基于無人機(jī)的航測影像數(shù)據(jù)異常檢查方法研究

姜立芳

（山東省地質(zhì)礦產(chǎn)勘查開發(fā)局第四地質(zhì)大隊(duì)，山東 濰坊 261000）

0.引言

隨著航拍攝影技術(shù)的迅速發(fā)展，無人機(jī)航測技術(shù)能夠獲取地面目標(biāo)物體的二維空間信息，以及描述目標(biāo)物體屬性的一維光譜信息，主要用于地質(zhì)監(jiān)控、工程巡檢、城市交通、環(huán)境探測等。無人機(jī)低空航測影像數(shù)據(jù)具有較高光譜分辨率，包含的地物信息豐富，而影像數(shù)據(jù)異常檢測是航測影像處理的重要環(huán)節(jié)，在航測影像數(shù)據(jù)中提取出異常信息，為航測目標(biāo)的檢測提供感興趣區(qū)域這一初步識別結(jié)果。因此，研究航測影像數(shù)據(jù)異常檢查方法，檢查航測影像數(shù)據(jù)中具有光譜差異的異常信息，具有重要意義[1]。

現(xiàn)階段，航測影像數(shù)據(jù)異常檢查相關(guān)研究已取得較大進(jìn)展，通過異常檢查算法，去除影像數(shù)據(jù)中的大部分背景信息，分析檢查數(shù)據(jù)與背景數(shù)據(jù)的光譜差異，結(jié)合先驗(yàn)知識區(qū)域信息，獲得異常數(shù)據(jù)和背景數(shù)據(jù)的統(tǒng)計(jì)信息。文獻(xiàn)[2]采用基于背景純化的航測影像異常檢查方法，利用膨脹操作，得到消除異常點(diǎn)后的遙感影像數(shù)據(jù)背景信息，但該方法僅參考了擴(kuò)展數(shù)學(xué)形態(tài)學(xué)理念，未完全消除異常點(diǎn)的負(fù)面效果，異常檢查虛警率較高。文獻(xiàn)[3]采用基于背景判別與鄰域補(bǔ)償?shù)暮綔y影像異常檢查方法，通過背景差異性判別，篩選航測影像數(shù)據(jù)局部背景像元，增強(qiáng)背景數(shù)據(jù)與異常數(shù)據(jù)的可分性，但該方法異常算子探測過程較為復(fù)雜，異常檢查虛警概率較高。文獻(xiàn)[4]采用基于多窗口融合判別子空間的航測影像異常檢查方法，通過正交子空間投影，聚類異常信息，但該方法窗口內(nèi)數(shù)據(jù)融合程度不夠，異常檢查虛警率同樣較高。

針對以上問題，在以上理論的基礎(chǔ)上，提出基于無人機(jī)的航測影像數(shù)據(jù)異常檢查方法，預(yù)處理無人機(jī)航測影像，降低數(shù)據(jù)維數(shù)，逐行提取異常像素點(diǎn)，降低異常檢查虛警概率。

1.基于無人機(jī)的航測影像數(shù)據(jù)異常檢查方法設(shè)計(jì)

1.1 基于無人機(jī)預(yù)處理航測影像數(shù)據(jù)

利用無人機(jī)獲取航測影像數(shù)據(jù)，對航測影像進(jìn)行勻光勻色、幾何校正等。通過無人機(jī)傾斜攝影，采集航測影像數(shù)據(jù)，在無人機(jī)上安裝工業(yè)照相機(jī)，設(shè)置航測技術(shù)參數(shù)。航高計(jì)算公式如公式（1）所示：

式（1）中，a為照相機(jī)焦距，c為影像的像元尺寸，A為影像的地面分辨率，其中地面分辨率由測圖比例尺決定。根據(jù)測區(qū)范圍大小，確定無人機(jī)航線航向、飛行距離，航測基線長度D、間隔寬度G計(jì)算公式如公式（2）所示：

