COSMO-SkyMed颜色变换强度RC法南京建设用地变化检测

张 涛，王 源，陈富龙,周 伟,胡 祺

(1. 南京市规划和自然资源局，江苏 南京 210029； 2. 中国科学院遥感与数字地球研究所数字地球重点实验室，北京 100094； 3. 中国科学院大学，北京 100049)

我国南方地区气候主要以热带亚热带季风气候为主，多云多雨天气阻碍了光学遥感近实时获取数据源需求；而SAR全天时、全天候的工作特性可以很好地弥补这一劣势。基于SAR对地观测技术的发展，例如高分辨率和多模式，目前利用SAR影像进行城市变化检测主要基于相干[1]、强度[2-9]，以及相干与强度信息相结合[10]等方法。本文研究选取南京市河西新城及江北新区为示范，以COSMO-SkyMed为数据源，在非局部滤波SAR强度RC合成影像的基础上，提出基于颜色变换的建设用地图斑半自动监督分割/分类信息提取方法。

1 研究方法

1.1 强度RC合成变化检测法

基于SAR强度信息的RC合成法变化检测即采用变化前后两期影像进行彩色图像合成，根据彩色合成原理[11]，将变化前影像安置在红色波段，变化后影像安置在蓝色和绿色波段，即可实现RC合成(绿色和蓝色合成为青色(cyan))并得到SAR强度RC合成图。为提升强度影像质量，在采取RC合成前需进行非局部SAR滤波(non-local filters，NL-SAR)[12-14]。SAR强度RC合成图通过颜色的变化显示变化区。具体检测思路为：①若图像显示趋近于青色或红色，表明变化前后强度影像强度值相差较大，地物发生变化；②若图像中显示趋近为黑色或白色，则SAR强度值前后时序较为接近，表征地物未发生变化或变化可忽略。

1.2 基于图像色彩变换的影像分割/分类

Lab空间由亮度分量L，色度分量a、b这3个分量组成[15]，其能将颜色和亮度分量分别控制，有利于针对性地对颜色信息利用几何距离公式进行差异性测度。该模型中a从负至正代表由绿色指向红色，b则代表由蓝色指向黄色。值得注意的是，相对RC合成图原始颜色空间，变换后的a、b、L分量可进一步凸显地物时序变化信息，即a、b分量可区分地物变化时序前、后信息，而L亮度分量可表征发生变化的概率或烈度。

监督分类即根据训练样本将未确定类别的像元进行分类以确定类别。研究根据不同的颜色类别直接从图像中选择训练数据；基于Lab色彩空间，直接采用距离公式计算各像元到类别样本的距离，并将像素归于距离最小的样本类别中。为对比不同配置(色彩空间特征及分类样本数)对分类效果的影响，需开展参数配置试验：将样本类别x的a分量均值定义为acx，样本类别x的b分量均值定义为bcx，将样本类别x的L分量均值定义为Lcx，像素i的a分量为ai，像素i的b分量为bi，像素i的L分量为Li，dix为像素i与各颜色样本的相似度。以a、b二维空间为基础的相似度dix，如式(1)所示；而以三维空间a、b和L为基础的相似度dix，如式(2)所示。dix中最小值所对应的色彩样本，即为此像素对应分割/分类类别(监督分类后，像素可呈现一定聚类并生成对象图斑，因此可统称为影像分割/分类过程)。

(1)

(2)

1.3 变化区域提取

根据选择的训练样本进行基于监督分类的影像分割/分类，所选训练样本类别的数量决定影像分割/分类后图斑类别的数量。将整幅彩色影像按照颜色的区别分为不同的图斑，在此基础上，变化区域对应的颜色的类别图斑即为变化图斑。变化图斑提取可在Matab环境中编程实现。其实施步骤如下：①二值化；②小面积图斑筛除；③孔洞填充；④矢量输出。

2 试验与结果分析

2.1 研究区与数据源

南京天气多云雨，可作为多云雨地区的代表城市。其河西新城和江北新区近年来建设节奏快，建设范围大，将之作为研究区具备代表与示范性。研究选取2017年6月3日及2017年10月5日两景X波段COSMO-SkyMed影像，成像模式为HImage，图像地面分辨率为3 m，入射角约为34°，极化方式为HH。验证数据为20170718及20171007两景北京1号光学影像。图像地面分辨率为4 m，成像幅宽为24 km，具有侧摆功能。

