基于建筑遙感指數(shù)與面向?qū)ο蟮母叻钟跋褶r(nóng)村建筑物信息提取

馬海榮，沈祥成，羅治情，陳聘婷，官 波

（湖北省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)技術(shù)研究所/湖北省農(nóng)業(yè)科技創(chuàng)新中心農(nóng)業(yè)經(jīng)濟(jì)技術(shù)研究分中心/湖北省鄉(xiāng)村振興研究院，武漢 430064）

農(nóng)村房屋的數(shù)量、面積、位置和權(quán)屬等相關(guān)信息是農(nóng)村土地利用規(guī)劃、土地利用變化監(jiān)測(cè)、新農(nóng)村建設(shè)和空心村問題整治等應(yīng)用的重要基礎(chǔ)數(shù)據(jù)。最初，農(nóng)村房屋信息采集主要依賴人工調(diào)查和傳統(tǒng)測(cè)繪手段進(jìn)行，耗費(fèi)巨大的人力、物力和財(cái)力。近年來，遙感數(shù)據(jù)因其獲取手段越來越容易，分辨率越來越高，目前高分遙感衛(wèi)星影像和無人機(jī)影像被廣泛應(yīng)用于農(nóng)村建筑物信息提?。?］?；谶b感技術(shù)的建筑信息提取方法由最初的目視解譯人工提取法［2］，到后來基于人工地物特征分析的面向?qū)ο蠓椒ǎ?］或者淺層機(jī)器學(xué)習(xí)［4］方法，再到近年來較流行的深度學(xué)習(xí)［5］方法。每種方法均有其優(yōu)點(diǎn)和不足之處，人工目視解譯法仍為目前從遙感影像采集建筑信息最主要的手段。因此，如何實(shí)現(xiàn)建筑物的智能、高效和準(zhǔn)確地自動(dòng)信息提取仍為當(dāng)前亟需解決的問題。

本研究基于國產(chǎn)高景1 號(hào)高空間分辨率遙感影像，提出了一種基于建筑物遙感特征指數(shù)與面向?qū)ο笞顑?yōu)尺度分割方法的農(nóng)村建筑物信息提取方法。首先構(gòu)建了兩個(gè)建筑物遙感特征指數(shù)，以增強(qiáng)建筑物在遙感影像上的表征信息；然后對(duì)遙感特征指數(shù)圖像進(jìn)行閾值分割，獲取農(nóng)村建筑的初步提取結(jié)果，并利用面向?qū)ο笞顑?yōu)尺度分割結(jié)果優(yōu)化農(nóng)村建筑信息初步提取結(jié)果；最后對(duì)優(yōu)化后的建筑信息提取結(jié)果進(jìn)行孔洞填充、膨脹和腐蝕等數(shù)學(xué)形態(tài)學(xué)處理，獲取農(nóng)村建筑物信息的最終提取結(jié)果。技術(shù)流程見圖1。

圖1 論文研究技術(shù)流程

1 研究區(qū)及數(shù)據(jù)

研究區(qū)位于湖北省武漢市江夏區(qū)，研究區(qū)面積10.877 km2（圖2a）。試驗(yàn)所用遙感影像來源于中國第一顆商用高空間分辨率遙感衛(wèi)星高景1 號(hào)，影像獲取時(shí)間為2018 年6 月15 日，影像包含一個(gè)全色波段（空間分率0.5 m）和4 個(gè)多光譜波段（紅、綠、藍(lán)、近紅外4 個(gè)波段，空間分辨率2 m）。試驗(yàn)前對(duì)遙感影像進(jìn)行了輻射、大氣和正射校正等預(yù)處理。經(jīng)過目視解譯和實(shí)地調(diào)查，獲取了該地區(qū)農(nóng)村建筑分布圖。研究區(qū)建筑總面積0.319 km2（圖2b 中藍(lán)色區(qū)域?yàn)檗r(nóng)村建筑分布區(qū)）。

