劉昶

(合肥市測繪設(shè)計研究院，安徽 合肥 230000)

1 引 言

大比例尺地形圖是基礎(chǔ)地理信息系統(tǒng)最重要的數(shù)據(jù)源之一，因此如何快速、經(jīng)濟且有效地對大比例尺地形圖進行更新工作，保持地理信息數(shù)據(jù)的現(xiàn)勢性是測繪工作者所面臨的重要課題[1]。目前，大比例尺地形圖更新工作的主要方式還是通過野外數(shù)據(jù)采集和航空攝影測量的方法，人工全野外數(shù)據(jù)采集耗時耗力，且現(xiàn)勢性差，航空攝影測量方法比全野外數(shù)據(jù)采集的效率得到了極大的提高，但前期投資成本高，周期相對較長，因此都很難滿足快速發(fā)展的大比例尺地形圖更新工作。高分辨率遙感技術(shù)的應(yīng)用，對大比例尺地形圖的快速、準(zhǔn)確和經(jīng)濟的更新帶來了新的手段[2]。近年來，國內(nèi)關(guān)于高分辨率遙感影像應(yīng)用于地形圖更新工作已經(jīng)展開很多[3～7]。

本文基于礦區(qū)1∶2 000地形圖的更新進行實驗研究，礦區(qū)地形現(xiàn)勢性變化很快，所以快速的地形圖更新工作是滿足礦山設(shè)計、生產(chǎn)、管理以及開采后的影響評估、土地復(fù)墾和地面設(shè)施重建等的有效手段[8]。本文結(jié)合鮑店某礦區(qū)進行 1∶2 000地形圖更新，利用QuickBird影像(全色的分辨率為 0.61 m，多光譜的分辨率為 2.4 m)獲取地物變化信息，對現(xiàn)有地形圖進行修補測，并對更新地形圖的點位精度進行了分析，結(jié)果表明可以滿足 1∶2 000地形圖的更新精度，且快速、準(zhǔn)確、高效，能滿足礦區(qū)生產(chǎn)導(dǎo)致地圖變化的現(xiàn)勢性更新工作。

2 礦區(qū)地形圖更新技術(shù)

2.1 地形圖更新流程

通過糾正影像的不穩(wěn)定、大氣干擾及圖像傳輸過程中信息損失和畸變等干擾因素，來改善和增強圖像的識別效果，通過圖像融合和變化檢測，在提高目視判讀、解釋效果以及目標(biāo)提取的準(zhǔn)確性上，進行礦區(qū) 1∶2 000地形圖的更新工作，地形圖的更新過程如圖1所示。

圖1 QuickBird影像更新地形圖流程圖

2.2 更新技術(shù)方法

針對2.1節(jié)的技術(shù)路線圖，闡述本文更新過程中的相關(guān)技術(shù)方法。主要討論QuickBird遙感影像處理工作，包括影像的預(yù)處理，全色影像與多光譜影像的融合以及時相數(shù)據(jù)的變化檢測等工作，通過信息融合，來增強圖像質(zhì)量、突出所需要的圖像信息，提高圖像的視覺效果，能夠更容易地識別圖像變化內(nèi)容，從圖像中提取更有用的信息。通過變化檢測，獲得顯著變化的區(qū)域，對影像進行分類，識別出地物變化信息，根據(jù)地形圖更新規(guī)范，從而輔助完成地形圖的快速更新。

2.2.1 影像幾何糾正

幾何糾正就是消除或改正幾何誤差的過程，遙感圖像的幾何糾正主要由地面控制點(GCP)的選取、糾正模型多項式的建立及影像重采樣三個部分組成，生成幾何糾正后的影像。

(1)地面控制點(GCP)的選取

一般地質(zhì)條件下地面控制點的選?。?/p>

①地面控制點(GCP)分布要均勻，不能過于集中；

②圖像邊緣也應(yīng)該選取地面控制點，以避免外推；

③在山地復(fù)雜的情況下，根據(jù)實際情況一般多選取控制點；

④選擇影像上容易分辨和定位的特征點，如地形地物的交叉點、河流彎曲或分叉處、建筑物的邊界、農(nóng)田的邊界，鐵路、水壩和交叉路口房屋的拐角處和廠房的邊緣等能準(zhǔn)確定位的特征點。

