王曉花， 鄧小煉， 何卓麗， 杜玉琪, 沈延峰

(1.三峽大學(xué) 理學(xué)院，湖北 宜昌 443000 ;2.凌云科技集團(tuán)有限公司，湖北 武漢 430040)

基于特征增強(qiáng)與最小誤差分割的變化檢測(cè)方法

王曉花1， 鄧小煉1， 何卓麗1， 杜玉琪1, 沈延峰2

(1.三峽大學(xué) 理學(xué)院，湖北 宜昌 443000 ;2.凌云科技集團(tuán)有限公司，湖北 武漢 430040)

以河北省石家莊市2003年和2004年的專題制圖儀(TM)遙感影像為例，針對(duì)各波段光譜特征，提出了一種基于地物特征增強(qiáng)的變化檢測(cè)方法。在兩期影像上對(duì)各類地物采樣并計(jì)算樣本在不同波段的均值、標(biāo)準(zhǔn)差等特征量，以確定波段組合運(yùn)算的加權(quán)系數(shù)，計(jì)算特征增強(qiáng)圖像，實(shí)現(xiàn)兩期影像中所指定地物類型的特征增強(qiáng)；計(jì)算兩期特征增強(qiáng)影像的差異影像；使用最小誤差分割法獲取變化檢測(cè)結(jié)果。通過(guò)對(duì)比實(shí)驗(yàn)可知：方法提取變化區(qū)域總體精度達(dá)到90 %，相對(duì)于傳統(tǒng)的基于主成分分析(PCA)的變化檢測(cè)方法，具有較高的檢測(cè)精度，較好的可行性與適應(yīng)性。

變化檢測(cè)； 波段組合； 特征增強(qiáng)； 最小誤差分割

0 引 言

遙感是20世紀(jì)60年代發(fā)展起來(lái)的對(duì)地觀測(cè)綜合性技術(shù)。作為一門興起時(shí)間不長(zhǎng)卻有著廣泛應(yīng)用前景的學(xué)科技術(shù)，在對(duì)資源和環(huán)境調(diào)查時(shí)，能不受時(shí)間、空間、地形阻隔限制，實(shí)現(xiàn)大面積的同步觀測(cè)[1]。然而如何利用遙感圖像光譜特征、形態(tài)與紋理特征、以及空間關(guān)系等特征作為識(shí)別信息，運(yùn)用模式識(shí)別與專家系統(tǒng)相結(jié)合的方法進(jìn)行數(shù)據(jù)融合，實(shí)現(xiàn)從遙感數(shù)據(jù)中提取和檢測(cè)變化信息成為遙感應(yīng)用技術(shù)研究的重要課題，受到越來(lái)越多的關(guān)注[2，3]。

遙感影像變化檢測(cè)是指利用不同歷史時(shí)期覆蓋同一地表區(qū)域的多源遙感影像和相關(guān)地理數(shù)據(jù)，結(jié)合對(duì)應(yīng)地物特法，確定和分析該區(qū)域地物的變化，包括地物位置、范圍的確定和地物性質(zhì)、狀態(tài)的變化[4，5]。它在土地利用和覆蓋變化、森林植被變性和遙感成像機(jī)理，采用圖像圖形處理理論及數(shù)理模型方化、城市擴(kuò)展和災(zāi)害監(jiān)測(cè)等諸多領(lǐng)域發(fā)揮著積極和重要的作用[6～8]。眾多學(xué)者就不同的應(yīng)用角度，研究了大量的變化檢測(cè)方法和理論模型。如姜浩、馮敏等人[9]提出基于線狀特征增強(qiáng)的專題制圖儀(thematic mapper,TM)遙感影像細(xì)小河流提取方法；侯曉真、張書華等人[10]提出通過(guò)波段運(yùn)算從空間范圍和面積上對(duì)沙漠動(dòng)態(tài)進(jìn)行變化檢測(cè)的方法；杜培軍、柳思聰[11]提出在提取影像多種特征的基礎(chǔ)上，構(gòu)建一維和多維兩種基于信息融合的變化檢測(cè)方法。伴隨著不斷增加的技術(shù)和算法，變化檢測(cè)系統(tǒng)變得越來(lái)越復(fù)雜多樣，但學(xué)者們普遍認(rèn)為，變化檢測(cè)是一個(gè)復(fù)雜的綜合處理過(guò)程，現(xiàn)有檢測(cè)方法在實(shí)際生產(chǎn)應(yīng)用中沒(méi)有最優(yōu)，沒(méi)有哪一種能適合所有的應(yīng)用，需要根據(jù)不同目的和數(shù)據(jù)源選擇合適的方法[12，13]。

