基于線型識(shí)別與逐層構(gòu)面的遙感解譯數(shù)據(jù)循環(huán)賦值算法

白雪芹，李遠(yuǎn)華，王 瑞，葉夢(mèng)瑩，冶亞瓊，甘海伶

（吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院，吉林 長(zhǎng)春 130026）

隨著人工智能的發(fā)展，遙感+AI 技術(shù)成為發(fā)展趨勢(shì)，但是由于受混合像元、地表?xiàng)l件復(fù)雜、反演模型準(zhǔn)確性、分類(lèi)樣本誤差和分類(lèi)方法限制，簡(jiǎn)單地物的像元分類(lèi)精度約為75%[1-4]。因此，在土地調(diào)查（例如全國(guó)第三次土地調(diào)查）、自然資源普查、地質(zhì)災(zāi)害普查、生態(tài)環(huán)境監(jiān)測(cè)和礦山遙感監(jiān)測(cè)等對(duì)數(shù)據(jù)精確度要求較高的應(yīng)用領(lǐng)域或項(xiàng)目，仍然要求采用傳統(tǒng)人機(jī)交互遙感解譯方法[5-6]。然而，人機(jī)交互遙感解譯過(guò)程復(fù)雜，后期的“精確歸類(lèi)、拓?fù)湓靺^(qū)、填充屬性”等工作非常繁瑣，而且地類(lèi)越多越復(fù)雜，工作越困難。所以，快速賦予各圖斑正確屬性一直是制約解譯效率與成果快速應(yīng)用的關(guān)鍵因素。

針對(duì)以上問(wèn)題，有學(xué)者開(kāi)展了相關(guān)的研究。主要有如下幾個(gè)思路：簡(jiǎn)單的方法是將必填屬性、高頻屬性制成圖層模板，在解譯或編圖過(guò)程中找到圖斑對(duì)應(yīng)模板，從而實(shí)現(xiàn)屬性的同步賦值[7]；此外，對(duì)于遙感解譯地類(lèi)屬性的成果數(shù)據(jù)，有學(xué)者采用編程方式實(shí)現(xiàn)對(duì)圖元坐標(biāo)、面積等幾何信息的獲取。同時(shí)，采用空間分析和位置判斷技術(shù)實(shí)現(xiàn)空間編碼、地類(lèi)編碼、所屬行政區(qū)等信息的編程式賦值[8]；還有一類(lèi)方法，就是在多個(gè)圖層空間分析后，獲取對(duì)應(yīng)屬性值，主要通過(guò)空間判斷、相交等手段獲取對(duì)應(yīng)值，并賦值到新圖層中[9]；遙感解譯的地類(lèi)屬性賦值算法較少，目前多以批量選擇賦值、高頻屬性模板同步等方法為主。此外，自動(dòng)賦值主要解決遙感解譯成果分類(lèi)屬性填寫(xiě)完畢后的常規(guī)幾何參數(shù)和空間對(duì)應(yīng)屬性獲取問(wèn)題?？傮w而言，遙感解譯數(shù)據(jù)地類(lèi)屬性自動(dòng)賦值智能化水平較低，屬性賦值效率低，相關(guān)研究還需進(jìn)一步深化[10]。

本文在吉林大學(xué)大學(xué)生創(chuàng)新訓(xùn)練項(xiàng)目“依托空間拓?fù)渑c邏輯關(guān)聯(lián)的遙感解譯方法及其智能算法研究”的支持下，在其對(duì)地物間拓?fù)浜鸵蕾?lài)關(guān)系的研究基礎(chǔ)上，構(gòu)建了解譯與構(gòu)面優(yōu)先權(quán)模型，將遙感解譯矢量數(shù)據(jù)的圖形參數(shù)與屬性信息通過(guò)數(shù)據(jù)庫(kù)查詢(xún)的方式與之進(jìn)行匹配，得到面圖形構(gòu)建和屬性賦值的邏輯排序，然后在此基礎(chǔ)上“逐層式”地進(jìn)行圖形構(gòu)建和屬性賦值，并通過(guò)空間關(guān)系判斷對(duì)異常圖斑進(jìn)行修正。最后以C#+ArcEngine 與OLEDB 數(shù)據(jù)庫(kù)融合的技術(shù)開(kāi)發(fā)相應(yīng)的原型程序，實(shí)現(xiàn)了圖斑屬性的自動(dòng)賦值，應(yīng)用效果良好。

1 研究方法

1.1 技術(shù)原理

本文通過(guò)對(duì)解譯對(duì)象獨(dú)立性，空間關(guān)系，優(yōu)先權(quán)等特征的解析，采用“循環(huán)式、逐層式”的方法對(duì)地物圖斑進(jìn)行屬性賦值，主要依據(jù)如下：

