高分辨率遥感影像分类技术在矿山地形图更新试验中的应用研究

（甘肃煤田地质局一四六队，甘肃 平凉 744000）

针对矿山测量中矿山地形图的测绘长期以来一直是矿山测绘工作中的难点问题，矿山地形图的精准度是确保矿山开采工作能否顺利进行的关键参数，一般情况下，我国矿山地形图更新的周期在5年～6年之内[1]。但由于矿产行业的高速发展，对矿山地形图的精度提出了更高的要求。矿山地形图更新试验是针对矿山地形图进行精细化绘制的重要方式，目前，高分辨率的遥感影像使矿山地形图中的细节刻画成为可能。传统的遥感影像分类技术很难满足高分辨率的实际需求，得出的分类结果往往存在误差大的弊病，对矿山地形图测绘工程的质量和效率均会产生消极影响。高分辨率遥感影像分类技术能够在传统遥感影像分类技术的基础上，通过高分辨率的商业遥感卫星，提高空间分辨率，进而获得更加精准的遥感影像分类结果。本文结合相关文献对高分辨率遥感影像分类技术在矿山地形图更新试验中的具体应用展开详细研究，希望能够为提升矿山地形图测绘质量提供技术支持。

1 高分辨率遥感影像分类技术在矿山地形图更新试验中的应用

1.1 矿山地形图更新地理要素

矿山地形图中的地理要素可以按照形状分为两大类，分别为：线状地理要素以及面状地理要素。不同的地理要素其更新类别也必然不同，本文基于高分辨率遥感影像分类技术的分类标准，得出的矿山地形图更新地理要素综合信息表，如表1所示。

表1 矿山地形图更新地理要素

根据表1所示，可通过矿山地形图的地理要素，确定矿山地形图的更新类别。

1.2 提取矿山地形图专题信息

在确定矿山地形图更新类别的基础上，通过高分辨率遥感影像分类技术，将高分辨率的遥感影像与需要更新的矿山地形图进行同屏套合显示，进而提取矿山地形图专题信息。利用高分辨率遥感影像分类技术提取专题信息的具体流程，如图1所示。

结合图1所示，基于高分辨率遥感影像分类技术通过面向对象分类实现矿山地形图专题信息提取。以遥感数据作为原始数据，通过对高分辨率遥感影像进行分割，获得更具代表性的矿山地形图专题信息。利用经过高分辨率遥感影像分类技术分类后得到的更具代表性的矿山地形图专题信息，提取更多分类辅助信息，进一步提高矿山地形图更新试验中高分辨率遥感影像分类的精准度。

图1 高分辨率遥感影像分类技术提取专题信息流程图

1.3 影像融合

由于经过高分辨率遥感影像分类技术分割后的影像是单个像元，本文通过影像融合的方式将同质像元进行融合组成的多边形对象。再根据按比例尺展出的矿山地形图专题信息，依据矿山测量中具体特殊地形情况设定各项测绘参数，以高分辨率测绘遥感卫星、北斗卫星为主，结合相关无人机航测设备，利用专业软件进行影像融合，生成点云数据以及数字正射影像图。在获取特殊地形测绘数字正射影像图后，还需要对即将导入的特殊地形地质数据进行预处理，主要包括：利用收集到的监测井、水文地质图、地形地貌图以及地质成果报告等矿山测量数据进行初始化制作。具体方式为：在10cm×10cm的方格网上刻画初始的水文、工程地质剖面图，系统反应区域地表地信和地貌特征、地下地质和构造特征、地下水位变化特征、含水和隔水岩组分布特征，形成较为完整的矿山地形图更新边界线数据，形成以高分辨率为主的立体测绘能力，使高分辨率遥感影像自给率达到80%，从而提升矿山地形图的测绘精度。在此基础上，利用高分辨率遥感影像分类技术将多光谱影像与全色影像进行融合，通过主成分变换法进行影像矢量化。将10cm×10cm的方格网上的水文和工程地质剖面经过扫描成图，然后在MapGIS地图编辑器中进行人工矢量化，对矿山地形图测绘边界线进行拓扑查错，再进行拓扑造区处理，形成矢量矿山地形图测绘数据[2]。矿山地形图测绘区赋参数属性：结合基于高分辨率遥感影像分类技术影像融合得到的影像，制定标准地层表，制作矿山地形图测绘参数属性图例版，最终制作出带有标准化颜色、纹理和属性的标准矿山地形图。

1.4 智能化更新矿山地形图

考虑到矿山地形图更新试验具有独特的工作性质，利用高分辨率遥感影像分类技术对数字化矢量矿山地形图目标数据进行自动配准，自动提取空间变化要素，通过影响融合，进而实现智能化更新矿山地形图。在智能化更新矿山地形图过程中，首先，绘制10cm×10cm的方格网；再利用高分辨率遥感影像分类技术对分类结果进行矢量化处理，将分类结果进行线要素简化，并进行去噪处理；对矿山测量得到的地理要素进行拓扑重建；选取一个由大小、形状相同的黑色和白色方格拼接而成的棋盘状模板作为坐标格网；最后，通过标定模板中的方格尺寸大小来标定出矿山地形图的更新参数。设矿山地形图坐标格网平面上的更新三维点记为P(X,Y,Z)，则其所对应的平面坐标系中二维点可记为v[x,y]，更新矿山地形图数据坐标格网的标定公式记为Q，则其计算公式，如公式（1）所示。

在公式（1）中，ox指的是矿山地形图数据坐标格网x轴的缩放系数；Ry指的是矿山地形图数据坐标格网y轴的缩放系数；δ指的是旋转矩阵；W指的是平面坐标系横轴与纵轴的不垂直因子；a、b指的是主点在坐标格网中的坐标。利用公式（1）可将采集到的矿山地形图数据绘制在矿山地形图数据坐标格网中，以此得到矿山地形图数据更新的坐标格网。

根据得到的矿山地形图数据更新的坐标格网，对矿山地形图控制点进行智能化更新。具体步骤为：首先，用V8配套预处理软件进行三维坐标文件生成，确定控制点所在矿山地形图坐标格网的方格；然后，将影像像素灰度值进行处理。影像像素灰度值处理方程式，如公式（2）所示。

在公式（2）中，U(X,Y,Z)指的是经过影像像素灰度值处理的矿山地形图数据坐标格网平面上的三维点；T指的是对原影像像素的一种操作，其定义在三维空间领域。通过公式（2）可以对原始影像像素进行增强，从而改变影像原有的灰度值，提高矿山地形图中影像数据的清晰度。最后，计算图上量取的相邻控制点之间的距离与理论值的差值，并对其进行质量分析，统计各控制点、剖面及矿山特殊地形的观测质量，剔除不合格影像数据，实现矿山地形图的智能化更新。根据矿山地形图更新试验结果，将更新后的矿山地形图按比例尺展出。

2 结语

通过高分辨率遥感影像分类技术在矿山地形图更新试验中的应用研究，有理由加强矿山地形图智能化更新能力建设，构建多比例尺、多类型、多型号的矿山地形图。与此同时，还可以最大程度上推进高分辨率遥感影像分类技术在矿山地形图更新试验中的能力建设，致力于形成多分辨率、多比例尺的矿山地形图更新信息，支撑新型矿山测绘的技术需求。在未来发展中，高分辨率遥感影像分类技术有希望结合先进的科学技术，从根本上减少矿山地形图更新试验中不必要的流程，进而提升矿山地形图更新的效率。但本文唯一不足之处在于，没有针对高分辨率遥感影像分类技术在矿山地形图更新试验中的应用进行实例分析，相信这一点，可以作为日后研究方向之一。