán)圖斑檢測(cè)的方式實(shí)現(xiàn)）。主要構(gòu)建3層地物圖斑層，每一層的上層為其對(duì)應(yīng)的父層。分別為第一層前期土地利用現(xiàn)狀專(zhuān)題層（GIS LEVEL），主要存儲(chǔ)前期2016年土地利用專(zhuān)題圖斑類(lèi)別;第二層變化層（CHANGE LEVEL），主要存儲(chǔ)變化圖斑信息;第三層為影像圖斑層（IMAGE LEVEL），主要存儲(chǔ)基于當(dāng)前影像數(shù)據(jù)分布特征而創(chuàng)建的圖斑圖層。CHANGE LEVEL與GIS LEVEL具有相同的圖斑邊界結(jié)構(gòu)。具體見(jiàn)圖5。

2.2.2 變化圖斑粗略檢測(cè)

利用前后層圖層空間拓?fù)潢P(guān)系（父層 CHANGE LEVEL，子層 IMAGE LEVEL）統(tǒng)計(jì)分析最大子層圖斑面積比率，設(shè)置變化檢測(cè)敏感因子a的數(shù)值。監(jiān)測(cè)出的變化圖斑存儲(chǔ)在CHANGE LEVEL層。具體見(jiàn)圖6。

2.2.3 細(xì)化變化區(qū)域發(fā)現(xiàn)

當(dāng)檢測(cè)出變化圖斑的同時(shí)，會(huì)有一些未變化的地類(lèi)圖斑，這些未變化的圖斑具有當(dāng)前檢測(cè)地類(lèi)所有的特征屬性，我們稱(chēng)之為種子點(diǎn)，這些種子點(diǎn)是后續(xù)圖斑變化區(qū)域細(xì)化的關(guān)鍵所在，也是該文變化檢查方法的延伸創(chuàng)新點(diǎn)：以未變監(jiān)測(cè)變化，即，我們將變化監(jiān)測(cè)的目標(biāo)間接轉(zhuǎn)換為未變化區(qū)域的檢測(cè)，從而檢測(cè)出變化區(qū)域。

對(duì)于未變區(qū)域的檢測(cè)，該文主要利用卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的方法對(duì)未變圖斑數(shù)據(jù)做深層訓(xùn)練，生成未變地類(lèi)獨(dú)有的灰度圖層特征，在這個(gè)灰度圖像里包含了未變地類(lèi)的概率屬性，灰度值（亮度）越大，地類(lèi)未變的可能性越高;反之，則變化的可能性越高。具體見(jiàn)圖7。

利用未變地類(lèi)與種子點(diǎn)的相似特征概率值檢測(cè)出變化圖斑的詳細(xì)信息，包括位置、面積等地理空間信息。具體見(jiàn)圖8。

2.3 精度評(píng)價(jià)

變化檢測(cè)成果的準(zhǔn)確性通過(guò)真實(shí)變化檢測(cè)圖斑與自動(dòng)變化檢測(cè)圖斑做相應(yīng)的比較。利用混淆矩陣方法對(duì)于林地、耕地、水域及城鎮(zhèn)村及工礦用地4個(gè)主要地類(lèi)變化區(qū)域做精度檢測(cè)，樣本檢查點(diǎn)561個(gè)，整體精度79.8%，KIA精度74.3%。具體見(jiàn)圖9到圖11。

除城鎮(zhèn)村變化外，其他地類(lèi)變化檢測(cè)精度達(dá)到80%以上。城鎮(zhèn)村地類(lèi)由于前期矢量數(shù)據(jù)將小區(qū)林草地作為城鎮(zhèn)村的類(lèi)別勾繪，后期高分辨率下建筑物之間對(duì)比明顯，圖斑切割破碎，檢測(cè)效果并不理想。

3? 結(jié)語(yǔ)

該文針對(duì)變化檢測(cè)的基礎(chǔ)需求，提出并應(yīng)用了基于圖斑空間位置關(guān)系的變化檢測(cè)方法，該方法綜合GIS精準(zhǔn)空間屬性和RS特征模型信息，快速定位變化區(qū)域?？捎糜谠诘乇碣Y源變化檢測(cè)工作中輔助人工工程化變化檢測(cè)，指導(dǎo)人工變化檢測(cè)判斷方向，為自然資源監(jiān)測(cè)、審計(jì)等提供技術(shù)支持。該文對(duì)于建筑物等小尺度地物檢測(cè)精度并不理想，后續(xù)將在該文研究基礎(chǔ)上有針對(duì)性地細(xì)化研究，改善前后期圖斑差異性太大造成的精度問(wèn)題。

參考文獻(xiàn)

[1] 王占強(qiáng)，詹慶明，湯碩華，等.地理國(guó)情監(jiān)測(cè)在城市建設(shè)用地規(guī)劃評(píng)估中的應(yīng)用研究[J].測(cè)繪地理信息，2019，44（4）：23-26.

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

[3] 牛志春，侍昊，李旭文，等.基于遙感技術(shù)的生態(tài)保護(hù)紅線(xiàn)區(qū)域監(jiān)測(cè)與評(píng)價(jià)——以鹽城沿海地區(qū)為例[J].環(huán)境監(jiān)控與預(yù)警，2017（2）：10-13，44.

[4] 周軍其，葉勤，邵永社.遙感原理與應(yīng)用[M].武漢：武漢大學(xué)出版社，2014：256-258.

[5] 李德仁.利用遙感影像進(jìn)行變化檢測(cè)[C]//海峽兩岸測(cè)繪發(fā)展研討會(huì).2004.

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

[7] 吳海平，黃世存.基于深度學(xué)習(xí)的新增建設(shè)用地信息提取試驗(yàn)研究——全國(guó)土地利用遙感監(jiān)測(cè)工程創(chuàng)新探索[J].國(guó)土資源遙感，2019，31（4）：159-166.

[8] 劉科堯，李東，程越，等.遙感技術(shù)在農(nóng)村土地資源規(guī)劃中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2019（21）：23-24.

[9] 謝福鼎，赫佳妮，鄭宏亮.半監(jiān)督離散勢(shì)理論在遙感影像變化檢測(cè)中的應(yīng)用[J].測(cè)繪通報(bào)，2019（8）：54-58.

[10] Mankos I，Schneider T，Ammer U.A Comparison Between the Isodata and the Ecognition Classification Methods on Basis of Field Data[C]//International Society for Photogrammetry and Remote Sensing.2000：133-139.