王霽云，鐵雯婕

（1.蘇州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 蘇州 215006；2.蘇州空天信息研究院，江蘇 蘇州 215128）

城市固體廢棄物（以下簡稱“城市固廢”）主要來源于城市日常建設(shè)和居民生活過程中產(chǎn)生的固體廢物，與工業(yè)活動(dòng)、城市設(shè)施建設(shè)和人員行為等密切相關(guān)。隨著國內(nèi)城市化進(jìn)程的加快，城市固廢的產(chǎn)生量迅速增長，對(duì)城市環(huán)境在土地占用、空氣污染和水資源污染等方面均造成嚴(yán)重影響，如何對(duì)城市固廢進(jìn)行監(jiān)測(cè)和識(shí)別是對(duì)于城市管理的巨大挑戰(zhàn)，也是進(jìn)行合理處置的重要前提。城市固廢存在分布廣泛、面積較小和隨機(jī)性強(qiáng)的明顯特點(diǎn)，采用傳統(tǒng)實(shí)地調(diào)查的方式耗時(shí)耗力且很難做到全方位的快速監(jiān)測(cè)，隨著遙感技術(shù)的發(fā)展和遙感數(shù)據(jù)獲取成本的不斷降低，采用高分辨率光學(xué)衛(wèi)星數(shù)據(jù)進(jìn)行城市固廢監(jiān)測(cè)，能夠充分發(fā)揮遙感衛(wèi)星時(shí)效性強(qiáng)、覆蓋面積大的特點(diǎn)，相比地面監(jiān)測(cè)手段在城市固廢監(jiān)測(cè)準(zhǔn)確性、成本方面均有明顯優(yōu)勢(shì)?；谶b感衛(wèi)星數(shù)據(jù)實(shí)現(xiàn)對(duì)城市固廢的快速識(shí)別、提取，并進(jìn)行常態(tài)化監(jiān)測(cè)已成為新的發(fā)展趨勢(shì)。

近年來，針對(duì)城市固廢遙感監(jiān)測(cè)應(yīng)用，學(xué)者們先后提出多種考慮地物特征的遙感影像分類和目標(biāo)檢測(cè)算法。楊海平等[1]在多層優(yōu)選尺度分割中考慮分割層全局標(biāo)準(zhǔn)差和對(duì)象面積權(quán)重因素確定最優(yōu)分割尺度，結(jié)合Geo－Eye、ZY3衛(wèi)星多光譜影像開展分割實(shí)驗(yàn)。鄧志鵬等[2]利用形變卷積和形變池化操作提取具有尺度和方向變化的遙感影像目標(biāo)信息，在實(shí)驗(yàn)中通過空間變換方法擴(kuò)充數(shù)據(jù)集來驗(yàn)證密集目標(biāo)的檢測(cè)效果。林祥國等[3]綜合利用分割和基于圖的數(shù)學(xué)形態(tài)top-hat重建，采用形態(tài)學(xué)指數(shù)進(jìn)行高分辨率遙感影像目標(biāo)提取。秦海春[4]基于高分二號(hào)影像數(shù)據(jù)信息，以決策樹分類方式建立垃圾堆的解譯標(biāo)志，區(qū)分影像的不同呈現(xiàn)效果。代沁伶[5]等提出一種結(jié)合區(qū)域多尺度遙感影像分割和馬爾可夫隨機(jī)場(chǎng)的分類方法，重點(diǎn)改善分類結(jié)果中“胡椒鹽”現(xiàn)象，有效提高分類精度。Li等[6]提出一種基于全局空間信息的遙感影像自適應(yīng)分割算法，在影像聚類算法處理中設(shè)置像素級(jí)信息熵權(quán)重，實(shí)現(xiàn)基于目標(biāo)的遙感影像分割。Zhou等[7]提出一種自適應(yīng)方法定義和估計(jì)最佳尺度的多尺度分割方法，通過迭代分割模式，結(jié)合影像特征和專題信息進(jìn)行多層次多尺度影像分割。劉懿蘭等[8]結(jié)合深度學(xué)習(xí)模型和條件隨機(jī)場(chǎng)模型，基于深度卷積神經(jīng)網(wǎng)絡(luò)提取鄉(xiāng)鎮(zhèn)固體廢棄物，在傳統(tǒng)全卷積神經(jīng)網(wǎng)絡(luò)（FCN）基礎(chǔ)上加入條件隨機(jī)場(chǎng)模型（CRF）提取固體廢棄物邊界，提高整體分割精度。Cadau等[9]綜合利用高分辨率遙感光學(xué)影像和合成孔徑雷達(dá)影像對(duì)垃圾堆進(jìn)行二維和三維監(jiān)測(cè)，并基于反演溫度計(jì)算提出垃圾堆監(jiān)測(cè)指數(shù)DDI。同時(shí)，目前城市固廢監(jiān)測(cè)研究層面依然存在主觀意識(shí)強(qiáng)、信息提取精度不高的問題，需結(jié)合面向?qū)ο筇攸c(diǎn)和多種典型特征進(jìn)行深層研究。

