多源遙感數(shù)據(jù)支持下的異形建筑物圖像識(shí)別方法

姚可筠

（廈門億力吉奧信息科技有限公司，福建 廈門 361000）

0.引言

近年來(lái)，隨著城市經(jīng)濟(jì)的不斷發(fā)展，異形建筑物不斷涌現(xiàn)，彰顯著城市的綜合實(shí)力。常規(guī)情況下，異形建筑物具備較高的藝術(shù)性，以外觀來(lái)凸顯建筑物的定位與功能，但對(duì)國(guó)土監(jiān)察帶來(lái)了極大的挑戰(zhàn)。傳統(tǒng)建筑物識(shí)別方法主要適用于外觀較為規(guī)整的建筑物。針對(duì)異形建筑物來(lái)看，傳統(tǒng)方法應(yīng)用具有較大的局限性，致使異形建筑物識(shí)別效果較差。為了滿足國(guó)土監(jiān)察的需求，遙感技術(shù)應(yīng)運(yùn)而生，并在國(guó)土監(jiān)察領(lǐng)域中得到了廣泛的應(yīng)用。傳統(tǒng)多光譜圖像已經(jīng)無(wú)法滿足國(guó)土監(jiān)察的需求，而遙感圖像具有較高的分辨率，能夠?yàn)楫愋谓ㄖ镒R(shí)別提供清晰的數(shù)據(jù)支撐。隨著遙感技術(shù)的不斷發(fā)展與改進(jìn)，圖像空間分辨率也呈現(xiàn)上升的趨勢(shì)。就目前發(fā)展水平來(lái)看，遙感圖像已經(jīng)成為空間地理信息中的關(guān)鍵數(shù)據(jù)源之一。

如何有效地利用遙感圖像，并對(duì)多源遙感數(shù)據(jù)進(jìn)行深入挖掘，成為現(xiàn)今遙感技術(shù)發(fā)展領(lǐng)域亟待解決的問(wèn)題之一[1]。就現(xiàn)有遙感技術(shù)應(yīng)用研究成果來(lái)看，主要研究方向是地物識(shí)別，此種應(yīng)用研究是后續(xù)深層應(yīng)用的有力保障。針對(duì)異形建筑物目標(biāo)而言，其與其他地物目標(biāo)有著較大的差別，幾何特性、紋理均存在差異，并且有些建筑物之間的間隔較小，極易造成圖像識(shí)別錯(cuò)誤，這也是已有建筑物識(shí)別方法的主要缺陷。為了解決已有方法存在的問(wèn)題，為國(guó)土監(jiān)察提供更加精準(zhǔn)的識(shí)別結(jié)果，故提出多源遙感數(shù)據(jù)支持下的異形建筑物圖像識(shí)別方法研究。

1.異形建筑物圖像識(shí)別方法研究

1.1 多源遙感數(shù)據(jù)獲取及預(yù)處理

為了精準(zhǔn)識(shí)別異形建筑物，首要任務(wù)是獲取并預(yù)處理多源遙感數(shù)據(jù)。雖然獲取的多源遙感數(shù)據(jù)具有空間分辨率顯著提高、數(shù)據(jù)規(guī)模更大、地區(qū)訪問(wèn)頻率高等優(yōu)勢(shì)，但也有更多的圖像噪聲，極大地阻礙了多源遙感數(shù)據(jù)的處理與應(yīng)用[2]。

為了反映異形建筑物的真實(shí)高度，采用數(shù)字表面模型DSM與數(shù)字高程模型DEM做差，消除環(huán)境因素的影響。

經(jīng)過(guò)預(yù)處理后的DSM-DEM高程差數(shù)據(jù)無(wú)地形因素，可以直接反映物體的高度信息[3]。

另外，由于多源遙感數(shù)據(jù)包含著大量的圖像噪聲，需要選取適當(dāng)?shù)臑V波算法去除噪聲[4]。依據(jù)異形建筑物的圖像識(shí)別需求，此研究選取空間域?yàn)V波對(duì)圖像噪聲進(jìn)行去除。空間域?yàn)V波算法運(yùn)算程序（如圖1所示）：

圖1 空間域?yàn)V波算法運(yùn)算程序圖

由圖1可知，f0,f1, …f8為遙感圖像中參與濾波運(yùn)算的部分；k0,k1,…k8為模板系數(shù)，濾波模板窗口大小為3×3。通過(guò)遙感圖像與濾波模板的疊加運(yùn)算，獲得濾波輸出R，表達(dá)式為R=k0f0+k1f1+…+k8f8。采用R代替原遙感圖像中的像素值，即可完成遙感圖像的空間域?yàn)V波運(yùn)算。

上述過(guò)程完成了多源遙感數(shù)據(jù)的獲取與預(yù)處理，去除了異形建筑物遙感圖像的噪聲，并獲得了準(zhǔn)確的異形建筑物高度信息，為后續(xù)異形建筑物圖像的提取做準(zhǔn)備[5]。

