姚可筠
(廈門億力吉奧信息科技有限公司,福建 廈門 361000)
近年來(lái),隨著城市經(jīng)濟(jì)的不斷發(fā)展,異形建筑物不斷涌現(xiàn),彰顯著城市的綜合實(shí)力。常規(guī)情況下,異形建筑物具備較高的藝術(shù)性,以外觀來(lái)凸顯建筑物的定位與功能,但對(duì)國(guó)土監(jiān)察帶來(lái)了極大的挑戰(zhàn)。傳統(tǒng)建筑物識(shí)別方法主要適用于外觀較為規(guī)整的建筑物。針對(duì)異形建筑物來(lái)看,傳統(tǒng)方法應(yīng)用具有較大的局限性,致使異形建筑物識(shí)別效果較差。為了滿足國(guó)土監(jiān)察的需求,遙感技術(shù)應(yīng)運(yùn)而生,并在國(guó)土監(jiān)察領(lǐng)域中得到了廣泛的應(yīng)用。傳統(tǒng)多光譜圖像已經(jīng)無(wú)法滿足國(guó)土監(jiān)察的需求,而遙感圖像具有較高的分辨率,能夠?yàn)楫愋谓ㄖ镒R(shí)別提供清晰的數(shù)據(jù)支撐。隨著遙感技術(shù)的不斷發(fā)展與改進(jìn),圖像空間分辨率也呈現(xiàn)上升的趨勢(shì)。就目前發(fā)展水平來(lái)看,遙感圖像已經(jīng)成為空間地理信息中的關(guān)鍵數(shù)據(jù)源之一。
如何有效地利用遙感圖像,并對(duì)多源遙感數(shù)據(jù)進(jìn)行深入挖掘,成為現(xiàn)今遙感技術(shù)發(fā)展領(lǐng)域亟待解決的問(wèn)題之一[1]。就現(xiàn)有遙感技術(shù)應(yīng)用研究成果來(lái)看,主要研究方向是地物識(shí)別,此種應(yīng)用研究是后續(xù)深層應(yīng)用的有力保障。針對(duì)異形建筑物目標(biāo)而言,其與其他地物目標(biāo)有著較大的差別,幾何特性、紋理均存在差異,并且有些建筑物之間的間隔較小,極易造成圖像識(shí)別錯(cuò)誤,這也是已有建筑物識(shí)別方法的主要缺陷。為了解決已有方法存在的問(wèn)題,為國(guó)土監(jiān)察提供更加精準(zhǔn)的識(shí)別結(jié)果,故提出多源遙感數(shù)據(jù)支持下的異形建筑物圖像識(shí)別方法研究。
為了精準(zhǔn)識(shí)別異形建筑物,首要任務(wù)是獲取并預(yù)處理多源遙感數(shù)據(jù)。雖然獲取的多源遙感數(shù)據(jù)具有空間分辨率顯著提高、數(shù)據(jù)規(guī)模更大、地區(qū)訪問(wèn)頻率高等優(yōu)勢(shì),但也有更多的圖像噪聲,極大地阻礙了多源遙感數(shù)據(jù)的處理與應(yīng)用[2]。
為了反映異形建筑物的真實(shí)高度,采用數(shù)字表面模型DSM與數(shù)字高程模型DEM做差,消除環(huán)境因素的影響。
經(jīng)過(guò)預(yù)處理后的DSM-DEM高程差數(shù)據(jù)無(wú)地形因素,可以直接反映物體的高度信息[3]。
另外,由于多源遙感數(shù)據(jù)包含著大量的圖像噪聲,需要選取適當(dāng)?shù)臑V波算法去除噪聲[4]。依據(jù)異形建筑物的圖像識(shí)別需求,此研究選取空間域?yàn)V波對(duì)圖像噪聲進(jìn)行去除。空間域?yàn)V波算法運(yùn)算程序(如圖1所示):
圖1 空間域?yàn)V波算法運(yùn)算程序圖
由圖1可知,f0,f1, …f8為遙感圖像中參與濾波運(yùn)算的部分;k0,k1,…k8為模板系數(shù),濾波模板窗口大小為3×3。通過(guò)遙感圖像與濾波模板的疊加運(yùn)算,獲得濾波輸出R,表達(dá)式為R=k0f0+k1f1+…+k8f8。采用R代替原遙感圖像中的像素值,即可完成遙感圖像的空間域?yàn)V波運(yùn)算。
上述過(guò)程完成了多源遙感數(shù)據(jù)的獲取與預(yù)處理,去除了異形建筑物遙感圖像的噪聲,并獲得了準(zhǔn)確的異形建筑物高度信息,為后續(xù)異形建筑物圖像的提取做準(zhǔn)備[5]。
