基于航摄遥感技术的水利工程建设征地区域测绘方法

田 东，马 逍，周 海

(贵州省水利水电勘测设计研究院有限公司，贵阳 550002)

0 引 言

水利工程对于人民生产、生活至关重要，建设水利工程能够对水量进行有效控制与调节，满足社会经济发展与人民生活对水资源的需求，避免洪涝或干旱灾害对人民生产生活的影响[1]。在进行水利工程建设前，为保证施工安全和工程建设后的正常使用以及使用年限，必须进行工程建设征地区域的测量与绘制。通过精确绘制区域地区，为工程使用提供依据，保障工程选址合理，按设计施工并进行有效管理，同时测绘地图在工程运营阶段对工程进行形变观测和沉降监测，以保证工程运行正常。因此，地区建设水利工程前需要进行准确的区域测绘。

早期的地区测绘方法需要人工携带全站仪、水准仪、GPS等设备，在目标区域内选取特征点进行人工测绘。不仅操作繁琐、效率低下，工作环境恶劣，而且测绘精度受到使用设备以及测绘人员能力的限制较大[2]。随着测绘理论以及新技术的不断应用，遥感、GPS、通信技术、信息技术以及测绘仪器的应用都推动了测绘方法的不断优化。利用卫星遥感摄像技术可以从高空以宏观的视角，快速并且高效地获取地面图像信息，这些遥感成像经过图像处理及分析后，能够得到图像中的地面详细数据。与传统的人工携带设备进行测绘的方法相比，利用遥感技术进行测绘的成本更低。利用GIS进行测绘能够提升测绘信息的收集效率，但是其对于计算能力要求较高[3]。文献[4]中的红外测绘技术对于小范围区域测绘效果良好，但是存在操作繁琐、效率低的问题。文献[5-6]利用三维激光扫描技术进程测绘，提高了精度的同时，也造成测绘成本较高。

航摄遥感技术是在传统的卫星遥感技术基础上，使用搭载遥感采集设备的航空器在地面目标区域按照指定路线飞行拍摄遥感图像，以获取地面遥感信息[7]。水利工程建设时，其建设征地区域的面积广，工程施工工期长，但是在建设工程时，为确保施工安全，工程对于测绘数据的实时性要求较高。航摄遥感技术能够提高遥感成像的精度，并且操作上更加简便、快捷，成本低廉，可以短时间内反复测量，能满足应用于水利工程测绘工作的需要。

基于以上分析内容，为提高地区区域测绘精度与工作效率，本文将研究基于航摄遥感技术的水利工程建设征地区域测绘方法，并通过实例验证该方法的实际可行性，为以后该测绘方法在其它类型工程的应用提供经验。

1 基于航摄遥感技术的水利工程建设征地区域测绘方法研究

1.1 航摄遥感技术参数设定

水利工程建设征地区域测绘的精度很大程度上取决于地区航摄遥感影像的精度，因此在利用航空器采集工程建设征地区域遥感影像时，需要设置航空器的航线以及准确合理地布设像控点等技术参数。首先根据水利工程建设前期的水文、地质等勘测数据，确定航摄遥感影像的成像比例尺，并根据实地的勘测资料，利用航空器在平面网和平高网的计划航线数量、高程控制点等，选择全野外方式进行像控点布点。具体的航摄遥感像控点布点要求见表1[8]。

表1 航摄遥感像控点布点要求说明表

按照表1要求，根据实际进行航摄遥感成像的比例尺，布置像控点基线。水利工程建设征地区域的范围较广，成像比例尺的选取需要根据区域内的地形或建筑物高度分别确定。根据成像区域内的等高线变化，规划航空器的飞行路径，调整航空器的飞行高度。

为获取工程建设征地区域内的对象具体位置信息，还需要确定GPS数据的观测控制点。由于航空器飞行中其在地球空间三维坐标系中的坐标不断发生变化，因此GPS位置信息观测控制点为固定点位。为避免GPS信号受到干扰，在GPS观测控制点的周围需要无强电磁波干扰源，并且远离会反射的高地形。GPS位置信息观测控制点不断接收航空器上搭载的GPS信号发生器的信号，在定位航空器的位置同时，建立航摄遥感成像图像内对象的地球空间三维坐标。GPS信号利用基线进行解算，并利用同步环、异步环对GPS数据检验。GPS信号解算即为将遥感图像中的对象坐标，由GPS控制点联网的空间坐标，通过旋转、平移等操作转换为地球空间三维坐标。在解算时，利用最小二乘法从两个坐标系中的公共点着手，得到坐标系的转换参数[9]。

航摄遥感成像的航空器飞行参数需要根据遥感成像的相机参数、计划飞行高度、测绘要求的地面分辨率等参数确定。若遥感成像使用的相机参数已知，则航空器的飞行高度主要由测绘要求的地面分辨率确定。航摄高度与测绘成像分辨率之间的关系见图1。

