面向对象的无人机影像水体变化监测方法

2018-12-05 08:48秦慧杰梁文广欧阳晓
水土保持通报 2018年5期
关键词:水利部门图斑波段

秦慧杰, 高 磊, 梁文广, 欧阳晓

(1.江苏省测绘工程院, 江苏 南京 210013; 2.卫星测绘技术与应用国家测绘地理信息局重点实验室, 江苏 南京 210013; 3.江苏省水利科学研究院湖泊所, 江苏 南京 210017)

水体监测是水利行业的业务核心,监测的内容包括水域范围内水体的面积、水位、库容以及水质等多个方面。其中水体面积的变化监测尤为重要,从面积的变化可以推算库容变化、汛情旱情的严重程度等为水资源调度、防汛抗旱、防灾减灾、水利普查以及渔业养殖等提供数据支撑。无人机遥感作为获取空间数据的重要手段之一,与卫星影像相比,具有机动灵活、实时传输、适合现场高危作业、影像分辨率高等特征,是卫星遥感的重要补充,无人机在水利监测领域的应用也越来越广泛,主要用于河流、湖泊、水库本体监测,水域环保监测、洪涝灾害监测、农田水利监测、水土保持监测、水体工程监测等方面[1]。无人机机动灵活的特点目前受到水利部门的青睐,可随时对河湖等情况进行了解,对违法占用水体情况,可随时发现,随时解决,相对传统影像获取方法,可大大提高效率。

虽然无人机在目前的水利部门应用较为广泛,但因无人机影像只包含3个波段,无法利用传统水体指数提取水体,限制了无人机影像在水利部门的作用。纵观前人的研究,无人机影像多用于对水质的监测、目前利用无人机影像对水体面积的变化监测的研究还处于初期阶段。仅杜敬[2]利用深度学习的方法进行水体的识别,得到了较好的水体识别效果,但深度学习需要大量的样本,而且对计算机要求较高。传统的水体面积的变化监测方法大部分是利用单波段阈值法、谱间关系法、水体指数法及其优化方法进行水体提取的研究[3]。单波段阈值法简单易行,但是混分现象严重,精度不高[4]。另几种方法均需要近红外波段。所以,目前水利部门利用无人机影像提取水体主要还是人工勾划,效率低,耗时费力。本文拟从纹理特征入手,利用无人机影像的角二阶矩、均值、熵3个特征进行组合,再通过ISO分类提取水体,并将不同时相提取的水体范围进行叠置分析从而提取水体的变化图斑。以期提高无人机影像的水体提取效率,自动进行水体变化监测,为水利部门及时了解水体面积变化情况提供依据,同时进一步推动无人机影像的应用范围。

1 研究方法

无人机影像只包含红、绿、蓝3个波段,缺少传统的水体特征波段——近红外波段,而受不同拍摄时段光照、天气等环境因素的影响,以及含沙量、浑浊度、叶绿素含量等理化性质的影响,水体在红绿蓝3个波段并没有固定的光学特征。因此,利用光谱特征很难从无人机影像上提取水体。论文考虑采用纹理特征进行水体的提取,并将两期的水体进行比较从而提取水体变化区域。具体流程如图1所示。

1.1 纹理特征提取

纹理特征提取是基于面向对象的方法进行,面向对象即是将影像进行分割,形成一个一个的像斑,然后提取像斑的纹理特征。经前期试验,本文采用角二阶矩、均值和熵3个特征进行水体的提取。纹理特征的提取在易康软件里进行,首先要将原始影像进行分割。

图1 水体变化监测流程

分割尺度大小决定着影像像斑的大小,分割尺度越小,影像分割得越破碎,像斑越小;反之亦然。分割尺度过大,会使一个像斑内包含多种地物,分割尺度过小,则会出现过分割,像斑过于破碎,所以在分割时要选择合适的尺度。本文主要提取对象为水体,在分割时可适当选择稍大的尺度,经试验,选择分割尺度为300。在易康软件里对分割的像斑计算角二阶矩、均值和熵并输出。角二阶矩和熵的取值范围分别在0~1,0~10之间,将两者归一化到0~255之间。在ArcGIS中将各个特征矢量转化为栅格数据。

在均值影像中并不能很好的区分出水体,熵和角二阶矩的影像已经显示出水体轮廓,但并不能很好的与其他地物区分开。本文将这3个特征进行组合,以更好的区分出水体。

1.2 波段合成及ISO分类

将角二阶矩、均值和熵分别按红、绿、蓝的顺序在ArcGIS中进行波段合成,利用ArcGIS通过ISO分类将水体提取出。

1.3 水体提取精度评价

为了定量评价以上方法提取水体的精度,研究采用外部产生随机点并进行解译,对结果进行混淆矩阵计算检查,从而对水体提取结果进行精度评价[5]。具体流程如图2所示。根据试验区的矢量范围,对试验区随机生成样本点126个,随机生成的检查点目视解译,精度评价结果如表1所示。