以預(yù)處理后的多源遙感數(shù)據(jù)為基礎(chǔ),檢測(cè)異形建筑物的邊緣,應(yīng)用ORT算法分割多源遙感數(shù)據(jù),以此為基礎(chǔ),提取異形建筑物圖像。
常規(guī)情況下,異形建筑物邊緣是遙感圖像灰度值不連續(xù)對(duì)應(yīng)的位置。因此,采用求導(dǎo)數(shù)方式對(duì)異形建筑物邊緣進(jìn)行相應(yīng)的檢測(cè)。遙感圖像梯度值如式(1)所示:
式(1)中,G (x,y)為異形建筑物遙感圖像;ΔG (x,y)為圖像梯度值;d為導(dǎo)數(shù)符號(hào);x與y為坐標(biāo)方向。
目前,應(yīng)用較為廣泛的邊緣檢測(cè)算子為Roberts算子、Sobel算子與Log算子,結(jié)合異形建筑物邊緣檢測(cè)需求,此研究選取Log算子作為應(yīng)用方法,如式(2)所示:
式(2)中,2G x,(y)為L(zhǎng)og算子函數(shù);?為二階微分算子符號(hào)。
依據(jù)Log算子邊緣檢測(cè)模板即可完成異形建筑物邊緣的檢測(cè),以此為基礎(chǔ),引入ORT算法分割遙感圖像。ORT算法原理為:將遙感圖像分割轉(zhuǎn)換為利用遙感圖像局部直方圖大小獲取指示函數(shù)的過(guò)程。該算法能夠在有遮擋的前提下,完整地提取異形建筑物圖像。
設(shè)定異形建筑物遙感圖像遮擋模型劃分目標(biāo)為:
式(3)中,σ為指示函數(shù);LwG為遙感圖像局部直方圖;N為圖像劃分的總數(shù)量;w為濾波窗口規(guī)模大?。粸閄n中像素點(diǎn)計(jì)算獲得的局部直方圖數(shù)值;w×1{n}(σ)為遮擋組合的權(quán)重?cái)?shù)值。
以異形建筑物遙感圖像遮擋模型為依據(jù),基于ORT算法提取異形建筑物圖像,具體步驟如下:
步驟一:計(jì)算遙感圖像G的局部直方圖;
步驟二:加載步驟一計(jì)算的局部直方圖,初始化ORT算法的權(quán)重?cái)?shù)值{an}與直方圖數(shù)值{pn};步驟三:對(duì)權(quán)重?cái)?shù)值a{n}進(jìn)行去卷積操作處理,并以此為基礎(chǔ),對(duì)指示函數(shù)σ進(jìn)行估計(jì);
步驟六:對(duì)步驟二到步驟五進(jìn)行重復(fù)迭代,直至ORT算法收斂為止,輸出結(jié)果即為異形建筑物圖像提取結(jié)果。
上述過(guò)程完成了異形建筑物圖像的邊緣檢測(cè)與整體提取,為后續(xù)異形建筑物圖像的識(shí)別打下堅(jiān)實(shí)的基礎(chǔ)。
以提取的異形建筑物圖像為依據(jù),分析并獲取圖像特征,為后續(xù)異形建筑物圖像識(shí)別提供有代表性的數(shù)據(jù),提升圖像識(shí)別的精確度。
一般情況下,異形建筑物圖像中包括多種特征,但并不是所有特征均具有識(shí)別效用。因此,此研究借鑒已有文獻(xiàn)研究成果,選取光譜、形狀與紋理作為異形建筑物圖像特征。
調(diào)查研究表明:相同材質(zhì)的目標(biāo)具有相似的光譜特征。若異形建筑物周邊是草地、樹(shù)木等,則光譜特征即可很好區(qū)分目標(biāo)。光譜特征主要為圖像灰度方差與平均值,計(jì)算式如式(4)所示:
式(4)中,σr為圖像灰度方差;r為特定區(qū)域范圍;M為特定區(qū)域范圍r內(nèi)的全部像素?cái)?shù)量;Gr為圖像灰度平均值。
在異形建筑物圖像識(shí)別過(guò)程中,形狀特征的貢獻(xiàn)度最大,是反映異形建筑物最直觀的特征參數(shù),并且形狀特征較為明顯,能夠簡(jiǎn)化圖像識(shí)別程序。形狀特征主要為面積、長(zhǎng)寬比、周長(zhǎng)與邊界指數(shù)。
紋理特征主要顯示的是圖像局部像素之間的關(guān)系,采用灰度共生矩陣參數(shù)表示,由于篇幅的限制,不對(duì)其計(jì)算過(guò)程進(jìn)行贅述。
上述過(guò)程完成了異形建筑物圖像特征的分析與獲取,為后續(xù)圖像識(shí)別提供充足的特征數(shù)據(jù)支持。