2.2 SAR强度RC合成

两景强度影像进行配准、辐射定标后进行NL-SAR滤波，滤波时最小搜索窗口半径为1像素，最大搜索窗口半径为12像素，最小图像块宽度为2像素，最大图像块宽度为10像素。将20170603影像安置在R波段上，20171005安置在G波段和B波段上(即将20171005安置在C波段上)，得到强度RC合成图。为突出合成图颜色对比度，可采用百分比截断拉伸技术，如图1所示(长江已在影像中掩膜)。

2.3 基于SAR强度色彩变换的图斑半自动提取

2.3.1 影像分割/分类与变化区域图斑提取

为分析并评估不同数量样本对分割/分类的影响，直接在RC合成图上选择12个样本类别，每个样本对应训练区位置，如图1所示；对应类别具体属性信息见表1。开展最优参数配置评估试验过程中，选取样本类别及对应相关属性信息，可参考表1。样本数量选择试验及对应参数设置，可参考表2。

2.3.1.1 试验1

根据式(1)、式(2)计算各像元到各样本类别的距离，选取8个、10个样本类别分别进行影像分割/分类，a、b分量二维空间和a、b、L分量三维空间分割局部结果展示如图2所示。图2(a)、(c)分别为基于a、b二维空间利用式(1)进行距离计算所得出的分割/分类效果，图2(b)、(d)分别为基于a、b、L三维空间利用式(2)进行距离计算所得出的分割/分类效果。对比可知，加入L分量后，分割效果明显提升并可克服仅使用a、b颜色分量所导致的图斑散乱现象。

表1 12样本类别相关属性信息

表2 样本类别选择配置试验

2.3.1.2 试验2

由试验1发现，三维空间特征向量a、b和L的影像分割/分类效果更优。基于此，利用三维特征空间继续开展不同样本类别数量影像分割/分类及变化图斑提取性能对比试验。其中，编号1和2号样本类别(见表2)对应建设用地变化，对其进行图斑提取并矢量输出，便可得不同类别数量对城市建设用地变化图斑提取的对照效果图，如图3所示。总体而言，随着样本个数增加，影像整体分割/分类效果逐步提升。考虑到10个与12个样本类别在变化图斑的查准率和虚警率等性能指标上效果相当；因此认为10个样本类别即可满足图斑近最佳提取要求。

2.3.2 精度验证与结果分析

对全局试验区采用三维空间距离判定公式和10个训练样本类别进行影像分割/分类及变化区域提取，去除伪变化小图斑，得到最终建设用地变化区域提取效果，如图4所示。

利用北京1号光学影像及地形图等资料进行验证，得到真实变化斑块数量为199个，即正确检测斑块与漏检斑块数量之和。在此引入查准率、漏检率及查全率以验证变化检测效果，其中查准率为正确检测斑块数量与总计检测斑块数量之比；漏检率为漏检数量与真实变化数量之比；查全率为正确检测数量与真实变化数量之比。结果见表3：查准率为88%，漏检率为11.6%，查全率为88.4%。

表3 建设用地变化检测精度验证 个

进一步研究发现，漏检主要由以下原因引起：

(1) 如图5(b)、(c)北京1号光学影像所示，方框选取道路路面发生变化，但由于此类道路离楼宇较近，可影响道路变化的检测。

(2) 如图6(b)、(c)北京1号光学影像所示，方框选取路面发生变化，但此类变化主要为地表植被变为裸露土地，利用SAR强度信息较难提取。

2.3.3 时间复杂度

试验在64位Windows 7操作系统，内存64 GB，Matlab R2016a版本系统配置下，当SAR影像大小为22 693×23 851时，基于强度R8C合成颜色变换建设用地图斑提取法，最终获得变化图斑，所耗机时约为15 min；即在避免人为漏检概率的前提下，可大幅降低影像人工目视解译时间。

3 结 论

SAR全天时、全天候工作特性可弥补光学影像在我国南方多云多雨地区无法实时获取数据的劣势短板，并可用于城市建设用地变化检测。非局部滤波SAR强度RC合成变化检测法对小图斑、线型地物变化敏感，兼顾图斑边缘保持能力且对数据获取条件无要求。鉴于此，本文研究提出了一种基于时相SAR强度RC合成的色彩变换建设用地变化图斑半自动提取方法。以南京市河西新城及江北新区为试验区，对比分析了Lab色彩空间特征及训练样本类别数量对影像分割/分类质量的影响，得出了10个样本类别和a、b、L三维空间可得近最优变化图斑提取效果，并实现优于88%的查准率指标；进而可为多云多雨地区智慧新城遥感动态检测提供全新技术手段。未来工作将综合引入DEM、SAR影像纹理等约束条件，以期进一步提高影像自动分割/分类及变化图斑提取精度。