基于K- T 變換的測(cè)繪地理信息空間特征提取方法

祁全鵬

（山東寶地益聯(lián)地質(zhì)勘查工程有限公司，山東 青島 266000）

0.引言

從地理角度出發(fā)對(duì)地球表面物體與國(guó)家人文環(huán)境、社會(huì)環(huán)境、自然環(huán)境之間的空間相互關(guān)系與特征表達(dá)進(jìn)行反映，從而對(duì)國(guó)情變化發(fā)展的各種決定因素實(shí)施全面地研究、分析、統(tǒng)計(jì)，并對(duì)下一階段可能的發(fā)展變化規(guī)律進(jìn)行預(yù)測(cè)，以提供面向國(guó)家決策的重要指導(dǎo)依據(jù)。通過(guò)對(duì)地理國(guó)情進(jìn)行監(jiān)測(cè)，能夠深化地理國(guó)情普查方面的工作，監(jiān)測(cè)工作的開(kāi)展主要是應(yīng)用3S等現(xiàn)代化信息測(cè)繪技術(shù)對(duì)地表覆蓋要素、地形、建筑、交通等實(shí)施持續(xù)的、空間的、動(dòng)態(tài)的、全面的監(jiān)測(cè)研究，并對(duì)其變化發(fā)展關(guān)系、空間變化趨勢(shì)、量化特征表達(dá)等進(jìn)行系統(tǒng)研究分析，打造地理國(guó)情數(shù)據(jù)庫(kù)，為國(guó)家提供準(zhǔn)確、權(quán)威、系統(tǒng)的國(guó)情地理信息。隨著測(cè)繪地理信息數(shù)據(jù)變得越來(lái)越精細(xì)、豐富，其數(shù)量也與日俱增。通過(guò)現(xiàn)有的地理信息分析和處理系統(tǒng)很難對(duì)數(shù)量龐大的測(cè)繪地理信息進(jìn)行準(zhǔn)確的信息處理與提取，使得測(cè)繪地理信息中的很多數(shù)據(jù)信息無(wú)法被挖掘，因此需要對(duì)這些測(cè)繪地理信息進(jìn)行空間特征提取，以提升測(cè)繪地理信息分類(lèi)的效率與精度。

測(cè)繪地理信息空間特征提取問(wèn)題的研究已經(jīng)得到了很多國(guó)家的重視，近幾年來(lái)，該問(wèn)題的研究成果越來(lái)越多。其中余岸竹、劉冰、邢志等學(xué)者針對(duì)遙感高光譜影像分類(lèi)提出了一種測(cè)繪地理信息的顯著性特征提取方法，主要應(yīng)用了超像素分割算法、支持向量機(jī)等，實(shí)現(xiàn)了分類(lèi)精度的提升[1]。綜合以往提出的研究方法，在該問(wèn)題的研究中應(yīng)用K-T變換思想，提出一種基于K-T變換的測(cè)繪地理信息空間特征提取方法，使測(cè)繪地理信息能夠更好地應(yīng)用于眾多國(guó)民發(fā)展領(lǐng)域中，促進(jìn)社會(huì)的進(jìn)步。

1. 基于K-T變換的測(cè)繪地理信息空間特征提取方法設(shè)計(jì)

1.1 測(cè)繪影像分割

通過(guò)形態(tài)學(xué)梯度實(shí)施測(cè)繪影像的V-S分水嶺變換，獲取初分割對(duì)象，通過(guò)鄰域數(shù)組實(shí)施區(qū)域合并，得到最終的測(cè)繪影像分割結(jié)果[2]。

通過(guò)鄰域數(shù)組實(shí)施區(qū)域合并的過(guò)程可以分成兩個(gè)步驟來(lái)執(zhí)行。兩個(gè)步驟的具體執(zhí)行流程為：當(dāng)區(qū)域面積小于面積閾值時(shí)，將當(dāng)前區(qū)域判斷為極小區(qū)，并與臨區(qū)域進(jìn)行合并；然后，創(chuàng)建分割區(qū)域NA并進(jìn)行更新和處理；對(duì)滿足合并規(guī)則的區(qū)域進(jìn)行二次合并、更新等處理。

通過(guò)兩種處理得到最終的測(cè)繪影像分割結(jié)果。

1.2 經(jīng)驗(yàn)線性變換

通過(guò)K-T變換，依據(jù)測(cè)繪影像中植被、土壤等的信息分布規(guī)律，對(duì)測(cè)繪影像分割結(jié)果實(shí)施經(jīng)驗(yàn)線性變換，獲取濕度、綠度、亮度分量[3]。