1 實(shí)驗(yàn)區(qū)介紹與遙感數(shù)據(jù)分析

本文選取了2003年和2004年河北省石家莊市的TM影像作為實(shí)驗(yàn)區(qū)數(shù)據(jù)，實(shí)驗(yàn)區(qū)兩期假彩色影像(TM4，TM3，TM2)如圖1所示。觀察本實(shí)驗(yàn)區(qū)TM數(shù)據(jù)6個(gè)波段的光譜特征，總結(jié)出實(shí)驗(yàn)區(qū)數(shù)據(jù)各個(gè)波段道路整體的反射率都較高，所以,在各單波段影像中顯示均為亮色；而城鎮(zhèn)和河流的反射率較低，顯示為暗色；裸地與植被則居中；道路與其他幾種地物的反射率相差較大，實(shí)驗(yàn)區(qū)變化區(qū)域主要是道路，還有少量建筑、水塘與綠植。為實(shí)現(xiàn)多波段數(shù)據(jù)降維處理和減少數(shù)據(jù)間冗余，使變化檢測(cè)流程更加簡(jiǎn)單、快捷，本文改進(jìn)了常用的波段組合特征增強(qiáng)運(yùn)算，對(duì)實(shí)驗(yàn)區(qū)數(shù)據(jù)中某特定地物(如建筑群，植被，河流，道路等)進(jìn)行特征增強(qiáng)。觀察遙感影像中主要的變化類型確定突出何種地物，從而弱化其他地物，減少干擾。

圖1 河北省石家莊市TM彩色紅外影像

2 研究方法

本文以增強(qiáng)道路為例，通過(guò)對(duì)各個(gè)地物樣本進(jìn)行采樣，先計(jì)算均值、標(biāo)準(zhǔn)差等特征量確定各波段組合運(yùn)算的加權(quán)系數(shù)，實(shí)現(xiàn)對(duì)兩期影像特定地物類型增強(qiáng)，然后進(jìn)行差值運(yùn)算獲取變化量，最后使用最大類間方差(OTSU)[14]和最小誤差分割獲取變化檢測(cè)的結(jié)果。結(jié)果表明：基于波段組合運(yùn)算的特征增強(qiáng)和基于最小誤差的閾值分割能有效實(shí)現(xiàn)特定地物類型增強(qiáng)，減輕分割的難度，提高變化檢測(cè)精度，算法具有一定實(shí)用價(jià)值。本文變化檢測(cè)流程如圖2所示。

圖2 算法流程

2.1 基于圖像特征增強(qiáng)的變化檢測(cè)

圖像增強(qiáng)技術(shù)可以分為基于空間域的方法和基于頻域的方法，一般的圖像增強(qiáng)技術(shù)有直方圖均衡、直方圖匹配、拉普拉斯銳化增強(qiáng)等方法[15]。而本文中波段組合特征增強(qiáng)運(yùn)算是通過(guò)各波段之間線性組合運(yùn)算來(lái)增強(qiáng)某類地物。例如：若突出道路，則應(yīng)該在與道路光譜特征差異最大的其他波段增強(qiáng)運(yùn)算系數(shù)；如若希望該波段差異越大，則減去的倍數(shù)越多，使該地物的差異增強(qiáng)，差異越小的波段要弱化這種增強(qiáng)。根據(jù)上述對(duì)各類地物光譜的分析，提出了改進(jìn)的波段組合特征增強(qiáng)運(yùn)算，基本公式如下

(1)

式中 T為最終得到的合成圖像；TMi為各個(gè)波段的歸一化反射率；Ki為第i波段的加權(quán)運(yùn)算系數(shù)

Ki=(TMi1-μi)/σi

(2)

式中 Ki為通過(guò)實(shí)際采樣值對(duì)波段組合運(yùn)算的系數(shù)量化；TMi1為第i個(gè)波段第一種地物類型(待增強(qiáng)的目標(biāo)地物道路)的歸一化反射率值；每類地物取樣若干個(gè)樣本點(diǎn)，σi為第i個(gè)波段各類地物取樣的標(biāo)準(zhǔn)差;μi為第i個(gè)波段各類地物取樣的均值

