基于面向對象和影像分析技術的港口資源監(jiān)測方法研究董 敏1，齊 越1，梅思婧2，劉 宏1，臧韶輝3 （1.交通運輸部規(guī)劃研究院，北京 100028；2.北京化工大學，北京 100029；3.舟山市港航管理局，浙江舟山 316021） 摘要：隨著我國港口規(guī)模和開發(fā)范圍不斷擴大，港口資源的利用變化快、范圍廣和分散，傳統(tǒng)的港口資源管理方法已不適應這種新的變化。采用面向對象的影像分析技術，通過計算機把不同地物在遙感影像中的特征信息以規(guī)則集的方式表達出來，并使用影像分割算法準確對地物分類。以期有效、及時和準確地掌握港口資源利用數(shù)據(jù)，為港口資源的動態(tài)跟蹤監(jiān)測和管理提供基礎技術保障，為行業(yè)管理和宏觀調控提供支撐。 關鍵詞：港口；資源；監(jiān)測；面向對象；衛(wèi)星影像；分析技術；港口建設 引 言隨著我國港口不斷發(fā)展，港口規(guī)模和開發(fā)范圍不斷擴大，港口資源的開發(fā)、利用、占用情況呈現(xiàn)變化快、范圍廣和分散的特點。利用傳統(tǒng)手段，港口行業(yè)管理部門難以及時、準確地掌握港口資源利用情況，在港口管理上往往比較被動。衛(wèi)星遙感影像具有圖像覆蓋范圍大、探測范圍廣、時效性強、信息客觀真實、成本低、獲取方便等優(yōu)點，可為港口岸線資源監(jiān)測提供數(shù)據(jù)支撐。 采用面向對象的影像分析技術，通過計算機把不同地物在遙感影像中的光譜特征、形狀特征、相對關系特征、紋理特征、上下文特征等信息以規(guī)則集的方式表達出來，從而實現(xiàn)區(qū)分、識別不同地物的功能；使用影像分割算法，把遙感影像分割成具有特定尺度范圍，并利用上述的地物特征信息能夠準確的實現(xiàn)地物分類。對港口區(qū)域遙感圖像信息數(shù)據(jù)的提取、分類，可及時、直觀掌握港口資源利用情況。目前，該技術廣泛應用于如林業(yè)、農(nóng)業(yè)、保險、城市規(guī)劃等不同行業(yè)中，但是并沒有在港口資源監(jiān)測領域中應用。 1 基于面向對象的影像分析流程本研究創(chuàng)造了一種港口資源監(jiān)測的方法，核心是利用面向對象的影像分析技術生成港口地物提取的規(guī)則集。針對港口資源監(jiān)測目標地物，把邊緣提取算法與面向對象的多尺度分割算法相結合，并分析了提取地物在遙感影像中的典型特征，利用這些特征組合開發(fā)出提取規(guī)則集，把目標地物快速、準確地提取出來。其主要內(nèi)容包括： 1）對遙感影像的某個波段使用Lee Sigma邊緣提取算法。該算法使用一個特定的邊緣濾波器，從原始影像中創(chuàng)建兩個獨立的邊緣影像，一個亮邊緣影像和一個暗邊緣影像。 波段的選擇要根據(jù)使用遙感影像來決定：如果所用的遙感影像是只有多光譜影像或融合影像，那么該波段選擇紅波段；如果所用的遙感影像有多光譜影像和全色影像，那么該波段選擇全色影像。邊緣提取算法生成的邊緣影像中，對于建筑物、工業(yè)用地、礦區(qū)等的邊緣與其周圍背景的亮度值反差較大的地物能夠高亮顯示，其強度值較大，而對于水域、大片耕地等其內(nèi)部紋理較均一的地物其強度值較低。因此，港口資源監(jiān)測的目標地物如裝卸設備、油品及液體化工品堆場等有較好的提取效果。 2）把上述生成的兩個邊緣影像導入到多尺度分割算法中，與遙感影像一起參與多尺度分割，生成影像對象。 該步驟是本研究的核心方法，也是對多尺度分割算法中參與分割的影像的一種改進。這種改進使得參與多尺度分割的數(shù)據(jù)通道不只是原始影像，也能夠使用其他算法得到的結果影像，類似于使用了Lee Sigma邊緣提取算法。通過邊緣提取算法生成的邊緣影像參與到分割算法中，能夠把邊緣明顯的地物按照其邊緣分割出來，使得分割出來的對象邊界輪廓更接近真實的地物，有利于后續(xù)的分類提取過程；這是因為港口資源監(jiān)測的目標地物，如裝卸設備、油罐、水域等，其在影像中的特點或是高亮顯示，與其背景地物區(qū)分明顯，或是相對于周邊地物，其內(nèi)部色調均一、平滑連續(xù)，利用邊緣提取影像參與的分割算法能夠充分考慮這些特點，把不同地物區(qū)分開來，這樣按照邊緣影像分割出來的對象，其邊緣影像的強度均值更具有區(qū)分性，能夠更充分地利用該特征信息進行分類。 