基于灰度共生矩陣的甘蔗保護(hù)區(qū)作物種類監(jiān)測(cè)方法

賀雨晴 何永寧 經(jīng) 波 寧文怡 蔣宇雯

（廣西壯族自治區(qū)自然資源信息中心，廣西南寧 530023）

甘蔗是廣西農(nóng)業(yè)生產(chǎn)的優(yōu)勢(shì)特色產(chǎn)業(yè)，近二十年來(lái)，廣西糖料蔗種植面積和產(chǎn)糖量均占全國(guó)產(chǎn)量的60%以上[1-2]。廣西糖料蔗種植機(jī)械化水平低、種植分散，導(dǎo)致種植成本居高不下。此外，進(jìn)口糖價(jià)低廉，國(guó)際糖價(jià)下跌，沖擊國(guó)內(nèi)市場(chǎng)，導(dǎo)致區(qū)內(nèi)甘蔗種植面積逐年減少[3]。為確保國(guó)家食糖安全，保障國(guó)內(nèi)食糖供應(yīng)，廣西糖辦開(kāi)展了全區(qū)甘蔗保護(hù)區(qū)劃定工作，以遏制甘蔗種植面積連年減少的局面。由于休耕、輪作等因素，如何及時(shí)監(jiān)測(cè)作物種類變化、掌握甘蔗實(shí)際種植面積成為亟待解決的問(wèn)題。

遙感技術(shù)被普遍應(yīng)用于大規(guī)模作物監(jiān)測(cè)估產(chǎn)中[4]。隨著技術(shù)的不斷發(fā)展，遙感影像的空間分辨率不斷提高，覆蓋周期逐年縮短，數(shù)據(jù)使用成本降低，高分辨率遙感影像解譯技術(shù)不斷成熟，已實(shí)現(xiàn)破碎地塊地類性質(zhì)明顯改變的快速檢索與發(fā)現(xiàn)，如耕地、林地變?yōu)榻ㄖ锏?。廣西作物種類繁多，對(duì)于農(nóng)作物的精細(xì)劃分，傳統(tǒng)的基于像素值的分類方法缺乏有效的解決方案。

20世紀(jì)70年代，Haralick等[5]提出了針對(duì)紋理信息的灰度共生矩陣（gray level co-occurrence matrix，GLCM）以及由此導(dǎo)出的能量、熵、對(duì)比度、均勻性等14種統(tǒng)計(jì)量，該方法已被廣泛應(yīng)用于圖像識(shí)別中。He等[6]運(yùn)用該方法對(duì)南寧城區(qū)的棚戶區(qū)進(jìn)行了準(zhǔn)確識(shí)別提取。除甘蔗以外，保護(hù)區(qū)內(nèi)常見(jiàn)玉米、桉樹(shù)、水稻等作物，其光譜信息類似，但紋理信息略有不同，本文對(duì)是否能利用GLCM進(jìn)行準(zhǔn)確分類進(jìn)行了探究。

1 數(shù)據(jù)與方法

1.1 任務(wù)區(qū)與數(shù)據(jù)來(lái)源

橫州市（原橫縣）位于廣西東南部，是南寧市糖料蔗主要種植區(qū)之一，2019年全年農(nóng)作物播種面積16.58 萬(wàn)hm2，其中糧食種植面積7.43 萬(wàn)hm2，甘蔗種植面積2.12 萬(wàn)hm2，其他農(nóng)作物主要有玉米、花生、茉莉花等[7]。

“高景一號(hào)”（Super View-1）衛(wèi)星由2顆0.5 m分辨率的光學(xué)衛(wèi)星組成，于2016年12月成功發(fā)射，具有專業(yè)級(jí)的圖像品質(zhì)、高敏捷的機(jī)動(dòng)性能、豐富的成像模式和高集成的電子系統(tǒng)等特點(diǎn)[8]。本文利用2020年10月0.5 m分辨率高景一號(hào)多光譜遙感影像與甘蔗保護(hù)區(qū)劃定數(shù)據(jù)進(jìn)行外業(yè)核查，獲取地塊范圍與作物屬性信息，作為樣本數(shù)據(jù)基礎(chǔ)。

高分辨率影像下甘蔗、玉米、桉樹(shù)及水稻的光譜特征如圖1所示。

圖1 高分辨率影像下甘蔗、玉米、桉樹(shù)及水稻的光譜特征

1.2 理論基礎(chǔ)

灰度共生矩陣能反映圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部模式和排列規(guī)則的基礎(chǔ)。14個(gè)導(dǎo)出參數(shù)中，能量（energy）是對(duì)圖像紋理的灰度變化穩(wěn)定程度的度量，反映了圖像灰度分布均勻程度和紋理粗細(xì)度；對(duì)比度（contrast）反映了圖像的清晰度和紋理的溝紋深淺；相關(guān)性（correlation）反映了圖像紋理的一致性；二階距（angular second moment，ASM）值越大則圖像越均勻、變化越規(guī)則。