(3)

式中 N為采樣地物類型數(shù)；TMij為第i波段第j類地物的歸一化反射率值，需要注意的是，若第i類地物采了M個(gè)樣本，TMij的取值已經(jīng)對(duì)M個(gè)樣本進(jìn)行了均值運(yùn)算。TMij為第j類地物在波段i上均值，用該值代表第j類地物，方便運(yùn)算。μi為N類地物在波段i上均值，σi為

(4)

各式中Ki的確定是關(guān)鍵，式(2)表示用待增強(qiáng)目標(biāo)地物當(dāng)前的歸一化反射率值減去該波段采樣數(shù)據(jù)各地物的平均值，差值與標(biāo)準(zhǔn)差的比值即可代表參與運(yùn)算的系數(shù)。

2.2 最小誤差閾值分割方法[16，17]

要繼續(xù)和同學(xué)、老師、家長(zhǎng)保持良好的關(guān)系。實(shí)在郁悶的時(shí)候，甚至可以大哭一場(chǎng)，但是，千萬(wàn)不要因?yàn)橐粫r(shí)沖動(dòng)而說(shuō)出傷害他們的話！與他們相處的時(shí)間已經(jīng)很短暫了，請(qǐng)一定、一定不要留下令他們難過(guò)的印象。

(5)

當(dāng)選定閾值為T時(shí)，目標(biāo)像素錯(cuò)分為背景像素的概率為

(6)

將背景像素錯(cuò)分為目標(biāo)像素的概率為

H1(T)=∫T∞p1(z)dz

(7)

總錯(cuò)誤率為

H(T)=θH1(T)+(1-θ)H2(T)

(8)

-θp1(T)+(1-θ)p2(T)=0

(9)

由此得出

(10)

(11)

(12)

說(shuō)明正態(tài)分布時(shí)，最佳閾值可按式(11)求得。若p1(z)，p2(z)不是正態(tài)分布，可用式(9)確定最小誤差的閾值T。

3 實(shí)驗(yàn)結(jié)果對(duì)比與精度評(píng)價(jià)

對(duì)幾種典型地物分別在各個(gè)波段取樣本若干并歸一化采樣樣本值，利用上述波段組合特征增強(qiáng)方法，計(jì)算均值、標(biāo)準(zhǔn)差、波段加權(quán)系數(shù)，結(jié)果如表1。各波段所得加權(quán)系數(shù)皆為小數(shù)，將其四舍五入保留一位小數(shù)，TM2，TM3，TM4，TM5，TM7的系數(shù)為1.5，1.4，1.3，1.3，1.3。所以，最終波段組合特征增強(qiáng)運(yùn)算為：TM1-1.5TM2-1.4TM3-1.3TM4-1.3TM5-1.3TM7。根據(jù)該式，對(duì)兩期影像分別進(jìn)行特征增強(qiáng)，獲取道路增強(qiáng)后的兩期影像，如圖3所示,而圖4則是采用傳統(tǒng)的主成分分析(principalcomponentanalysis,PCA)變換，獲取兩期影像的第一主成分影像。

表1 歸一化采樣樣本值和特征量計(jì)算

基于波段組合運(yùn)算的特征增強(qiáng)檢測(cè)方法，將兩期道路增強(qiáng)后影像直接做差值獲取變化量，如圖5(a)；而基于PCA變換的檢測(cè)方法則分別選擇兩期變換后影像的第一主成分做差值獲取變化量，如圖5(b)。波段線性組合運(yùn)算和PCA變換均對(duì)遙感影像進(jìn)行特征增強(qiáng)，但本文提出的波段組合運(yùn)算對(duì)指定的地物道路進(jìn)行特征增強(qiáng)，而傳統(tǒng)PCA變換，針對(duì)全圖像的特征增強(qiáng)。文中采用了OTSU和最小誤差方法分別對(duì)上述變化量進(jìn)行了分割，如圖6、圖7，具體分割結(jié)果的細(xì)節(jié)對(duì)比如圖6(c)、圖6(d)、圖7(c)、圖7(d)。