針對(duì)上述存在的問題，本文基于高分辨率光學(xué)衛(wèi)星遙感影像數(shù)據(jù)，從影像目標(biāo)檢測(cè)的角度開展城市固廢監(jiān)測(cè)，采用異質(zhì)度最小的區(qū)域合并算法進(jìn)行遙感影像多尺度分割，獲取工業(yè)、建筑、生活及裝修垃圾等多種類型城市固廢信息，為城市固廢監(jiān)測(cè)與治理提供技術(shù)支撐。

1 城市固廢遙感信息提取方法

1.1 城市固廢遙感解譯特征

城市固廢在遙感影像上的解譯特征是指各種能夠反映和表現(xiàn)城市固廢地物信息的遙感影像特征，可以幫助判讀者識(shí)別遙感影像上城市固廢這類目標(biāo)地物或現(xiàn)象。高分辨率光學(xué)影像數(shù)據(jù)的特征信息豐富，在利用面向?qū)ο蠹夹g(shù)進(jìn)行地物信息的分類提取時(shí)，在利用傳統(tǒng)直觀的光譜特性之外，還需要利用紋理特征和形狀特征[10]，以及相鄰地物的空間關(guān)系特征。

1.1.1 光譜特征

光譜特征是影像對(duì)象中最主要的特征，主要用來描述影像對(duì)象中各個(gè)像元在各波段上的統(tǒng)計(jì)特征，可根據(jù)多類地物特有的光譜特征進(jìn)行地物識(shí)別，如城市固廢光譜特征存在顏色發(fā)白、周邊色調(diào)不一致等地物特征。光譜特征有很多，城市固廢遙感監(jiān)測(cè)中常用的主要有均值、亮度值、標(biāo)準(zhǔn)差和植被指數(shù)等。

（1）均值：指影像對(duì)象在某波段上的所有像素灰度值的均值，用來度量對(duì)象灰度值的集中趨勢(shì)。

式中：n為像素個(gè)數(shù)；pik為k波段中第i個(gè)像素點(diǎn)的值。

（2）亮度（Brightness，公式中用B表示）：對(duì)影像對(duì)象內(nèi)所有波段的均值求平均值，用于多光譜影像和高光譜影像。

式中：m為影像波段數(shù)量。

（3）標(biāo)準(zhǔn)差：從所有像素的影像層強(qiáng)度值計(jì)算得到標(biāo)準(zhǔn)差，即對(duì)象內(nèi)多波段亮度值的標(biāo)準(zhǔn)差值，表示波段內(nèi)像素值的離散程度。

式中：σ為標(biāo)準(zhǔn)差；M為整幅影像k波段的均值；j為像素點(diǎn)。

（4）歸一化植被指數(shù)（NDVI，公式中用NDVI表示）：遙感影像近紅外通道與紅色通道反射率之差與之和的商，反映土地覆蓋植被狀況。

式中：NIR為近紅外波段的反射值（公式中用NIR）表示；R為紅色波段的反射值。

1.1.2 紋理特征

紋理特征作為遙感影像的重要特征，是復(fù)雜視覺實(shí)體或子模式的組合，每種地物所呈現(xiàn)的紋理都有自己的特點(diǎn)。在遙感影像分類應(yīng)用中，基于灰度共生矩陣的紋理提取方法比較廣泛?；叶裙采仃嚱⒃谟跋窆烙?jì)二階組合條件概率密度基礎(chǔ)上，計(jì)算影像中有一定距離和方向的2點(diǎn)灰度相關(guān)性反映影像在方向、間隔、變化幅度及快慢上的綜合信息?；叶裙采仃嚥荒苤苯佑脕砻枋黾y理，在其基礎(chǔ)上導(dǎo)出反映矩陣特征的參數(shù)。