礦區(qū)地表地面控制點選取：

除采用一般地質(zhì)條件選取原則外，在礦區(qū)地區(qū)，切記避開在塌陷區(qū)選取地面控制點，避免在塌陷區(qū)形成的水面邊緣選取地面控制點，避免在地形變化大的地區(qū)選取地面控制點。

然后利用舊地形圖進行相應(yīng)地面控制點坐標(biāo)采集，或者采用GPS或RTK技術(shù)進行地面點坐標(biāo)實測，以獲取控制點實地點位坐標(biāo)數(shù)據(jù)。

(2)糾正模型的建立

同名相點確定后，即影像上像元坐標(biāo)(x，y)和對應(yīng)的地面坐標(biāo)(X，Y)，采用二次或三次多項式建立數(shù)字糾正模型。多項式如下：

x=a0+a1X+a2Y+a3X2+a4XY+a5Y2+…

y=b0+b1X+b2Y+b3X2+b4XY+b5Y2+…

(1)

用選取的兩套坐標(biāo)，按最小二乘回歸求取多項式的系數(shù)，可以獲取每個控制點的RMS誤差(影像糾正的內(nèi)部誤差)，如果RMS誤差不大于0.5，即符合精度要求。

(3)重采樣

根據(jù)輸出影像上的各像元在輸出影像中的位置，對原始圖像按一定規(guī)則重新采樣，進行亮度值的重新計算，建立新的圖像矩陣。

(4)幾何精度分析。

2.2.2 圖像融合

圖像融合是指將同一地區(qū)的多源遙感圖像按照一定的算法，在規(guī)定的坐標(biāo)系內(nèi)進行處理，生成新的圖像的過程，通過遙感圖像融合，可以克服單一傳感器獲取圖像信息不足的缺點，從而增強圖像信息。

全色圖像一般具有較高的空間分辨率(如本次實驗所用的QuickBird全色影像的空間分辨率為 0.5 m)，但多光譜圖像分辨率較低(QuickBird多光譜影像分辨率為 2.0 m)，而多光譜圖像較全色影像信息豐富(QuickBird有4個波段)，為提高多光譜圖像的空間分辨率，可以通過多光譜圖像與全色圖像的融合方法實現(xiàn)。通過圖像融合既可以提高多光譜圖像的空間分辨率，又可以保留其多光譜信息。

2.2.3 時相影像的變化檢測

變化檢測是利用同域兩時相遙感影像瞬時獲取的地物信息，根據(jù)灰度值、紋理信息、邊緣特征等差異，采用圖像識別和信息提取的手段，識別、檢測、提取和分析地物的變化情況，即通過對比，得到變化區(qū)域從地物A變?yōu)榈匚顱，進而輔助地形圖的更新。

變化檢測的方法存在很多，如基于代數(shù)運算的變化檢測、基于變換的變化檢測、基于影像紋理特征的變化檢測等，本文通過常用的基于代數(shù)運算中的差值法對HSV融合圖像進行變化檢測，通過非監(jiān)督分類實驗分析。

3 實驗分析與地圖更新

對選取的試驗區(qū)進行相關(guān)實驗處理及分析，利用處理的圖像進行地形圖快速更新。

3.1 礦區(qū)概括與影像數(shù)據(jù)

3.1.1 礦區(qū)概況

該礦區(qū)屬平原，地勢平坦，地面標(biāo)高為+40 m～+46 m，其地形總的趨勢是東北高、西南低，地形坡度特別平緩。因此，本文地形圖更新工作主要以地物為主，地物主要包括居民地垣柵、交通及其附屬設(shè)施、植被、水系等。

3.1.2 影像數(shù)據(jù)

本次實驗所用的是QuickBird的全色影像和多光譜影像，礦區(qū)局部的全色影像與多光譜影像分別如圖2和圖3所示。

圖2 全色影像

圖3 多光譜影像

3.2 幾何精度分析

以QuickBird影像作為地形圖更新數(shù)據(jù)源，其影像質(zhì)量的好壞直接影響更新質(zhì)量的好壞，所以要對其糾正精度進行評定。因此本次在試驗區(qū)選取18個均勻分布地面控制點(GCP)，對其進行幾何糾正，其幾何糾正精度如表1所示。