图1 航摄高度与测绘成像分辨率关系示意图

航空器飞行路径的航向拟合度，则由飞行高度和像控点位置决定。则航摄遥感成像的航空器飞行高度和路径航向拟合度计算公式如下：

(1)

按照如上内容设定航摄遥感成像技术参数，获取水利工程建设征地区域遥感图像。

1.2 航摄遥感图像校正

由于当前的航摄遥感成像技术仍需要依靠镜头获取图像，而镜头自身的非线性畸变以及航空器的飞行状态都会影响成像投影。因此，为提高区域测绘精度，对航摄遥感图像进行校正。本研究采用重采样与内插相结合的方法校正。图2为航摄遥感图像校正示意图[10]。

图2 航摄遥感图像校正示意图

从初始的航摄遥感成像图像的任意一像元出发，按照式(2)获取几何校正后，所对应遥感图像的像元坐标为：

(2)

式中：(x,y)为初始的航摄遥感图像的像元坐标；(X,Y)为几何校正后对应(x,y)的像元坐标；FX和FY为相应的直接采样坐标变换函数。

将初始图像中像元(x,y)上的灰度值赋值给几何校正后的(X,Y)像元。而随机选取的初始图像像元坐标不一定为整数，需要采取插值运算的方式获取对应像元坐标的灰度值。

考虑到水利工程建设征地区域测绘对遥感数据实时性和测绘效率的要求，结合目前常用的内插函数优缺点，本文采用双线性插值法计算得到遥感图像中任意坐标像元的灰度值[11]。

待插值像元坐标由与其距离最近的4个邻近像元点的坐标加权计算得到，邻近像元点与目标像元之间的距离越近，加权计算的权重越大。双线性插值法使用式(3)所示的分段函数来近似表征某一像元灰度内插时，其周围像元灰度对内插像元点的灰度值影响大小[12]如下：

(3)

式中：g为加权计算的权重值，即插值校正系数。

为提高航摄遥感图像校正效率，根据像元灰度值的差异程度将遥感图像分区。分区内，子图像的几何校正系数一致。对航摄遥感获取的工程建设征地区域图像校正后，对图像作进一步处理，以得到图像中具体测绘对象信息。

1.3 水利工程建设征地区域遥感图像处理

按照上述过程利用航摄遥感成像技术拍摄到水利工程建设征地区域遥感图像后，由于遥感图像中包含信息量较大，为精确提取图像中由像素组成的地物信息、空间细节信息，对遥感图像进行处理。

航空器搭载摄像头进行航摄遥感作业时，镜头会受到拍摄时的太阳光线、镜头曝光参数以及飞行稳定性等因素的影响，会导致图像中像素的灰度值相对比较集中，影响测绘信息读取。因此，采用小波变换方法对航摄遥感图像进行去噪和图像增强处理。

考虑到测绘的精度，使用二维双树小波变换方法对遥感图像进行处理。

二维双树小波变换的原理公式如下[13]：

ψ(p,q)=φr(p)φr(q)-φv(p)φv(q)+

j[φv(p)φr(q)+φr(p)φv(q)]

(4)

式中：(p,q)为航摄遥感图像上的像素点坐标；φr为二维双树小波变换函数的实数部分；φv为二维双树小波变换函数的虚数部分。

二维双树小波变换就是利用低通和高通双正交滤波器同时对图像进行采样，利用采样过程中的延时性，增加方向选择，使得图像中行、列上的正频信息增强，负频信息抑制减弱，从而实现去噪的目标。

利用SIFT算子检测遥感图像中不受飞行姿态影响的图像缩放、旋转、亮度变化等特征点，进行遥感影像匹配。利用动态规划原理，搜索连续拍摄的遥感图像之间的最佳影像融合线。其中，最佳影像融合线的判据为两张遥感影像重叠部分的颜色色差的平方与影像重叠区域的结构差值之和。计算上使用两个图像在水平和垂直方向上的梯度差乘积作为像点强度值的判断准则，从影像重叠区的第一行重叠像元起始，按照其强度值作为各个像点的初始化准则值[14]。从影像重叠区域的第一行起始，累加影像融合线当前像点与下一行3个像点的强度值。比较所有累加强度值，以最小强度值所在的像元列为当前影像融合线的延伸方向。对比在所有选定影像融合线的像元强度值，选择总强度值之和最小的融合线作为最佳融合线，进行遥感影像融合处理。