3）利用光譜特征、邊緣影像強度值等特征以及泊位矢量，分類出水域、陸域和泊位等地物。 4）利用光譜特征、形狀特征、上下文關系特征、范圍特征等特征信息，提取泊位類別中的裝卸設備等類別，陸域類別中的油品及液體化工品堆場、煤炭堆場、礦石堆場、集裝箱堆場、堆場后方物流倉庫、圍填海等類別。  圖1 基于面向對象的影像分析流程 2 港口資源提取分類方法2.1 數(shù)據(jù)選擇及分類1）數(shù)據(jù)的選擇 本研究使用空間分辨率優(yōu)于10m的多光譜影像和空間分辨率優(yōu)于2.5m的全色影像，其中多光譜影像包括藍波段、綠波段、紅波段和近紅外波段等4個波段；也可以使用空間分辨率優(yōu)于2.5m的4波段融合影像。下面以多光譜影像和全色影像為例進行詳細說明。案例使用的遙感數(shù)據(jù)是高分一號衛(wèi)星影像，包括 8m空間分辨率的多光譜影像和2m分辨率的全色影像；矢量數(shù)據(jù)包括港界范圍矢量和泊位矢量。 2）Lee Sigma邊緣提取算法 對全色波段使用Lee Sigma邊緣提取算法，使用一個特定的邊緣濾波器，從全色波段中創(chuàng)建兩個獨立的邊緣影像，一個亮邊緣影像Pan_LeeSigma_B和一個暗邊緣影像Pan_LeeSigma_D。這兩個影像可以參與到后續(xù)的分割算法和分類地物中。 參數(shù)設置：Sigma值。Sigma值描述了一個數(shù)據(jù)點的均值與標準差的相差多少。Sigma值越大，就會產(chǎn)生越好的邊緣檢測；一般設置該值為5。一個給定窗口的Sigma值是：  式中：σ為給定窗口內(nèi)所有像元的標準差； 如果滿足下面的公式標準的在移動窗口內(nèi)的像元數(shù)目P足夠大的話（其中W是寬度，是用戶定義的常數(shù)），那么這些像元的均值將會導出。否則，生成整個窗口的均值。  式中：∑為算法的Sigma值；W為寬度，自定義的常數(shù)；P為給定移動窗口內(nèi)所有像元的數(shù)量；PCenter給定移動窗口內(nèi)中心像元的數(shù)量。 3）多尺度分割算法。 多尺度分割是一種優(yōu)化的過程，它使給定數(shù)目的影像對象之間有最小的平均異質性，而各個對象內(nèi)部有最大的同質性。 把上一步驟生成的亮邊緣影像和暗邊緣影像與多光譜影像和全色影像按照一定的權重一起參與到多尺度分割算法中，生成有一定意義的影像對象，為后續(xù)的面向對象分類提供分類基礎。因為每種地物有特定的典型特征能夠把其與其他地物區(qū)分開來，而上述方式生成的對象邊界輪廓更接近真實的地物，有利于后續(xù)的分類特征的選擇，以便區(qū)分不同的地物。分割參數(shù)設置如表1。 表1 分割參數(shù)設置  波段權重藍波段綠波段紅波段近紅外波段全色波段亮邊緣影像暗邊緣影像尺度參數(shù)形狀緊致度1 1 1 1 6 33500.20.9 4）分類規(guī)則 分類規(guī)則（即規(guī)則集）的建立與能否把地物較好的區(qū)分開息息相關。規(guī)則集就是使用計算機語言表達不同地物的典型特征，按照表達的順序生成不同的分類規(guī)則，從而做到區(qū)分不同地物的目的。其原則主要是先大后小，先易后難；先大后小，即先分大類，后分大類中的小類；先易后難，即先分典型特征明顯，2～3個特征就能夠與其它地物區(qū)分出來的地物，后分特征不明顯，復雜的地物，這樣能夠減少對象的冗余，提高特征的敏感度。 港口資源監(jiān)測的分類系統(tǒng)提取的先后順序是，先提取水域、陸域、泊位，然后從泊位中提取出裝卸設備，再從陸域中按順序分出油品及液體化工品堆場、煤炭堆場、礦石堆場、集裝箱堆場、堆場后方物流倉庫、圍填海。 