基于多特征融合的水环境污染负荷空间分布检测研究

俞辉　沈金丽

摘要：水环境污染特征多样且复杂，导致污染负荷空间分布检测难度大。因此提出基于多特征融合的水环境污染负荷空间分布检测方法。首先对水环境遥感图像进行辐射量定标、大气修正处理，获取高质量遥感图像。然后确定遥感图像特征，并对提取到的多特征进行规范化和融合处理。最后根据多特征融合结果和对比度方法分割时域融合图像获取水环境污染负荷空间分布参数，从而实现水环境污染负荷空间分布检测。实验结果表明，所提方法能够检测出水污染负荷空间分布情况，并准确判断水质环境状态，为后续的环境治理修复提供重要依据。

关键词：多特征融合；水环境污染；负荷空间分布；污染检测；遥感图像

中图分类号：X832 文献标志码：B

前言

水环境污染是由于人们的日常生活和工业生产等原因造成的，对水质结构造成严重损害，而且自然恢复时间长或无法恢复，若不采取措施，将影响生态环境和人民健康。中国淡水资源少，且水污染日益严重，部分地区出现比较严重的缺水现象。尤其在工业发达、人口多的华北地区，水污染对生活和地方经济造成了极大影响。因此，研究水环境污染负荷空间分布检测，明确污染区域，及时采取应对措施，对保证生态环境稳定十分重要。

张巧玲等人以海河流域为研究对象，采用综合评估营养物传输率模型和产水量模型计算氮磷输入总量、河流断面氮磷输入通量及潜在氮磷径流总量，并采用CIS空间热点和水文网络分析方法实现水污染分布检测。叶港等人通过构建三维有限差分地下水流动模型和多物种三维迁移模型，确定水环境基本流动模式，并采用快速和谐搜索方法完成水污染分布检测。

但上述文献没有考虑到水体反射率，导致水环境污染分布检测出现偏差。因此，提出了基于多特征融合的水环境污染负荷空间分布检测研究。该研究通过处理采集的水环境遥感图像，抑制和消除外界干扰，将提取的局部熵、纹理、频谱、色彩特征自适应融合，利用对比度方法分割融合图像，完成水污染负荷空间分布检测。

1 水环境遥感图像预处理

为了更好地反应研究区水环境的实际情况，对所获得的遥感图像进行了预处理，详细的过程为：

1.1 辐射量定标

为实现对不同时间、不同传感器的结果量化对比与分析，必须将各视觉传感器结果转化为与其相对应的辐照度或反射率等物理量。因此，先对图像辐射定标，然后再计算视反射率和地面反射率。

DN值向辐射亮度的转化可以表示为式（1）：

式（1）中，Lλ表示物体在大气层顶的光强亮度，DN表示像元的光强亮度值；Lmaxλ表示频谱辐射的极大值；Lminλ表示频谱辐射的极小值；DNmax表示与Lmaxλ相比DN中的最大量化校正像素值；DNmin表示与Lminλ相比DN中的最小量化校正像素值；Lminλ、Lmaxλ、DNmin、DNmax数值均是通过元数据文件获得的。

利用式（2）来计算大气顶部的反射率，表达式为式（2）：

式（2）中，ρ表示地球的反射系数；π表示圆周率取值3.141592654；d表示目地间距离参变量；ESUNλ表示太阳的分光辐射量；θ表示太阳的天顶角。通过65模型实行大气修正。

1.2 大气修正

目前，卫星遥感数据所获得的大部分采集图像都受到大气干扰，导致水体反射率极低。因此，必须对遥感数据大气修正，才能有效地抑制和消除干扰，提高数据的准确性和可靠性。在综合各种方法的优势和不足的基础上，利用6S模型对遥感图像大气修正。

6S模型的主要输入参数为：几何参数、大气成分参数、气溶胶成分参数、气溶胶大气路径长度、观测对象的高度和传感器的高度。6S模型在完成相关参数的输入后，可求出各类大气参数，并可得到大气修正因子xa、xb、xc。通过式（3）得到大气修正后的反射系数ACR：

Y=xa*（Mr）-xb 式（3）

ACR=Y/（ρ+xc*Y） 式（4）

式（3）-式（4）中，Y表示中间变量，Mr表示修正后的辐射亮度。

2 多特征融合下水环境污染负荷空间分布检测

2.1 水环境污染负荷多特征提取

确定遥感图像的局部熵特征、纹理特征、频谱特征、色彩特征，对提取到的多特征进行规范化和融合处理。将经过处理的水环境负荷空间分布遥感图像划分为3×3单元，并通过对局部熵、纹理、频谱、色彩等特征分析，实现有效污染特征提取。