圖3 河北省石家莊市特征增強(qiáng)影像

圖4 河北省石家莊市PCA變換影像

圖5 兩期影像的差值影像

圖6 OTSU閾值分割的變化檢測(cè)結(jié)果

通過(guò)觀察基于OTSU分割的局部細(xì)節(jié)圖，可以看出，特征增強(qiáng)法圖6(c)較PCA變換法圖6(d)提取信息更簡(jiǎn)潔清晰，圖6(d)提取的變化結(jié)果受噪聲影響程度更大，將背景誤檢測(cè)為目標(biāo)；而基于最小誤差分割的局部細(xì)節(jié)圖中，特征增強(qiáng)法圖7(c)在一定程度上消除了噪聲影響，較PCA變換法圖7(d)提取的變化結(jié)果道路更加清晰和完整，圖7(d)提取的變化結(jié)果會(huì)出現(xiàn)不連續(xù)、斷節(jié)等現(xiàn)象，最終誤檢測(cè)的概率也會(huì)更大。整體來(lái)說(shuō)，圖7(c)檢測(cè)結(jié)果是最優(yōu)的。由此可以看出：OTSU提取出的結(jié)果較多，往往容易將未變化的區(qū)域檢測(cè)為變化區(qū)域，不能有效地將目標(biāo)和背景區(qū)分開來(lái)，不適合用在復(fù)雜圖像變化檢測(cè)的分割中。而最小誤差方法整體分割效果較好，具有較好的抗噪能力，能將道路和背景有效的分割開來(lái)。

圖7 最小誤差閾值分割的變化檢測(cè)結(jié)果

在2004年的TM遙感影像中，選取200個(gè)變化樣本點(diǎn)和300個(gè)未變化樣本點(diǎn)作為驗(yàn)證樣本，利用混淆矩陣，計(jì)算總體精度、Kappa系數(shù)，對(duì)采用上述的變化檢測(cè)方法及閾值分割方法獲取的變化檢測(cè)結(jié)果進(jìn)行評(píng)估，結(jié)果如表2、表3、表4、表5所示。由表可以看出，不論采用OTSU還是最小誤差閾值分割，特征增強(qiáng)變化檢測(cè)結(jié)果的總體精度都在90%以上，Kappa系數(shù)均在0.8以上，均略優(yōu)于PCA變換。

表2 基于OTSU閾值分割+特征增強(qiáng)法的混淆矩陣

表3 基于OTSU閾值分割+PCA變換的混淆矩陣

4 結(jié)束語(yǔ)

本文提出了基于特征增強(qiáng)與最小誤差閾值分割相結(jié)合的變化檢測(cè)方法。在變化檢測(cè)方面增強(qiáng)了準(zhǔn)確性，在分割方面增強(qiáng)了抗噪性。采用PCA變換法與特征增強(qiáng)的變換檢測(cè)方法做對(duì)比實(shí)驗(yàn)，分析比較了兩種方法的變化檢測(cè)結(jié)果，證明了經(jīng)過(guò)地物特征增強(qiáng)后獲取的變化量能更準(zhǔn)確地提取出變化區(qū)域。方法不僅融合了各波段的特點(diǎn)，而且增強(qiáng)了各地物的可區(qū)分度，效果較好。另外，文中采用了兩種閾值分割方法，無(wú)論是理論還是實(shí)驗(yàn)都充分證實(shí)了，利用本文所提出的基于特征增強(qiáng)的變化檢測(cè)方法獲取變化量，不論采用OTSU閾值分割法還是最小誤差閾值分割法，在檢測(cè)精確度上都具有優(yōu)越性，而基于特征增強(qiáng)與最小誤差閾值分割相結(jié)合的變化檢測(cè)相對(duì)來(lái)說(shuō)是最優(yōu)的、最具可行性的。

表4 基于最小誤差閾值分割+特征增強(qiáng)法的混淆矩陣

表5 基于最小誤差閾值分割+PCA變換的混淆矩陣

[1] 陳鑫鏢.遙感影像變化檢測(cè)技術(shù)發(fā)展綜述[J].測(cè)繪與空間地理信息,2012,35(9):38-41.

[2] 王立剛，牟海維，張 勇.基于專家知識(shí)的數(shù)據(jù)融合技術(shù)研究[J].傳感器與微系統(tǒng),2007,26(10):60-62.

[3] 李秀玲.淺談遙感技術(shù)在3S技術(shù)中的應(yīng)用[J].中國(guó)地名,2010(11):72-73.