圖2 研究區(qū)遙感影像與建筑分布

2 方法

2.1 建筑遙感指數(shù)構(gòu)建

2.1.1 合成比值建筑指數(shù) 基于土壤調(diào)節(jié)植被指數(shù)（SAVI）、歸一化建筑指數(shù)（NDBI）和改進(jìn)歸一化水體指數(shù)（MNDWI）［6］提出了建筑指數(shù)IBI，IBI 可以很好地將遙感影像上的建筑信息進(jìn)行增強(qiáng)處理，但是其構(gòu)建需要中紅外波段，目前常用的高分影像一般不包含中紅外波段。因此，文獻(xiàn)［7］基于紅、綠、藍(lán)和近紅外波段提出了仿建筑用地指數(shù)（SIBI），SIBI 基于歸一化水體指數(shù)（NDWI）、歸一化土壤調(diào)節(jié)植被指數(shù)（SAVI）和歸一化建筑指數(shù)（SNDBI）構(gòu)建，各遙感指數(shù)的計(jì)算公式如下。

式中，G、R、NIR分別為綠、紅和近紅外波段的反射率。NDWI 用來增強(qiáng)水體遙感特征；SAVI 用來反映植被生長狀況，SAVI 中α為土壤調(diào)節(jié)因子，取值范圍為［0，1］（本研究α=0.5）；SNDBI 用于增強(qiáng)建筑用地信息。但研究發(fā)現(xiàn)植被和水體對(duì)建筑物遙感特征的抑制并不一致，并不能用相同系數(shù)來控制。為了更好地抑制植被和水體信息，突出建筑信息，構(gòu)建了合成比值建筑指數(shù)（SIBI*）。

式中，α與β為植被和水體指數(shù)調(diào)節(jié)因子，取值范圍為［0，1］，本研究取α=0.8，β=0.2。經(jīng)過SIBI*指數(shù)增強(qiáng)后建筑用地信息被增強(qiáng)，與背景信息形成強(qiáng)烈對(duì)比（圖3），但分析發(fā)現(xiàn)SIBI*對(duì)在遙感影像上呈現(xiàn)紅、白顏色的房屋特征表現(xiàn)明顯，對(duì)于藍(lán)、灰顏色的建筑不能有效增強(qiáng)表達(dá)。

圖3 SIBI*建筑遙感指數(shù)

2.1.2 仿歸一化建筑指數(shù) 文獻(xiàn)［8］為了去除裸地信息、提取建筑用地信息，基于TM 影像的藍(lán)和近紅外波段建立比值運(yùn)算而創(chuàng)建比值居民地指數(shù)（RRI），其表達(dá)式如下。

式中，B和NIR分別為藍(lán)和近紅外波段的反射率。

試驗(yàn)發(fā)現(xiàn)對(duì)于高景1 號(hào)遙感數(shù)據(jù)RRI 并不能很好地增強(qiáng)建筑特征，基于B 與G 波段組合可以更好突出藍(lán)色、灰色建筑特征信息，抑制土壤與裸地信息，因此基于B 與G 波段構(gòu)建了仿歸一化建筑指數(shù)NDBI*（圖4）。

圖4 NDBI*建筑遙感指數(shù)

2.2 面向?qū)ο笞顑?yōu)尺度分割

基于建筑物遙感特征指數(shù)閾值分割的結(jié)果是基于像素的操作，分割結(jié)果不夠精細(xì)，容易產(chǎn)生椒鹽現(xiàn)象。面向?qū)ο笥跋穹治龇椒ňC合考察各像素與其鄰域像素的光譜、空間特性，以具有光譜、空間同質(zhì)性的多個(gè)像元（即對(duì)象）作為基本處理單元進(jìn)行影像分析，可以較好地保持地物的邊緣細(xì)節(jié)信息。因此，基于面向?qū)ο蟮姆指罱Y(jié)果對(duì)基于建筑物遙感特征指數(shù)閾值分割初始分割結(jié)果進(jìn)行優(yōu)化，可以有效保持地物的細(xì)節(jié)信息，去除椒鹽現(xiàn)象。

面向?qū)ο蠓指罱Y(jié)果的質(zhì)量直接影響地物分類的結(jié)果，而分割尺度對(duì)分割結(jié)果有直接影響。基于最優(yōu)分割尺度獲取的面向?qū)ο蠓指罨締卧▽?duì)象）應(yīng)該在形狀上與目標(biāo)地物輪廓相當(dāng)，大小接近。文獻(xiàn)［9］提出了一種基于影像場(chǎng)景復(fù)雜度計(jì)算面向?qū)ο笞顑?yōu)分割尺度的方法。該方法的理論基礎(chǔ)是場(chǎng)景越復(fù)雜的影像包含地物越多，對(duì)應(yīng)的最優(yōu)分割尺度應(yīng)該越小；場(chǎng)景越簡(jiǎn)單的影像，包含的地物越少，對(duì)應(yīng)的最優(yōu)分割尺度應(yīng)該越大。該方法可以在分割之前基于影像的場(chǎng)景復(fù)雜度分塊動(dòng)態(tài)計(jì)算局部最優(yōu)分割尺度以獲取局部最優(yōu)分割結(jié)果。