（1）對(duì)比度（CON，公式中用CON表示）：影像視覺效果的清晰程度度量，反映影像的清晰度和紋理的深淺程度。

（2）同質(zhì)性（HOM，公式中用HOM表示）：度量對(duì)象內(nèi)灰度分布均勻性。

（3）相關(guān)性（COR，公式中用COR表示）：灰度共生矩陣元素間在行或列方向上的相似程度。

（4）二階矩（公式中用AG表示）：描述灰度分布的均勻性，反映影像灰度分布均勻程度和紋理粗細(xì)度。

（5）熵值（ENT，公式中用ENT表示）：度量信息總量，反映紋理復(fù)雜度。

1.1.3 形狀特征

形狀特征是對(duì)光譜特征的補(bǔ)充，是在提取對(duì)象邊界點(diǎn)的基礎(chǔ)上形成的，反映對(duì)象的幾何特征。當(dāng)光譜特征相近而形狀有差別時(shí)，利用形狀特征可以更好地實(shí)現(xiàn)分類。形狀特征主要包括面積、長寬比、密度和形狀指數(shù)等。在分析遙感影像形狀特征時(shí)，可進(jìn)行語義特性分析，即表征城市固廢與其周圍地物的語義關(guān)系，如住宅密集區(qū)不相交性、生活垃圾與居民周圍空地的鄰接空間關(guān)系等。

（1）面積（公式中用A表示）：面積用來表征對(duì)象大小，在影像空間分辨率確定的基礎(chǔ)上，面積即為影像的像元總數(shù)量。

式中：a為像素元。

（2）長寬比（公式中用r表示）：對(duì)象外接橢圓的長寬比，用協(xié)方差矩陣特征值的較大值與較小值的比值表示。

式中：l、w是長度和寬度；eig1（S）、eig2（S）是協(xié)方差矩陣S的較大值和較小值。

（3）密度（Density，公式中用D表示）：體現(xiàn)對(duì)象像素在空間的分布，表示對(duì)象內(nèi)部緊致程度。

式中：n是像元數(shù)量；Var為方差（公式中用Var表示），則Var（X）、Var（Y）表示2個(gè)坐標(biāo)對(duì)應(yīng)的方差。

（4）形狀指數(shù)（公式中用Si表示）：描述影像對(duì)象邊界的平滑程度。

式中：e是對(duì)象邊界長度；A是對(duì)象面積。

1.2 遙感影像多尺度分割

對(duì)遙感影像進(jìn)行多尺度分割，使單一空間分辨率的遙感影像通過多尺度來表征信息。經(jīng)過多個(gè)分割尺度進(jìn)行影像分割后，形成影像對(duì)象層次體系，影像對(duì)象包含像元的光譜信息、此像元附件空間關(guān)系信息等，影像層級(jí)由分割尺度參數(shù)決定。1個(gè)對(duì)象層有1個(gè)固定尺度值，多個(gè)對(duì)象層不固定1個(gè)尺度值，而是體現(xiàn)了多種空間尺度的地物類別屬性，不同屬性的類別信息在不同尺度對(duì)象層進(jìn)行有效區(qū)分。

多尺度圖像分割是一種自下而上的分割算法，在本文中采用了異質(zhì)度最小的區(qū)域合并算法，從影像中單個(gè)像元開始，根據(jù)像元對(duì)象異質(zhì)度最小的原則，對(duì)單個(gè)像元與其相鄰像元進(jìn)行合并，形成多個(gè)影像對(duì)象，影像對(duì)象的集合構(gòu)成分割的結(jié)果。分割過程中所使用特征參數(shù)包括光譜特征、紋理特征和形狀特征，通過設(shè)置分割尺度、波段權(quán)重等參數(shù)對(duì)圖像進(jìn)行分割。多尺度分割的主要參數(shù)包含：分割尺度、波段權(quán)重和一致性準(zhǔn)則。具體處理流程如圖1所示。

圖1 基于多尺度分割的城市固廢監(jiān)測(cè)技術(shù)流程

城市固廢內(nèi)部結(jié)構(gòu)復(fù)雜，有很強(qiáng)的異質(zhì)性。異質(zhì)度分割基于遙感影像的光譜特征和形狀特征來判斷多尺度分割中2個(gè)影像對(duì)象之間是否為同一區(qū)域。在遙感影像表征中，光譜和形狀之間呈現(xiàn)互補(bǔ)關(guān)系，分割參數(shù)設(shè)置包括光譜因子與形狀因子2個(gè)部分，形狀因子又包含光滑度與緊致度。

1.2.1 光譜異質(zhì)度

光譜異質(zhì)度用影像中所有像素灰度的標(biāo)準(zhǔn)差來計(jì)算

式中：n表示參與圖像分割多光譜波段的總數(shù)量；wi表示第i波段的權(quán)重值；σi表示圖像第i波段灰度值的標(biāo)準(zhǔn)差。

1.2.2 形狀異質(zhì)度

形狀異質(zhì)度由形狀光滑度和形狀緊致度組成。

式中：hsmooth和hcomp分別為影像的平滑度因子和緊致度因子；wsmooth和wcomp分別表示平滑度因子的權(quán)重值和緊致度因子的權(quán)重值。