在影像多光譜空間，通過(guò)傳感器K-T變換系數(shù)進(jìn)行多維空間、線性變換的旋轉(zhuǎn)，使土壤、植物等信息被投影至多維空間平面上[4]。利用坐標(biāo)變換分離二者的光譜特征，獲取三個(gè)與測(cè)繪地理信息空間特征關(guān)聯(lián)的新波段。其中亮度分量表示的是地形的變化和各種地物的反射率特點(diǎn)；綠度分量表示的是可見(jiàn)光波段與近紅外波段在反射率上的對(duì)比關(guān)系；濕度分量表示的是地表水分狀況。

在K-T變換中，使用的傳感器K-T變換系數(shù)具體（如表1所示）：

表1 傳感器K-T變換系數(shù)

就此實(shí)現(xiàn)濕度、綠度、亮度分量的獲取。

1.3 空間特征建模

通過(guò)半變差函數(shù)實(shí)施測(cè)繪地理信息空間特征建模。具體步驟如下：

（1）地物樣本選取。通過(guò)人工勾畫(huà)方式在測(cè)繪影像上對(duì)典型地物的對(duì)應(yīng)樣本圖像進(jìn)行選取。

（2）對(duì)濕度、綠度、亮度分量不同滯后的對(duì)應(yīng)半變差函數(shù)值進(jìn)行計(jì)算。主要通過(guò)WN－ES、N－S、EN－WS、E－W四個(gè)方向的半變差均值對(duì)全方向的對(duì)應(yīng)半變差值進(jìn)行計(jì)算，具體如式（1）所示：

式（1）中，θ0°為E-W方向的半變差；θ45°為EN-W方向的半變差；θ90°為N-S方向的半變差；θ135°為WN－ES方向的半變差；γ（h）1為濕度分量全方向的對(duì)應(yīng)半變差值；Q為濕度分量值；γ（h）2為綠度分量全方向的對(duì)應(yīng)半變差值；S為綠度分量值；γ（h）3為亮度分量全方向的對(duì)應(yīng)半變差值；Z為亮度分量值。

（3）對(duì)半變差函數(shù)曲線進(jìn)行繪制。

（4）根據(jù)繪制曲線對(duì)半變差函數(shù)模型進(jìn)行擬合，得到地物的空間特征模型[5]。

1.4 空間特征提取

應(yīng)用灰度屬性粗化運(yùn)算和細(xì)化運(yùn)算實(shí)施空間特征提取。用U表示地物空間特征模型，給定參數(shù)α，以模型中各連通分量的實(shí)際屬性β為依據(jù)實(shí)施過(guò)濾操作。對(duì)于連通分量wi，當(dāng)其實(shí)際屬性滿足式（2）：

則該區(qū)域不變。

當(dāng)不滿足上式，將連通分量wi直接并入最近的相近灰度值區(qū)域，如該區(qū)域的灰度值偏低，稱(chēng)該操作為細(xì)化操作；如該區(qū)域的灰度值偏高，稱(chēng)該操作為粗化操作。通過(guò)一系列粗化操作和細(xì)化操作，獲取地物空間特征模型對(duì)應(yīng)屬性剖面，具體如式（3）所示：

式（3）中，φ為細(xì)化操作；?為粗化操作；n為α的個(gè)數(shù)。

就此實(shí)現(xiàn)測(cè)繪地理信息空間特征提取。

2.空間特征提取測(cè)試研究

2.1 實(shí)驗(yàn)數(shù)據(jù)集

為測(cè)試設(shè)計(jì)的基于K－T變換的測(cè)繪地理信息空間特征提取方法的性能，采用以下三個(gè)實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行測(cè)試：

第一個(gè)實(shí)驗(yàn)數(shù)據(jù)集選用DMC－03數(shù)據(jù)集，其測(cè)繪地理信息主要通過(guò)反射式光學(xué)系統(tǒng)獲取。數(shù)據(jù)集中的數(shù)據(jù)光譜波段共115個(gè)。數(shù)據(jù)集的信息具體如下：

空間分辨率：1.3m；

大?。?40列、610行；

數(shù)據(jù)量：33.4MB；

地表覆蓋物：裸地、草地、磚砌路、陰影、屋頂、小路。

第二個(gè)實(shí)驗(yàn)數(shù)據(jù)集選用Reykjavik數(shù)據(jù)集（IKONOS- 2全色高分影像），能夠?qū)υO(shè)計(jì)方法能否適應(yīng)全色高分影像進(jìn)行測(cè)試。數(shù)據(jù)集的信息具體如下：

空間分辨率：1.0m；

光譜范圍：0.4－0.9μm ；

大小：975行；各行像素個(gè)數(shù)：652個(gè)；

地表覆蓋物：居民區(qū)、街道、大房子、陰影、裸地、小房屋；

全色光譜分布情況：較為廣泛。

第三個(gè)實(shí)驗(yàn)數(shù)據(jù)集選用ROSIS－03數(shù)據(jù)集，其原始數(shù)據(jù)是1052掃描線，各掃描線中的像素?cái)?shù)為1052個(gè)。由于部分?jǐn)?shù)據(jù)質(zhì)量較差，移除其中的253個(gè)像素。數(shù)據(jù)集的信息如下：