5）逐級分類 根據(jù)港口資源監(jiān)測的分類體系，先提取出水域、陸域和泊位等三個大類，然后再在其中分類出其他的小類別。 分類規(guī)則集的創(chuàng)建就是按照這個地物類別的包含關系建立的。水域、陸域和泊位的提取，使用了其典型的光譜特征、邊緣影像強度值等特征，其中使用泊位矢量提取出泊位類別，為后續(xù)從泊位類別中提取出裝卸設備提供范圍限制。 6）利用光譜特征分類 利用光譜特征、形狀特征、上下文關系特征、范圍特征等特征信息，提取泊位類別中的裝卸設備等類別，陸域類別中的油品及液體化工品堆場、煤炭堆場、礦石堆場、集裝箱堆場、堆場后方物流倉庫、圍填海等類別。上述用到的典型特征中，關鍵是亮邊緣影像強度均值與形狀特征的使用。 亮邊緣影像強度均值就是邊緣提取算法生成的結果影像之一，若某個隊形的該值越大就說明該對象與其周圍對象的邊緣反差越明顯，該值越小就說明該對象與其周圍對象的反差越不明顯，即可能是相同的地類。使用該特征與其它如亮度均值、面積、長寬比等特征，能夠更快速、更準確地分類港口資源監(jiān)測的目標地物。如果不使用邊緣提取算法，那么分割的時候就沒有邊緣影像參與分割，其它參數(shù)相同的情況下，分割出來目標地物對象可能不是獨立的對象，使得分類該地物時不能使用其典型的特征把其與其它地物區(qū)分開來。例如，油罐提取時，某些油罐對象分割出來不是圓形或者橢圓形，那么在提取油罐時，使用橢圓擬合特征就會把這部分油罐對象錯分成其它非油罐類別。另外，如果不使用邊緣提取算法，就不會生成亮邊緣影像，就不會產(chǎn)生亮邊緣影像強度均值這一特征，那么在提取裝卸設備的時候，只能使用亮度均值、面積、長寬比等特征，遇到那些與裝卸設備有相近特征閾值的對象時，就會這些對象錯分成裝卸設備，對提取的準確率有很大的影響。而本研究正是看到上述幾點，并研究了港口資源監(jiān)測涉及到的目標地物在遙感影像中的特征，才把邊緣提取算法引入到面向對象的分割和分類中來，使得目標地物的提取更有針對性，提高了分類的準確性。 2.2 不同區(qū)域的提取方法1）裝卸設備提取 本研究中要提取的裝卸設備指的是集裝箱堆場碼頭前沿的裝卸設備，其在泊位范圍內(nèi)，在影像上表現(xiàn)為存在白色小矩形區(qū)域作為一區(qū)分的特點。白色對象的特點可以使用亮邊緣影像的強度均值、亮度均值、面積、長寬比等特征進行提取。 裝卸設備的提取是在提取出泊位的基礎上完成的，而提取泊位使用的是泊位組矢量數(shù)據(jù)，它限定了裝卸設備提取的空間范圍，根據(jù)提取出來的裝卸設備數(shù)量進一步監(jiān)測其在泊位組的變化情況，掌握一定時期內(nèi)港口集裝箱吞吐量趨勢以及了解新建集裝箱堆場的運行狀況。 2）水域的提取 水域的提取有多種方式，如單波段閾值、指數(shù)法、紋理法等。本研究根據(jù)數(shù)據(jù)的特點和港口范圍內(nèi)水域的特點，提出使用指數(shù)法與邊緣提取算法相結合的方法。 由水體的光譜特性可知，一般水體與其他地物的區(qū)分可以利用其在近紅外波段的強吸收特點，創(chuàng)建歸一化差異植被指數(shù)（NDVI）和歸一化差異水體指數(shù)（NDWI）；同時，水體相對于其周圍地物紋理平滑均一的特點，其亮邊緣影像的強度均值較小。本研究使用兩種方式結合的模型算法完成水域的提取。 3）油品及液體化工品堆場提取 本研究要提取的油品及液體化工品堆場指的是已經(jīng)建成的亮度較高的油罐，其在遙感影像中表現(xiàn)為亮白色調，呈圓形或橢圓形。在提取過程中可以使用亮度均值、全色波段的標準差、橢圓擬合、亮邊緣影像強度均值、面積、長寬比等特征。 首先，亮邊緣影像和暗邊緣影像與遙感影像一起參與多尺度分割，得到影像對象。其次，在得到的影像對象中，把離不包含裝卸設備的泊位一定距離的對象分類為特定的類別A。最后，提取的油罐都是高亮對象，且每個油罐也不可能都對應為單獨的對象，大多數(shù)情況是一個對象中含有若干個油罐。由于上述情況，即一個對象內(nèi)部含有多個高亮油罐使得該對象內(nèi)部不均一，標準差相對較大，因此，可以使用全色波段的標準差特征，把類別 A中的標準差較小的對象剔出出來，使得類別 A中的對象有較大的標準差，再使用亮度均值特征把類別A中的較暗對象剔出出來，使得類別A中的對象都是高亮的。 