航摄遥感图像在采集过程中还会受到地物光谱的影响，导致图像中的背景信息被误认为变化图像，对工程测绘提供错误信息。因此，本文使用KICA算法对遥感图像进行变换检测。在传统的ICA算法上引入核函数，对遥感图像信号序列进行独立分量分析。首先计算图像信号序列的灰度均值，建立在高维特征空间中的协方差矩阵。利用线性代数原理计算协方差矩阵的特征值与特征向量，得到估计后的图像信号。选用高斯核函数在高维特征空间中对图像信号进行內积计算，从而检测到遥感图像中的变化。通过上述过程对航摄遥感图像进行处理后，提取图像中的地物信息结合定位数据，完成水利工程建设征地区域测绘。

1.4 实现水利工程建设征地区域测绘

使用补偿模糊神经网络提取航摄遥感图像中的信息，以便进行准确的区域测绘。本文使用的补偿模糊神经网络共6层，其中第一层为输入层，直接对输入的遥感图像和测绘地物目标的特征值进行提取；第二层对输入图像中测绘关键点以及测绘地物目标的特征值进行归一化、计算输入向量模糊隶属度等处理；第三层根据隶属度函数对输入该层的矢量进行模糊化处理，本文设计的补偿模糊神经网络隶属函数为高斯函数；第四层中的每一个节点都对应一条模糊匹配规则，在该层计算每个模糊规则的适应度；第五层为对补偿与反模糊化层没在该层中利用节点的补偿运算，对第四层模糊推理的输入与隶属度进行消极或积极的补偿运算。补偿运算为求取所有变量模糊规则模糊隶属函数的连积。第六层为输出层，对模糊化处理后的输入向量进行反模糊化处理，该层的输出结果为航摄遥感图像中的地物信息，即工程测绘的地物目标[15]。本设计中，利用重心法进行反模糊化求解，函数形式如下：

(5)

根据上述内容得到的水利工程建设征地区域参数和特征点等具体数据信息，校正后绘制成图，完成对基于航摄遥感技术的水利工程建设征地区域测绘方法的研究。

2 实例验证

2.1 验证方案及背景介绍

在某水利工程划定工程范围后，分别使用本文提出的区域测绘方法与传统基于遥感的测绘方法对该工程施工范围进行测绘。根据两种测绘方法的要求，设置相关的信息采集参数，执行水利工程建设征地区域的测绘操作。在测绘操作过程中，控制除测绘方法本身操作以及参数设置之外的参数一致，并在数据处理过程中忽略人工等不可控因素对数据的干扰。

实例验证所选用的水利工程区域的实际测绘数据信息和测绘结果均已知，将该已知结果作为标准值，用以评价两种测绘方法的测绘结果。

图3(a)、图3(b)为选定实例工程区域的两个不同比例卫星云图，在选定区域内进行测绘方法实例验证。

图3 实例工程区域卫星云图

通过比较两种测绘方法对云图中的特征信息提取的精度以及Kappa系数，评价信息提取效果。同时，将两个待测绘区域分别均分为5组子区域，对比使用两个方法对同一子区域进行测绘的耗时，从而评判测绘方法的测绘效率。

2.2 验证结果与分析

表2为两种测绘方法中的图像特征信息提取的精度以及Kappa系数对比结果。

表2 图像特征信息提取精度和Kappa系数对比

总体分析表2中的数据可知，本文方法的信息提取精度均高于对照方法，本文方法的平均特征信息提取精度可达97.04%。从Kappa系数数值分析，本文方法的Kappa系数最低为0.728，高于对照方法的平均Kappa系数值0.696。说明本文方法提取的信息与实际地物信息拟合性更佳。

图4为使用两种方法对同一子区域进行测绘的耗时对比。

图4 测绘方法耗时对比

从图4可以看出，对子区域进行测绘时，本文方法的测绘耗时远少于对比方法耗时，并且本文测绘方法的耗时情况更加稳定，表明本文方法的测绘受外界干扰较小，测绘效率更高。

总结以上的分析内容可以判定，使用本文提出的基于航摄遥感技术的水利工程建设征地区域测绘方法对实例中的水利工程地区进行测绘时，能够有效缩短测绘耗时，准确提取遥感图像中的地物信息，提高测绘的精度。

3 结 语

测绘方法的准确性与效率对水利工程的设计、修建与维护等环节起着决定性的作用。水利工程的建设可能涉及对部分地区的征用，这些区域是否符合水利工程的建设基本条件，以及区域内的地形等会影响工程设计施工的因素都需要借助测绘技术绘制地图来说明。目前使用的测绘方法存在效率低、分辨率差的问题，影响了水利工程的建设速度。为提高地区测绘效率与精度，本文提出了基于航摄遥感技术的水利工程建设征地区域测绘方法。以实际的水利工程为研究实例，验证了该测绘方法的可行性以及方法在测绘效率和精度方面的优化。今后，将进一步针对航摄遥感技术特点，对测绘方法进行性能提升，以期实现更佳的测绘效果。