1052條掃描線，各掃描線中的像素?cái)?shù)為799個(gè)；

總數(shù)據(jù)量：125.6MB；

影像空間分辨率：1.3m；

地表覆蓋物：陰影、瓦房、碎石路、柏油路、裸地、磚房。

三個(gè)數(shù)據(jù)集的具體影像（如圖1所示）：

圖1 三個(gè)數(shù)據(jù)集的影像

根據(jù)以上實(shí)驗(yàn)數(shù)據(jù)集開(kāi)展設(shè)計(jì)方法的性能測(cè)試。

2.2 測(cè)試項(xiàng)目

對(duì)于設(shè)計(jì)方法的測(cè)試，主要對(duì)兩個(gè)項(xiàng)目進(jìn)行測(cè)試：第一個(gè)測(cè)試項(xiàng)目是豐度圖角度，第二個(gè)測(cè)試項(xiàng)目是端元光譜角度。

（1）豐度圖角度能夠?qū)Ω鞣N空間特征分布向量與其參考端元間的光譜角度平均值進(jìn)行描述，對(duì)二者相似性進(jìn)行衡量，其理想數(shù)值是0。

（2）端元光譜角度能夠?qū)Ω鞣N空間特征端元光譜特征與其參考端元間的光譜角度進(jìn)行描述。

為減少隨機(jī)量對(duì)實(shí)驗(yàn)結(jié)果的影響，采用多次測(cè)量結(jié)果額定平均值作為實(shí)驗(yàn)結(jié)果。

2.3 測(cè)試結(jié)果分析

2.3.1 豐度圖角度測(cè)試結(jié)果分析

利用設(shè)計(jì)方法對(duì)三個(gè)實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行測(cè)繪地理信息空間特征提取，測(cè)試其豐度圖角度數(shù)據(jù)。

不同地物的豐度圖角度測(cè)試具體結(jié)果（如圖2所示）：

圖2 三個(gè)實(shí)驗(yàn)數(shù)據(jù)集不同地物的豐度圖角度測(cè)試結(jié)果

根據(jù)圖2不同地物的豐度圖角度測(cè)試數(shù)據(jù)，實(shí)驗(yàn)數(shù)據(jù)集一中裸地、草地、磚砌路、陰影、屋頂、小路這六種地物的豐度圖角度都較低，整體豐度圖角度水平大約處在0.18°；實(shí)驗(yàn)數(shù)據(jù)集二中居民區(qū)、街道、大房子、陰影、裸地、小房屋這六種地物的豐度圖角度均較低，整體豐度圖角度水平大約處在0.17°；實(shí)驗(yàn)數(shù)據(jù)集三中陰影、瓦房、碎石路、柏油路、裸地、磚房這六種地物的豐度圖角度也較低，整體豐度圖角度水平大約處在0.12°。這說(shuō)明設(shè)計(jì)方法的測(cè)繪地理信息空間特征提取性能較好。

2.3.2 端元光譜角度測(cè)試結(jié)果分析

在測(cè)繪地理信息空間特征提取中測(cè)試設(shè)計(jì)方法的端元光譜角度數(shù)據(jù)。

不同地物的端元光譜角度測(cè)試結(jié)果具體（如圖3所示）：

圖3 三個(gè)實(shí)驗(yàn)數(shù)據(jù)集不同地物的端元光譜角度測(cè)試結(jié)果

根據(jù)圖3不同地物的端元光譜角度測(cè)試結(jié)果，實(shí)驗(yàn)數(shù)據(jù)集一中裸地、草地、磚砌路、陰影、屋頂、小路這六種地物的端元光譜角度偏低，整體端元光譜角度水平大約處在4.22°；實(shí)驗(yàn)數(shù)據(jù)集二中居民區(qū)、街道、大房子、陰影、裸地、小房屋這六種地物的端元光譜角度較低，整體端元光譜角度水平大約處在4.03°；實(shí)驗(yàn)數(shù)據(jù)集三中陰影、瓦房、碎石路、柏油路、裸地、磚房這六種地物的端元光譜角度也偏低，整體水平大約處在4.07°。這同樣說(shuō)明設(shè)計(jì)方法的測(cè)繪地理信息空間特征提取性能良好。

3.結(jié)束語(yǔ)

隨著測(cè)繪地理信息的應(yīng)用越來(lái)越廣泛，其空間特征提取問(wèn)題受到了眾多領(lǐng)域的關(guān)注。在研究中應(yīng)用了K－T變換思想，設(shè)計(jì)了一種新的測(cè)繪地理信息空間特征提取方法，實(shí)現(xiàn)了各種地物的空間特征提取，對(duì)于國(guó)土資源勘查、環(huán)境監(jiān)測(cè)、農(nóng)業(yè)生產(chǎn)、地物探測(cè)等領(lǐng)域的發(fā)展有很大意義。