張 濤,王 源,陳富龍,周 偉,胡 祺
(1. 南京市規(guī)劃和自然資源局,江蘇 南京 210029; 2. 中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點實驗室,北京 100094; 3. 中國科學(xué)院大學(xué),北京 100049)
我國南方地區(qū)氣候主要以熱帶亞熱帶季風(fēng)氣候為主,多云多雨天氣阻礙了光學(xué)遙感近實時獲取數(shù)據(jù)源需求;而SAR全天時、全天候的工作特性可以很好地彌補這一劣勢。基于SAR對地觀測技術(shù)的發(fā)展,例如高分辨率和多模式,目前利用SAR影像進行城市變化檢測主要基于相干[1]、強度[2-9],以及相干與強度信息相結(jié)合[10]等方法。本文研究選取南京市河西新城及江北新區(qū)為示范,以COSMO-SkyMed為數(shù)據(jù)源,在非局部濾波SAR強度RC合成影像的基礎(chǔ)上,提出基于顏色變換的建設(shè)用地圖斑半自動監(jiān)督分割/分類信息提取方法。
基于SAR強度信息的RC合成法變化檢測即采用變化前后兩期影像進行彩色圖像合成,根據(jù)彩色合成原理[11],將變化前影像安置在紅色波段,變化后影像安置在藍色和綠色波段,即可實現(xiàn)RC合成(綠色和藍色合成為青色(cyan))并得到SAR強度RC合成圖。為提升強度影像質(zhì)量,在采取RC合成前需進行非局部SAR濾波(non-local filters,NL-SAR)[12-14]。SAR強度RC合成圖通過顏色的變化顯示變化區(qū)。具體檢測思路為:①若圖像顯示趨近于青色或紅色,表明變化前后強度影像強度值相差較大,地物發(fā)生變化;②若圖像中顯示趨近為黑色或白色,則SAR強度值前后時序較為接近,表征地物未發(fā)生變化或變化可忽略。
Lab空間由亮度分量L,色度分量a、b這3個分量組成[15],其能將顏色和亮度分量分別控制,有利于針對性地對顏色信息利用幾何距離公式進行差異性測度。該模型中a從負至正代表由綠色指向紅色,b則代表由藍色指向黃色。值得注意的是,相對RC合成圖原始顏色空間,變換后的a、b、L分量可進一步凸顯地物時序變化信息,即a、b分量可區(qū)分地物變化時序前、后信息,而L亮度分量可表征發(fā)生變化的概率或烈度。
監(jiān)督分類即根據(jù)訓(xùn)練樣本將未確定類別的像元進行分類以確定類別。研究根據(jù)不同的顏色類別直接從圖像中選擇訓(xùn)練數(shù)據(jù);基于Lab色彩空間,直接采用距離公式計算各像元到類別樣本的距離,并將像素歸于距離最小的樣本類別中。為對比不同配置(色彩空間特征及分類樣本數(shù))對分類效果的影響,需開展參數(shù)配置試驗:將樣本類別x的a分量均值定義為acx,樣本類別x的b分量均值定義為bcx,將樣本類別x的L分量均值定義為Lcx,像素i的a分量為ai,像素i的b分量為bi,像素i的L分量為Li,dix為像素i與各顏色樣本的相似度。以a、b二維空間為基礎(chǔ)的相似度dix,如式(1)所示;而以三維空間a、b和L為基礎(chǔ)的相似度dix,如式(2)所示。dix中最小值所對應(yīng)的色彩樣本,即為此像素對應(yīng)分割/分類類別(監(jiān)督分類后,像素可呈現(xiàn)一定聚類并生成對象圖斑,因此可統(tǒng)稱為影像分割/分類過程)。
(1)
(2)
根據(jù)選擇的訓(xùn)練樣本進行基于監(jiān)督分類的影像分割/分類,所選訓(xùn)練樣本類別的數(shù)量決定影像分割/分類后圖斑類別的數(shù)量。將整幅彩色影像按照顏色的區(qū)別分為不同的圖斑,在此基礎(chǔ)上,變化區(qū)域?qū)?yīng)的顏色的類別圖斑即為變化圖斑。變化圖斑提取可在Matab環(huán)境中編程實現(xiàn)。其實施步驟如下:①二值化;②小面積圖斑篩除;③孔洞填充;④矢量輸出。
南京天氣多云雨,可作為多云雨地區(qū)的代表城市。其河西新城和江北新區(qū)近年來建設(shè)節(jié)奏快,建設(shè)范圍大,將之作為研究區(qū)具備代表與示范性。研究選取2017年6月3日及2017年10月5日兩景X波段COSMO-SkyMed影像,成像模式為HImage,圖像地面分辨率為3 m,入射角約為34°,極化方式為HH。驗證數(shù)據(jù)為20170718及20171007兩景北京1號光學(xué)影像。圖像地面分辨率為4 m,成像幅寬為24 km,具有側(cè)擺功能。
兩景強度影像進行配準、輻射定標后進行NL-SAR濾波,濾波時最小搜索窗口半徑為1像素,最大搜索窗口半徑為12像素,最小圖像塊寬度為2像素,最大圖像塊寬度為10像素。將20170603影像安置在R波段上,20171005安置在G波段和B波段上(即將20171005安置在C波段上),得到強度RC合成圖。為突出合成圖顏色對比度,可采用百分比截斷拉伸技術(shù),如圖1所示(長江已在影像中掩膜)。