2.1.1 提取局部熵特征

局部熵是一种能够体现图像局部信息丰富情况的特征，运算过程通过采用视窗中的全部像素，从而对单一像素的噪声不太敏感，但对几何失真存在较强的抗性。针对一张M×N尺寸的图像，从图像中每个像素点灰度分布的顺序，得到该图像的污染灰度函数。将f（x，y）作为该图像的污染灰度函数，可以知道。图像的熵则为式（5）：

在单元格中，通过对每一个像素点的局部熵Hf进行平均值和方差计算，就可以获得二维的局部熵污染特征。

2.1.2 提取纹理特征

在遥感图像中，水环境地区的纹理变化很小，有很好的规则性，而且水环境地区图像具有旋转不变性，对噪声有很好的抗性，利用Gabor小波变换对图像纹理特征进行提取。提取纹理特征的二维Cabor函数表达式为式（7）：

式（7）中，Gω（x，y）表示Cabor核滤波器组，ω=0.2表示Gabor函数的频带宽度，θ=0°表示伽伯核函数的方向性。这样就可以获得单元中九个像素组成的九维纹理污染特征矢量。

2.1.3 提取频谱特征

光谱特征是地物与其他地物之间的根本区别，在遥感图像中河流区域亮度低、连通性强、不受图像转动、平移等因素影响，因此可以利用光谱特征进行河流检测。通过提取光谱图并进行统计分析，得到光谱图的灰度均值和方差，从而获得一阶统计特征，增强污染频谱提取准确率。同时，平均观测到的污染光谱也可以用于增强污染频谱的提取准确性。一阶统计特征仅能提供类别样本中心位置的统计估计，二阶特征则能很好地反映每个像素点间的联系，则统计得到的污染区域灰色平均值mf、频谱特征σ2i表达式分别为式（8）、式（9）：

2.1.4 提取图像色彩特征

色彩是遥感图像中最具鲁棒性的一种特征，蕴含着丰富的信息。在相同高度下获得的遥感图像中，河流地区的色彩通常为绿色或黄色，并且在色彩空间上呈现出一定的规律性，颜色特征包括均值和方差。如果用n描述要检测的污染区域数目，在检测的区域中，用pi，j描述在i个信道中j个像素的像素值，则在i道上的色彩平均值表达式为式（10）：

2.1.5 特征规范化和融合

假设ν是由某一特征的全部取值构成的矢量，νi表示特征值，max（ν）描述的ν最大的特征值，νi表示标准化数值，则标准化为νi=u／max（ν）。基于局部熵、纹理、光谱以及色彩污染特征之间关系是相互独立的，所以需要组合特征进行水环境污染负荷空间分布特征融合。如果对每个图像的各污染特征直接融合，则能够获得融合特征的总维数。融合后的特征如式（12）：

2.2 基于污染负荷特征融合的检测空间分布检测

根据多特征融合结果和对比度方法分割时域融合图像获取水环境污染负荷空间分布参数，从而实现水环境污染负荷空间分布检测。为最大限度地发挥多种特征的优势，实现水环境污染负荷空间分布检测，需要对多幅特征图像进行自适应融合，其中的核心问题就是如何在各幅特征图像之间选择融合权值。假设在序列图像中的第i个图像是fi，共有T个可用于自适应融合的特征，其特征为Fij；标准化后的特征图像是NFij，j=1-T；对第i帧图像T个特征进行自适应融合得到的结果是FFi。则有式（13）、式（14）：

式（13）-式（14）中，Fi，jm，n表示在坐标（m，n）上的i帧图像中j个特征图像的特征值。

为了进一步地积累目标能量，在时域上对连续的n帧水污染空间分布图像融合，融合结果Gi为式（15）：

在此基础上，利用对比度分割法对图像进行二值化处理，检测水污染范围。

在空域特征融合和时域特征融合后，污染与非污染区域的对比度发生了显著的变化，因此可以利用对比度方法对时域融合图像进行分割，从而将污染与非污染相分离。

对比度分割主要包括三步：

（1）算出融合后的图像FDM灰阶区域，得到了平均灰阶G及最高灰阶Gmax；

（2）在融合图像FDM中，算出灰度等级t之上的灰度平均FDM（b）以及在灰度等级t之下的灰度平均FDM（a），t∈[G，Gmax]；

（3）假设c（t）=min（|t-FDM（a）|，|FDM（b）-t|），划分门限c（t）与t的最大值相对应。

在测度不同的特征之后，原始图像中每个像素点上都有若干个不同的特征值。这些数值组合形成像素点上的多特征向量空间。在原始图像的位置（m，n），对应图像的特征值LMCL（局部最大灰度值）、MF（形态纹理特征）和LE（局部熵）在同一位置，则在（m，n）位置组成一个图像特征值。假定多特征水环境污染负荷的空间分布融合共有NF个特征，那么，在（m，n）点的特征向量表达式为Fm，n=[F1m，n…FNFm，n]T。

