基于高分辨率影像的違法用地變化檢測方法研究

劉雙群

(中國建筑材料工業地質勘查中心黑龍江總隊，黑龍江哈爾濱 150040)

1 引 言

當前，城鎮規劃部門進行違法用地監測與查處的主要手段是借助高分辨率影像進行人工判讀，并結合實地調查的方式[1]，這種作業方式的主要缺點是人力成本高、效率低下。為了解決這一問題，依據高分辨率影像特征，利用圖像識別領域的變化檢測技術進行違法用地變化的自動化及智能化檢測十分必要。

目前，基于高分辨率遙感影像的變化檢測技術主要有以下技術難點：一是空間分辨率的提升會大大增加檢測結果中虛警點的數量，嚴重影響檢測精度；二是由于獲取的是不同期影像數據，一些由季節、拍攝角度、光照導致的變化會與感興趣地物自身的變化相混淆[2]；三是隨著影像數據分辨率的提高，光譜分辨率會降低，出現較為嚴重的“同物異譜-同譜異物”現象，很難使用單一的光譜特征進行地物變化的區分[3]。

針對以上問題，基于違法用地變化檢測的應用需求，本文提出了一種基于地物分布特征的變化檢測方法。該方法有效結合了違法用地分布理論知識與變化檢測技術，基于試驗區的光譜—空間特征，對感興趣變化區域進行自動提取。以哈爾濱某地兩期高分辨率影像為試驗示例，利用該方法進行違法用地提取。試驗結果表明，該方法可分離出不感興趣變化區域，檢測到疑似違法用地區域，且檢測精度較高。綜上所述，該方法可有效輔助人工作業，提高生產效率，節約成本。

2 技術路線

不同地物在高分辨率遙感影像數據中的光譜—空間特征存在明顯的差異性，因此，高分辨率遙感影像數據能夠真實且豐富地反映地物的細節信息。在多時相影像上如果出現植被區域減少、建筑物拆建等情況，則可反映出違法用地的變化特征。對于市郊區域，植被覆蓋面積較大，地物的變化可以通過光譜特征進行反映；對于城市區域，空間特征—影像光譜之間的聯系較為復雜，針對全局影像的不同區域，使用相同的特征很難得到一致的檢測效果。因此，需要在地物實際分布特征的基礎上，提取出對應影像的光譜—空間特征，在特征層分析地物變化。圖1為本文的總體技術路線圖。

圖1 變化檢測技術路線Fig.1 Technical route of change detection

首先，基于可見光波段的植被指數分離出非城市區域與城市區域；其次，對于非城市區域，根據面向對象的方法獲取變化檢測結果，對于城市區域，使用形態學建筑物指數分離出感興趣與不感興趣變化類型，同時利用k值聚類與變化向量分析所提取到的變化信息；最后，通過聚合操作、形態學濾波剔除變化檢測結果中的噪聲點，計算得到變化圖斑的最小外接矩形，并將外接矩陣以矢量形式輸出。

3 研究方法

3.1 城市區域與非城市區域分離

依據衛星影像的非植被區域和植被區域可實現非城市區域與城市區域的劃分。實際應用中的衛星影像數據一般由紅、綠、藍3個可見波段和全色波段組成，故可以利用基于可見光波段的植被指數提取植被區域，并進一步劃分植被區域與非植被區域。當前有3種常見的可見光植被指數，分別為可見光波段差異植被指數(VDVI)、紅綠比值指數(RGRI)和過綠指數(EXG)。鑒于VDVI具有以下優勢：1)可綜合考慮3個可見光波段的反射與吸收特性，能夠較好地區分出對于不同種類的植被或者非植被；2)植被與非植被地物有較好的區分性，具有雙峰性值。本文擬采用VDVI提取植被區域，其計算公式為[4]：

(1)

式中：ρg表示綠色可見光波段像元亮度值，ρr表示紅色可見光波段像元亮度值，ρb表示藍色可見光波段像元亮度值。獲取VDVI后，通過閾值分割方法提取得到植被掩模MV[5]：

(2)

式中：tV表示設置的閾值。

3.2 變化信息提取

影像數據中，不同地表覆蓋類型的光譜—空間特征的差異性較大，不同地物類型的變化信息很難通過單一的特征反映測量[6]。因此，本文將面向對象特征、形態學建筑物指數及變化向量分析法應用于變化信息檢測中。

3.2.1 面向對象特征提取

首先，利用分水嶺分割方法分割原始影像數據，其中每個分塊的面向對象特征就是分割塊均值；其次，使用多時相分割算法處理由于分割尺度差異或者拍攝時間不同導致的同一地物在不同時相影像分割邊界不一致問題，使統一地物分割時保持一致的邊界，同時使用分割策略以保證變化信息沒有遺漏；最后，完成時相1和時相2面向對象特征影像Fa1和Fa2的提取。

