一种面向对象的滑坡变化检测方法

宋小莎

（1.国家测绘地理信息局 重庆测绘院，重庆 400015）

一种面向对象的滑坡变化检测方法

宋小莎1

（1.国家测绘地理信息局 重庆测绘院，重庆 400015）

滑坡作为常见多发的地质灾害，危害人民生命财产与国家基础建设，若能够对潜在滑坡进行监测，则可以最大限度地减少它所造成的损失。以某水坝为实验区进行了研究，通过建立检测规则，梳理各滑坡对象层间的层次关系，对滑坡变化情况进行了检测。

滑坡；面向对象；eCognition；变化检测

滑坡调查传统手段是将遥感图像的目视解译与野外调查相结合，根据滑坡及其要素的形态特征，通过人工判读，将滑坡信息绘制到专题地图上。但这种传统方法已经不能满足严峻的滑坡灾害灾情和滑坡灾害综合防治的需要[1,2]。因此，滑坡灾害识别的新方法不断涌现。利用面向对象的分析思想，分析区域内滑坡信息的动态变化是管理和防治滑坡灾害的新手段[3-6]。本文拟采用面向对象的方法，基于灰度共生矩阵纹理特征[7]进行监督分类，分选出滑坡单元和非滑坡单元。围绕一对多时相遥感影像，构建其层次关系，开展滑坡变化检测，分析面向滑坡对象的变化检测在滑坡灾害信息识别和监测中的作用。

1 原理与方法

1.1 变化检测

20世纪80年代，发展了基于变化检测的方法来识别遥感数据在不同时间所记录的地表实体变化信息，涉及遥感图像处理中的辐射校正、几何校正、配准、分类、特征提取等方面[8]。用于滑坡信息提取与变化检测的主要步骤包括：①预处理后遥感图像的对象分割；②分选出滑坡对象和非滑坡对象；③构建多时相影像对的层次关系，设立相应规则实施变化检测；④ 结果分析。具体流程如图1。

图1 变化检测流程图

1.2 多尺度分割

影像分割是面向对象分析的基础，分割质量直接决定随后滑坡分选的精度。eCognition提供的多尺度分割方法是一种区域增长的分割算法，它始于独立像元，通过标识这个像元为一个对象，并根据相关的同质性标准与它们相邻的对象进行合并，直至达到用户所设定的尺度阈值，而这个同质性标准就是光谱和形状所占权重的结合。通过控制同质性标准和分割尺度的阈值，得到合适的对象。由于生成的每个对象都保持着同质性，我们能够直接得到这些对象的属性，包括形状、尺寸、结构、纹理、空间关系等，为下一步的滑坡划分提供了条件。

1.3 滑坡对象的识别和提取

滑坡对象的识别有很多方法，而影像纹理对滑坡识别有着比光谱更广的适应性[9]，通过纹理识别滑坡主要包括2个步骤：①建立滑坡对象的纹理特征库；②进行模式识别。

灰度共生矩阵纹理特征有很多，为了减少计算负担，挑选出几种常用的特征参数，包括对比度（Con.）、相关系数（Cor.）、熵（Ent）、标准差（Stdv.）和平均值（Mean.）。选定特征参数后，配合人工目视判读，获取一定数量的滑坡对象样本和典型的非滑坡对象样本，从而建立滑坡对象的纹理特征库。

eCognition采用的模式识别方法是决策支持下的模糊分类，其基本思想是将逻辑状态“是”与“非”转化到0到1这个连续区间上，即定义了对象关于所有类型的隶属度，决定了对象的类型归属。常用的分类算法是最近邻法，算法法则是在特征空间中寻找每一个影像对象最近的样本对象，并将此对象划分为所属的类别。在已建立的样本库的基础上，通过最邻近法的监督分类，从而识别和提取滑坡对象，最后将相同的对象进行合并得到专题图层。

1.4 影像对的变化检测

eCognition拥有强大的类层次分析能力，允许多图层间形成等级结构以便管理，通过建立图层间“父子”关系，使得在垂直层次上关联起来。由于影像多尺度分割而生成的滑坡专题图层，在图斑边界上总是存在着不一致，所以必须使用同步函数对图层间关系进行梳理，通过将对象信息梳理到同一个图层，以满足变化检测分析的前提。

不同于像元级变化检测，需要先设置变化检测阈值，然后从差值影像中判别出变化像元。面向对象的变化检测直接建立判别规则，如表1，在已建立图层间关系的基础上，利用建立的规则进行变化检测。

表1 判别滑坡变化的3个规则

2 实验实例

2.1 数据源

本文实验数据选取了位于长江流域某段来自北京一号小卫星所摄的一组2个时相的全色数据以及该区域的DEM数据，其中，全色数据分辨率为4 m，一景摄于2006-05-17；另一景摄于2007-11-23，DEM数据的分辨率为30 m。所选区域位于三峡大坝上游，随着2006-05-20大坝主体工程全面竣工，蓄水期大坝蓄水高度得到提升，因此可认为该区域两个时相遥感数据变化明显，适合进行变化检测。