首先是解譯對(duì)象在空間上有著相對(duì)的獨(dú)立性和依存關(guān)系，可以通過(guò)這種關(guān)系設(shè)計(jì)靈活的解譯方法與“逐層式”的賦值技術(shù)。例如，水體在遙感影像中較易識(shí)別，其中，湖泊、水庫(kù)等相對(duì)其他水體來(lái)說(shuō)邊界較為集中，因此，解譯時(shí)湖泊解譯準(zhǔn)確度高，解譯成本也較低。而且其他地類(lèi)在空間上對(duì)它有一種依存度（大多與它相鄰），然后就是獨(dú)立河流（水渠）或與湖泊相連的河流可作為獨(dú)立性較高的解譯對(duì)象。其次，居民地相對(duì)規(guī)則、易識(shí)別，獨(dú)立解譯成本小，因此就可以大致得到“湖泊→河流→居民地→交通用地→…”這樣的解譯順序。如果按照這樣的順序迭代組合生成多邊形，則屬性賦值成本一般是最小的。這種“線型識(shí)別”方法，可以將獨(dú)立性（還有優(yōu)先權(quán)等）信息在解譯時(shí)快速地連接到解譯線參數(shù)或?qū)傩灾?，從而為后續(xù)自動(dòng)處理奠定數(shù)據(jù)基礎(chǔ)。

要想實(shí)現(xiàn)自動(dòng)化處理，程序控制是必不可少的，然而針對(duì)專(zhuān)業(yè)圖形的編程極為復(fù)雜，如果借助專(zhuān)業(yè)GIS 圖形處理方法，就可以大大地提高效率。因此，采用ArcEngine讀取空間數(shù)據(jù)的方法，利用數(shù)據(jù)庫(kù)查詢(xún)數(shù)據(jù)層級(jí)與解譯類(lèi)別之間的對(duì)應(yīng)關(guān)系，然后通過(guò)C# 的循環(huán)方法調(diào)用ArcEngine 屬性賦值函數(shù)（set_Value（））進(jìn)行循環(huán)賦值，這為自動(dòng)賦值奠定了技術(shù)基礎(chǔ)。

盡管循環(huán)賦值可以實(shí)現(xiàn)屬性的自動(dòng)填充，但是它并不能保證填充屬性一定正確，因?yàn)橐亻g存在嵌套問(wèn)題或者線型使用錯(cuò)誤，所以，需要找到方法判斷填充屬性的正確性。解決的一個(gè)思路是不同地類(lèi)在空間上的包含、相鄰等方面有著特殊的關(guān)系，因此可以通過(guò)空間關(guān)系判斷所填屬性是否正確。例如，如圖1 所示，圖斑1 和圖斑2之間，圖斑3 和圖斑4、5、6 之間均屬于包含關(guān)系，內(nèi)外層圖斑應(yīng)對(duì)應(yīng)不同的地物類(lèi)型，而如果圖斑2 與圖斑1 屬性相同，圖斑4、5、6 與圖斑3 屬性相同，則其分類(lèi)錯(cuò)誤，需要進(jìn)行修正。圖斑3 與圖斑7 屬于鄰接關(guān)系，也應(yīng)對(duì)應(yīng)不同的地物類(lèi)型，而如果其線型相同則會(huì)被賦予同一屬性，也需進(jìn)行修正。

圖1 不同地類(lèi)間的空間關(guān)系圖解

1.2 技術(shù)流程

本文采用C#+ArcEngine 與OLEDB 數(shù)據(jù)庫(kù)融合的二次開(kāi)發(fā)技術(shù)實(shí)現(xiàn)圖斑屬性的自動(dòng)賦值，其方法流程如圖2 所示。

圖2 技術(shù)流程

首先按要求和標(biāo)準(zhǔn)將解譯成果數(shù)據(jù)轉(zhuǎn)為shp 格式；其次，利用數(shù)據(jù)查詢(xún)與組合方法將線要素根據(jù)線參數(shù)或?qū)傩赃M(jìn)行組合分類(lèi)，并與數(shù)據(jù)庫(kù)中的優(yōu)先權(quán)模型及相關(guān)參數(shù)進(jìn)行匹配，對(duì)地物類(lèi)型進(jìn)行排序，即為后期圖形構(gòu)建和屬性賦值順序。

