利用衛(wèi)星立體影像生產(chǎn)DEM的關(guān)鍵技術(shù)研究

林 璐 譚 龍 王 爽 梁 爽

(自然資源部第二地形測量隊, 陜西 西安 710054)

0 引言

數(shù)字高程模型(Digitial Elevation Model, DEM)作為重要的空間地理信息數(shù)據(jù)產(chǎn)品,隨著經(jīng)濟的深入發(fā)展得到了社會各行各界高度重視。尤其是在全球經(jīng)濟背景下,全國乃至全球級別的DEM產(chǎn)品需求急速增加[1]。衛(wèi)星遙感技術(shù)為這一需求提供了解決途徑,具備立體觀測傳感器的衛(wèi)星,其所獲取的立體像對數(shù)據(jù)能夠用于大范圍DEM產(chǎn)品作業(yè)的開展[2-3]。近年來,我國衛(wèi)星技術(shù)蓬勃發(fā)展,發(fā)射了多顆具有立體觀測傳感器的對地觀測衛(wèi)星[4]。其中,資源三號衛(wèi)星(簡稱資三衛(wèi)星)已在我國測繪地理信息建設(shè)與維護工作中建功無數(shù)[5]。

利用影像匹配技術(shù)獲取三維點云數(shù)據(jù),然后制作DEM成果是目前較為新興的工藝方法。在該工藝流程中,其點云濾波環(huán)節(jié)是數(shù)據(jù)制作的關(guān)鍵工序[6-7]。該生產(chǎn)工藝中對植被等非地面要素的處理以及水域要素的置平處理,經(jīng)常需要消耗大量的人力資源[8]。當(dāng)面對全球地理信息資源建設(shè)與應(yīng)用,開展大規(guī)模DEM產(chǎn)品生產(chǎn)時,投入的人工編輯工作量將十分巨大。本文將針對此環(huán)節(jié)進行分析研究,通過遙感手段,利用歸一化植被指數(shù)(Normalized Difference Vegetation Index， NDVI)和NDVI指數(shù)提取特定地物要素邊界范圍,實現(xiàn)有靶向性的批量化和自動化操作,從而提高產(chǎn)品生產(chǎn)效率和質(zhì)量,縮短產(chǎn)品的更新周期,提升測繪地理信息的服務(wù)品質(zhì)。

1 資源三號衛(wèi)星遙感影像介紹

資源三號衛(wèi)星是我國自主研發(fā)及發(fā)射的第一顆光學(xué)高分辨率民用立體測圖衛(wèi)星。衛(wèi)星上搭載的4臺線陣推掃式相機(影像參數(shù)見表1),可長期、連續(xù)、穩(wěn)定地獲取全色影像、多光譜影像、立體影像數(shù)據(jù),可用于全球范圍的中小比例尺地形圖的修測與更新,自然資源調(diào)查和監(jiān)測等工作[9]。

表1 資源三號衛(wèi)星影像信息 單位：m

2 植被指數(shù)和水體指數(shù)

2.1 植被指數(shù)

植物葉面在可見光紅光波段有很強的吸收特性,在近紅外波段有很強的反射特性,根據(jù)植被的光譜特性,將衛(wèi)星可見光和近紅外波段進行不同差分組合,形成了各種植被指數(shù)[10]。植被指數(shù)是對地表植被狀況的簡單、有效和經(jīng)驗的度量。本文選用歸一化植被指數(shù)(NDVI)作為后續(xù)研究使用方法,NDVI能夠較好地檢測植被生長狀態(tài)、植被覆蓋度和消除部分輻射誤差等情況。其表達(dá)式如下:

NDVI=(NIR-R)/(NIR+R)

(1)

式(1)中，NIR為近紅外波段的反射值;R為紅光波段的反射值。

2.2 水體指數(shù)

在遙感分析中,為凸顯影像中某種紋理或要素特征信息,經(jīng)常用遙感影像的特定波段進行歸一化差值處理。歸一化水體指數(shù)(Normalized Difference Water Index, NDWI)[11]就是基于綠波段與近紅外波段的歸一化比值指數(shù),NDWI一般用來提取影像中的水體信息,效果較好。NDWI的表達(dá)式如下:

NDWI=(p(Green)-p(NIR))/
(p(Green)+p(NIR))

(2)

式(2)中，p(NIR)為近紅外波段的反射值;p(Green)為綠光波段的反射值。

3 關(guān)鍵技術(shù)研究

3.1 DEM生產(chǎn)工藝流程

在基于影像匹配技術(shù)制作DEM數(shù)據(jù)的工藝中,通過濾波處理三維點云數(shù)據(jù)獲取DEM成果是產(chǎn)品制作中的重要環(huán)節(jié)之一(整體生產(chǎn)工藝流程如圖1所示)。因此,降低該環(huán)節(jié)的人工交互工作量,能夠有效提升整個工藝的效率和產(chǎn)品質(zhì)量。

圖1 DEM生產(chǎn)工藝流程圖

圖1中SRTM(Shuttle Radar Topography Mission)是一種對地球表面所進行的遙感測量的航天飛機雷達(dá)地形測繪使命，而DOM(Digital Orthophoto Mop)是數(shù)字正射影像圖。