[4] 殷守敬,吳傳慶,王 橋,等.多時(shí)相遙感影像變化檢測(cè)方法研究進(jìn)展綜述[J].光譜學(xué)與光譜分析,2013,33(12):3339-3342.

[5] 王偉平,周海銀,胡永剛,等.基于聚類分析的SAR圖像變化檢測(cè) [J].傳感器與微系統(tǒng),2007,26(9):76-82.

[6] Willis K S.Remote sensing change detection for ecological monitoring in United States protected areas[J].Biological Conservation,2015,182:233-242.

[7] 徐顯榮,高清維,李中一.一種用于農(nóng)業(yè)環(huán)境監(jiān)測(cè)的無(wú)線傳感器網(wǎng)絡(luò)設(shè)計(jì)[J].傳感器與微系統(tǒng),2013,32(4):61-64.

[8] 郭全民,張海先.基于圖像處理技術(shù)的混凝土路面裂縫檢測(cè)方法[J].傳感器與微系統(tǒng),2009,28(7):98-100.

[9] 姜 浩,馮 敏,肖 桐,等.基于線狀特征增強(qiáng)的TM遙感影像細(xì)小河流提取方法[J].測(cè)繪學(xué)報(bào),2014,43(7):705-710.

[10] 侯曉真,張畢書,寧曉剛,等.基于TM影像波段運(yùn)算的沙漠變化檢測(cè)分析[J].大地測(cè)量與地球動(dòng)力學(xué)，2013,33(6):145-149.

[11]DuPJ,LiuSC.Changedetectionfrommulti-temporalsensingimagesbyintegratingmultiplefeatures[J].JournalofRemoteSensing,2012,16(4):663-677.

[12] 陽(yáng)春花,胡吉林.多時(shí)相遙感影像的變化檢測(cè)方法應(yīng)用試驗(yàn)與分析[J].測(cè)繪與空間地理信息,2015,38(3):54-56.

[13]TewkesburyAP,ComberAJ,TateNJ,etal.Acriticalsynthesisofremotelysensedopticalimagechangedetectiontechnique-s[J].RemoteSensingofEnvironment,2015,160:1-14.

[14] 魏 武,龔樹鋒.基于機(jī)器視覺的非結(jié)構(gòu)化道路檢測(cè)算法研究[J].傳感器與微系統(tǒng),2010,29(1):39-41.

[15] 陳學(xué)堂,張 元，楊坤平，等.基于第二代曲波變換算法的檢測(cè)圖像增強(qiáng)[J].傳感器與微系統(tǒng),2008,27(12):8-10.

[16] 范九倫,雷 博.灰度圖像最小誤差閾值分割法的二維推廣[J].自動(dòng)化學(xué)報(bào),2009,35(4):386-393.

[17] 賈永紅.數(shù)字圖像處理 [M].2版.武漢：武漢大學(xué)出版社,2010:156-157.

Change detection method based on feature enhancement and minimum error threshold segmentation

WANG Xiao-hua1, DENG Xiao-lian1, HE Zhuo-li1, DU Yu-qi1, SHEN Yan-feng2

(1.College of Science,China Three Gorges University,Yichang 443000,China；2.Lingyun Science and Technology Group Company Limited,Wuhan 430040,China)

Take thematic mapper(TM) remote sensing image of Shijiazhuang,Hebei Province in 2003 and 2004 as example,aiming at spectrum characteristics at each waveband,a change detection algorithm is proposed,which is based on surface feature enhancement technology.Firstly,in order to determine the weight coefficient of band combination operation,the average,standard deviation and other characteristic values of different bands are calculated by ground samples from multi-temporal images,and then the feature enhancement image can be calculated.Secondly,the difference image of two phases feature enhancement images is calculated.Finally,the minimum error threshold segmentation is performed on the difference image to obtain the change detection results.It shows through comparison experimental results that the overall precision of distinguishing reaches 90 %,and compare with the traditional change detection method based on principal component analysis(PCA),the new method has higher precision,better properties of applicability and feasibility.

change detection; band combination; feature enhancement; the minimum error threshold segmentation

2017—04—14

10.13873/J.1000—9787(2017)06—0142—04

TP 751

A

1000—9787(2017)06—0142—04

王曉花(1991-)，女，碩士，主要研究方向?yàn)檫b感信息處理。

鄧小煉(1970-)，男，通訊作者,博士，副教授，主要從事遙感信息處理、模式識(shí)別工作，E—mail:345937408@qq.com。