2.2 多尺度分割

按照变化检测的步骤，数据经过预处理后，第一步是对其进行多尺度分割。由于全色影像的分辨率为4 m，而DEM分辨率为30 m，本文将全色影像层权重设为7.5，DEM层权重设为1。为确定分割尺度，本文选取10、20、30、40、50、60对同一幅影像进行分割实验，部分分割效果见图2，分割特征见表2。分析比较后，认为当分割尺度为40时，生成对象大小比较适合滑坡识别。

图2 部分分割结果比较（s为分割尺度）

表2 不同分割尺度下的影像特征

2.3 面向对象的监督分类

在上一步所生成的滑坡对象基础上，选取滑坡对象和非滑坡对象的样本，建立样本对象纹理特征库，然后根据最邻近分类器分选出滑坡。

为了选取训练样本，需要截取出部分区域作为样本训练区，在此区域中挑选出有代表性的滑坡和非滑坡样本。在训练区选取滑坡样本时，考虑到滑坡坡向的各不相同，尽量选择不同坡向的滑坡作为滑坡样本（如图3）。而选取非滑坡样本时，除了选取明显的非滑坡对象，还需选取容易与滑坡对象混淆的对象（如图4），以减少滑坡识别误差。

图3 部分滑坡对象样本

图4 部分非滑坡对象样本

选取完训练样本后，利用训练与测试区掩膜（TTA）功能，将所选样本以影像对象层的形式存储到本地磁盘，接着打开完整研究区域的影像，加载已存储的TTA，逆向生成样本，并以此样本在整个研究区域内进行最近邻分类，生成滑坡专题图（如图5），图中红色是滑坡对象，绿色为非滑坡对象。

图5 滑坡对象专题图

2.4 变化检测

对2个时相的影像进行滑坡识别后，接下来根据建立的规则进行变化检测。首先分别将两时相图层的滑坡对象和非滑坡对象进行同类合并，并把前一时相的对象层命名为Pre，后一时相的对象层命名为Post，然后复制Pre到Post所在的地图中，构成上下层次关系，并经由同步函数（Synchronize）梳理其层间关系，最后根据已有规则判断层间关系，将变化结果显示到新创建的变化层上，生成滑坡变化如图6所示。图中桔色为新生滑坡；蓝色为滑坡变化区域；绿色为未变化区域。

图6 滑坡变化专题图

由以上结果得到了在研究区内，2006-05～2007-11滑坡变化分布图。相比于2006-05，2007-11河岸滑坡数量减少，部分滑坡位置上移。鉴于研究区位于三峡大坝上游，且2006年影像摄于大坝主体全线竣工之前，因大坝此后又进行了蓄水水位提升，可以认定研究区内滑坡的变化趋势符合结果预期。

3 结 语

本文提出一种面向对象的滑坡变化检测的新思路，为实现滑坡动态监测提供了新方法。与野外调查相比，通过人机交互的方式获取滑坡变化信息，效果良好也更有效率。由于遥感图像滑坡识别的效果直接决定变化检测的质量，而滑坡对象的识别受数据源、识别方法等诸多因素影响，因此，更完善的滑坡变化检测技术体系的构建有待于更多滑坡识别技术的实现与相关研究。

[1] Galli M, Ardizzone F, Cardinali M,et al. Comparing LandslideInventory Maps [J]. Geomorphology, 2008, 94(3-4): 268–289

[2] 李松,李亦秋,安裕伦.基于变化检测的滑坡灾害自动识别[J].遥感信息,2010(1): 27-30

[3] 叶润青,邓清禄,王海庆.基于图像分类方法滑坡识别与特征提取——以归州老城滑坡为例[J].工程地球物理学报,2007,4(6):475-477

[4] 付文杰,洪金益.基于支持向量机的滑坡灾害信息遥感图像提取研究[J].水土保持研究,2006,13(4):120-122

[5] Giles P,Franklin S E.An Automated Approach to the Classification of Slope Units Using Digital Data [J].Geomorphology, 1998,21(3-4):251-264

[6] 胡德勇,李京,赵文吉,等.基于对象的高分辨率遥感图像滑坡检测方法[J].自然灾害学报,2008,17(6):42-46

[7] Stumpf A, Kerle N. Object-oriented Mapping of Landslides Using Random Forests [J]. Remote Sensing of Environment, 2011, 115(10): 2 564-2 577

[8] Singh A. Digital Change Detection Techniques Using Remotely-sensed Data [J]. International Journal of Remote Sensing, 1989, 10(6): 989-1 003

[9] 万保峰,袁水华,苏建平.基于纹理分析的滑坡遥感图像识别[J].地矿测绘, 2009,25(2):11-14

P237.9

B

1672-4623（2015）04-0151-03

10.3969/j.issn.1672-4623.2015.04.054

宋小莎，研究方向为工程测绘、基础地理信息系统工程。

2015-02-09。