然后根據(jù)構(gòu)圖順序逐步提取不同類(lèi)別的矢量成果數(shù)據(jù)依次進(jìn)行屬性賦值。第1 次處理時(shí)，需要先根據(jù)線屬性將第1 類(lèi)別的數(shù)據(jù)從所有的線要素中分離出，然后對(duì)其拓?fù)湓靺^(qū)（線轉(zhuǎn)面），進(jìn)而統(tǒng)一進(jìn)行賦值，同時(shí)對(duì)“小島”類(lèi)圖斑單獨(dú)進(jìn)行標(biāo)記。第i 次則提取第1 類(lèi)至第i 類(lèi)線要素進(jìn)行構(gòu)面，第1 類(lèi)至第i-1 類(lèi)圖斑通過(guò)與第i-1 次的分類(lèi)結(jié)果屬性連接的方式進(jìn)行賦值，剩余第i 類(lèi)圖斑統(tǒng)一進(jìn)行賦值，最后通過(guò)空間判斷以及包含算法對(duì)特殊類(lèi)型進(jìn)行標(biāo)記。

最后的賦值結(jié)果可在ArcMap 中打開(kāi)屬性表查看，并從賦值所用時(shí)長(zhǎng)和正確率方面對(duì)其進(jìn)行檢驗(yàn)。

1.2.1 參數(shù)匹配

根據(jù)地物的獨(dú)立性和空間依賴(lài)性進(jìn)行排序并存入Access 中，以表（Table）的形式來(lái)表示，而其中的子參數(shù)（排序號(hào)，地物類(lèi)型，優(yōu)先權(quán)）以字段（Field）的形式來(lái)表示，目的是為自動(dòng)上屬性提供前提條件。在進(jìn)行屬性賦值前，首先獲取shp 數(shù)據(jù)的線型、類(lèi)別，得到解譯對(duì)象類(lèi)別總數(shù)N。然后通過(guò)數(shù)據(jù)庫(kù)查詢(xún)方式，得到構(gòu)圖排序，存入數(shù)據(jù)集（DataSet）中作為下一步循環(huán)構(gòu)面的動(dòng)態(tài)變量。

1.2.2 屬性自動(dòng)賦值技術(shù)

屬性自動(dòng)賦值通過(guò)C#+ArcEngine 的方式構(gòu)造循環(huán)算法實(shí)現(xiàn)。按照先前得到的排序結(jié)果利用for 循環(huán)依次提取矢量成果數(shù)據(jù)并進(jìn)行屬性賦值。第一次將線屬性為優(yōu)先權(quán)最高的地物類(lèi)型（類(lèi)別1）的矢量線數(shù)據(jù)提取出來(lái)，存入一個(gè)新的線集合里，對(duì)其構(gòu)面后統(tǒng)一進(jìn)行屬性賦值（“類(lèi)型1”）。第i 次（i＞=2）提取線屬性為優(yōu)先權(quán)小于或等于i 的所有地物類(lèi)型的矢量線數(shù)據(jù)，對(duì)其構(gòu)成的圖斑進(jìn)行屬性賦值時(shí)，需要先判斷在第i-1 次提取時(shí)得到的分類(lèi)結(jié)果數(shù)據(jù)中是否存在與之對(duì)應(yīng)的要素（即同一個(gè)圖斑），若存在則利用屬性賦值函數(shù)進(jìn)行屬性傳遞，若不存在屬性則賦值為優(yōu)先權(quán)為i 的地物類(lèi)型（“類(lèi)型i”）。

為了防止地物嵌套出現(xiàn)時(shí)優(yōu)先權(quán)較低的內(nèi)層嵌套地物的屬性被錯(cuò)誤地賦值為外層地物類(lèi)型，因此在對(duì)面要素進(jìn)行屬性賦值時(shí)需判斷該面要素是否被包含在其他面要素中（即小島類(lèi)圖斑），若是，則將其屬性賦值為“un known”，最后在屬性賦值全部完成后再對(duì)屬性為“unknown”的圖斑（優(yōu)先權(quán)低于外層地物的內(nèi)層嵌套地物）單獨(dú)修改其屬性。

2 關(guān)鍵技術(shù)實(shí)現(xiàn)方法

2.1 逐層構(gòu)面算法

在進(jìn)行屬性賦值前需按照最佳的信息提取順序獲取矢量成果數(shù)據(jù)中的線要素進(jìn)行構(gòu)面，具體方法參考了蔣波濤的自動(dòng)構(gòu)面算法[11]，在左轉(zhuǎn)算法的基礎(chǔ)上進(jìn)行自動(dòng)構(gòu)面，構(gòu)面完成后新建SHAPE 文件存儲(chǔ)其面要素（圖3）。

圖3 逐層構(gòu)面算法實(shí)現(xiàn)

