基于大數(shù)據(jù)的遙感影像高亮目標(biāo)定位方法

胡盛濱

（浙江省測繪科學(xué)技術(shù)研究院，浙江 杭州 311100）

0.引言

近年來，隨著對地觀測技術(shù)的迅速發(fā)展，獲取遙感影像數(shù)據(jù)的方式發(fā)展到了一個新的階段，出現(xiàn)了大量重訪周期短、空間分辨率高的成像衛(wèi)星，能夠提供偵察不同地形環(huán)境、監(jiān)視敏感目標(biāo)的海量可分析數(shù)據(jù)[1]。然而在這種技術(shù)的發(fā)展中，成像衛(wèi)星重訪周期的縮短以及高分辨率的提高，都使待處理的衛(wèi)星遙感影像數(shù)據(jù)呈現(xiàn)爆炸性增長趨勢，為高亮目標(biāo)的定位問題帶來了很大困難。面對遙感影像數(shù)據(jù)的幾何式增長，僅通過人工方式對高亮目標(biāo)進行定位存在很大問題，包括人力與時間成本較高、判讀效率較低、獲取與處理信息的周期較長等，同時這種方式還會受到操作人員自身主觀認知的影響，無法滿足實際需求。而通過機器進行定位，現(xiàn)階段也存在準(zhǔn)確度不高的問題。因此如何在大量遙感影像數(shù)據(jù)中進行高亮目標(biāo)的準(zhǔn)確定位，是一個重要的研究課題。

對于遙感影像高亮目標(biāo)定位問題，目前研究成果已經(jīng)十分豐富。早期的高亮目標(biāo)定位主要是通過視頻圖像序列來實現(xiàn)。現(xiàn)階段的高亮目標(biāo)定位則主要依靠像素灰度、對象先驗信息等來實現(xiàn)，主要是針對光學(xué)遙感影像。在研究中應(yīng)用了多種方法，包括高斯尺度空間、稀疏表示、圖像拼接技術(shù)、輪廓提取算法、特征提取算法、滑動窗判決法等，這些方法的應(yīng)用有效提升了目標(biāo)定位的準(zhǔn)確度。為獲取準(zhǔn)確度更高的高亮目標(biāo)定位結(jié)果，綜合目前取得的研究成果，對遙感影像高亮目標(biāo)定位問題進行更加深入地研究，提出一種基于大數(shù)據(jù)的遙感影像高亮目標(biāo)定位方法。

1.基于大數(shù)據(jù)的遙感影像高亮目標(biāo)定位方法設(shè)計

1.1 數(shù)據(jù)處理

基于大數(shù)據(jù)中的基礎(chǔ)架構(gòu)支持技術(shù)、數(shù)據(jù)處理技術(shù)以及數(shù)據(jù)交互與展現(xiàn)技術(shù)實施遙感影像的數(shù)據(jù)處理，使用的基礎(chǔ)架構(gòu)為云計算平臺，通過該平臺獲取原始遙感影像數(shù)據(jù)。

使用的數(shù)據(jù)處理技術(shù)為系統(tǒng)集合校正、輻射校正以及零級處理等數(shù)據(jù)預(yù)處理技術(shù)以及多種數(shù)據(jù)深加工處理技術(shù)。

使用的數(shù)據(jù)交互與展現(xiàn)技術(shù)為RAWGraphs可視化工具，通過該工具實施遙感影像數(shù)據(jù)的信息提取[2]。

整體數(shù)據(jù)處理過程（如圖1所示）:

圖1 遙感影像整體數(shù)據(jù)處理過程

1.2 目標(biāo)檢測

為實現(xiàn)遙感影像高亮目標(biāo)檢測，首先需要實施圖像分割。使用的圖像分割方法為多尺度分割法，具體分割流程如下：

（1）將任意像素點當(dāng)作起始點；

（2）對起始點像元鄰接的具有與起始點相同或相似像元性質(zhì)的像素點進行尋找，并對尋找的像素點進行歸并，使其合并到同一區(qū)域內(nèi)；

（3）將步驟（2）中的區(qū)域當(dāng)作新的像素起始點，對步驟（2）中的操作進行重復(fù)執(zhí)行，直到滿足條件的全部像素點被歸并至同一區(qū)域中，完成圖像的分割。

