無人機(jī)低空遙感影像智能變化檢測的實(shí)現(xiàn)和應(yīng)用探究

林湯權(quán)

關(guān)鍵詞：無人機(jī)；遙感影像；變化檢測；深度學(xué)習(xí)

變化檢測是對比不同時(shí)間探測的實(shí)體或現(xiàn)象的狀態(tài)來辨別其狀態(tài)轉(zhuǎn)變的影像分析技術(shù)，在遙感影像解譯中具有重要的作用。無人機(jī)低空遙感拍攝的高分辨率遙感影像極大地提高了土地利用、環(huán)境變化的監(jiān)測能力。在遙感應(yīng)用中，我們通過影像處理和數(shù)學(xué)模型對不同時(shí)期的遙感影像與相關(guān)特征的變化進(jìn)行比較分析感知地物的變化。但使用人工干預(yù)的傳統(tǒng)解譯方法進(jìn)行高分辨率影像的變化檢測，其精度易受到影像解譯人員主觀因素的影響且處理效率較低。近些年，計(jì)算機(jī)視覺技術(shù)發(fā)展日新月異，拓寬了高分辨率遙感影像變化信息提取的思路。本文將對無人機(jī)低空遙感影像智能變化檢測的實(shí)現(xiàn)及其在新型場景中的應(yīng)用進(jìn)行探究。

遙感影像變化檢測的實(shí)質(zhì)是由于地物光譜特征隨時(shí)空發(fā)生改變，導(dǎo)致不同時(shí)期拍攝同地點(diǎn)所形成的遙感影像的光譜效應(yīng)存在較大偏差，所以對不同時(shí)期的遙感影像變化檢測可以分析地物的演變。實(shí)際上，影像變化檢測的內(nèi)容包含以下三個(gè)方面：第一，類型變化：識別目標(biāo)地表空間的地物類型，并確認(rèn)類型是否發(fā)生轉(zhuǎn)變；第二，位置變化：檢測地物發(fā)生變化的位置或占地面積；第三，變化趨勢：分析地物在時(shí)空上的變化規(guī)律，并依此預(yù)測未來的狀態(tài)?？偟膩碚f，變化檢測的內(nèi)容因應(yīng)用領(lǐng)域的不同而會有所側(cè)重。在實(shí)際應(yīng)用過程中，往往需要根據(jù)遙感影像變化檢測任務(wù)的需要采用恰當(dāng)?shù)淖兓瘷z測算法。

目前，無人機(jī)低空遙感影像智能變化檢測主要包括三個(gè)方面，分別是影像預(yù)處理、影像變化信息提取與分析、檢測結(jié)果輸出與應(yīng)用，本文探討兩時(shí)相影像變化檢測的實(shí)現(xiàn)方案。

在遙感影像中使用多個(gè)顏色通道的灰度值來表征地物，從中提取目標(biāo)對象的特征是變化檢測的關(guān)鍵環(huán)節(jié)。因此，遙感影像變化檢測前需要確定檢測目標(biāo)，并收集影像數(shù)據(jù)和檢測目標(biāo)的空間分布、光譜特性等信息。另外，由于數(shù)據(jù)質(zhì)量直接影響變化檢測的結(jié)果，若能控制由于拍攝平臺、氣候、光照條件等客觀因素造成的成像差異，統(tǒng)一變化檢測影像的輻射分辨率，則能較大幅度地提高變化檢測的精度。

有別于其他的數(shù)字圖像處理技術(shù)，變化檢測主要是解譯同地表空間不同時(shí)相的影像，具有影像數(shù)據(jù)量多，影像數(shù)據(jù)差異大、地物變化復(fù)雜等特點(diǎn)。為了凸顯影像變化檢測的對象，提高影像的解譯能力和變化檢測的精度，需要對遙感影像數(shù)據(jù)進(jìn)行預(yù)處理操作，包括幾何校正、輻射校正等。在進(jìn)行影像數(shù)據(jù)預(yù)處理時(shí)，不僅要充分考慮到無人機(jī)航空拍攝時(shí)的各種影像畸變和環(huán)境誤差，還需要探討如何優(yōu)化特征選擇以提高數(shù)據(jù)預(yù)處理的質(zhì)量。

早期以像素為基本處理單元的變化檢測方法在識別復(fù)雜應(yīng)用場景或高分辨率遙感影像時(shí)計(jì)算性能易陷入瓶頸[1]。而現(xiàn)如今無人機(jī)采集的遙感影像多為高分辨率，基于像素的變化檢測易產(chǎn)生偽變化，若采用面向?qū)ο蟮挠跋褡兓瘷z測方法往往會有更高的精度[2]。面向?qū)ο蟮挠跋褡兓瘷z測的基本原理是采用面向?qū)ο蟮挠跋穹指罘椒ㄗR別影像中地物并分類，再對不同時(shí)相的地物從類別、位置、形狀等視角進(jìn)行比對以發(fā)現(xiàn)影像的變化區(qū)域。隨著深度學(xué)習(xí)的發(fā)展，面對復(fù)雜目標(biāo)對象的特征及關(guān)聯(lián)性的刻畫有了新的解決方案。在變化信息提取方面引入一些新知識和模型，如將UNet、注意力機(jī)制等應(yīng)用于影像分割，趨于采用多尺度分割、多數(shù)據(jù)融合分割以及多種算法相結(jié)合的影像分割方式[3]。面向?qū)ο蟮挠跋褡兓瘷z測方法的關(guān)鍵在于如何選取有效的目標(biāo)特征，而基于深度學(xué)習(xí)的影像分割能自動地進(jìn)行目標(biāo)特征提取，從而提高變化檢測的自動化程度。

無人機(jī)低空遙感技術(shù)是對地監(jiān)測系統(tǒng)的重要補(bǔ)充，它以獨(dú)特的方式提供高精度、實(shí)時(shí)的地面觀測數(shù)據(jù)。如城管、城建相關(guān)部門利用無人機(jī)低空拍攝大比例尺實(shí)景影像，通過地物分類檢測變化信息，對違法搭建、違法堆放等情況進(jìn)行解譯；環(huán)保部門利用無人機(jī)遙感平臺攜帶的超高清數(shù)碼相機(jī)對高危江河流域、涉污工廠等進(jìn)行跟蹤調(diào)查觀測，完成環(huán)保執(zhí)法取證。無人機(jī)低空遙感因其獨(dú)有優(yōu)勢，預(yù)計(jì)未來還將在智慧城市、數(shù)字考古、新農(nóng)村建設(shè)等領(lǐng)域中快速拓展。

參考文獻(xiàn)：

[1]劉斌，渠星星，陳相庭.最新的超像素算法研究綜述[J].現(xiàn)代計(jì)算機(jī)（專版），2016（35）：62-65.

[2]眭海剛，馮文卿，李文卓等.多時(shí)相遙感影像變化檢測方法綜述[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2018，43（12）：1885-1898.

[3]陳璐，管霜霜.基于深度學(xué)習(xí)的城市高分遙感圖像變化檢測方法的研究[J].計(jì)算機(jī)應(yīng)用研究，2020，37（S1）：320-323.

基金項(xiàng)目：2022年福建省中青年教師教育科研項(xiàng)目“基于無人機(jī)低空遙感影像的河道垃圾智能識別方法的研究”（JAT220636）。

（作者單位：福建生物工程職業(yè)技術(shù)學(xué)院）