2.3.1 影像分割/分類與變化區(qū)域圖斑提取
為分析并評估不同數(shù)量樣本對分割/分類的影響,直接在RC合成圖上選擇12個樣本類別,每個樣本對應(yīng)訓(xùn)練區(qū)位置,如圖1所示;對應(yīng)類別具體屬性信息見表1。開展最優(yōu)參數(shù)配置評估試驗過程中,選取樣本類別及對應(yīng)相關(guān)屬性信息,可參考表1。樣本數(shù)量選擇試驗及對應(yīng)參數(shù)設(shè)置,可參考表2。
根據(jù)式(1)、式(2)計算各像元到各樣本類別的距離,選取8個、10個樣本類別分別進行影像分割/分類,a、b分量二維空間和a、b、L分量三維空間分割局部結(jié)果展示如圖2所示。圖2(a)、(c)分別為基于a、b二維空間利用式(1)進行距離計算所得出的分割/分類效果,圖2(b)、(d)分別為基于a、b、L三維空間利用式(2)進行距離計算所得出的分割/分類效果。對比可知,加入L分量后,分割效果明顯提升并可克服僅使用a、b顏色分量所導(dǎo)致的圖斑散亂現(xiàn)象。
表1 12樣本類別相關(guān)屬性信息
表2 樣本類別選擇配置試驗
由試驗1發(fā)現(xiàn),三維空間特征向量a、b和L的影像分割/分類效果更優(yōu)?;诖?,利用三維特征空間繼續(xù)開展不同樣本類別數(shù)量影像分割/分類及變化圖斑提取性能對比試驗。其中,編號1和2號樣本類別(見表2)對應(yīng)建設(shè)用地變化,對其進行圖斑提取并矢量輸出,便可得不同類別數(shù)量對城市建設(shè)用地變化圖斑提取的對照效果圖,如圖3所示??傮w而言,隨著樣本個數(shù)增加,影像整體分割/分類效果逐步提升??紤]到10個與12個樣本類別在變化圖斑的查準率和虛警率等性能指標上效果相當(dāng);因此認為10個樣本類別即可滿足圖斑近最佳提取要求。
2.3.2 精度驗證與結(jié)果分析
對全局試驗區(qū)采用三維空間距離判定公式和10個訓(xùn)練樣本類別進行影像分割/分類及變化區(qū)域提取,去除偽變化小圖斑,得到最終建設(shè)用地變化區(qū)域提取效果,如圖4所示。
利用北京1號光學(xué)影像及地形圖等資料進行驗證,得到真實變化斑塊數(shù)量為199個,即正確檢測斑塊與漏檢斑塊數(shù)量之和。在此引入查準率、漏檢率及查全率以驗證變化檢測效果,其中查準率為正確檢測斑塊數(shù)量與總計檢測斑塊數(shù)量之比;漏檢率為漏檢數(shù)量與真實變化數(shù)量之比;查全率為正確檢測數(shù)量與真實變化數(shù)量之比。結(jié)果見表3:查準率為88%,漏檢率為11.6%,查全率為88.4%。
表3 建設(shè)用地變化檢測精度驗證 個
進一步研究發(fā)現(xiàn),漏檢主要由以下原因引起:
(1) 如圖5(b)、(c)北京1號光學(xué)影像所示,方框選取道路路面發(fā)生變化,但由于此類道路離樓宇較近,可影響道路變化的檢測。
(2) 如圖6(b)、(c)北京1號光學(xué)影像所示,方框選取路面發(fā)生變化,但此類變化主要為地表植被變?yōu)槁懵锻恋?,利用SAR強度信息較難提取。
2.3.3 時間復(fù)雜度
試驗在64位Windows 7操作系統(tǒng),內(nèi)存64 GB,Matlab R2016a版本系統(tǒng)配置下,當(dāng)SAR影像大小為22 693×23 851時,基于強度R8C合成顏色變換建設(shè)用地圖斑提取法,最終獲得變化圖斑,所耗機時約為15 min;即在避免人為漏檢概率的前提下,可大幅降低影像人工目視解譯時間。
SAR全天時、全天候工作特性可彌補光學(xué)影像在我國南方多云多雨地區(qū)無法實時獲取數(shù)據(jù)的劣勢短板,并可用于城市建設(shè)用地變化檢測。非局部濾波SAR強度RC合成變化檢測法對小圖斑、線型地物變化敏感,兼顧圖斑邊緣保持能力且對數(shù)據(jù)獲取條件無要求。鑒于此,本文研究提出了一種基于時相SAR強度RC合成的色彩變換建設(shè)用地變化圖斑半自動提取方法。以南京市河西新城及江北新區(qū)為試驗區(qū),對比分析了Lab色彩空間特征及訓(xùn)練樣本類別數(shù)量對影像分割/分類質(zhì)量的影響,得出了10個樣本類別和a、b、L三維空間可得近最優(yōu)變化圖斑提取效果,并實現(xiàn)優(yōu)于88%的查準率指標;進而可為多云多雨地區(qū)智慧新城遙感動態(tài)檢測提供全新技術(shù)手段。未來工作將綜合引入DEM、SAR影像紋理等約束條件,以期進一步提高影像自動分割/分類及變化圖斑提取精度。