所獲取的分割結(jié)果是將遙感影像中零散分布的背景區(qū)域、種類不同的復(fù)雜背景整合為多個區(qū)域多邊形。在該過程中，需要將歸并至同一區(qū)域中的像元保持在最小的異質(zhì)性上。

接著提取分割遙感影像中的感興趣區(qū)域，具體提取步驟（如圖2所示）：

圖2 遙感影像中的感興趣區(qū)域具體提取步驟

然后實施遙感圖像的復(fù)雜背景抑制，通過灰度形態(tài)學(xué)重建實現(xiàn)遙感影像高亮目標(biāo)的檢測[3]。具體步驟如下：

（1）對全色圖像實施均值聚類濾波并抑制其高亮背景；

（2）對多光譜圖像實施均值聚類濾波并對其水體、建筑物、植被背景進行分離；

（3）對不相關(guān)背景進行充分抑制以減少虛假目標(biāo)；

（4）實施灰度形態(tài)學(xué)重建，獲取檢測背景；

（5）通過背景差分法對高亮目標(biāo)進行檢測；

（6）實施虛景去除處理。

通過以上步驟實現(xiàn)遙感影像高亮目標(biāo)檢測。

1.3 目標(biāo)識別

依據(jù)由粗到精的順序?qū)嵤┻b感影像高亮目標(biāo)識別。通過級聯(lián)AdaBoost算法快速提取遙感影像上的少量候選高亮目標(biāo)區(qū)域，作為粗略的目標(biāo)識別過程。

在粗略的目標(biāo)識別過程中，使用的級聯(lián)AdaBoost分類器是多層遞進結(jié)構(gòu)。在分類感興趣區(qū)域時，只有被上一級分類器直接判定為高亮目標(biāo)區(qū)域，該區(qū)域才能被送入下一級分類器中進行處理；未被判定為高亮目標(biāo)區(qū)域時，該區(qū)域?qū)恢苯泳芙^。因此只有和目標(biāo)相似的少數(shù)區(qū)域才能進入最后一級分類器中被識別，這種方式可以大幅減少精細識別時的計算量。

針對候選高亮目標(biāo)區(qū)域?qū)ι疃染矸e神經(jīng)網(wǎng)絡(luò)的對應(yīng)特征進行提取，并在SVM分類器內(nèi)實施特征的分類，利用非極大值抑制對最終結(jié)果進行求取，實現(xiàn)遙感影像高亮目標(biāo)識別[4]。將該過程作為精細識別目標(biāo)的過程。

1.4 目標(biāo)定位

根據(jù)載體平臺的對應(yīng)成像特性，將高程DEM數(shù)據(jù)與地理信息數(shù)據(jù)作為輔助，對有理函數(shù)模型進行修正，將目標(biāo)識別結(jié)果的中心像素點坐標(biāo)作為定位基礎(chǔ)，實現(xiàn)少量地面控制點或無地面控制點情況下的高亮目標(biāo)精確定位。

通過手動選擇多光譜圖像與遙感全色圖像中的連測點來確定精確、少量的地面控制點[5]。利用遙感衛(wèi)星的GCPs原始數(shù)據(jù)對高亮目標(biāo)的地面空間初始坐標(biāo)進行計算，在模型中代入選擇的地面控制點，實現(xiàn)模型的改善與修正。操作步驟具體如下：

（1）在目標(biāo)識別結(jié)果中對任意一個四邊形區(qū)域進行選擇，用（A1，B1，C1，D1）來表示。該區(qū)域中有與A1、B1、C1、D1四個點相鄰近的四個點：A2、B2、C2、D2。以有理函數(shù)模型為依據(jù)，對A2、B2、C2、D2這四個點的地面坐標(biāo)進行計算，用A2（X1，Y1）、B2（X2，Y2）、C2（X3，Y3）、D2（X4，Y4）來表示[6]；

