基于改進(jìn)蟻群算法的無人機(jī)遙感高程信息提取方法

張向濤

（福州君道空間信息技術(shù)有限公司，福建 福州 350001）

0.引言

計(jì)算機(jī)、無人機(jī)及光學(xué)等技術(shù)的飛速發(fā)展，使得遙感技術(shù)使用范圍也隨之得到了擴(kuò)大，獲得了多個(gè)領(lǐng)域的關(guān)注。遙感技術(shù)能夠較為輕松地獲取較大面積、豐富內(nèi)容的遙感圖像。采用無人機(jī)搭載遙感設(shè)備后，其應(yīng)用范圍大大增加，并且遙感技術(shù)更加可控，可以為用戶提供更加精準(zhǔn)地服務(wù)。常規(guī)情況下，遙感圖像中包含多種信息，使其應(yīng)用困難較大，尤其是高程信息的應(yīng)用。為了降低遙感信息的應(yīng)用難度，需要依據(jù)不同用戶信息的應(yīng)用需求，對信息源——無人機(jī)遙感圖像進(jìn)行仔細(xì)分類，進(jìn)而提取遙感高程信息，為用戶提供更加優(yōu)質(zhì)的信息服務(wù)。

無人機(jī)遙感高程信息提取難度主要來源于信息源較多、目標(biāo)結(jié)構(gòu)較為復(fù)雜、圖像邊界模糊、信息量較多等因素，根據(jù)應(yīng)用目的對遙感圖像進(jìn)行分類，可以極大地降低信息量，明確高程信息提取目標(biāo)，提升高程信息提取效率。就現(xiàn)有研究成果來看，已有方法對遙感圖像分類的精度無法滿足高程信息提取需求，加之遙感技術(shù)的發(fā)展與延伸，用戶對高程信息的需求也逐漸提升。而改進(jìn)蟻群算法能夠通過個(gè)體釋放的信息素實(shí)現(xiàn)群體協(xié)作，獲得最佳的遙感圖像分類策略，為高程信息提取打下堅(jiān)實(shí)的基礎(chǔ)，提供最大的便利，因此提出基于改進(jìn)蟻群算法的無人機(jī)遙感高程信息提取方法研究，為遙感高程信息應(yīng)用提供支撐。

1.無人機(jī)遙感高程信息提取方法研究

1.1 無人機(jī)遙感圖像獲取與處理

此研究在無人機(jī)上搭載多個(gè)遙感設(shè)備，例如,多光譜傳感器、高清數(shù)碼相機(jī)等，獲取豐富的遙感圖像信息，并將其實(shí)時(shí)傳遞給地面計(jì)算機(jī)，實(shí)現(xiàn)無人機(jī)遙感圖像的獲取。遙感圖像獲取設(shè)備自身的缺陷，再加上環(huán)境因素的影響，使得遙感圖像存在著一定的噪聲與畸變，故需要對其進(jìn)行處理，具體處理過程如下：

1.1.1 HSV色彩空間變換

太陽照射強(qiáng)度的影響，使得無人機(jī)遙感圖像中光譜指數(shù)精確性較差，會直接影響高程信息的識別及其提取。因此，利用HSV色彩空間變換處理遙感圖像，能夠有效地識別無人機(jī)遙感高程信息[1]。HSV色彩空間中，H為顏色，采用角度來衡量，取值范圍為0o～360o；S為顏色的深淺程度，V為顏色的明亮程度，取值范圍均為0.0～1.0。HSV色彩空間變換表達(dá)式，如式（1）、式（2）、式（3）所示：

式（1）～式（3）中，R為紅波段；G為綠波段；B為藍(lán)波段；max為（R，G，B）色彩空間的最大值；min為色彩空間的最小值。

1.1.2 直方圖匹配

直方圖匹配實(shí)質(zhì)上是一種非線性點(diǎn)運(yùn)算，可以有效地平衡遙感圖像的亮度值分布，為后續(xù)遙感圖像分類提供便利。直方圖匹配本質(zhì)上是對遙感圖像灰度級進(jìn)行均衡化處理，以灰度級均勻的圖像為基礎(chǔ)，匹配遙感圖像直方圖[2]。

