基于多源遙感數(shù)據(jù)的環(huán)境監(jiān)測(cè)范圍界定模型研究*

吳秀杰, 李 明

(1.唐山市生態(tài)環(huán)境局玉田分局，河北 玉田 064100；2.華北理工大學(xué) 化學(xué)工程學(xué)院，河北 唐山 063000)

0 引言

在采用遙感技術(shù)監(jiān)測(cè)環(huán)境時(shí)，受到地面環(huán)境的動(dòng)態(tài)因素影響，導(dǎo)致對(duì)環(huán)境監(jiān)測(cè)的范圍界定實(shí)時(shí)性不好，動(dòng)態(tài)規(guī)劃能力不強(qiáng)，需要構(gòu)建優(yōu)化的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定模型，結(jié)合遙感信息感知和特征重建重組的方法[1-2]，實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定，相關(guān)的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定模型研究受到人們的極大關(guān)注.

對(duì)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定是建立在對(duì)環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的特征信息提取和成像優(yōu)化設(shè)計(jì)基礎(chǔ)上[3]，構(gòu)建環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采集和融合模型，通過子空間重構(gòu)和特征壓縮技術(shù)，進(jìn)行環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的特征提取和動(dòng)態(tài)壓縮分析，結(jié)合環(huán)境特征的動(dòng)態(tài)分析，實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)范圍界定.傳統(tǒng)方法中，對(duì)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的方法主要有邊緣輪廓特征提取方法、Harris角點(diǎn)標(biāo)定方法、子空間聚類方法等[4-6]，構(gòu)建環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的圖像分析模型，通過子空間融合聚類分析，實(shí)現(xiàn)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定，但傳統(tǒng)方法的實(shí)時(shí)性不高，且動(dòng)態(tài)辨識(shí)能力不強(qiáng).

針對(duì)上述問題，本文提出基于多源遙感數(shù)據(jù)的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定模型.

1 環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采樣和特征分析

1.1 數(shù)據(jù)采樣

為實(shí)現(xiàn)基于多源遙感數(shù)據(jù)的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定，首先構(gòu)建環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采集模型，采用高分辨率遙感識(shí)別和信息融合技術(shù)，進(jìn)行環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采樣[7]，得到環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采集的傳感節(jié)點(diǎn)分布模型，如圖1所示.

圖1 環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采集的節(jié)點(diǎn)分布模型Fig.1 Node distribution model of environmental monitoring multi-source remote sensing data collection

(1)

根據(jù)公式(1)得到環(huán)境監(jiān)測(cè)多源遙感監(jiān)測(cè)的遞推公式如下:

(2)

式中：wr為環(huán)境監(jiān)測(cè)范圍數(shù)據(jù)采集參數(shù);s(v)為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的邊緣像素特征函數(shù).

根據(jù)模糊序列離散調(diào)度，在語義分割模型下，得到環(huán)境監(jiān)測(cè)多源遙感信息的散射分布集表示為：

(3)

式中：Δu為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的差分特征量；Ag為多尺度特征分布的細(xì)節(jié)參數(shù)；σ為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)梯度分量在x和y兩個(gè)方向的關(guān)聯(lián)系數(shù).

根據(jù)環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)重組，采用解耦量化參數(shù)分析，得到特征圖映射到高空間分辨率為：

v(b)=〈f,dγ0〉+Rj+Δu.

(4)

式中,〈f,dγ0〉表示環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的多尺度Retinex結(jié)果.

在dγ0方向?qū)Νh(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則調(diào)度，得到環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的動(dòng)態(tài)融合輸出結(jié)果f(gi)為：

(5)

由此獲得環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的結(jié)構(gòu)重組模型，通過數(shù)據(jù)采集和動(dòng)態(tài)組合控制，實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)融合和特征檢測(cè)[10-12].

1.2 特征分析

對(duì)采集的環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采用子空間壓縮方法進(jìn)行動(dòng)態(tài)壓縮感知處理，提取環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的邊緣像素特征集，結(jié)合遙感圖像的邊緣輪廓特征檢測(cè)方法，得到環(huán)境監(jiān)測(cè)多源遙感的顯著圖特征分析模型[13]，通過高維向量的重構(gòu)，得到環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的相應(yīng)特征層為：

(6)

yk(e)={α,β}+[xr1+xr2+xr3] .