1.2 異形建筑物圖像提取

以預(yù)處理后的多源遙感數(shù)據(jù)為基礎(chǔ)，檢測(cè)異形建筑物的邊緣，應(yīng)用ORT算法分割多源遙感數(shù)據(jù)，以此為基礎(chǔ)，提取異形建筑物圖像。

常規(guī)情況下，異形建筑物邊緣是遙感圖像灰度值不連續(xù)對(duì)應(yīng)的位置。因此，采用求導(dǎo)數(shù)方式對(duì)異形建筑物邊緣進(jìn)行相應(yīng)的檢測(cè)。遙感圖像梯度值如式（1）所示：

式（1）中，G （x,y）為異形建筑物遙感圖像；ΔG （x,y）為圖像梯度值；d為導(dǎo)數(shù)符號(hào)；x與y為坐標(biāo)方向。

目前，應(yīng)用較為廣泛的邊緣檢測(cè)算子為Roberts算子、Sobel算子與Log算子，結(jié)合異形建筑物邊緣檢測(cè)需求，此研究選取Log算子作為應(yīng)用方法，如式（2）所示：

式（2）中，2G x,（y）為L(zhǎng)og算子函數(shù)；?為二階微分算子符號(hào)。

依據(jù)Log算子邊緣檢測(cè)模板即可完成異形建筑物邊緣的檢測(cè)，以此為基礎(chǔ)，引入ORT算法分割遙感圖像。ORT算法原理為：將遙感圖像分割轉(zhuǎn)換為利用遙感圖像局部直方圖大小獲取指示函數(shù)的過(guò)程。該算法能夠在有遮擋的前提下，完整地提取異形建筑物圖像。

設(shè)定異形建筑物遙感圖像遮擋模型劃分目標(biāo)為：

式（3）中，σ為指示函數(shù)；LwG為遙感圖像局部直方圖；N為圖像劃分的總數(shù)量；w為濾波窗口規(guī)模大?。粸閄n中像素點(diǎn)計(jì)算獲得的局部直方圖數(shù)值；w×1｛n｝（σ）為遮擋組合的權(quán)重?cái)?shù)值。

以異形建筑物遙感圖像遮擋模型為依據(jù)，基于ORT算法提取異形建筑物圖像，具體步驟如下：

步驟一：計(jì)算遙感圖像G的局部直方圖；

步驟二：加載步驟一計(jì)算的局部直方圖，初始化ORT算法的權(quán)重?cái)?shù)值｛an｝與直方圖數(shù)值｛pn｝；步驟三：對(duì)權(quán)重?cái)?shù)值a｛n｝進(jìn)行去卷積操作處理，并以此為基礎(chǔ)，對(duì)指示函數(shù)σ進(jìn)行估計(jì)；

步驟六：對(duì)步驟二到步驟五進(jìn)行重復(fù)迭代，直至ORT算法收斂為止，輸出結(jié)果即為異形建筑物圖像提取結(jié)果。

上述過(guò)程完成了異形建筑物圖像的邊緣檢測(cè)與整體提取，為后續(xù)異形建筑物圖像的識(shí)別打下堅(jiān)實(shí)的基礎(chǔ)。

1.3 異形建筑物圖像特征分析

以提取的異形建筑物圖像為依據(jù)，分析并獲取圖像特征，為后續(xù)異形建筑物圖像識(shí)別提供有代表性的數(shù)據(jù)，提升圖像識(shí)別的精確度。

一般情況下，異形建筑物圖像中包括多種特征，但并不是所有特征均具有識(shí)別效用。因此，此研究借鑒已有文獻(xiàn)研究成果，選取光譜、形狀與紋理作為異形建筑物圖像特征。

調(diào)查研究表明：相同材質(zhì)的目標(biāo)具有相似的光譜特征。若異形建筑物周邊是草地、樹(shù)木等，則光譜特征即可很好區(qū)分目標(biāo)。光譜特征主要為圖像灰度方差與平均值，計(jì)算式如式（4）所示：

式（4）中，σr為圖像灰度方差；r為特定區(qū)域范圍；M為特定區(qū)域范圍r內(nèi)的全部像素?cái)?shù)量；Gr為圖像灰度平均值。

在異形建筑物圖像識(shí)別過(guò)程中，形狀特征的貢獻(xiàn)度最大，是反映異形建筑物最直觀的特征參數(shù)，并且形狀特征較為明顯，能夠簡(jiǎn)化圖像識(shí)別程序。形狀特征主要為面積、長(zhǎng)寬比、周長(zhǎng)與邊界指數(shù)。

紋理特征主要顯示的是圖像局部像素之間的關(guān)系，采用灰度共生矩陣參數(shù)表示，由于篇幅的限制，不對(duì)其計(jì)算過(guò)程進(jìn)行贅述。