由圖1可知：經(jīng)過直方圖匹配后，利用原始遙感圖像均衡化處理后的灰度級來代替參考遙感圖像灰度級，通過變換即可獲得目標(biāo)遙感圖像的灰度級及其對應(yīng)的概率密度，以此來實(shí)現(xiàn)遙感圖像亮度值的平衡配置，為降低后續(xù)圖像分類運(yùn)算量提供幫助。

1.1.3 反射率轉(zhuǎn)換

反射率是無人機(jī)遙感圖像地物差異的主要體現(xiàn)，也是遙感圖像畸變的主要對象。因此，為了使獲得的無人機(jī)遙感圖像更加接近真實(shí)情況，對反射率進(jìn)行畸變校正處理。

無人機(jī)遙感圖像中，光譜響應(yīng)函數(shù)（如圖2所示）：

圖2 遙感圖像光譜響應(yīng)函數(shù)示意圖

由圖2可知，光譜響應(yīng)函數(shù)對無人機(jī)遙感圖像中每個(gè)波段的DN均值進(jìn)行統(tǒng)計(jì)與計(jì)算，以此來轉(zhuǎn)換反射率，表達(dá)式如式（4）所示：

式（4）中，R地物為目標(biāo)地物的反射率；DN地物與DN定標(biāo)分別為目標(biāo)地物與定標(biāo)布的DN均值；R定標(biāo)為定標(biāo)布的反射率。

通過上述三個(gè)階段完成了無人機(jī)遙感圖像的處理，去除了遙感圖像包含的噪聲，校正了遙感圖像的畸變，為后續(xù)遙感圖像的分類做準(zhǔn)備[3]。

1.2 無人機(jī)遙感圖像分類

以處理好的無人機(jī)遙感圖像作為信息源，基于改進(jìn)蟻群算法分類處理無人機(jī)遙感圖像，簡化高程信息提取的步驟與運(yùn)算量。

應(yīng)用改進(jìn)蟻群算法分類無人機(jī)遙感圖像具體步驟如下：

步驟1：無人機(jī)遙感圖像初分類。

選取貪婪算法對遙感圖像進(jìn)行初始分類，初始化類數(shù)與聚類中心，以此為前提，對中心距離之和最小值進(jìn)行尋求。貪婪算法具備操作簡單、收斂速度較快等優(yōu)勢，能夠?qū)崟r(shí)地獲取無人機(jī)遙感圖像初分類結(jié)果。

步驟2：初始化信息素。

以步驟1獲取的無人機(jī)遙感圖像初分類解x0為基礎(chǔ)，確定信息素初始值，定義為τ0=1/（N·U（x0））。其中，N代表遙感圖像像素點(diǎn)的數(shù)量；U（x0）為無人機(jī)遙感圖像的初始能量。

步驟3：解創(chuàng)建。

賦予無人機(jī)遙感圖像像素點(diǎn)標(biāo)簽，將螞蟻隨機(jī)放置在某一個(gè)像素點(diǎn)上，通過并行操作形式，使得螞蟻從一個(gè)像素點(diǎn)轉(zhuǎn)移到下一個(gè)像素點(diǎn)，直至所有像素點(diǎn)均被螞蟻經(jīng)過為止。

當(dāng)螞蟻位于像素點(diǎn)s時(shí)，隨機(jī)生成一個(gè)對應(yīng)數(shù)值，記為q，范圍為［0，1］。如果隨機(jī)數(shù)q小于或者等于制定閾值q0，依據(jù)先驗(yàn)知識選擇最大信息素對應(yīng)的標(biāo)記l=argmaxτ（s，u）；如果隨機(jī)數(shù)q大于制定閾值q0，選取與其相關(guān)性最大的像素點(diǎn)的最優(yōu)標(biāo)記l=argminD（s，p）。