使用文獻(xiàn)［9］所提出的方法對(duì)研究區(qū)的多光譜影像進(jìn)行面向?qū)ο蠓指睿指罱Y(jié)果見圖5。從圖5 可以看出，面向?qū)ο蠓指瞰@取的對(duì)象具有較好的完整性，基本可以保持原始地物的光譜、紋理、幾何和拓?fù)潢P(guān)系等特征。圖5中的4個(gè)放大的圓展示了該方法對(duì)不同類型地物（林地、裸地、房屋、道路、水體、耕地等）的分割結(jié)果，由分割結(jié)果可知分割所得的對(duì)象基本可以保持原始地物良好的幾何形態(tài)和邊緣信息。

圖5 基于最優(yōu)尺度面向?qū)ο蟮姆指罱Y(jié)果

基于最優(yōu)尺度面向?qū)ο蠓指罱Y(jié)果優(yōu)化建筑基于建筑遙感特征指數(shù)閾值分割的初始提取結(jié)果的思想如下：將面向?qū)ο蠓指罱Y(jié)果與閾值分割獲取的初始提取結(jié)果疊加，如果落在某個(gè)對(duì)象內(nèi)建筑初始提取結(jié)果中建筑面積大于非建筑面積，則該對(duì)象被判別為建筑對(duì)象，反之亦然。

3 結(jié)果與精度評(píng)價(jià)

3.1 分類結(jié)果

將兩個(gè)建筑遙感指數(shù)影像像素值歸一化到0～255，分析發(fā)現(xiàn)當(dāng)閾值設(shè)置為180 時(shí)可以將建筑與背景地物很好地分割開。分別對(duì)SIBI*和NDBI*分割后的二值圖像合并，即為研究區(qū)建筑初步提取結(jié)果（圖6）?；诮ㄖb感指數(shù)閾值分割易存在嚴(yán)重椒鹽現(xiàn)象，即存在很多小的噪聲和毛刺，會(huì)降低建筑提取結(jié)果的精度。由圖6 可知，初始提取結(jié)果中存在較多小面積非建筑噪聲，即誤識(shí)別建筑；另外初步提取的建筑區(qū)域也存在較多的孔洞噪聲，即未被識(shí)別的建筑；此外，初步提取結(jié)果中還存在誤提取大面積非建筑斑塊。

根據(jù)農(nóng)村建筑一般零散分布、面積較小這一特點(diǎn)，剔除誤提取的大面積非建筑斑塊；圖6 初始分類結(jié)果中有一部分光譜或者幾何形態(tài)與建筑相似的耕地、道路被誤識(shí)別成了建筑，基于不同地物對(duì)象的長寬比，可以進(jìn)行噪聲的剔除，充分分析面向?qū)ο蠓指罱Y(jié)果可知，建筑對(duì)象的長寬比一般小于1.5，基于這一特征剔除誤識(shí)別的裸地、耕地或道路等地物對(duì)象。最后利用最優(yōu)尺度面向?qū)ο蠓指罱Y(jié)果進(jìn)行邊界優(yōu)化，并對(duì)優(yōu)化后的建筑提取結(jié)果進(jìn)行膨脹、孔洞填充和腐蝕等數(shù)學(xué)形態(tài)學(xué)后處理，最終得到研究區(qū)農(nóng)村建筑提取結(jié)果。