(7)

其中,{α,β}為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的擴(kuò)展因子，采用給定網(wǎng)格分塊區(qū)域重組，得到分塊網(wǎng)格系數(shù)一般取wstart=0.95，wend=0.05.通過對(duì)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)參數(shù)尋優(yōu)，得到環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)模糊特征重組分布集{xr1,xr2,xr3}，xr1為約束基向量構(gòu)建環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)范圍匹配模型，{xr2,xr3}為環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的檢測(cè)統(tǒng)計(jì)特征量，通過空間參數(shù)尋優(yōu)，構(gòu)建環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)參數(shù)約束模型，提高環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定能力[14].

2 環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定模型

2.1 動(dòng)態(tài)參數(shù)識(shí)別

結(jié)合特征重構(gòu)和深度學(xué)習(xí)算法實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)融合處理和動(dòng)態(tài)尋優(yōu)，構(gòu)建環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的差分融合模型，得到特征分量W的R、G、B分量，r(e)表示環(huán)境監(jiān)測(cè)多源遙感圖像的透射率，采用初始輪廓誤差分析，在聚合局部信息分布區(qū)域，得到低級(jí)特征分量為：

(8)

其中，n為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)采集節(jié)點(diǎn)的個(gè)數(shù)；Fi(v)為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)子空間分布的法向量.通過遙感圖像分析，構(gòu)建環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的特征重構(gòu)模型，得到圖像融合結(jié)果：

Z(a)=Si,j(t)+Ti,j(t)+Ui,j(t).

(9)

式中：Si,j(t)為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)分布的邊界輪廓線;Ti,j(t)為環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)差異化分布特征解;Ui,j(t)為環(huán)境監(jiān)測(cè)對(duì)象細(xì)節(jié)信息分布的維數(shù).通過測(cè)度融合，得到環(huán)境監(jiān)測(cè)多源重組輸出為：

(10)

式中：Lxx(x,σ)為環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)參數(shù)分布的最佳正則化參數(shù);Lxy和Lyy為環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)融合特征量.

采用稀疏化的特征分解技術(shù)，得到環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)節(jié)點(diǎn)的中值特征量為：

p(st)=f(X)+cos(a(m)+g).

(11)

根據(jù)多尺度信息融合結(jié)果，通過參數(shù)優(yōu)化識(shí)別技術(shù)，得到環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)參數(shù)的尋優(yōu)函數(shù)f(X)，環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)參數(shù)尋優(yōu)的收斂條件參數(shù)為a(m).根據(jù)數(shù)據(jù)散射的局部特征統(tǒng)計(jì)結(jié)果，采用特征量重組技術(shù)，得到環(huán)境監(jiān)測(cè)多源遙感融合輸出描述為：

(12)

式中：Φ為局部特征統(tǒng)計(jì)結(jié)果參數(shù);?為特征量重組技術(shù)參數(shù).

根據(jù)上述公式所得結(jié)果分析，構(gòu)建環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的差分融合模型，通過建立稀疏濾波器實(shí)現(xiàn)數(shù)據(jù)濾波檢測(cè)和抗干擾處理[15].

2.2 環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的實(shí)現(xiàn)

根據(jù)環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)融合結(jié)果，實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)的范圍界定，得到環(huán)境監(jiān)測(cè)的范圍界定模板函數(shù)為：

E(j)=Δl+[me(u)+zf].

(13)

式中：me(u)為使用卷積操作構(gòu)建環(huán)境監(jiān)測(cè)多源遙感分布的量化函數(shù)，采用稀疏性的卷積重構(gòu)技術(shù)，得到環(huán)境監(jiān)測(cè)多源遙感圖像的尺度分解模型參數(shù)為zf.根據(jù)環(huán)境監(jiān)測(cè)多源遙感圖像的長度分解結(jié)果，構(gòu)建環(huán)境監(jiān)測(cè)多源遙感圖像的灰度直方圖，采用灰度圖像序列重組，得到環(huán)境監(jiān)測(cè)的動(dòng)態(tài)范圍分布為：

(14)

式中：f(π)為環(huán)境監(jiān)測(cè)的原有數(shù)據(jù)檢測(cè)結(jié)果參數(shù)，采用支持向量機(jī)學(xué)習(xí)技術(shù)，得到數(shù)據(jù)量的增量擴(kuò)展輸出結(jié)果參數(shù)為τ.綜合考慮環(huán)境監(jiān)測(cè)遙感數(shù)據(jù)的動(dòng)態(tài)分布特征量G={P1,P2,…,Pn;u1,u2,…,un}，以此得到環(huán)境監(jiān)測(cè)遙感影像動(dòng)態(tài)界定范圍輸出為：

Nb=G+cosλ(z)+cm.