本文所使用的部分參數(shù)計(jì)算公式如下：

式中：p（i，j）——GLCM矩陣；i，j——矩陣坐標(biāo)。

1.3 方法

經(jīng)過(guò)外業(yè)核查，對(duì)甘蔗地保護(hù)區(qū)內(nèi)的各類作物進(jìn)行標(biāo)注，選取隨機(jī)樣本點(diǎn)，生成甘蔗、玉米、桉樹(shù)、水稻四類共2 196個(gè)21×21像素的影像樣本點(diǎn)。

通過(guò)調(diào)用OpenCV中的GLCM模塊，分別計(jì)算影像四個(gè)波段的能量、對(duì)比度、相關(guān)性、差異性、同質(zhì)性以及二階距。利用最鄰近算法分別對(duì)單一波段、可見(jiàn)光波段（三波段）、可見(jiàn)光與紅外波段（四波段）三種情況進(jìn)行監(jiān)督分類。

2 結(jié)果與分析

分類結(jié)果中的生產(chǎn)者精度指正確分類樣本數(shù)與實(shí)際樣本數(shù)的比值，單一波段、可見(jiàn)光波段、可見(jiàn)光與紅外波段最鄰近算法分類混淆矩陣如表1～表3所示。

表1 單一波段最鄰近算法分類混淆矩陣

表2 可見(jiàn)光波段最鄰近算法分類混淆矩陣

表3 可見(jiàn)光與紅外波段最鄰近算法分類混淆矩陣

由表1～表3結(jié)果可看出，由灰度共生矩陣提取出的甘蔗、桉樹(shù)特征值，在最鄰近算法監(jiān)督分類下可獲得90%以上生產(chǎn)者精度，其中單一波段的甘蔗準(zhǔn)確率最高，達(dá)95.31%。

玉米在任何情況下生產(chǎn)者精度均不足50%，絕大多數(shù)被誤分為甘蔗，說(shuō)明兩者紋理有極高的相似性，在可見(jiàn)光波段分類時(shí)精度最高，為45.36%。玉米與桉樹(shù)、水稻與桉樹(shù)極少存在誤分情況，說(shuō)明其紋理特異性強(qiáng)。

增加紅外波段后，甘蔗、水稻分類精度有小幅提升，但玉米、桉樹(shù)精度略有回落。

用戶精度為正確分類樣本數(shù)與分類結(jié)果的比值，桉樹(shù)用戶精度處于較高水平，達(dá)到97%以上，與生產(chǎn)者精度相比，水稻的用戶精度普遍提高，達(dá)到88%以上。甘蔗分類的用戶精度顯著低于生產(chǎn)者精度，多波段方式優(yōu)于單一波段。

玉米的生產(chǎn)者精度均優(yōu)于55%，其中四個(gè)波段參數(shù)分類方式達(dá)到60.52%。

綜合各項(xiàng)因素，采用多波段參數(shù)分類精度普遍優(yōu)于單一波段。就總體精度而言，三種模式均達(dá)到80%以上，依次為81.6%、83.20%、83.52%，多波段精度顯著高于單一波段，四波段最高精度最高，但較三波段優(yōu)勢(shì)不甚顯著。

3 結(jié)語(yǔ)

本文引入了計(jì)算機(jī)圖像識(shí)別技術(shù)中常用的灰度共生矩陣算法，對(duì)甘蔗保護(hù)區(qū)內(nèi)常見(jiàn)的幾類作物的紋理特征進(jìn)行了探究，初步驗(yàn)證了利用紋理特征進(jìn)行農(nóng)作物精分類識(shí)別的可行性。下一步可引入更多灰度共生矩陣參數(shù)、調(diào)整樣本尺度，并利用支持向量機(jī)（SVM）、人工神經(jīng)網(wǎng)絡(luò)（ANN）等監(jiān)督分類方法，進(jìn)一步提升分類精度?；谠摷夹g(shù)，可有效解決傳統(tǒng)遙感自動(dòng)解譯方法難以實(shí)現(xiàn)高精度作物分類以及人工目視解譯高度依賴作業(yè)員經(jīng)驗(yàn)、解譯精度不穩(wěn)定、作業(yè)效率低下等問(wèn)題，真正形成面向全區(qū)范圍的甘蔗種植面積快速監(jiān)測(cè)技術(shù)體系，實(shí)現(xiàn)農(nóng)田精細(xì)化管理以及準(zhǔn)確估產(chǎn)，助推廣西糖業(yè)高質(zhì)量發(fā)展。