4）煤炭堆場提取 煤炭堆場在影像中表現(xiàn)為暗色調，且與泊位相距一定的距離。根據(jù)其特點可以使用NDVI、亮度均值、相關特征對該地物進行提取。 首先，亮邊緣影像和暗邊緣影像與遙感影像一起參與多尺度分割，得到影像對象。其次，在上一步驟得到的影像對象中，把離不包含裝卸設備的泊位一定距離的對象分類為特定的類別A。在次，由于煤炭堆場的亮度較低，因此使用亮度均值，把A類別中亮度較高的對象剔出出去。最后，堆場附近的植被區(qū)域由于環(huán)境的影響可能也顯示出暗色調，因此可以使用 NDVI特征把其閾值較大的對象從A類別中剔出出去。另外，可能煤炭堆場與礦石堆場色調相近，步驟3的閾值沒有區(qū)分出兩者，可以進一步使用亮度均值特征進行區(qū)分。 5）礦石堆場提取 礦石堆場在影像中由于礦石種類的不同表現(xiàn)為黑色、青色、棕色、黃色、白色等不同色調，且與泊位相距一定的距離。本研究只提取較暗色調的礦石堆場。根據(jù)其特點可以使用NDVI、亮度均值、相關特征對該地物進行提取。本研究提取的礦石堆場是在提取完煤炭堆場的基礎上，再利用上述特征提取礦石堆場的。 首先，亮邊緣影像和暗邊緣影像與遙感影像一起參與多尺度分割，得到影像對象。其次，在上一步驟得到的影像對象中，把離不包含裝卸設備的泊位一定距離的對象分類為特定的類別A。再次，由于只提取亮度較低的礦石堆場，因此，在提取完煤炭堆場的基礎上，使用亮度均值，把 A類別中亮度較高的對象剔出出去。最后堆場附近的植被區(qū)域由于環(huán)境的影響可能也顯示出暗色調，因此可以使用NDVI特征把其閾值較大的對象從A類別中剔出出去。 6）集裝箱堆場提取 集裝箱堆場的典型特征是與含有裝卸設備的泊位相距一定的距離。根據(jù)其特點可以使用與泊位的距離、亮度均值、亮邊緣影像強度均值等特征。 手先，亮邊緣影像和暗邊緣影像與遙感影像一起參與多尺度分割，得到影像對象。其次，在上一步驟得到的影像對象中，把離包含裝卸設備的泊位一定距離的對象分類為特定的類別A。最后，由于集裝箱堆場堆滿集裝箱時，其亮度值較低，且集裝箱與較高亮度的背景地面反差較大，邊緣較明顯，其亮邊緣影像強度均值較高，因此使用上述兩種特征能夠很好的提取出集裝箱堆場。另外，如果集裝箱堆場中未堆放集裝箱，那么堆場就呈現(xiàn)地面高亮的光譜值，也可以使用亮度均值特征來實現(xiàn)集裝箱堆場的提取。 7）堆場后方物流倉庫提取 堆場后方物流倉庫在影像中表現(xiàn)為藍色房頂、紅色房頂、白色房頂、灰色房頂?shù)炔煌{。本研究只針對藍色房頂、紅色房頂以及矩形白色房頂?shù)膫}庫地物。根據(jù)其特點使用藍波段比值、紅波段比值、亮度均值、NDVI、矩形擬合等特征實現(xiàn)上述倉庫的提取。 8）圍填海提取 圍填海在影像上隨著圍填海的進度呈現(xiàn)不同的亮暗色調，但其與水域相鄰且與水域相距一定距離內(nèi)，圍填海表面色調均一，紋理平滑。根據(jù)其特點可以使用與水體的距離、亮度均值以及ENDVI、亮邊緣影像強度均值等特征提取圍填海。  圖2 港口資源提取分類效果 3 結 語本研究成果已應用于交通運輸部開發(fā)的《港口資源監(jiān)測管理系統(tǒng)》中，利用現(xiàn)代科技有效、及時和準確地掌握港口資源利用信息數(shù)據(jù)，為實現(xiàn)全國港口資源的動態(tài)跟蹤監(jiān)測管理和提高港口資源監(jiān)測監(jiān)管能力提供基礎技術保障，為行業(yè)管理和宏觀調控提供支撐。 參考文獻： [1] 趙英時.遙感應用分析原理與方法[M].北京：科學出版社,2003：372-373. [2] 陳忠.高分辨率遙感圖像分類技術研究[D].北京：中國科學院遙感應用研究所,2006：55-93. [3] 王衛(wèi)紅,何敏.面向對象土地利用信息提取的多尺度分割[J].測繪科學,2011,(4)：160-161. [4] 蘇岫,趙冬至,黃鳳榮,等.