式（2）中，L1、L2分別為影像的像幅長、寬；p1、p2分別為航向、旁向重疊度，其中p1、p2的取值分別滿足60%～80%、15%～60%。

無人機(jī)航拍結(jié)束后，對航拍的影像數(shù)據(jù)進(jìn)行編號，記錄每一張航測照片曝光點(diǎn)的時間、姿態(tài)角、經(jīng)緯度等信息，剔除無用數(shù)據(jù)后，使用文本編輯器的COORD GM工具，把大地坐標(biāo)轉(zhuǎn)換為平面坐標(biāo)。旋轉(zhuǎn)像片方向，使其與照相機(jī)參數(shù)保持一致，對像片進(jìn)行勻光勻色處理，使用Inpho軟件的Ortjho Vista模塊，減小航測影像熱斑效應(yīng)，去除水域反射效應(yīng)，降低單張航測影像的透鏡漸暈效果，平衡亮度和顏色。采用幾何配準(zhǔn)的方法，幾何校正影像數(shù)據(jù)，在影像序列中選取一幅圖像，將其作為基準(zhǔn)數(shù)據(jù)，選擇基準(zhǔn)數(shù)據(jù)中的控制點(diǎn)集，采用三次多項(xiàng)式配準(zhǔn)算法，配準(zhǔn)控制點(diǎn)集與其他影像，篩選出配準(zhǔn)誤差在3個像素以上的像素點(diǎn)，采用近距離重賦值方法，選取空間距離最近的像素點(diǎn)樣本值，對幾何誤差較大的點(diǎn)進(jìn)行重賦值，控制配準(zhǔn)誤差在3個像素以內(nèi)。采用絕對輻射的方式，根據(jù)定標(biāo)系數(shù)，計(jì)算輻射定標(biāo)方程，校正航測影像數(shù)據(jù)輻射值至大氣反射率。輻射定標(biāo)方程表達(dá)式如公式（3）所示：

式（3）中，λ為影像波段號；L（λ）為輻射定標(biāo)后，航測影像數(shù)據(jù)的輻亮度值；E（λ）為無人機(jī)航拍時，照相機(jī)接收到的像元值；F（λ）為輻射定標(biāo)增益值；B（λ）為輻射定標(biāo)偏置值。通過公式（3），修改影像數(shù)據(jù)輻射范圍，消除照相機(jī)傳感器因性能原因帶來的誤差。至此完成基于無人機(jī)的航測影像預(yù)處理。

1.2 降維航測影像數(shù)據(jù)

結(jié)合準(zhǔn)則函數(shù)和決策融合，降低預(yù)處理后的航測影像維數(shù)。使用低通模板，對航測影像進(jìn)行噪聲濾除，頻域?yàn)V波影像數(shù)據(jù)，獲得航測影像的噪聲協(xié)方差陣，角化處理后得到影像數(shù)據(jù)正交矩陣，再對其進(jìn)行線性變換，得到航測影像協(xié)方差陣，降序排列影像數(shù)據(jù)本征向量，表達(dá)式如公式（4）所示：

式（4）中，f為影像本征向量降序排列的對角矩陣；D為航測影像噪聲協(xié)方差陣；K為本征向量的正交矩陣；U1為噪聲協(xié)方差陣至正交矩陣的變換矩陣；V為航測影像協(xié)方差陣；U2為正交矩陣至影像協(xié)方差陣的變換矩陣。通過公式（4），令對角矩陣f的第一分量集中大量目標(biāo)數(shù)據(jù)，分離影像目標(biāo)信號與噪聲信號，使濾波后的數(shù)據(jù)聚類在有限特征集，且本征向量中的各個元素沒有關(guān)聯(lián)。

航測影像中的噪聲點(diǎn)分離完畢后，對數(shù)據(jù)進(jìn)行降維處理。采取準(zhǔn)則函數(shù)，去除包含目標(biāo)數(shù)據(jù)少的波段，將準(zhǔn)則函數(shù)劃分為信息量最大原則、類別可分性原則兩類。針對信息量最大原則，計(jì)算航測數(shù)據(jù)每個像元的熵值，熵值越大，判定像元包含信息量越多，再計(jì)算每個像元的方差，方差越大，判定波段之間的相關(guān)性越強(qiáng)，即不同波段之間存在大量冗余的目標(biāo)數(shù)據(jù)，根據(jù)熵值和方差，篩選信息量大且不相關(guān)的波段，針對類別可分性原則，統(tǒng)計(jì)不同波段之間的標(biāo)準(zhǔn)距離、Matusita距離，組合距離小的波段，形成波段組[5]。采用決策融合法，對波段組進(jìn)行映射，選取不相關(guān)的正交向量，線性表示影像數(shù)據(jù)的目標(biāo)信息，對正交向量進(jìn)行正交線性變換，把彼此相關(guān)的目標(biāo)信息，變換為正交且獨(dú)立的數(shù)據(jù)參量。決策函數(shù)表達(dá)式如公式（5）所示：

式（5）中，Z為影像正交向量；數(shù)據(jù)向量為Z＝［z1，…zd，…zn］；n為航測影像數(shù)據(jù)源數(shù)量；L（Z）為數(shù)據(jù)向量的決策函數(shù)；F表示數(shù)學(xué)期望；ui、Ii分別為波段i的像素點(diǎn)灰度值、灰度均值；uj、Ij分別為波段j的像素點(diǎn)灰度值、灰度均值；Pd為第d個數(shù)據(jù)參量的權(quán)值；ed為第d個參量的決策值；q表示zd屬于ed的后驗(yàn)概率。通過公式（5），把波段組投影到一個低維空間，高層次融合航測影像，保持航測影像原始信息高空間分辨率的同時，降低數(shù)據(jù)維數(shù)，實(shí)現(xiàn)數(shù)據(jù)量的壓縮。至此完成航測影像數(shù)據(jù)的降維。