（2）通過DEM數(shù)字高程數(shù)據(jù)對A2、B2、C2、D2這四個點的對應(yīng)高度Z值進行獲取。此時，這四個點的對應(yīng)三維坐標(biāo)可以表示為A2（X1，Y1，Z1）、B2（X2，Y2，Z2）、C2（X3，Y3，Z3）、D2（X4，Y4，Z4）；

（3）通過A2、B2、C2、D2這四個點的地面坐標(biāo)和有理函數(shù)模型對這四個點對應(yīng)的像面坐標(biāo)進行計算，分別用a2（I4，J1）、b2（I2，J2）、c2（I3，J3）、d2（I4，J4）來表示；

（4）通過A2、B2、C2、D2這四個點的對應(yīng)的地面坐標(biāo)A2（X1，Y1，Z1）、B2（X2，Y2，Z2）、C2（X3，Y3，Z3）、D2（X4，Y4，Z4）和對應(yīng)的像面坐標(biāo)a2（I1，J1）、b2（I2，J2）、c2（I3，J3）、d2（I4，J4），構(gòu)建一個物方和像方間二維坐標(biāo)系關(guān)系的變換式，具體如式（1）所示：

式（1）中，X、Y分別為物方二維坐標(biāo)系的兩個坐標(biāo)軸；f（I，J）為（I，J）這一點的橫坐標(biāo)變換函數(shù)；g（I，J）為（I，J）這一點的縱坐標(biāo)變換函數(shù)；a1、b1、c1分別為地面坐標(biāo)系數(shù)；a2、b2、c2分別為像面坐標(biāo)系數(shù)；

（5）對于這一點（I，J）對其對應(yīng)的物方二維坐標(biāo)（X，Y）進行計算；

（6）對地面坐標(biāo)中點（X，Y）對應(yīng)的高程數(shù)據(jù)進行查找，獲取點（X，Y）的對應(yīng)高度值Z，用（X，Y，Z）表示該點的對應(yīng)三維坐標(biāo)；

（7）通過有理函數(shù)模型，利用（X，Y，Z）這一三維坐標(biāo)對（X，Y）的對應(yīng)地面坐標(biāo)進行計算，用（I′，J′）來表示。由于第（4）個步驟中變換二維坐標(biāo)系時沒有對物方的坐標(biāo)進行變換，此時計算獲得的（I′，J′）像方坐標(biāo)會與（I，J）點的坐標(biāo)存在一定誤差；

（8）對（I，J）與（I′，J′）之間的差值進行計算，具體計算如式（2）所示：

（9）對上述步驟進行迭代，直到差值小于某門限，再次獲取（I，J）對應(yīng)物方坐標(biāo)（X，Y，Z）；

（10）當(dāng)不滿足條件時，通過差值ΔI與ΔJ實施校正，具體如式（3）所示：

式（3）中，ΔX為橫坐標(biāo)校正補充值；ΔY為縱坐標(biāo)校正補充值。

通過以上步驟實現(xiàn)遙感影像高亮目標(biāo)定位。

2.實驗與分析

2.1 實驗數(shù)據(jù)

對于設(shè)計的基于大數(shù)據(jù)的遙感影像高亮目標(biāo)定位方法，分別在海、陸區(qū)域背景下實施該方法的測試與分析。

在實驗中，使用的實驗數(shù)據(jù)集是GeoEye-1衛(wèi)星遙感影像數(shù)據(jù)中的海、陸區(qū)域背景數(shù)據(jù)。對其進行重采樣，將圖像分辨率提升至0.5m。在實驗數(shù)據(jù)集中，車輛類高亮目標(biāo)圖像的尺寸分別為3000×3000像素與2000×2000像素，艦船類高亮目標(biāo)圖像的尺寸分別為7500×15000像素與8000×8000像素。