步驟4：更新局部信息素。

局部信息素更新主要指的是τ（s，l）更新，表達(dá)式如式（5）所示：

式（5）中，τnew（s，l）為局部信息素更新值；?為輔助參數(shù)，代表信息素的揮發(fā)比例，取值范圍為［0，1］。

經(jīng)過局部信息素更新后，螞蟻經(jīng)過的像素點(diǎn)信息素濃度隨之升高，吸引更多的螞蟻，加快改進(jìn)蟻群算法的收斂速度，更快地獲得最優(yōu)解。

步驟5：局部搜索策略制定。

為了縮短最優(yōu)解的尋找時(shí)間，制定局部搜索策略，其原理為：對無人機(jī)遙感圖像分類結(jié)果中像素點(diǎn)的標(biāo)記進(jìn)行統(tǒng)計(jì)，獲取其鄰域集合，記為N（x）。從N（x）開始，利用局部交換方式不斷對當(dāng)前解N（x）進(jìn)行改進(jìn)，需要注意的是，局部交換過程完全是隨機(jī)的。若新解對應(yīng)的能量函數(shù)U（x）′小于原始能量函數(shù)U（x），則說明新解優(yōu)于舊解，采用x′代替x，再在新解x′基礎(chǔ)上進(jìn)行局部搜索計(jì)算，直到局部交換次數(shù)大于或者等于設(shè)定次數(shù)為止。

步驟6：更新全部信息素。

在全部螞蟻局部搜索完成后，無人機(jī)遙感圖像中每個(gè)像素點(diǎn)均得到了標(biāo)記，并獲得了全部像素點(diǎn)能量函數(shù)，對其進(jìn)行比較，最小像素點(diǎn)能量函數(shù)對應(yīng)的螞蟻解即迭代最優(yōu)解，記為xib。另外，像素點(diǎn)信息素濃度會隨著時(shí)間流逝出現(xiàn)揮發(fā)現(xiàn)象，為了防止算法收斂于局部最優(yōu)解，引入輔助參數(shù)，爭取以最短時(shí)間獲取全局最優(yōu)解，實(shí)現(xiàn)無人機(jī)遙感圖像的最優(yōu)分類。

1.3 無人機(jī)遙感圖像分割

以分類好的無人機(jī)遙感圖像為基礎(chǔ)，以圖像包含信息特征為依據(jù)，對其進(jìn)行分割，確定高程信息區(qū)域，為最終高程信息提取打下堅(jiān)實(shí)的基礎(chǔ)。

依據(jù)研究需求，選取K-means聚類算法對遙感圖像進(jìn)行分割，輸出遙感高程信息區(qū)域，簡化信息提取過程?；贙means聚類算法的無人機(jī)遙感圖像分割程序（如圖3所示）：

圖3 基于K-means聚類算法無人機(jī)遙感圖像分割程序示意圖

執(zhí)行圖3所示程序，即可實(shí)現(xiàn)無人機(jī)遙感圖像的分割，獲得高程信息區(qū)域，為后續(xù)遙感高程信息提取提供精準(zhǔn)數(shù)據(jù)支撐。

1.4 遙感高程信息提取

以上述獲得的高程信息區(qū)域?yàn)榛A(chǔ)，構(gòu)建對應(yīng)的高程信息圖，實(shí)現(xiàn)了無人機(jī)遙感高程信息的提取，為遙感技術(shù)的發(fā)展以及遙感信息的應(yīng)用提供幫助。

遙感高程信息圖構(gòu)建公式如式（6）所示：

式（6）中，ω為常量參數(shù)；Ic為原始圖像通道數(shù)值；（x0，y0）為遙感圖像中心坐標(biāo)；Ac為大氣光向量。

式（6）對應(yīng)結(jié)果即無人機(jī)遙感高程信息，實(shí)現(xiàn)了遙感高程信息的快速提取，為遙感高程信息應(yīng)用提供便利。

2.實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)對象選取

為了驗(yàn)證提出方法的應(yīng)用性能，選取山脈作為實(shí)驗(yàn)對象，采用八旋翼電動無人機(jī)對單幅山脈遙感圖像進(jìn)行獲取，將其作為實(shí)驗(yàn)信息源，通過定性與定量分析提出方法的應(yīng)用性能。