1.3 檢查航測影像數(shù)據(jù)異常像元

應(yīng)用稀疏系數(shù)修正函數(shù)，檢查低維影像數(shù)據(jù)的異常像元。采用因果滑動窗口，遍歷航測影像數(shù)據(jù)，設(shè)航測影像第m個像元元素為Xm，因果滑動窗口的長度為b，滑動窗口具體實(shí)施過程（如圖1所示）：

圖1 滑動窗口逐行檢查過程

圖1（a）中黑色區(qū)域?yàn)榇龣z查的影像數(shù)據(jù)像元，灰色區(qū)域?yàn)橐蚬瑒哟翱诮y(tǒng)計(jì)的背景信息，將待檢查像元Xm作為窗口中心，把背景信息劃分為非因果滑動窗、因果滑動窗兩部分，（如圖1（b）所示），沿著垂直方向滑動左半部分的因果滑動窗，使窗口中心像元由Xm移動至Xm＋1，（如圖1（c）所示），此時窗口內(nèi)大部分影像數(shù)據(jù)未發(fā)生變化，僅移出頂行元素Xm－b，…，Xm－2，再將新一行影像數(shù)據(jù)像元元素，移入以Xm＋1為中心的因果滑動窗內(nèi)。沿著圖1所示的推掃軌跡，以一行為間隔，不斷平移因果滑動窗，使滑動窗口覆蓋數(shù)據(jù)兩端，直至所有航測影像數(shù)據(jù)檢查結(jié)束。

采用稀疏系數(shù)修正的異常檢查方法，檢查窗口內(nèi)影像數(shù)據(jù)的像元元素，訓(xùn)練影像數(shù)據(jù)信號樣本，利用最優(yōu)方向法，對航測影像中的背景像元信息進(jìn)行字典學(xué)習(xí)，構(gòu)建完備字典，在全局航測影像中，隨機(jī)選擇背景像素作為字典原子，確保字典能夠體現(xiàn)航測影像數(shù)據(jù)信號的內(nèi)在特征，滿足字典與稀疏表示的互相關(guān)條件要求。使用深度學(xué)習(xí)堆疊自編碼器，將最小化字典原子系數(shù)期望作為約束項(xiàng)，對航測影像的像素進(jìn)行稀疏分解，計(jì)算每個像元的稀疏表示系數(shù)Q如公式（6）所示：

式（6）中，E為字典原子系數(shù)期望；I為因果滑動窗口內(nèi)的像元個數(shù)；H為字典內(nèi)原子個數(shù)；l1、l2分別為窗口內(nèi)、窗口外的影像數(shù)據(jù)光譜波段數(shù)。利用字典懲罰函數(shù)，對字典原子進(jìn)行懲罰約束，提取影像數(shù)據(jù)非線性特征，混合后得到字典的特征空間，獲得稀疏表示誤差，將其作為光譜數(shù)據(jù)的異常算子。稀疏系數(shù)修正函數(shù)表達(dá)如公式（7）所示：

式（7）中，J表示稀疏系數(shù)修正函數(shù)；R為窗口內(nèi)中心像元的信號誤差；t為信號誤差閾值；M為降維后影像數(shù)據(jù)的信號維度；P為信號基向量；O為基向量系數(shù)。當(dāng)J值大于字典的稀疏度閾值時，判定窗口內(nèi)中心像元Xm為正常像素，當(dāng)J值小于稀疏度閾值時，判定窗口內(nèi)中心像元Xm為異常像素，即為影像數(shù)據(jù)中的光譜異常數(shù)據(jù)。至此完成航測影像異常像元的檢查，實(shí)現(xiàn)基于無人機(jī)的航測影像數(shù)據(jù)異常檢查方法設(shè)計(jì)。

2.實(shí)驗(yàn)論證

將此次設(shè)計(jì)方法與基于背景純化的航測影像異常檢查方法、基于背景判別與鄰域補(bǔ)償?shù)暮綔y影像異常檢查方法、基于多窗口融合判別子空間的航測影像異常檢查方法進(jìn)行對比實(shí)驗(yàn)，比較四種方法航測影像數(shù)據(jù)異常檢查虛警概率。

