利用eCognition软件多期遥感影像分割对象技术对新增建设用地进行检测



利用eCognition软件多期遥感影像分割对象技术对新增建设用地进行检测

郑江荣1，马浩然2,屈鸿钧2,郝容2，周菁2

(1. 天宝寰宇电子产品(上海)有限公司，上海 200131； 2. 北京全景天地科技有限公司，北京 100085)

本文旨在通过使用两期遥感影像进行直接变化检测，通过基于影像分割图斑进行变化检测，实现两个时期内的新增建设用地的自动提取，并分析这种方法的结果精度和有效性，从而为实际生产中利用遥感影像进行新增建设用地的监测提供依据。

一、研究区域及数据源概况

研究区域位于安徽省徐州市定远县。定远县地处安徽省东部，位于北纬32°13′—32°42′与东经117°13′—118°15′之间，定远古有“境连八邑，衢通九省”之誉，现仍为中国南北要冲。全县海拔高程小于350 m，相对高程大于100 m。

试验数据为2012年和2013年分别获取的相同地区的资源三号卫星的多光谱影像，包含蓝、绿、红、近红4个波段，其空间分辨率为5.8 m，成像效果较好，无云。影像尺寸大小为1899×1583像素，经过几何精校正与配准，两期影像配准精度在0.5像素以内。

二、技术方法

本研究采用基于影像分割对象进行变化检测的方式，首先通过前后期影像共同参与影像分割，形成有意义的图斑边界，影像分割的基本要求是要将发生变化的影像图斑分割出来，以便于之后的变化检测。然后以分割图斑作为变化检测的基元，研究如何选择合适的特征与阈值进行变化的发现。技术路线如图1所示。

1. 影像分割

本文采用eCognition软件的多尺度分割算法进行分割。多尺度分割算法的特点是通过计算影像内部像素之间的同质性进行分割，同质区域形成的对象较大，异质区域形成的对象较小，因此多尺度分割方法得到的对象轮廓接近地物边界。本文通过使用两期影像的多个波段同时参与影像分割，以得到符合两期地物分布的一致性分割轮廓，避免前后期影像分割轮廓不同而导致在变化检测时发生错位现象。

图1

2. 影像波段滤波

由于建设用地基本由房屋建筑、道路、水泥地等构成，这些地物在遥感影像上反射特征明显，尤其在蓝波段反射值较其他非建设用地差异较为明显。为了增强蓝波段中建设用地与其他地物的这种差异性，采用平均偏差绝对值滤波(abs mean deviation filter)方法对前期影像的蓝波段与后期影像的蓝波段分别进行滤波，生成相应的滤波波段“12_MD filter”与“13_MD filter”(如图2所示)。在两期蓝波段的滤波影像中建设用地与其他地物对比差异明显，由于建设用地在两期影像的蓝波段滤波波段中光谱值较高，而非建设用地地物的相应值较低，由此形成的光谱差异就可以作为检测新增建设用地的依据。

图2

由于新增建设用地在前期影像中为非建设用地，而在后期影像中为建设用地，因此通过对前期影像滤波波段“12_MD filter”与后期影像滤波波段“13_MD filter”作差值，得到 “Diff.MD filter”特征值

Diff.MD filter = 13_MD filter -12_MD filter

利用该特征值进行分析与计算，进一步得到新增建设用地的范围。

3. 新增建设用地检测

通过使用在前期基于两期影像得到的分割图斑作为处理和计算的基本单位，自动计算出Diff.MD filter的对象特征值，不断更新阈值范围，寻找到变化图斑与未变化图斑在Diff.MD filter特征的临界值，从而确定新增建设用地在Diff.MD filter特征的阈值范围为大于7.881。找到Diff.MD filter特征的阈值范围之后，使用阈值分类方法区分出新增建设用地部分(如图3所示)。

图3　使用Diff.MD filter特征确定新增建设用地的范围

三、结果与精度评价

使用Diff.MD filter特征与阈值分类方法提取出新增建设用地，效果如图4所示。

(a)　自动检测出新增建设用地　 (b)　人工目视检测出新增建　(左灰色部分)　设用地(右灰部分)图4

同时对提取出的新增建设用地斑块面积进行统计，得到新增建设用地自动检测斑块面积为33 858像素。此外，为了评价自动检测出新增建设用地的效果，通过目视对比两期影像在分割结果上进行人工解译用于精度验证，经计算人工检测新增建设用地面积为29 296像素，检测结果如图4所示。

通过查看对比自动检测新增建设用地结果与人工检测建设用地结果，得到正确检测图斑面积为28 221像素，另外，错检图斑面积为7427像素，而漏检图斑为2350像素。在此基础上对自动检测结果对比人工目视检测结果进行正确率和误检率的计算，以定量评价检测结果。参考已有研究评价正确率的计算方法得到新增建设用地正确率M的计算公式为

M=T/(T+F)

式中，T为检测为正确检测新增建设用地的面积；F为建设用地漏检图斑的面积。

误检率W为误检像元数占检测结果中变化像元总数的比率，即

W=(S-T)/S

式中，S为自动检测出的像元总数；T为被正确检测出的像元数。

经计算得到正确率M为92.31%，误检率W为16.66%。

此外，通过查看与分析错检图斑与漏检图斑发现，错检部分图斑多为实际发生了颜色或纹理变化的建设用地，但是实际地物属性在两期影像上均属于建设用地，因此不应作为新增建设用地部分。相对于错检图斑部分的7427像素，漏检图斑部分的面积相对小一些，为2350像素，漏检的主要原因在于漏检部分的新增建设用地与周围地物的差异不太明显，导致此部分地物在影像上滤波结果不显著，因而未被检测出来。

四、结论与讨论

本研究基于两期资源三号影像进行新增建设用地的提取。与以往基于像素直接比对和分别分类后比对的变化检测方法不同，本研究通过利用两期影像参与影像分割，形成有意义的分割图斑作为变化检测的基元，在此基础上使用两期影像分别生成对建设用地检测效果较好的滤波波段，通过计算两期滤波波段的差值，寻找差值的临界阈值发现变化区域，发现新增建设用地区域。

通过对自动检测的新增建设用地与实际目视解译结果进行比对和精度验证，得到自动检测新增建设用地的正确率为92.31%，误检率为16.66%。比对结果说明总体上实际发生变化的建设用地检测率较高，少量检测出的变化图斑存在错误，新增建设用地总体检测效果较好。

(本专栏由天宝测量部和本刊编辑部共同主办)