(15)

式中,cm為范圍界定的約束優(yōu)化解函數(shù).

綜上分析，創(chuàng)建稀疏濾波器實(shí)現(xiàn)對(duì)遙感數(shù)據(jù)的特征點(diǎn)標(biāo)定，采用邊緣輪廓特征提取方法，實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定，實(shí)現(xiàn)流程如圖2所示.通過遙感數(shù)據(jù)多源信息融合進(jìn)行自適應(yīng)學(xué)習(xí)，得出環(huán)境監(jiān)測(cè)的范圍，對(duì)其進(jìn)行驗(yàn)算，進(jìn)一步得出邊緣輪廓監(jiān)測(cè)和范圍界定的情況.

圖2 環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定實(shí)現(xiàn)流程Fig.2 Realization process of dynamic definition of environmental monitoring scope

3 仿真測(cè)試

仿真實(shí)驗(yàn)中設(shè)定環(huán)境監(jiān)測(cè)遙感數(shù)據(jù)的采樣樣本數(shù)為20 000，環(huán)境監(jiān)測(cè)遙感數(shù)據(jù)的模板訓(xùn)練集200，銳化特征分布系數(shù)為0.64，遙感數(shù)據(jù)采集的分辨率為500像素×500像素，對(duì)環(huán)境監(jiān)測(cè)的范圍動(dòng)態(tài)界定迭代次數(shù)為400.

動(dòng)態(tài)界定多源遙感數(shù)據(jù)采集和環(huán)境監(jiān)測(cè)范圍，得到遙感數(shù)據(jù)采集結(jié)果如圖3所示，其中框內(nèi)為監(jiān)測(cè)目標(biāo).

圖3 遙感數(shù)據(jù)采集結(jié)果Fig.3 Remote sensing data collection results

以圖3的數(shù)據(jù)為研究對(duì)象，實(shí)現(xiàn)對(duì)環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定，得到界定結(jié)果如圖4所示.

圖4 環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定結(jié)果Fig.4 Results of dynamic definition of environmental monitoring scope

分析圖4得知，文獻(xiàn)[4]方法在進(jìn)行環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定時(shí)，與監(jiān)測(cè)目標(biāo)出現(xiàn)偏差，環(huán)境監(jiān)測(cè)范圍擴(kuò)大，無法保證方法的應(yīng)用精度.文獻(xiàn)[6]方法在進(jìn)行環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定時(shí)，與監(jiān)測(cè)目標(biāo)偏差較小，但還是存在一定的偏差.相比之下，本文方法進(jìn)行環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的準(zhǔn)確性較高，界定范圍的精度比傳統(tǒng)方法優(yōu)越.

基于此，為進(jìn)一步測(cè)試不同方法的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的精度，得到對(duì)比結(jié)果見表1.

表1 環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的精度對(duì)比

分析表1得知，在400次迭代實(shí)驗(yàn)過程中，文獻(xiàn)[4]方法的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的精度最高為0.915，最低為0.734；文獻(xiàn)[6]方法的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定的精度最高為0.944，最低為0.852.結(jié)果表明傳統(tǒng)方法在應(yīng)用的開始階段其精度不理想，穩(wěn)定性不高.所提方法進(jìn)行環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定時(shí)，其精度始終高于0.9，且最高為0.992，表明在多次迭代實(shí)驗(yàn)下所提方法仍然保持較高精度，驗(yàn)證了所提方法的應(yīng)用有效性.

4 結(jié)語

為了提高環(huán)境監(jiān)測(cè)范圍界定方法的適應(yīng)性和監(jiān)測(cè)精度，提出一種基于多源遙感數(shù)據(jù)的環(huán)境監(jiān)測(cè)范圍動(dòng)態(tài)界定模型.與傳統(tǒng)模型相比，本文采用高分辨率遙感識(shí)別和信息融合技術(shù)相結(jié)合，有效提高了環(huán)境監(jiān)測(cè)多源遙感數(shù)據(jù)的采樣質(zhì)量，從而優(yōu)化環(huán)境范圍界定的精度.該方法促進(jìn)了環(huán)境優(yōu)化管理、土地資源管理，為相關(guān)領(lǐng)域提供了一定理論支持.但是，該研究主要針對(duì)地面環(huán)境進(jìn)行界定探討，空中環(huán)境的界定與管理也是目前熱點(diǎn)話題，在日后的研究中會(huì)深入研究地-空一體化環(huán)境范圍界定問題.