2.1 設(shè)計(jì)方法異常檢查

選取某城市的滑坡實(shí)景作為航測對象，采集該滑坡航測數(shù)據(jù)，該滑坡由東南向西北高度遞減，海拔在2500m～2900m之間，地質(zhì)特征為積石山，研究區(qū)域內(nèi)交通便利。設(shè)計(jì)方法為使用無人機(jī)航拍滑坡影像，選擇CW-15型垂直起降固定翼無人機(jī)，配置DG4PRO五鏡頭照相機(jī)，包括1個正視鏡頭和4個環(huán)視鏡頭，使用掛鉤連接照相機(jī)和無人機(jī)，照相機(jī)傳感器尺寸為39.5mm×25mm，曝光方式為等時曝光，總像素和單鏡頭像素分別為2.0億個、4100萬個，設(shè)定的無人機(jī)和照相機(jī)技術(shù)參數(shù)（如表1所示）：

表1 航測影像技術(shù)參數(shù)

結(jié)合本文上述內(nèi)容，對63746張滑坡影像數(shù)據(jù)進(jìn)行預(yù)處理，處理結(jié)果（如圖2所示）：

圖2 滑坡影像顯示

由圖2可以看出：預(yù)處理后的影像去除了大量噪聲點(diǎn)，且消除了幾何畸變和輻射畸變。結(jié)合稀疏系數(shù)修正的異常檢查方法，設(shè)計(jì)相關(guān)程序，實(shí)現(xiàn)數(shù)據(jù)異常像元都檢查。結(jié)果（如圖3所示）：

圖3 航測影像異常檢查結(jié)果

圖3中黑色區(qū)域?yàn)檎５谋尘跋袼?，白色區(qū)域?yàn)楣庾V存在異常的像素點(diǎn)，可作為航測影像中檢查目標(biāo)的感興趣區(qū)域。

2.2 實(shí)驗(yàn)結(jié)果分析

等面積劃分滑坡航測區(qū)域，對各區(qū)域進(jìn)行編號，用四種方法對滑坡航測影像異常檢查完畢后，比較數(shù)據(jù)異常檢查的虛警率，虛警率計(jì)算如公式（8）所示：

式（8）中，S1、S2分別為檢出航測影像中的正常像元個數(shù)、異常像元個數(shù)。針對滑坡區(qū)域的80維可見影像，四種方法的檢出像元（如圖4所示）：

圖4 80維航測數(shù)據(jù)異常檢出統(tǒng)計(jì)結(jié)果

分別劃分四種方法檢出像元中的正常像素點(diǎn)、異常像素點(diǎn)，代入公式（8），得到虛警率實(shí)驗(yàn)對比結(jié)果（如圖5所示）：

圖5 80維航測數(shù)據(jù)異常檢查虛警概率實(shí)驗(yàn)結(jié)果

由圖5可知：針對80維可見航測影像，設(shè)計(jì)方法航測影像數(shù)據(jù)異常檢查平均虛警概率為1.97%，基于背景純化的航測影像異常檢查方法平均虛警概率為2.25%，基于背景判別與鄰域補(bǔ)償?shù)暮綔y影像異常檢查方法平均虛警概率為2.41%，基于多窗口融合判別子空間的航測影像異常檢查方法平均虛警概率為2.45%。相比其他三種方法，設(shè)計(jì)方法虛警概率分別減少了2.28%、0.44%、0.48%。

針對滑坡區(qū)域的75維短波航測影像，四種方法檢出像素點(diǎn)總數(shù)量（如圖6所示）：

圖6 75維航測數(shù)據(jù)異常檢出統(tǒng)計(jì)結(jié)果

劃分檢出像元中的正常像素點(diǎn)數(shù)量、異常像素點(diǎn)數(shù)量，得到四種方法的虛警概率實(shí)驗(yàn)對比結(jié)果，具體（如圖7所示）：

圖7 75維航測數(shù)據(jù)異常檢查虛警概率實(shí)驗(yàn)結(jié)果

由圖7可知：針對75維短波影像，設(shè)計(jì)方法航測影像數(shù)據(jù)異常檢查平均虛警概率為1.94%，另外三種方法平均虛警概率分別為2.07%、2.19%、2.36%，設(shè)計(jì)方法虛警概率分別減少了0.13%、0.25%、0.42%。

3.結(jié)束語

此次研究利用無人機(jī)獲取航測影像，降低了航測影像數(shù)據(jù)異常檢查的虛警概率，保證了異常像素點(diǎn)的檢出準(zhǔn)確性。但此次設(shè)計(jì)方法仍存在一定不足，在今后的研究中，會結(jié)合航測影像光譜特征，充分運(yùn)用航測影像數(shù)據(jù)的空間紋理特征，考慮像元數(shù)據(jù)為同一類型的情況，進(jìn)一步提高正常像素點(diǎn)和異常像素點(diǎn)的分類準(zhǔn)確性。