實驗數(shù)據(jù)集中的圖像具體（如圖3所示）：

圖3 實驗數(shù)據(jù)集中的圖像

分別針對車輛類高亮目標(biāo)與艦船類高亮目標(biāo)，通過5個場景實施高亮目標(biāo)檢測與定位實驗。在海、陸區(qū)域背景下分別測試設(shè)計方法的目標(biāo)檢測與目標(biāo)定位性能。

2.2 艦船類高亮目標(biāo)檢測與定位實驗結(jié)果

艦船類高亮目標(biāo)共有兩個實驗場景，對于艦船類高亮目標(biāo)，使用設(shè)計方法進行目標(biāo)檢測的實驗結(jié)果（如表1所示）：

表1 艦船類高亮目標(biāo)檢測實驗結(jié)果

根據(jù)表1艦船類高亮目標(biāo)的目標(biāo)檢測實驗結(jié)果，基于大數(shù)據(jù)的遙感影像高亮目標(biāo)定位方法在兩個實驗場景中都能實現(xiàn)較為準(zhǔn)確地目標(biāo)檢測，目標(biāo)檢測準(zhǔn)確率在第二個場景中達到了100%。

在兩個艦船類高亮目標(biāo)的實驗場景中，設(shè)計方法的目標(biāo)定位實驗結(jié)果（如圖4所示）：

圖4 兩個實驗場景中設(shè)計方法的目標(biāo)定位實驗結(jié)果

根據(jù)圖4的目標(biāo)定位實驗結(jié)果可知：在場景一中，設(shè)計方法對于檢測目標(biāo)的目標(biāo)定位較為準(zhǔn)確；在場景二中，設(shè)計方法對于檢測目標(biāo)的目標(biāo)定位同樣較為準(zhǔn)確。說明設(shè)計方法對于艦船類高亮目標(biāo)而言有著準(zhǔn)確的目標(biāo)定位性能。

2.3 車輛類高亮目標(biāo)檢測與定位實驗結(jié)果

車輛類高亮目標(biāo)共有三個實驗場景，對于車輛類高亮目標(biāo)，使用設(shè)計方法進行目標(biāo)檢測的實驗結(jié)果（如表2所示）：

表2 車輛類高亮目標(biāo)檢測實驗結(jié)果

根據(jù)表2車輛類高亮目標(biāo)的目標(biāo)檢測實驗結(jié)果可知：設(shè)計方法在三個實驗場景中都能實現(xiàn)較為準(zhǔn)確地目標(biāo)檢測，目標(biāo)檢測準(zhǔn)確率在第三個場景中達到了100%。

在三個車輛類高亮目標(biāo)的實驗場景中，設(shè)計方法的目標(biāo)定位實驗結(jié)果（如圖5所示）：

圖5 三個實驗場景中設(shè)計方法的目標(biāo)定位實驗結(jié)果

根據(jù)圖5的目標(biāo)定位實驗結(jié)果可知：在三個車輛類高亮目標(biāo)的實驗場景中，設(shè)計方法的目標(biāo)定位均較為準(zhǔn)確，說明設(shè)計方法對于車輛類高亮目標(biāo)而言有著準(zhǔn)確的目標(biāo)定位性能。

3.結(jié)束語

隨著光學(xué)遙感分辨率的提升以及圖像處理技術(shù)的不斷發(fā)展，遙感影像高亮目標(biāo)定位問題越來越受到重視。在該問題的研究中應(yīng)用了大數(shù)據(jù)中的基礎(chǔ)架構(gòu)支持技術(shù)、數(shù)據(jù)處理技術(shù)以及數(shù)據(jù)交互與展現(xiàn)技術(shù)實施遙感影像的數(shù)據(jù)處理，實現(xiàn)了精準(zhǔn)的遙感影像高亮目標(biāo)定位，取得了一定研究成果。