图2 水体提取精度评价流程

水体提取的总体精度达到97.62%,而Kappa系数达到0.9以上,验证了利用该方法提取水体的可靠性。

2 结果与分析

2.1 试验区概况

山洪水库位于江苏省盱眙县西南部维桥河上游

桂五镇镜内合星村,也是龙王山水库上游梯级水库。1959年建成,坝长1 149 m,最大坝高18 m,顶宽4 m。汇水面积15.4 km2,库容1 142 m3。灌溉面积2.53×103hm2,是一座以防洪、灌溉等功能为主的中型水库。

表1 水体提取精度评价

注:总体精度=97.62%,Kappa系数=0.91。

水利部门于2014和2016年对该区域进行无人机航空摄影,获取了0.1 m分辨率的高清影像,位于管理范围线以内的面积2.33 km2如图3所示。

图3 研究区无人机航空影像

2.2 水体变化监测

首先对2期无人机影像进行分割,分割方法采用两期影像叠合的多尺度分割,即将两期影像的6个波段叠合,在分割时同时参考两期影像进行分割[6],这样就避免了利用单期影像分割的矢量与另一期影像边界不吻合的情况。变化检测以该分割矢量为基础。分割矢量和前后期影像的叠合情况如图4所示。

利用纹理特征波段合成并进行ISO分类提取的水体如图5所示。

在ArcGIS中将2014年提取的水体和2016年提取的水体进行叠置分析,得到水体的变化区域(如图6所示)。

图4 研究区无人机影像分割矢量和两期影像叠合

图5 利用纹理特征波段合成并进行ISO提取的水体

图6 论文方法提取出的变化图斑

部分漏检和误检主要是由于水面较窄的支流被水草覆盖,以及湿土、浅水泥潭产生的分类错误引起的。

2.3 水体变化检测精度分析

水体变化检测的精度采用漏检率、虚检率和总体精度进行评价[7]。若m11为检测为变化,实际为变化的图斑数;m21为检测为未变化,实际为变化的图斑数;m12为实际为未变化,检测为变化的图斑数;m22为实际为未变化,检测为未变化的图斑数。则:

(1) 总体精度

(1)

(2) 漏检率

(2)

(3) 虚检率

(3)

对实验区的水体变化情况进行人工解译,提取出实际变化图斑如图7所示:

图7 研究区实际变化图斑

经统计分析,漏检率为8.18%,误检率为9.77%,正确率为90.68%。检测结果满足水利部门的相关要求,可供水利部门参考。

2.4 水体变化分析

通过对检测出的变化图斑进行分析,发现山洪水库2014和2016年水域变化绝大多数是由于不同年份季节蓄水量不同,水位线波动造成的水体覆盖范围发生变化。也有部分新增坑塘以及坑塘填平的变化(如图8所示),对这些变化图斑重点标记,可供水管理部门进行实地勘察以更好地维护管理区用地的保护和有序开发。

图8 研究区内水体典型变化区域

3 结 论

本文通过对无人机影像进行分割,形成影像像斑,提取像斑的角二阶矩、均值和熵3个纹理特征,进行重新组合,并通过ISO分类较好的提取出了水体。利用该水体提取方法,对山洪水库两期影像均提取出水体范围,并利用叠置分析方法进行水体的变化监测,正确率达到90%以上,取得了较好的监测结果。论文突破了传统利用水体指数提取水体的局限,一定程度上扩大了无人机影像的应用领域。水体的自动化提取流程,节省了人力,提高了工作效率,为水利部门更好的了解水体变化情况提供了技术保障。

(1) 本文利用多个软件结合实现水体的提取和变化监测没有实现全自动化监测,后续将编程实现水体提取的自动化程度,进一步提高水体提取和变化监测的效率。

(2) 本文方法对影像的质量要求较高,若水体内存在大量的噪声,则会严重影像水体的纹理特征值,不适宜用该方法。后续将进行进一步研究,以提高方法的普适性。

猜你喜欢
水利部门图斑波段
地理国情监测中异形图斑的处理方法
水利部门财务管理优化研究
基于C#编程的按位置及属性值自动合并图斑方法探究
正确对待水利部门投资城市供水事业
土地利用图斑自动检测算法研究
基于PLL的Ku波段频率源设计与测试
小型化Ka波段65W脉冲功放模块
水利部门档案人才队伍现状及对策研究
M87的多波段辐射过程及其能谱拟合
日常维护对L 波段雷达的重要性