因为存在小范围的水环境污染，所以在一定程度上会改变水环境污染所在位置的局部纹理。在特征向量空间中，具体表现为水环境污染位置的特征向量与其他地方水环境污染特征向量不同。为了将这种区别凸显出来，新创建一组向量Lm，n=[Lmave…Lmave]T，其维数与特征向量相同。Lmave表示特征图像像素所在行的行平均值。由于每行的行平均值能反映JL这行上大部分的水环境污染分量。因此，在非污染的位置上，特征矢量与Lm，n分量比污染的地方要大得多。利用每个特征矢量及Lm，n点污染程度，得到水环境污染负荷空间分布参数。

假定在一个序列图像中，DMi个图像的多特征空间分布是n，则将n个图像的多特征空间分布图像进行融合，融合结果即检测出的污染负荷空间分布结果为式（17）：

3 水环境污染负荷空间分布检测实验

为了验证所提方法对水环境污染负荷空间分布检测的有效性，与GIS空间热点方法、快速和谐搜索方法进行对比实验。水环境污染负荷空间分布检测实验通常需要在实际的水体环境中进行。实验参数包括以下内容：

检测指标：总氮、总磷。

检测仪器：如多参数水质监测仪、紫外分光光度计、原子吸收光谱仪等。

采样点位和采样时间：选择浙江省某市作为采样地点，采样时间间隔为15条，以保证实验结果的代表性和可靠性。

实验方法：包括采样、样品处理、检测等实验步骤，从而获取相关的实验结果。

数据处理和分析：包括数据处理、统计分析、图表制作等。

水环境的总氮和总磷含量是检验水质的重要指标，一超出标准就会导致水体富营养化，生成有害物质，严重时甚至导致水资源无法修复。因此，通过检测总氮和总磷污染负荷的空间分布情况，可以保证后续的合理修复。具体的总氮和总磷空间负荷等级标准如下：总氮：1级＜500，2级500-1500，3级1501-2500，4级2501-5000，5级5001-7500，6级>7500。总磷：1级<100，2级100-500，3级510-1000，4级1001-1500，5级1501-2000，6级>2000。

三种方法对总氮污染负荷空间分布检测结果见图1。

如图1所示，GIS空间热点方法和快速和谐搜索方法与总氮污染实际空间分布误差较大，等级标准检测结果不准确，可能会导致水环境污染含量判断失误。相比之下，所提方法虽然存在偏差，但区域较小，相对CIS空间热点方法和快速和谐搜索方法，检测精度更高，可以较好地划分水环境污染负荷空间。

三种方法对总磷污染负荷空间分布检测结果见图2。

如图2所示，CIS空间热点方法和快速和谐搜索方法在总磷污染负荷空间分布检测仍然存在较大的偏差，无法准确区分总磷空间负荷等级。相比之下，所提方法只有三个较小区域出现误差，在整体上检测效果较佳，能够精准完成水环境污染负荷空间分布检测。

综上所述，所提方法在水环境的总氮和总磷污染检测性能均较好，可以设计出合理的修复方案，为打造良好的水资源环境提供支持。

4 结束语

水环境的污染检测对保护水生态环境至关重要。因此检测机构需要继续加强对水环境的研究，持续改进水污染检测技术，避免可能存在的检测风险以及水环境恶化，为做好水资源的保护工作提供更好的帮助。文章提出基于多特征融合的水环境污染负荷空间分布检测研究。该方法通过对水环境遥感图像进行辐射量定标和大气修正处理，确保获取高质量的遥感图像。随后，选定并整合了多种遥感图像特征，并对其进行规范化和融合处理，提高了对水环境污染负荷空间分布的检测精度。最终，利用多特征融合结果和对比度方法实现了对水环境污染负荷空间分布的精准检测。实验验证表明，该方法能够准确判断水质环境状态，为打造良好的水资源环境提供了有力支持。