以獲取的異形建筑物圖像特征數(shù)據(jù)為基礎(chǔ),應(yīng)用深度置信網(wǎng)絡(luò)構(gòu)建異形建筑物圖像識(shí)別模型,訓(xùn)練模型獲取最佳模型參數(shù),將待識(shí)別異形建筑物圖像輸入至訓(xùn)練好的模型中,輸出結(jié)果即為異形建筑物圖像識(shí)別結(jié)果。
為了驗(yàn)證提出方法的應(yīng)用性能,選取MRELBP特征、Franklin矩和SVM相結(jié)合的遙感圖像建筑物識(shí)別方法作為對(duì)比方法,設(shè)計(jì)對(duì)比實(shí)驗(yàn)。
實(shí)驗(yàn)準(zhǔn)備階段是保障實(shí)驗(yàn)順利進(jìn)行的基礎(chǔ)與前提。依據(jù)異形建筑物圖像識(shí)別實(shí)驗(yàn)需求,選取10個(gè)異形建筑物作為實(shí)驗(yàn)對(duì)象,由于篇幅的限制,只對(duì)部分實(shí)驗(yàn)對(duì)象實(shí)物圖進(jìn)行展示(如圖2所示):
圖2 部分實(shí)驗(yàn)對(duì)象實(shí)物圖示意圖
異形建筑物圖像識(shí)別模型最佳參數(shù)的確定也是影響實(shí)驗(yàn)進(jìn)行的關(guān)鍵。依據(jù)實(shí)驗(yàn)需求,設(shè)置深度置信網(wǎng)絡(luò)卷積層為8層,對(duì)應(yīng)參數(shù)(如表1所示):
表1 深度置信網(wǎng)絡(luò)卷積層參數(shù)表
上述過(guò)程完成了實(shí)驗(yàn)對(duì)象的選取,深度置信網(wǎng)絡(luò)參數(shù)卷積層的設(shè)置,為后續(xù)實(shí)驗(yàn)進(jìn)行提供了充足的準(zhǔn)備與便利。
以上述實(shí)驗(yàn)準(zhǔn)備內(nèi)容為依據(jù),選取異形建筑物圖像提取完整率、識(shí)別精度及其平均召回率作為提出方法應(yīng)用性能評(píng)價(jià)指標(biāo),量化顯示異形建筑物圖像識(shí)別效果。
通過(guò)實(shí)驗(yàn)獲得異形建筑物圖像識(shí)別效果評(píng)價(jià)指標(biāo)數(shù)據(jù)(如圖3所示):
圖3 評(píng)價(jià)指標(biāo)數(shù)據(jù)示意圖
由圖3(a)數(shù)據(jù)可知:與對(duì)比方法相比較,應(yīng)用提出方法獲得的異形建筑物圖像提取完整率更高,表明提出方法遙感圖像分割效果更好;
由圖3(b)數(shù)據(jù)可知:與對(duì)比方法相比較,應(yīng)用提出方法獲得的異形建筑物圖像識(shí)別精度數(shù)值更大,表明提出方法圖像識(shí)別更為準(zhǔn)確;
由圖3(c)數(shù)據(jù)可知:在第4次實(shí)驗(yàn)時(shí),對(duì)比方法平均召回率高于提出方法,經(jīng)過(guò)反復(fù)驗(yàn)證得知,該結(jié)果實(shí)驗(yàn)數(shù)據(jù)記錄錯(cuò)誤,因此對(duì)此次實(shí)驗(yàn)數(shù)據(jù)進(jìn)行忽略處理。相較于對(duì)比方法,應(yīng)用提出方法獲得的異形建筑物圖像識(shí)別平均召回率數(shù)值更大,表明提出方法對(duì)多源遙感數(shù)據(jù)的檢索效果更好。
上述實(shí)驗(yàn)結(jié)果顯示:與對(duì)比方法相比較,提出方法的異形建筑物圖像提取完整率、識(shí)別精度及其識(shí)別平均召回率數(shù)值均更高,充分證實(shí)了提出方法圖像識(shí)別效果更佳。
此研究以多源遙感數(shù)據(jù)為基礎(chǔ),提出了新的異形建筑物圖像識(shí)別方法,極大地提升了異形建筑物圖像提取完整率、識(shí)別精度及其識(shí)別平均召回率,能夠獲得更佳的圖像識(shí)別效果,為異形建筑物識(shí)別提供更加有效的方法支撐,也為圖像識(shí)別研究提供一定的參考與借鑒。