3.2.2 形態學建筑物指數提取

形態學建筑物指數是一種基于數學形態學運算的方法，主要是從對比度、尺寸、亮度3個方面區分建筑物與非建筑物。利用形態學建筑物指數提取時相1、時相2對應特征影像Fb1、Fb2的步驟如下[7]：

1)首先，計算亮度。任意像元x，亮度特性可以用波段最大值進行表示：

(3)

式中：b(x)為像元x的亮度特征，bandk(x)為像元x在第k個波段的光譜值，K為影像波段數，本文中將K設置為3。

2)其次，構建形態學建筑物指數?；陧斆弊儞Q的差分形態學譜方法對建筑物光譜—空間結構進行提取，其中頂帽變換(W-TH)可表示為：

W-TH(d,s)=b-λre(d,s)

(4)

式中：s與d分別為線性元素的長度與方向，λre為對亮度影像做重構開運算。

形態學譜可表示為：

(5)

式中：MP表示形態學譜。

基于頂帽變換的差分形態學譜可表示為：

DMPW-TH(d,s)=|MPW-TH[d,(s+Δs)]- MPW-TH(d,s)|

(6)

式中：Δs為形態學譜間隔；DMP表示基于頂帽變換的差分形態學譜。

3)最后,得到形態學建筑物指數：

(7)

式中：D表示形態學譜方向數，S表示形態學譜尺度數，其中設置D為4，結構元素尺度間隔為20，最大尺度為202，最小尺度為2。

3.2.3 變化信息提取

首先，計算面向對象特征與面向形態學特征的變化量DF，其中DF=|F2-F1|(F表示面向對象及形態學特征)；其次，通過k均值聚類得到相應變化檢測圖。

3.3 變化信息融合

融合的變化檢測結果CM可以通過非城市區域與城市區域對不同特征下的變化檢測結果進行融合得到。CM計算方式如式(8)所示[8]，對初始結果使用形態學開、閉運算進行處理，以矢量的形式輸入最小包圍矩形。

CM=MV×CMo+(1-MV)CMb

(8)

4 試驗與分析

4.1 試驗數據

選擇哈爾濱市某地為試驗區，獲取該地區2019年、2020年兩期高分辨率影像為試驗數據。試驗數據空間分辨率為0.5 m×0.5 m，像素大小為895×561，包含紅、綠、藍3個波段。圖2為兩期影像，圖3為參考變化圖斑。

圖2 兩期影像Fig.2 Two phase images

圖3 參考變化圖斑Fig.3 Reference change pattern

4.2 試驗結果與分析

以圖斑為基本單位，統計漏檢圖斑與正確檢測圖斑個數作為評價指標[9]。作業人員通過目視判讀以及實地調查可以得出該試驗區的真實參考數據，如圖3所示，共檢測出15處疑似違章變化。

圖4和表1分別是使用本文方法檢測出的疑似違章變化結果以及參考疑似違章變化結果，可以看出，該方法可檢測得到23個疑似違章用地圖斑，與參考數據相比，正確檢測到14個圖斑，漏檢1個圖斑。試驗結果表明，該方法可通過高分辨率影像數據精確定位到變化圖斑，且使用提取的矢量包圍框能夠基本覆蓋變化建筑物區域，總體檢測精度較高。該方法已應用于實際項目中，并取得了作業人員的驗證與認可。該方法得到的變化檢測結果可作為作業輔助依據，可有效降低人工作業量，減少人力成本。

圖4 變化檢測結果Fig.4 Change detection results

表1 變化檢測精度統計Tab.1 Statisticsofchangedetectionaccuracy正確檢測圖斑參考檢測圖斑漏檢數14151

5 結束語

本文對基于遙感影像的變化檢測技術進行研究，以哈爾濱市某地兩期高分辨率影像為試驗數據，將變化檢測技術與違法用地先驗知識相結合，用于試驗數據變化檢測中，提取得到圖斑級的變化信息。研究結果表明，與參考數據相比，本文方法能夠正確檢測到14個圖斑，漏檢1個圖斑，可通過高分辨率影像數據精確定位到變化圖斑。尤其對于輻射差異較大的影像數據，該方法具有較高的穩健性。

綜上，基于高分辨率遙感影像數據的變化檢測技術可應用于土地執法監測中，快速有效發現疑似新增違章，為后續的城市違章用地實地查處提供技術支撐。此外，該方法也可廣泛應用于土地管理、退耕還林、城市規劃等領域。