上述過(guò)程完成了異形建筑物圖像特征的分析與獲取，為后續(xù)圖像識(shí)別提供充足的特征數(shù)據(jù)支持。

1.4 異形建筑物圖像識(shí)別實(shí)現(xiàn)

以獲取的異形建筑物圖像特征數(shù)據(jù)為基礎(chǔ)，應(yīng)用深度置信網(wǎng)絡(luò)構(gòu)建異形建筑物圖像識(shí)別模型，訓(xùn)練模型獲取最佳模型參數(shù)，將待識(shí)別異形建筑物圖像輸入至訓(xùn)練好的模型中，輸出結(jié)果即為異形建筑物圖像識(shí)別結(jié)果。

2.實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)準(zhǔn)備階段

為了驗(yàn)證提出方法的應(yīng)用性能，選取MRELBP特征、Franklin矩和SVM相結(jié)合的遙感圖像建筑物識(shí)別方法作為對(duì)比方法，設(shè)計(jì)對(duì)比實(shí)驗(yàn)。

實(shí)驗(yàn)準(zhǔn)備階段是保障實(shí)驗(yàn)順利進(jìn)行的基礎(chǔ)與前提。依據(jù)異形建筑物圖像識(shí)別實(shí)驗(yàn)需求，選取10個(gè)異形建筑物作為實(shí)驗(yàn)對(duì)象，由于篇幅的限制，只對(duì)部分實(shí)驗(yàn)對(duì)象實(shí)物圖進(jìn)行展示（如圖2所示）：

圖2 部分實(shí)驗(yàn)對(duì)象實(shí)物圖示意圖

異形建筑物圖像識(shí)別模型最佳參數(shù)的確定也是影響實(shí)驗(yàn)進(jìn)行的關(guān)鍵。依據(jù)實(shí)驗(yàn)需求，設(shè)置深度置信網(wǎng)絡(luò)卷積層為8層，對(duì)應(yīng)參數(shù)（如表1所示）：

表1 深度置信網(wǎng)絡(luò)卷積層參數(shù)表

上述過(guò)程完成了實(shí)驗(yàn)對(duì)象的選取，深度置信網(wǎng)絡(luò)參數(shù)卷積層的設(shè)置，為后續(xù)實(shí)驗(yàn)進(jìn)行提供了充足的準(zhǔn)備與便利。

2.2 實(shí)驗(yàn)結(jié)果分析

以上述實(shí)驗(yàn)準(zhǔn)備內(nèi)容為依據(jù)，選取異形建筑物圖像提取完整率、識(shí)別精度及其平均召回率作為提出方法應(yīng)用性能評(píng)價(jià)指標(biāo)，量化顯示異形建筑物圖像識(shí)別效果。

通過(guò)實(shí)驗(yàn)獲得異形建筑物圖像識(shí)別效果評(píng)價(jià)指標(biāo)數(shù)據(jù)（如圖3所示）：

圖3 評(píng)價(jià)指標(biāo)數(shù)據(jù)示意圖

由圖3（a）數(shù)據(jù)可知：與對(duì)比方法相比較，應(yīng)用提出方法獲得的異形建筑物圖像提取完整率更高，表明提出方法遙感圖像分割效果更好；

由圖3（b）數(shù)據(jù)可知：與對(duì)比方法相比較，應(yīng)用提出方法獲得的異形建筑物圖像識(shí)別精度數(shù)值更大，表明提出方法圖像識(shí)別更為準(zhǔn)確；

由圖3（c）數(shù)據(jù)可知：在第4次實(shí)驗(yàn)時(shí)，對(duì)比方法平均召回率高于提出方法，經(jīng)過(guò)反復(fù)驗(yàn)證得知，該結(jié)果實(shí)驗(yàn)數(shù)據(jù)記錄錯(cuò)誤，因此對(duì)此次實(shí)驗(yàn)數(shù)據(jù)進(jìn)行忽略處理。相較于對(duì)比方法，應(yīng)用提出方法獲得的異形建筑物圖像識(shí)別平均召回率數(shù)值更大，表明提出方法對(duì)多源遙感數(shù)據(jù)的檢索效果更好。

上述實(shí)驗(yàn)結(jié)果顯示：與對(duì)比方法相比較，提出方法的異形建筑物圖像提取完整率、識(shí)別精度及其識(shí)別平均召回率數(shù)值均更高，充分證實(shí)了提出方法圖像識(shí)別效果更佳。

3.結(jié)束語(yǔ)

此研究以多源遙感數(shù)據(jù)為基礎(chǔ)，提出了新的異形建筑物圖像識(shí)別方法，極大地提升了異形建筑物圖像提取完整率、識(shí)別精度及其識(shí)別平均召回率，能夠獲得更佳的圖像識(shí)別效果，為異形建筑物識(shí)別提供更加有效的方法支撐，也為圖像識(shí)別研究提供一定的參考與借鑒。