遥感应急目标影像自动检测及制图方法

张杲 杨健 曹维佳 牛晓星 方子彬 余涛

(1 河南大学，河南省大数据分析与处理重点实验室，河南开封 475004)(2 中国科学院遥感与数字地球研究所，北京 100101)(3 三亚中科遥感研究所，海南三亚 572029)

高分一号卫星的投入运行，标志着我国民用卫星遥感影像数据进入“高分”时代。高分一号、二号卫星具有高空间分辨率数据获取能力，提高了国产卫星影像业务化应用水平，可用于城镇规划、资源调查、应急监测等业务中，卫星数据质量的极大提升为开展应用研究提供了强大的数据支持。高分辨率卫星数据获取能力的提升，为遥感技术应用于应急响应提供了有效的数据资源保障。在局部自然灾害等针对单体点目标检测和信息提取的突发应急事件中，能够快速、准确地分析出目标的轮廓和结构尺寸信息是核心任务，需要开展针对“高分”卫星数据的应急目标检测和关键技术攻关，为后续灾情分析和救援工作提供强有力支撑。

当前，针对应急应用需求开展了很多相关研究工作。文献[1]中利用高分四号卫星影像对溃决型洪水灾害监测评估进行应用分析，展现了“高分”卫星影像在溃决型洪水灾害的快速响应和准确性高等良好性能。文献[2]中以高分二号与北京二号等国产遥感卫星影像为数据源，对“10.11”金沙江高位滑坡开展灾情应急监测。文献[3]中利用高分一号、美国陆地卫星-8(Lansat-8)和数字高程模型(DEM)数据，对青海大通县进行全面的地质灾害调查，通过野外验证取得了较好的应用效果。文献[4]中利用法国“斯波特”(SPOT)、增强型专题制图仪(ETM+)影像，对广东省丰顺县地区滑坡、崩塌、不稳定斜坡等地质灾害进行详细分析研究，取得较好的研究结果。文献[5]中分析了遥感制图技术的研究现状，并提出了多源机载和星载遥感技术的特点。文献[6]中采用对应分析法，实现最优波段组合和监督分类训练样本的快速选择与提取，提高应急影像分类精度。通过上述文献可见，遥感技术在应急响应中扮演着举足轻重的角色。

目前，国内外针对突发应急事件快速信息提取与制图技术展开了系列的研究分析，其中针对目标的分割与检测提取是关键技术环节。在遥感分割方面，分水岭分割算法易产生过分割现象，改进后的分水岭分割算法可解决过分割问题，因而广泛应用于高分辨率遥感影像的分割[7]。针对点目标检测的应急响应，本文以相对通用的应急响应工作流程为基础，通过改进的分水岭算法提取主目标信息，可解决提取过程中的过分割问题，能很好地满足在应急响应中的应用需求。

1 研究内容及方法

本文利用高分一号、二号卫星，结合实例特点和卫星影像的独有特性进行数据选择。其中，高分一号卫星空间分辨率较高(2 m)，并且具有大幅宽的特点(最大幅宽800 km)；高分二号卫星影像幅宽虽然只有45 km，但是其空间分辨率能达到0.8 m。表1为2颗卫星参数比较。

表1 高分一号、二号卫星参数比较

本文面向我国应急响应及救援工作的需求，利用遥感技术和其他辅助数据，结合应急预案，通过改进的分水岭算法对主目标信息进行提取，以解决提取过程中的过分割问题，进而对分割结果进行轮廓信息提取，完成对目标区域的尺度和轮廓信息的提取，最后完成专题图制作。研究的主要内容分为提取主目标尺寸信息、确认主目标轮廓结构、综合信息制图三部分。具体方法可细化为：①根据应急响应预案选取数据，通过对比包含主目标区域的多源数据，最终选取目标较为清晰、云覆盖少、空间分辨率较高的影像。②数据预处理。③利用改进的分水岭分割算法，提取目标区域。④主目标提取完成之后，再次利用应急响应预案提供的目标范围信息和提取的目标信息进行轮廓分析，进而提取轮廓边缘和目标的精确定位。⑤结合以上结果设计专题图。方法流程如图1所示。

图1 方法流程

1.1 主目标信息提取

主目标信息提取是点目标检测的关键环节，主要基于分水岭分割算法进行改进，提取主要目标对象。

1.1.1 分水岭分割算法

分水岭分割算法模拟的是立体的地形表面，是建立在数学形态学基础理论之上的图像分割算法[8]。其自下而上模拟泛洪过程，式(1)为递归的初始条件，式(2)为一个递归过程[9]。

Xhmin=Thmin(I)

(1)

式中：Xhmin为图像I中最小灰度值点；Thmin(I)为任意图像I中灰度值最小的像素点；h为灰度范围。

(2)

式中：Xh+1为灰度值是h+1的所有像素点；mh+1为新产生盆地的最低点，Cxh(Xh∩Xh+1)表示Xh和Xh+1同在一个盆地的点。

若某像素点同时属于2个以上盆地的点，即为分水岭上的点。

1.1.2 改进分水岭分割算法

传统分水岭分割算法易产生过分割现象，目前主要解决方法有2种[10]：①利用标记控制方法，对图像的前景和背景进行标记，并通过图像滤波进行标记提取；②通过区域合并的方法，利用合并准则对分割后的图像进行区域合并。本文采用索贝尔(Sobel)图像滤波进行标记提取的方法来缓解过分割现象。