1.2.3 影像整體異質(zhì)度

式中：wc和ws分別表示光譜因子的權(quán)重值和形狀因子的權(quán)重值；hc和hs分別表示光譜異質(zhì)度因子和形狀異質(zhì)度因子。

在不同層級(jí)分割尺度的選擇中，通過計(jì)算各個(gè)尺度下影像同質(zhì)度的局部方差變化率來進(jìn)行設(shè)置，變換率值最大即為最佳分割尺度，這樣保證地物分割邊界清晰。同時(shí)，分割層疊加層級(jí)影響數(shù)據(jù)處理時(shí)間，需根據(jù)具體影像對(duì)分割層級(jí)進(jìn)行調(diào)整。

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文實(shí)驗(yàn)區(qū)域?yàn)樯綎|省濟(jì)南市北部區(qū)域，實(shí)驗(yàn)范圍橫跨黃河兩岸，南起小清河、北至徒駭河、西起玉符河、東至臨港辦事處東邊界，面積約800 km2，區(qū)域內(nèi)環(huán)境復(fù)雜、地物多樣，具有一定代表性。所做城市固廢遙感監(jiān)測(cè)成果配合當(dāng)?shù)氐某鞘泄芾砉ぷ鳌?/p>

實(shí)驗(yàn)所用光學(xué)衛(wèi)星數(shù)據(jù)選取高分二號(hào)全色和多光譜數(shù)據(jù)，影像獲取時(shí)間為2021年8月份。高分二號(hào)衛(wèi)星于2014年8月19日成功發(fā)射，是我國自主研制的首顆空間分辨率優(yōu)于1 m的民用光學(xué)遙感衛(wèi)星，突破了亞米級(jí)、大幅寬成像技術(shù)。衛(wèi)星搭載有2臺(tái)高分辨率1 m全色和4 m多光譜相機(jī)，星下點(diǎn)空間分辨率可達(dá)0.8 m。實(shí)驗(yàn)過程中所采用的數(shù)字高程模型（DEM）數(shù)據(jù)為SRTM DEM，數(shù)據(jù)空間分辨率為30 m。

2.2 處理結(jié)果

對(duì)高分二號(hào)全色和多光譜數(shù)據(jù)進(jìn)行預(yù)處理，獲得經(jīng)校正、融合等處理后得到正射產(chǎn)品。在此基礎(chǔ)上，綜合利用高分二號(hào)融合影像光譜、紋理和形狀特征進(jìn)行異質(zhì)度計(jì)算和多尺度分割。在實(shí)驗(yàn)過程中經(jīng)對(duì)比選取適當(dāng)?shù)奶幚韰?shù)，相應(yīng)的參數(shù)設(shè)置分別為分割尺度100、光譜因子和形狀因子權(quán)重系數(shù)各為0.5。經(jīng)處理后，共提取城市固廢圖斑281處。

所提取城市固廢分為4種類型，其中工業(yè)固廢36處、建筑渣土157處、生活垃圾73處及裝修（大件）垃圾15處；各類城市固廢提取總面積為2812184.3 m2，詳見表1。

表1 城市固廢提取圖斑統(tǒng)計(jì)表

從本文城市固廢遙感信息提取方法的處理應(yīng)用結(jié)果來看，高分辨率光學(xué)衛(wèi)星影像能夠作為有效數(shù)據(jù)源來進(jìn)行城市固廢提取工作，隨著衛(wèi)星地面分辨率、偵照頻率的不斷提升和遙感影像的不斷積累，能夠進(jìn)一步提升方法的檢測(cè)準(zhǔn)確性，有效提高城市管理水平。

3 結(jié)束語

隨著遙感衛(wèi)星數(shù)量的增加和成像質(zhì)量的提升，遙感數(shù)據(jù)應(yīng)用領(lǐng)域逐漸拓展到多個(gè)行業(yè)。遙感衛(wèi)星數(shù)據(jù)應(yīng)用作為高技術(shù)手段，能夠充分彌補(bǔ)傳統(tǒng)城市要素監(jiān)測(cè)方式的不足，適應(yīng)于多類城市管理應(yīng)用場(chǎng)景的需求。

本研究針對(duì)高分辨率遙感影像空間信息豐富的特點(diǎn)，依據(jù)對(duì)城市固廢影像特征和尺度效應(yīng)的分析，提出一種面向?qū)ο蟮亩喑叨冗b感監(jiān)測(cè)方法。實(shí)驗(yàn)結(jié)果表明，該方法采用高分二號(hào)融合影像數(shù)據(jù)，針對(duì)具體影像和待提取要素的特性，能夠有效改善影像分割結(jié)果。同時(shí)，由于城市固廢自身的復(fù)雜性，本文所提出的城市固廢遙感監(jiān)測(cè)方法在提取精度還有待進(jìn)一步提高。后期可基于多期、多分辨率影像信息，細(xì)化城市固廢分類特征，從而提高提取精度。