圖6 基于遙感建筑指數(shù)的初始分割結(jié)果

圖7 展示了基于面向?qū)ο蠓指罱Y(jié)果對(duì)建筑初始提取結(jié)果優(yōu)化及數(shù)學(xué)形態(tài)學(xué)后處理過程。圖7a 為RGB 遙感影像，圖7b 為基于建筑遙感特征指數(shù)閾值分割獲取的農(nóng)村建筑初始提取結(jié)果，初始提取結(jié)果中建筑區(qū)域邊緣信息大部分丟失，并且在非建筑區(qū)域存在誤提取的噪聲。結(jié)合若落在對(duì)象內(nèi)初始提取結(jié)果建筑面積大于非建筑面積，則該對(duì)象被判別為建筑對(duì)象，否則對(duì)象為非建筑對(duì)象的原則，剔除了初始分類結(jié)果中部分小面積噪聲，并且填補(bǔ)了建筑區(qū)域丟失的邊緣信息。對(duì)經(jīng)過最優(yōu)尺度分割對(duì)象優(yōu)化后的建筑提取結(jié)果再進(jìn)行膨脹、孔洞填充和腐蝕一系列的形態(tài)學(xué)操作，得到最終建筑的提取結(jié)果（圖7c）。圖7d 為最終提取的建筑區(qū)域的邊界與原始遙感影像的疊加結(jié)果，由圖7d 可知，經(jīng)過面向?qū)ο髢?yōu)化和數(shù)學(xué)形態(tài)學(xué)后處理操作后，最終提取的建筑區(qū)域可以較為精確地保持邊緣信息。

圖7 面向?qū)ο蠓指罱Y(jié)果優(yōu)化建筑初始提取結(jié)果

圖8 為基于該方法提取的農(nóng)村建筑最終提取結(jié)果，圖8 中藍(lán)色表示正確識(shí)別的建筑區(qū)域，紅色表示未被識(shí)別的建筑區(qū)域，黃色是誤識(shí)別的建筑。從圖7 和圖8 提取結(jié)果和目視解譯結(jié)果的對(duì)比可得，本研究方法可以有效識(shí)別大部分建筑。研究區(qū)域?qū)嶋H建筑面積為0.319 km2，基于本研究方法正確識(shí)別的建筑面積為0.248 km2，誤識(shí)別的建筑面積為0.021 km2，漏識(shí)別的建筑面積為0.078 km2。其中，漏識(shí)別的建筑面積多于誤識(shí)別的建筑面積。

圖8 農(nóng)村建筑最終提取結(jié)果

3.2 精度評(píng)價(jià)

為了定量的評(píng)價(jià)鄉(xiāng)村建筑的提取精度，利用基于混淆矩陣的統(tǒng)計(jì)方法進(jìn)行提取精度評(píng)價(jià)。評(píng)價(jià)指標(biāo)為精確率（Accuracy）、生產(chǎn)精度（producer’s accuracy，PA）、用戶精度（user’s accuracy，UA）、類檢驗(yàn)值（F.value）和Kappa 系數(shù)，各評(píng)價(jià)指標(biāo)的計(jì)算方法見文獻(xiàn)［10，11］。由表1 可知，基于該研究方法可以進(jìn)行農(nóng)村建筑的有效提取，其中精確率為99.09%，類檢驗(yàn)值和Kappa 系數(shù)分別為0.83 和0.84，說明總體分類效果好。用戶精度大于92%，即提取出的建筑中誤提取的較少。生產(chǎn)精度較低，為76.07%，說明漏提取的建筑信息較多，這是因?yàn)檗r(nóng)村建筑普遍分布零散、面積較小，并且容易受樹陰遮蔽，當(dāng)影像分辨率不夠高時(shí)，小型房屋和被樹陰遮蔽的房屋往往會(huì)被漏提取。

表1 建筑精度提取定量評(píng)定

4 結(jié)論

提出了一種基于最優(yōu)尺度面向?qū)ο蠓指顑?yōu)化的建筑遙感指數(shù)閾值分割的農(nóng)村建筑提取方法。該方法有2 個(gè)優(yōu)勢(shì)特性：①構(gòu)造的2 個(gè)建筑特征遙感指數(shù)可以充分增強(qiáng)農(nóng)村建筑的遙感表征信息，使其與背景地物可以很好地分割開。②基于最優(yōu)尺度面向?qū)ο蠓指罱Y(jié)果優(yōu)化農(nóng)村建筑的初始提取結(jié)果，去除椒鹽現(xiàn)象并且較好地保留地物的邊緣等細(xì)節(jié)信息，提高了建筑物信息提取的精度和質(zhì)量。該方法也可以推廣到道路、耕地、水體等其他地物的識(shí)別或提取。但不足之處在于，建筑物信息的最終提取精度同時(shí)受到建筑物遙感特征指數(shù)閾值分割結(jié)果的影響，還受面向?qū)ο蠓指罱Y(jié)果的影響。因此，利用該方法對(duì)農(nóng)村建筑物信息實(shí)現(xiàn)高精度提取必須同時(shí)具備構(gòu)建準(zhǔn)確的建筑遙感特征指數(shù)和精確的面向?qū)ο蠓指罱Y(jié)果這2 個(gè)條件。