幾何精度分析 表1

在表1中：∑RMS=0.299 5<0.5，滿足糾正精度的要求。

3.3 影像融合分析

本文通過三種融合算法進行融合實驗，即HSV變換、Brovey變換、PCA變換融合方法，分別如圖4～圖7所示。

圖4 融合前的真彩色圖像

圖5 PCA融合圖

圖6 Brovey融合圖

圖7 HSV融合圖

對QuickBird的多光譜影像與全色影像進行融合實驗，通過圖4、圖5、圖6、圖7直接目視判別可得：HSV變換后的融合圖較為清晰，且有效提高了影像的分辨率及光譜特性，而Brovey變換與PCA變換后的融合圖質(zhì)量較差。因此在后面的更新地形圖過程中采用HSV變換后的融合圖像。

3.4 變化檢測分析

對QuickBird的標(biāo)準(zhǔn)假彩色影像的兩個時相影像進行變化檢測實驗，兩次影像采集間隔(即地形圖更新對應(yīng)的影像)為5個月，如表2所示。

兩時相數(shù)據(jù)表 表2

根據(jù)QuickBird的兩時相光學(xué)遙感影像的地物分類結(jié)果，分析兩時相影像的地物類別變化。分類后的兩時相影像如圖8所示，圖9為變化檢測結(jié)果及地物分類。

圖9(a)中，黑色表示變化的地物信息，白色表示未變化的地物，通過地物分類，得到圖9(b)，可清晰判別變化的地物類別：綠色表示地物類別由建筑變?yōu)檗r(nóng)田，紫色表示水體變?yōu)檗r(nóng)田，棕綠色表示由農(nóng)田變?yōu)橹脖?，棕黃色表示地物類別由水體變?yōu)橹脖弧?/p>

圖8QuickBird兩時相影像地物分類結(jié)果

圖9 插值法檢測結(jié)果與地物類別

3.5 地形圖更新

選取實驗區(qū)域更新前的1∶2 000地形圖，對糾正和融合圖像進行剪裁，得到需要更新區(qū)的融合影像圖，在CASS軟件中將更新前的地形圖與影像圖進行配準(zhǔn)、疊加。得到圖10的影像與地形圖的疊加圖，此處地區(qū)地勢較為平坦，有大量農(nóng)田、道路、房屋和一些沉陷區(qū)，在圖10上進行地形圖更新工作。圖11為屬性更新圖。

全色影像與多光譜影像融合后，其融合圖像極大地提高了圖像的信息量，在對水塘、農(nóng)田、道路和建筑物的識別及邊界判定過程中有很大的幫助，且通過變化檢測，可快速地識別變化地物位置信息，從而進行地形圖的快速更新，極大地降低了誤判率，且提高了工作效率。

圖10 地形圖更新

圖11房屋、道路、水體變化圖

對更新后的點位精度進行評價，本次實驗采用點位中誤差對更新的地形圖進行精度分析，選取18個同名點均勻分布在更新區(qū)域，點位精度如表3所示。

點位精度分析表 表3

根據(jù)表3的數(shù)據(jù)進一步計算得到：

由計算可知，該礦區(qū)利用多光譜影像與全色影像融合后圖像更新的地形圖的點位精度為 0.288 3 m，根據(jù)《1∶500，1∶1 000，1∶2 000地形圖數(shù)字化測圖規(guī)范》的要求可知點狀要素中誤差要小于 2.5 m的限差，該數(shù)據(jù)滿足規(guī)范要求，可以進行 1∶2 000地形圖的更新工作。

4 結(jié) 語

本文以QuickBird 的全色影像與多光譜影像來更新 1∶2 000的礦區(qū)地形圖，研究了高分辨遙感影像更新大比例尺地形圖的方法。主要進行遙感影像融合、變化檢測等方面的研究，來增強影像的目視判別和快速提取變化信息，從而實現(xiàn)利用高分辨率的影像快速、準(zhǔn)確、經(jīng)濟地更新大比例地形圖。通過精度分析，此更新方法具有可行性。

與傳統(tǒng)地形圖更新方法相比較，表現(xiàn)出很好的現(xiàn)勢性，針對礦區(qū)的變化現(xiàn)狀，采用此種方法更新對礦區(qū)的村莊搬遷規(guī)劃、生產(chǎn)接續(xù)和合理留設(shè)保護煤柱，恰當(dāng)處理地企關(guān)系具有重要的理論和實際意義。