首先獲取要進(jìn)行屬性賦值文件的全部線要素，然后根據(jù)線要素屬性將同一類(lèi)別的地物進(jìn)行組合，使用for 循環(huán)依次提取不同類(lèi)別的線要素進(jìn)行構(gòu)面，循環(huán)次數(shù)為總類(lèi)別數(shù)。第i 次循環(huán)時(shí)提取前i 類(lèi)線要素，然后進(jìn)行線網(wǎng)拆分，分別存儲(chǔ)線和節(jié)點(diǎn)，并將其構(gòu)造成有向圖，記錄構(gòu)成一個(gè)有效多邊形的路徑，最后根據(jù)路徑節(jié)點(diǎn)進(jìn)行構(gòu)面，與蔣波濤一書(shū)中不同的是，本文在構(gòu)造有效多邊形集合和處理島和洞的方法上做了改進(jìn)，當(dāng)基于左轉(zhuǎn)算法生成的多邊形（已剔除無(wú)效和重復(fù)多邊形）之間出現(xiàn)多層嵌套時(shí)，對(duì)所有的外層多邊形（相對(duì)于最內(nèi)層的多邊形）進(jìn)行正確的差運(yùn)算（保證內(nèi)外層多邊形之間拓?fù)潢P(guān)系正確），對(duì)內(nèi)層多邊形（相對(duì)于最外層多邊形）做標(biāo)記后將其也加入了最終的有效多邊形集合中，進(jìn)而加入新建的SHAPE文件中，接著進(jìn)行下一次循環(huán)。

在新建SHAPE 文件時(shí)，新建字段周長(zhǎng)，面積，屬性，為后續(xù)屬性傳遞賦值奠定基礎(chǔ)。將面要素加入新建的SHAPE 文件后，計(jì)算其周長(zhǎng)，面積，并將計(jì)算結(jié)果填入對(duì)應(yīng)的周長(zhǎng)和面積字段，同時(shí)判斷該要素是否為內(nèi)層多邊形，若是，則將屬性字段賦值為“unknown”，反之，提取第1 類(lèi)線要素時(shí)，將其面要素的屬性字段賦值為該地物類(lèi)型，其余類(lèi)地物提取時(shí)，屬性字段暫不進(jìn)行賦值。這樣第1 類(lèi)地物在構(gòu)面完成后，其屬性也全部賦值完成，為后期下一類(lèi)地物屬性賦值做準(zhǔn)備。

2.2 屬性循環(huán)賦值技術(shù)

解決構(gòu)面程序化處理的問(wèn)題后，接下來(lái)則要解決逐個(gè)類(lèi)型循環(huán)賦值的問(wèn)題，采用三層for 循環(huán)實(shí)現(xiàn)，具體方法是：

循環(huán)開(kāi)始時(shí)，首先獲取程序界面中第i 個(gè)圖層（包含前i 類(lèi)地物）的面要素，然后判斷其是否為第1 到i-1 類(lèi)地物，第1 到第i-1 類(lèi)地物通過(guò)和前一次循環(huán)時(shí)已經(jīng)完成屬性賦值的i-1 類(lèi)圖斑一一對(duì)應(yīng)連接進(jìn)而屬性傳遞賦值，對(duì)應(yīng)連接方法為判斷2 個(gè)圖斑的周長(zhǎng)和面積是否相等。第i 類(lèi)地物則另外統(tǒng)一賦值。因此，獲取面要素后需同時(shí)獲取其周長(zhǎng)，面積和屬性，然后循環(huán)遍歷第i-1 個(gè)圖層的所有面要素，尋找和其周長(zhǎng)，面積均相等的面要素，若存在，則利用ArcEngine 的屬性賦值函數(shù)set_Value（）將其對(duì)應(yīng)圖斑的屬性值賦給該面要素，若不存在，則判斷其屬性是否為空，若是，則賦值為第i 類(lèi)地物類(lèi)型（圖4）。

圖4 屬性循環(huán)賦值技術(shù)實(shí)現(xiàn)

2.3 應(yīng)用分析

長(zhǎng)春市凈月潭地區(qū)具有地類(lèi)豐富、地類(lèi)遙感特征鮮明、野外驗(yàn)證便捷的特點(diǎn)，是理想的實(shí)驗(yàn)場(chǎng)所。因此，本文在凈月潭北部劃定一個(gè)面積約12.01 km2的試驗(yàn)區(qū)。首先，獲取該地區(qū)1.2 m 分辨率的遙感影像，然后采用傳統(tǒng)方式開(kāi)展遙感解譯和屬性賦值（圖5），在野外驗(yàn)證修正的基礎(chǔ)上形成正確性驗(yàn)證對(duì)照組；接著，借助MapGIS 將試驗(yàn)區(qū)用本文提出的技術(shù)進(jìn)行了屬性賦值，得到了另一組結(jié)果。最后，將本文的前述方法，集成為屬性自動(dòng)賦值程序（圖6），將遙感解譯后的線文件轉(zhuǎn)換成SHAPE 格式的矢量文件（圖7），再使用該程序完成屬性的自動(dòng)賦值，并將其賦值結(jié)果與對(duì)照組進(jìn)行了對(duì)比，發(fā)現(xiàn)其與人工運(yùn)算方法一致，并且效率明顯提高（圖8）。