為了保障實(shí)驗(yàn)的順利進(jìn)行，對實(shí)驗(yàn)山脈區(qū)域遙感圖像進(jìn)行獲?。ㄈ鐖D4所示）：

圖4 實(shí)驗(yàn)山脈區(qū)域遙感圖像示意圖

實(shí)驗(yàn)山脈區(qū)域?qū)?yīng)數(shù)字高程信息模型（如圖5所示）：

圖5 實(shí)驗(yàn)山脈區(qū)域數(shù)字高程信息模型示意圖

為了簡化實(shí)驗(yàn)過程，清晰地顯示實(shí)驗(yàn)結(jié)果，故在實(shí)驗(yàn)山脈區(qū)域隨機(jī)選取多個(gè)點(diǎn)，對其遙感圖像進(jìn)行獲取，并將其作為原始實(shí)驗(yàn)數(shù)據(jù)。

2.2 實(shí)驗(yàn)結(jié)果定性分析

應(yīng)用提出方法對原始遙感圖像（隨機(jī)三幅）進(jìn)行處理，分別獲取其高程信息圖（如圖6所示）：

圖6 實(shí)驗(yàn)結(jié)果示意圖

由圖6可知：實(shí)驗(yàn)（1）遙感圖像中間為山脈山谷線，周邊海拔較低，兩邊海拔較高，高程較??；實(shí)驗(yàn)（2）遙感圖像從左到右分別為山谷線→山脊線→山谷線，山脊線對應(yīng)高程較大，山谷線對應(yīng)高程較??；實(shí)驗(yàn)（3）遙感圖像中間為山脊線，上部與下部海拔較低，中間海拔較高，則對應(yīng)的中間高程大，周圍高程小。

上述實(shí)驗(yàn)結(jié)果與實(shí)際山脈情況基本符合，表明提出方法獲得結(jié)果有效。

2.3 實(shí)驗(yàn)結(jié)果定量分析

定性分析無法直觀顯示提出方法的應(yīng)用性能，因此需要對實(shí)驗(yàn)結(jié)果進(jìn)行定量分析。實(shí)驗(yàn)結(jié)果定量評價(jià)指標(biāo)計(jì)算公式如式（7）所示：

式（7）中，Ratio為實(shí)驗(yàn)結(jié)果定量評價(jià)指標(biāo)，取值范圍為［1,10］。常規(guī)情況下，定量評價(jià)指標(biāo)Ratio數(shù)值越大，表明遙感高程信息提取效果越好，最低標(biāo)準(zhǔn)數(shù)值為6.8；GT為實(shí)際高程信息；⊕為運(yùn)算符號；R為應(yīng)用提出方法獲得的高程信息；m×n為采樣面對應(yīng)的像素點(diǎn)總數(shù)量。

應(yīng)用式（7）對實(shí)驗(yàn)結(jié)果定量評價(jià)指標(biāo)Ratio進(jìn)行計(jì)算，結(jié)果（如表1所示）：

表1 實(shí)驗(yàn)結(jié)果定量評價(jià)數(shù)據(jù)表

表1數(shù)據(jù)顯示，應(yīng)用提出方法后，實(shí)驗(yàn)結(jié)果定量評價(jià)指標(biāo)均大于最低標(biāo)準(zhǔn)6.8，充分證實(shí)了提出方法遙感高程信息提取效果較佳，能夠?yàn)楦叱绦畔⒌膽?yīng)用提供便利。

3.結(jié)束語

此研究應(yīng)用改進(jìn)蟻群算法對無人機(jī)遙感圖像進(jìn)行分類，確定高程信息區(qū)域，從而實(shí)現(xiàn)了遙感高程信息的提取，通過定量分析獲得了較高的數(shù)值，可以為無人機(jī)遙感技術(shù)發(fā)展提供助力，也為遙感高程信息應(yīng)用提供便利。