影像匹配獲取的點云數(shù)據(jù),包含植被等非地面的高程數(shù)據(jù)。同時,大范圍水體的水面呈現(xiàn)出跳躍式波動,不是鏡面式的水面高程呈現(xiàn)或符合地貌的漸變式呈現(xiàn)。在生產(chǎn)制作時,不同的濾波方法(自適應(yīng)濾波、平滑濾波、整平濾波等)需要針對各自適宜的地物或地貌形態(tài)進行對應(yīng)處理。一般情況下,需要作業(yè)人員依據(jù)不同地形特征及地物分布情況,首先進行區(qū)域劃分,再選用適宜的濾波方式進行相應(yīng)處理。因此,自動化、批量化獲取高大植被范圍或者水體范圍,能夠提高規(guī)?；鳂I(yè)中人工交互的生產(chǎn)效率,降低作業(yè)強度。

3.2 邊界提取方法

以資源三號衛(wèi)星同期下視全色及多光譜影像為資料,進行正射糾正及融合處理。在此基礎(chǔ)上,利用NDVI對融合后影像進行相應(yīng)的波段差值計算。并輔助應(yīng)用影像特征紋理,獲得對應(yīng)的高大樹木植被范圍的蒙版柵格數(shù)據(jù)。然后將蒙版柵格數(shù)據(jù)矢量化,由此獲得非地面植被的范圍邊界數(shù)據(jù)。

在獲得一個區(qū)域多個高大樹木類的植被范圍后,就能夠有針對性地選擇濾波方法,對點云數(shù)據(jù)中非地面地物的高程信息進行剔除與重構(gòu),而且是同步且批量化的。同理,利用NDWI及相應(yīng)方法可獲得水體的范圍邊界數(shù)據(jù)。其后,則可以有效進行相應(yīng)的水域置平處理。

3.3 水域置平方法

在基礎(chǔ)地理信息更新技術(shù)中,水體分為靜態(tài)水體如湖泊、庫塘等,以及動態(tài)水體如河流、水渠等[12]。在DEM數(shù)據(jù)中,靜態(tài)水體的水域范圍內(nèi)每處高程均一致。動態(tài)水體中水域范圍內(nèi)高程則順?biāo)鞣较虺蕽u變式、逐級降低的形態(tài)[13]。

靜態(tài)水體范圍內(nèi)的水面高程,可選用通過NDWI計算后水體范圍內(nèi)最低處的高程值為整體水面高程。也可以通過人工交互核查,以量測的高程值為水面高程。

動態(tài)水體則通過將水域分段,每段視作一個靜態(tài)水體來處理。分段方式為兩種(如圖2所示):一是等高差分段,即每段水域上下游高差一致,但每段水域長度不同；二是等長度分段,即每段水域長度固定,但每段水域上下游高差不同。這兩種方式都必須滿足,每段水域內(nèi)上下游高差不應(yīng)大于DEM生產(chǎn)要求的高程精度限查。

說明：圖2(a)中, h1=h2=h3<ΔH, 且s1。圖2(b)中, s1=s2=s3, 且h1ΔH。h為每段水域上下游高差, s為每段水域長度。ΔH為DEM高程精度限查。

圖2 動態(tài)水體分段示意圖

4 數(shù)據(jù)處理及結(jié)果分析

4.1 開發(fā)工具實現(xiàn)

利用Microsoft Visual Studio 2015 軟件平臺進行點云濾波處理軟件的研發(fā),采用的開發(fā)語言為C++。經(jīng)測試,該軟件能夠滿足生產(chǎn)需要,為快速處理三維點云數(shù)據(jù)提供了方便,目前該軟件已在生產(chǎn)中得到應(yīng)用。

4.2 植被濾波情況

高大樹木類植被濾波。選擇某處林木分布較多區(qū)域,通過拾取植被邊界進行針對性濾波處理。效果如圖3所示。

4.3 水域置平情況

(1)靜態(tài)水體置平。以某處湖泊為例,拾取其邊界后處理效果如圖4所示。

(2)動態(tài)水體置平。以某段河流為例,拾取其邊界后處理效果如圖5所示。

圖3 植被濾波情況示意圖

圖4 靜態(tài)水體處理情況示意圖

圖5 動態(tài)水體處理情況示意圖

4.4 效率比對統(tǒng)計

選擇樣區(qū)1幅1∶50 000比例尺圖幅范圍區(qū)域開展實驗。對區(qū)域內(nèi)的植被和水域進行濾波處理,并對人工處理和應(yīng)用研發(fā)軟件處理兩種方式進行效率情況比對統(tǒng)計。如表2統(tǒng)計情況所示,可將人工處理時間壓縮60%以上。

表2 人工處理和軟件處理效率比對統(tǒng)計

5 結(jié)束語

我國衛(wèi)星遙感技術(shù)的高速發(fā)展,為開展全球視野的地理信息資源服務(wù)與應(yīng)用提供了資源保障。相應(yīng)的,統(tǒng)籌利用多種方法實現(xiàn)衛(wèi)星影像數(shù)據(jù)的快速處理,已成為提高衛(wèi)星遙感技術(shù)服務(wù)效率和品質(zhì)的關(guān)鍵。實驗通過利用NDVI和NDWI指數(shù)方法,實現(xiàn)了對基于影像匹配技術(shù)制作DEM數(shù)據(jù)的制作環(huán)節(jié)優(yōu)化,有效提升了產(chǎn)品制作效率,為國產(chǎn)衛(wèi)星影像的應(yīng)用提供了良好示范。下一步,將針對NDVI和NDWI指數(shù)優(yōu)化方面展開研究,提升其對植被、水體等要素的敏感性,實現(xiàn)對相關(guān)要素邊界提取準(zhǔn)確率的提高,為更好地基于資源三號衛(wèi)星影像開展大范圍DEM數(shù)據(jù)制作和更新提供技術(shù)參考。