圖5 實(shí)驗(yàn)區(qū)域遙感圖像

圖6 屬性自動(dòng)賦值程序

圖7 按要求解譯的線矢量及其屬性

圖8 程序賦值與對(duì)照組結(jié)果對(duì)比

通過(guò)分析可知，實(shí)驗(yàn)區(qū)共有169 個(gè)地物圖斑，12 類(lèi)地物，屬性自動(dòng)賦值的方法花費(fèi)了約26 min，最后的正確賦值圖斑有167 個(gè)。對(duì)3 種不同的屬性賦值方法進(jìn)行對(duì)比分析發(fā)現(xiàn)：本文所用算法相對(duì)于其他方法來(lái)說(shuō)，效率較高，但由于其在自動(dòng)構(gòu)面時(shí)線網(wǎng)拆分占用了較長(zhǎng)時(shí)間，導(dǎo)致總時(shí)間也較長(zhǎng)，后續(xù)需對(duì)算法進(jìn)一步改進(jìn)見(jiàn)表1。

表1 時(shí)間統(tǒng)計(jì)表

3 結(jié)論

本文介紹了一種基于C#+ArcEngine 和OLEDB 數(shù)據(jù)庫(kù)讀取遙感解譯矢量成果數(shù)據(jù)，將其線參數(shù)和屬性與優(yōu)先權(quán)數(shù)據(jù)進(jìn)行匹配后進(jìn)行圖形構(gòu)面和屬性賦值的方法，在此基礎(chǔ)上設(shè)計(jì)與開(kāi)發(fā)了屬性自動(dòng)賦值程序，使賦值過(guò)程自動(dòng)化水平有所提高，節(jié)省了大量的時(shí)間和精力。最終，取得如下認(rèn)識(shí)：

（1）將遙感解譯矢量成果數(shù)據(jù)的線屬性和圖形參數(shù)與地物類(lèi)型之間的拓?fù)浜鸵蕾?lài)關(guān)系結(jié)合到一起，并利用數(shù)據(jù)庫(kù)查詢(xún)的方式與優(yōu)先權(quán)數(shù)據(jù)進(jìn)行匹配，將匹配結(jié)果重新進(jìn)行排序可以得到一個(gè)最優(yōu)的解譯順序，為后續(xù)面要素的生成和屬性自動(dòng)賦值奠定了空間和數(shù)據(jù)基礎(chǔ)。

（2）確定其邏輯排序后，根據(jù)線屬性“逐層式”提取線要素進(jìn)行逐層構(gòu)面，第1 類(lèi)地物直接統(tǒng)一賦值即可，而對(duì)于第i 類(lèi)地物，其構(gòu)面時(shí)要提取第1 至第i 類(lèi)所有線要素，其中第1 至i-1 類(lèi)屬性通過(guò)周長(zhǎng)和面積匹配，剩余屬性為空的則可初步判定為第i 類(lèi)地物。第i 類(lèi)中的“小島”類(lèi)圖斑進(jìn)行單獨(dú)標(biāo)記，后續(xù)處理。通過(guò)這樣的方式可以完成所有圖斑屬性的快速判斷和賦值，通過(guò)增加面積、周長(zhǎng)數(shù)據(jù)精度可以準(zhǔn)確匹配已確定的地物類(lèi)型。

（3）屬性賦值完成后，需要對(duì)其結(jié)果的合理性進(jìn)行檢驗(yàn)。解譯對(duì)象在空間上存在著包含、相鄰、邏輯接觸關(guān)系等，可以通過(guò)判斷2 種地物之間的空間關(guān)系進(jìn)而判斷其屬性的合理性，屬于包含或相鄰關(guān)系的2 個(gè)圖斑的屬性一定不同，若相同則需要對(duì)其進(jìn)行標(biāo)定或修正。

本文的方法重點(diǎn)解決遙感解譯成果自動(dòng)賦值問(wèn)題，在處理技術(shù)方面，仍需進(jìn)一步優(yōu)化，效率有待提升。