基于K- T 变换的测绘地理信息空间特征提取方法

2022-06-07祁全鹏

经纬天地 2022年2期

祁全鹏

（山东宝地益联地质勘查工程有限公司，山东青岛 266000）

0.引言

从地理角度出发对地球表面物体与国家人文环境、社会环境、自然环境之间的空间相互关系与特征表达进行反映，从而对国情变化发展的各种决定因素实施全面地研究、分析、统计，并对下一阶段可能的发展变化规律进行预测，以提供面向国家决策的重要指导依据。通过对地理国情进行监测，能够深化地理国情普查方面的工作，监测工作的开展主要是应用3S等现代化信息测绘技术对地表覆盖要素、地形、建筑、交通等实施持续的、空间的、动态的、全面的监测研究，并对其变化发展关系、空间变化趋势、量化特征表达等进行系统研究分析，打造地理国情数据库，为国家提供准确、权威、系统的国情地理信息。随着测绘地理信息数据变得越来越精细、丰富，其数量也与日俱增。通过现有的地理信息分析和处理系统很难对数量庞大的测绘地理信息进行准确的信息处理与提取，使得测绘地理信息中的很多数据信息无法被挖掘，因此需要对这些测绘地理信息进行空间特征提取，以提升测绘地理信息分类的效率与精度。

测绘地理信息空间特征提取问题的研究已经得到了很多国家的重视，近几年来，该问题的研究成果越来越多。其中余岸竹、刘冰、邢志等学者针对遥感高光谱影像分类提出了一种测绘地理信息的显著性特征提取方法，主要应用了超像素分割算法、支持向量机等，实现了分类精度的提升[1]。综合以往提出的研究方法，在该问题的研究中应用K-T变换思想，提出一种基于K-T变换的测绘地理信息空间特征提取方法，使测绘地理信息能够更好地应用于众多国民发展领域中，促进社会的进步。

1. 基于K-T变换的测绘地理信息空间特征提取方法设计

1.1 测绘影像分割

通过形态学梯度实施测绘影像的V-S分水岭变换，获取初分割对象，通过邻域数组实施区域合并，得到最终的测绘影像分割结果[2]。

通过邻域数组实施区域合并的过程可以分成两个步骤来执行。两个步骤的具体执行流程为：当区域面积小于面积阈值时，将当前区域判断为极小区，并与临区域进行合并；然后，创建分割区域NA并进行更新和处理；对满足合并规则的区域进行二次合并、更新等处理。

通过两种处理得到最终的测绘影像分割结果。

1.2 经验线性变换

通过K-T变换，依据测绘影像中植被、土壤等的信息分布规律，对测绘影像分割结果实施经验线性变换，获取湿度、绿度、亮度分量[3]。

在影像多光谱空间，通过传感器K-T变换系数进行多维空间、线性变换的旋转，使土壤、植物等信息被投影至多维空间平面上[4]。利用坐标变换分离二者的光谱特征，获取三个与测绘地理信息空间特征关联的新波段。其中亮度分量表示的是地形的变化和各种地物的反射率特点；绿度分量表示的是可见光波段与近红外波段在反射率上的对比关系；湿度分量表示的是地表水分状况。

在K-T变换中，使用的传感器K-T变换系数具体（如表1所示）：

表1 传感器K-T变换系数

就此实现湿度、绿度、亮度分量的获取。

1.3 空间特征建模

通过半变差函数实施测绘地理信息空间特征建模。具体步骤如下：

（1）地物样本选取。通过人工勾画方式在测绘影像上对典型地物的对应样本图像进行选取。

（2）对湿度、绿度、亮度分量不同滞后的对应半变差函数值进行计算。主要通过WN－ES、N－S、EN－WS、E－W四个方向的半变差均值对全方向的对应半变差值进行计算，具体如式（1）所示：

式（1）中，θ0°为E-W方向的半变差；θ45°为EN-W方向的半变差；θ90°为N-S方向的半变差；θ135°为WN－ES方向的半变差；γ（h）1为湿度分量全方向的对应半变差值；Q为湿度分量值；γ（h）2为绿度分量全方向的对应半变差值；S为绿度分量值；γ（h）3为亮度分量全方向的对应半变差值；Z为亮度分量值。

（3）对半变差函数曲线进行绘制。

（4）根据绘制曲线对半变差函数模型进行拟合，得到地物的空间特征模型[5]。

1.4 空间特征提取

应用灰度属性粗化运算和细化运算实施空间特征提取。用U表示地物空间特征模型，给定参数α，以模型中各连通分量的实际属性β为依据实施过滤操作。对于连通分量wi，当其实际属性满足式（2）：

