基于光譜特征的多光譜遙感圖像水上橋梁提取
——以福州市為例

郭新澤 蔣曉燕

（1.福州濱海臨空開發(fā)建設(shè)有限公司，福建 福州 350209；2.廈門大學(xué)海洋與海岸帶發(fā)展研究院，福建 廈門 361102）

城市不透水面是指城市中由各種不透水建筑材料所覆蓋的表面，橋梁作為重要的人工建筑和交通樞紐，是城市不透水面的重要組成部分之一。當(dāng)前，利用遙感技術(shù)提取不透水面的方法可大致分為4種：①通過對各種影像的解譯和分類手工或半自動獲取不透水面信息［1］；②通過將影像的分類結(jié)果和源于其他數(shù)據(jù)生成的不透水面系數(shù)進行計算來求得不透水面面積［2］；③通過線性光譜分解模型 （LSMA）和最小噪音 （MNF）變換估算不透水面面積［3］；④利用不透水面和其他地類 （如植被）的關(guān)系獲取不透水面信息［4］。

橋梁目標(biāo)的準(zhǔn)確識別和精確定位不僅有利于地理信息數(shù)據(jù)的及時更新，更有助于防災(zāi)減災(zāi)工作的實施。然而，現(xiàn)有的識別方法中多數(shù)只適用于簡單背景中的橋梁目標(biāo)的檢測與識別，因此信息提取成為當(dāng)前遙感圖像處理的熱點和難點。

本研究在分析地物光譜特征的基礎(chǔ)上，基于多波段指數(shù)提取包含橋梁的不透水面，進一步提取水體信息，有效去除其他地物的干擾，通過空間疊加分析提取橋梁。結(jié)果表明，本文方法對于多光譜遙感圖像的水上橋梁提取是適用的，具有較高的精度。

1 研究方法

本文選取Landsat多光譜遙感影像，基于不同地物光譜特征差異性 （圖1），結(jié)合多波段指數(shù)法提取水體及不透水面信息，進一步疊加識別橋梁目標(biāo)。將提取結(jié)果與Google Earth高分辨率影像進行對比，采用隨機抽樣的方法在每幅水體、橋梁影像中取點，進行人機交互驗證［5］該方法的有效性。

圖1 主要地類的光譜特征

1.1 數(shù)據(jù)源及預(yù)處理

遙感衛(wèi)星數(shù)據(jù)源選取的2018年3月20日的Landsat 8影像 （云量為3.2%），輔助數(shù)據(jù)為同期的Google Earth高分辨率影像。首先對Landsat 8影像采用二次多項式進行幾何校正，并使RMSE控制在0.5個像元以內(nèi)。采用Chander模型、參數(shù)以及Landsat 8的參數(shù)分別對影像進行輻射校正，將影像的亮度值轉(zhuǎn)換為傳感器處反射率［6］。采用GS融合方法，融合全色波段和多光譜波段，將分辨率提高到15m。

1.2 水體提取

不同地物類別由于內(nèi)部結(jié)構(gòu)和外部條件不同，因此可見光-近紅外波段 （0.4-2.6um）的光譜特征不同。水體在近紅外波段 （0.8-2.6um）具有強吸收性，反射率低于其他地物。因此可利用MNDWI指數(shù)區(qū)分橋梁等建筑，從而提取完整的水體信息，其表達(dá)式為：

式中：Green和MIR分別表示影像的綠光和中紅外1波段的反射率。

1.3 橋梁目標(biāo)提取

城市是多種土地覆蓋類型的綜合體，其主要部分除了以水泥建筑物為主的不透水面以外，還有局部出露的沙土。由于沙土的光譜特征與水泥橋梁十分接近，因此在提取橋梁過程中易形成噪音。不透水面建筑材料的反射光譜具有以下共性：熱紅外波段的輻射率高，但在近紅外波段的反射率卻很低。因此通過多波段指數(shù)法增強不透水面的信息，提取表達(dá)式為：

式中：TIR、NIR和MIR分別為熱紅外波段、近紅外和中紅外波段。

2 結(jié)果與分析

2.1 橋梁提取

利用多波段指數(shù)法提取福州Landsat 8影像中的不透水面，提取結(jié)果包含橋梁、道路和建筑物 （圖2a）。由于建筑物等陰影在綠光和近紅外波段的波譜特征與水體相似，因此采用短波紅外波段替換近紅外波段。使計算出的水體與建筑物指數(shù)的反差增強，降低二者的混淆程度，突出水體與陸地之間的反差。實驗表明，絕大部分水體和不透水面分布都能與真實地物吻合。不透水面提取的橋梁目標(biāo)結(jié)果如圖2b所示。

圖2 研究區(qū)影像與提取結(jié)果

2.2 精度評價

本文通過定性和定量評價驗證多波段指數(shù)提取的有效性。在定性評價方面，將多波段遙感影像橋梁目標(biāo)提取結(jié)果與原始圖像目視解譯結(jié)果進行比較，提取的橋梁結(jié)果在數(shù)量和位置方面均能夠較好地匹配真實橋梁。在定量評價方面，將提取結(jié)果對比高分辨率影像，通過人機交互驗證判定驗證結(jié)果。結(jié)果表明不透水面和水體的的總體分類精度 （Overall Accuracy）為89.5%和92.4%，橋梁提取精度為86.7%。綜上，此方法具有較高精度，能夠提取不同尺寸的橋梁，提取結(jié)果在很大程度上能夠與真實橋梁相匹配。

3 結(jié)語

本文針對多光譜圖像中不同地物類型的光譜特征，驗證基于多波段指數(shù)法的水上橋梁提取的有效性。由理論分析及實驗結(jié)果可知：1）以混凝土類為主的橋梁具有很高的熱輻射能力，以表征地物熱輻射能力的熱紅外波段和近紅外波段為基本框架構(gòu)成的比值運算，可以最大程度地突出橋梁信息；2）基于MNDWI指數(shù)，將建筑因素加入算法構(gòu)建中，能夠降低建筑在水體提取過程中產(chǎn)生的影響；3）精度驗證結(jié)果表明：本研究方法能夠克服橋梁周圍復(fù)雜環(huán)境的影響，且通過多光譜圖像能夠避免橋上車輛等地物的干擾，提取結(jié)果與真實橋梁匹配度較高；4）橋梁由于其特殊的建筑建構(gòu)，一般具有向陸地延伸的特性，因此后期需要利用更多的橋梁先驗知識，提取識別更完整的目標(biāo)橋梁。