基于高空間分辨率的紅樹林衛(wèi)星遙感監(jiān)測技術進展[J].熱帶海洋學報,2011,30(3)：38-45. [5] 王代堃,王志恒,杜霄蒙,等.基于面向對象技術的低山區(qū)公路信息提取研究——以廣西省玉林市為例[J].天津城建大學學報,2014,(2)：101-106. [6] 楊存建,周成虎.基于知識的遙感圖像分類方法的探討[J].地理學與國土研究,2001,17(1)：72-77. [7] San Ren H,Chein Ichang I.A generalized orthogonal subspace projection approach to unsupervised multi-spectral image classification[J].IEEE Transaction on Geoscience and Remote Sensing,2000,38(6)：2515-2528. [8] 李石華,王金亮,畢艷,等.遙感圖像分類方法研究綜述[J].國土資源遙感,2005,2：1-6. [9] 齊越,張民輝,沈益華,等.寧波-舟山港總體規(guī)劃(2014-2030)[R].交通運輸部規(guī)劃研究院,2016：1-300. [10] 齊越,孫瀚冰.基于遙感等技術的港口資源監(jiān)管系統(tǒng)研究[J].綜合運輸,2013,5：20-23. Research on Port Resources Monitoring Method Based on Object-Oriented Image Analysis Technique Dong Min1,Qi Yue1,Mei Sijing2,Liu Hong1,Zang Shaohui3 Abstract:With the sustained expansion and development of the ports in China,due to the quick variation,broad range and decentralization of port resources utilization,the traditional method cannot adapt to the management of port resources.The object-oriented image analysis technique can reflect the characteristic information of different objects in remote sensing images by the means of rule set based on a computer,apply image segmentation algorithm to the classification of the objects,grasp the data on port resources utilization effectively,timely and accurately,guarantee the dynamic tracking,monitoring and management of port resources,and support the industry management and macroeconomic control. Key words:port; resource; monitoring; object-oriented; satellite image; analysis technique; harbor construction 中圖分類號：TP751 文獻標志碼：A 文章編號：1004-9592（2017）05-0053-05 DOI：10.16403/j.cnki.ggjs20170514 收稿日期：2017-05-22 基金項目：交通運輸信息化“十二五”發(fā)展規(guī)劃項目（1231401900001）作者簡介：董敏（1986-），男，工程師，主要從事港口規(guī)劃及政策研究工作。 |
|
|