则该区域不变。

当不满足上式，将连通分量wi直接并入最近的相近灰度值区域，如该区域的灰度值偏低，称该操作为细化操作；如该区域的灰度值偏高，称该操作为粗化操作。通过一系列粗化操作和细化操作，获取地物空间特征模型对应属性剖面，具体如式（3）所示：

式（3）中，φ为细化操作；ϑ为粗化操作；n为α的个数。

就此实现测绘地理信息空间特征提取。

2.空间特征提取测试研究

2.1 实验数据集

为测试设计的基于K－T变换的测绘地理信息空间特征提取方法的性能，采用以下三个实验数据集进行测试：

第一个实验数据集选用DMC－03数据集，其测绘地理信息主要通过反射式光学系统获取。数据集中的数据光谱波段共115个。数据集的信息具体如下：

空间分辨率：1.3m；

大小：340列、610行；

数据量：33.4MB；

地表覆盖物：裸地、草地、砖砌路、阴影、屋顶、小路。

第二个实验数据集选用Reykjavik数据集（IKONOS- 2全色高分影像），能够对设计方法能否适应全色高分影像进行测试。数据集的信息具体如下：

空间分辨率：1.0m；

光谱范围：0.4－0.9μm ；

大小：975行；各行像素个数：652个；

地表覆盖物：居民区、街道、大房子、阴影、裸地、小房屋；

全色光谱分布情况：较为广泛。

第三个实验数据集选用ROSIS－03数据集，其原始数据是1052扫描线，各扫描线中的像素数为1052个。由于部分数据质量较差，移除其中的253个像素。数据集的信息如下：

1052条扫描线，各扫描线中的像素数为799个；

总数据量：125.6MB；

影像空间分辨率：1.3m；

地表覆盖物：阴影、瓦房、碎石路、柏油路、裸地、砖房。

三个数据集的具体影像（如图1所示）：

图1 三个数据集的影像

根据以上实验数据集开展设计方法的性能测试。

2.2 测试项目

对于设计方法的测试，主要对两个项目进行测试：第一个测试项目是丰度图角度，第二个测试项目是端元光谱角度。

（1）丰度图角度能够对各种空间特征分布向量与其参考端元间的光谱角度平均值进行描述，对二者相似性进行衡量，其理想数值是0。

（2）端元光谱角度能够对各种空间特征端元光谱特征与其参考端元间的光谱角度进行描述。

为减少随机量对实验结果的影响，采用多次测量结果额定平均值作为实验结果。

2.3 测试结果分析

2.3.1 丰度图角度测试结果分析

利用设计方法对三个实验数据集进行测绘地理信息空间特征提取，测试其丰度图角度数据。

不同地物的丰度图角度测试具体结果（如图2所示）：

图2 三个实验数据集不同地物的丰度图角度测试结果

根据图2不同地物的丰度图角度测试数据，实验数据集一中裸地、草地、砖砌路、阴影、屋顶、小路这六种地物的丰度图角度都较低，整体丰度图角度水平大约处在0.18°；实验数据集二中居民区、街道、大房子、阴影、裸地、小房屋这六种地物的丰度图角度均较低，整体丰度图角度水平大约处在0.17°；实验数据集三中阴影、瓦房、碎石路、柏油路、裸地、砖房这六种地物的丰度图角度也较低，整体丰度图角度水平大约处在0.12°。这说明设计方法的测绘地理信息空间特征提取性能较好。

2.3.2 端元光谱角度测试结果分析

在测绘地理信息空间特征提取中测试设计方法的端元光谱角度数据。

不同地物的端元光谱角度测试结果具体（如图3所示）：

图3 三个实验数据集不同地物的端元光谱角度测试结果

根据图3不同地物的端元光谱角度测试结果，实验数据集一中裸地、草地、砖砌路、阴影、屋顶、小路这六种地物的端元光谱角度偏低，整体端元光谱角度水平大约处在4.22°；实验数据集二中居民区、街道、大房子、阴影、裸地、小房屋这六种地物的端元光谱角度较低，整体端元光谱角度水平大约处在4.03°；实验数据集三中阴影、瓦房、碎石路、柏油路、裸地、砖房这六种地物的端元光谱角度也偏低，整体水平大约处在4.07°。这同样说明设计方法的测绘地理信息空间特征提取性能良好。