鉴于传统分水岭分割算法通常会产生比较严重的过分割现象，本文引入Sobel算子进行梯度运算，利用开闭运算进行平滑操作，最小扩展变换后进行第1次分水岭分割；然后利用最小覆盖技术修改梯度图像，标出分水岭和中心后进行第2次分水岭分割；最后利用连通域标记取得主目标尺寸信息。具体流程如图2所示。

图2 主目标信息提取流程

1.1.3 主目标提取

利用连通域标记法，提取出主目标，求得目标区域的面积信息。

1.2 轮廓信息提取分析

轮廓信息的提取方法有很多，较为常见的是人工勾绘和Snake分割。人工勾绘的方法最为直接，也最为常见，文献[11]中利用人工勾绘的方式解译了枣庄市的地质灾害分布情况。人工勾绘的方法虽然直接、简单，但是比较粗糙，因此本文引进了Snake方法[12]。Snake模型的基本思想是，以构成一定形状的一些控制点为模板，形成粗糙的轮廓线；通过模板自身的弹性形变，与图像局部特征相匹配达到调和，即为某种能量函数极小化，完成对图像的分割。其基本公式为

(3)

式中：积分项的前部分为内部力，包含连续性能量α|C′(s)|2和光滑性能量β|C″(s)|2；后部分Eext(C(s))为图像力，也称为外部力，迫使分割线收敛于局部高梯度位置。

分割前需要手工标注大致轮廓，然后在图像力和内部力的共同作用下，达到精准的分割。文献[13]中利用Snake模型对水体轮廓进行提取，拟合的水体边界效果良好。

在改进的分水岭分割算法前提下，利用Snake在其分割的结果上做轮廓分析。借助于应急预案里面的目标范围和主目标提取结果，完成对主目标的轮廓分析。

1.3 应急专题图制图

综合以上获取的处理数据和信息，开展专题图(涵盖多维信息的综合性展示图)制作。遥感应急专题图是将提取的多维信息集中到一起，在应急响应中发挥着重要的作用。文献[14]中对地震应急专题图的设计与制作，使甘肃省震后应急期间各类工作得以顺利展开。文献[15]中在快速制图应急预案的指导和保障下，分析了快速制图的内容和制图流程，优化了遥感数据快速处理算法，预制了标准化制图模板。

2 应用成果及评价分析

2.1 应用成果

综合上文的技术分析，分别选取高分一号、二号卫星影像作为应用实例进行研究分析。

2.1.1 试验区域与数据

本文以实际应急事件为例，开展技术研究与效果检测评价。实例一为某地大型应急水坑，综合多源数据比较，选择了高分二号卫星影像数据；实例二为某年的汶川山体滑坡事件中的一个滑坡体目标，选取高分一号卫星影像数据。对以上研究区域原始影像分别进行预处理，剪切包含目标区域影像，如图3所示。

图3 剪切后的影像

2.1.2 应用实例

首先借助传统的分水岭分割算法，分别对2个应用实例进行分割。分割效果如图4所示，产生了严重的过分割现象。

图4 传统的分水岭分割算法效果

鉴于传统的分水岭分割算法产生严重的过分割现象，本文利用改进的分水岭分割算法对目标影像进行分割，其效果如图5所示，其分割结果明显优于传统的分水岭分割算法。其中，应急水坑中心的主目标像素点个数为20 986，又根据影像空间分辨率为0.8 m，可确认所求区域面积为134 31 m2；山体滑坡的主目标像素个数为58 047，其空间分辨率为2 m，可知滑坡面积为232 188 m2。改进后的分割效果如图6所示。2个应急实例中，主目标面积提取的误差分析结果如表2所示。

图5 改进的分水岭分割算法效果

图6 分水岭分割连通域标记效果

表2 主目标面积提取的误差分析结果

在应急水坑的分析中，综合多种方法分析对比，人工勾绘的轮廓信息提取和Snake轮廓信息提取的最终收敛效果表明，应急水坑的轮廓结构近似为一个圆形，提取结果与无人机现场测量数据形状相符，轮廓基本重合，半径误差为0.6%。在山体滑坡的分析中，轮廓提取信息与实际山体滑坡的外围轮廓基本重合。轮廓提取效果如图7所示。

选取应急水坑的快速提取设计专题图，在面积信息和轮廓信息提取的基础上，进行应急专题图的制作。综合前几个步骤提取的目标结果，在专题图上清晰地展示，如图8所示。

注：红色是Snake算法收敛的主目标轮廓。

2.2 评价分析

综合以上应用结果可知，本文提出的遥感应急目标影像自动检测及制图方法能较好地满足应急事件的需求。在某应急水坑目标的实例中，采用高分二号卫星影像数据，预处理后采用改进的分水岭分割算法对水坑目标进行提取，与人工勾绘的轮廓信息提取和Snake轮廓信息提取的最终收敛效果图对比表明，水坑目标的轮廓结构近似符合实际情况，应急专题图可为用户部门提供决策参考。在汶川山体滑坡的应急实例中，选取高分一号卫星影像数据，分割后的尺寸信息及轮廓分析均能很好完成对应急事件中主目标的快速提取。

3 结束语

“高分”系列卫星数据目前已经大量地投入到各个行业的应用及研究分析中，其影像信息丰富的数据特点为研究分析和应用场景提供了强大的数据支撑。本文结合高分一号、二号卫星影像数据特点，对应急目标自动检测进行了流程化的研究分析，研究过程及结果满足应急事件的需求，但在多源数据自适应阈值选择及主目标智能分析等方面还有改进空间。例如，在应急水坑目标的实例中，已知固定的目标形状，但如果是针对不确定形状的目标或者目标受到结构破坏，后续可通过引入深度学习方法提高主要目标的确认效率。