无证矿山图斑信息的自动提取方法研究

第32卷 第8期

2018年8月

北京测绘

B e i j i n g S u r v e y i n g a n d M a p p i n g

V o l .32 N o .8

A u g

u s t 2018引文格式:洪友堂,郑晶.无证矿山图斑信息的自动提取方法研究[J ].北京测绘,2018,32(8):991-994.

D O I :10.19580/j

.c n k i .1007-3000.2018.08.024[收稿日期] 2018-01-15

[作者简介] 洪友堂(1965-

),男,北京人,副教授,主要从事工程测量和遥感技术方面的教学与科研工作㊂E -m a i l :h o n g y o u t a n g

@163.c o m 无证矿山图斑信息的自动提取方法研究

洪友堂 郑 晶

(中国地质大学(北京),北京100083

)[摘 要] 为了自动快速提取无证矿山图斑信息,首先利用面向对象的技术对遥感影像进行分类,

获取包括植被㊁水体㊁道路㊁居民地及裸地等分类成果图;然后通过图像差值变化检测方法对变化图斑进行提取,得到面向对象分类的二值图㊂在此基础上,叠加已有的矿权资料,获得疑似无证矿山图斑信息㊂最后通过目视判读和野外验证的方法对提取的疑似无证矿山图斑进行筛选,最终确认无证矿山图斑㊂从本文的研究结果来看,结合变化检测的面向对象分类方法对目标图斑的提取具有一定的可行性.

[关键词] 面向对象;

分类;变化检测;二值图[中图分类号] P 237 [文献标识码] A [文章编号] 1007-3000(2018)08-0991-4

0 引言

随着社会的不断进步,矿产资源的采掘利用不断增多,违法开采事件不断发生㊂本研究以此为背景,将九江市西北部作为试验研究区,采用遥感和地理信息系统技术,基于高分辨率遥感图

像[1]

,利用面向对象分类技术结合变化检测方法

对无证矿山图斑信息的自动提取方法进行研究,期望为动态遥感监测提供更智能化的操作

方法[

2]

㊂1 研究区概况

研究区位于长江中下游成矿带,是江西省三大成矿带中赣西北成矿带的核心区域,矿产资源极为丰富㊂

试验区南北宽约16.6k m ,东西长约26.6

k m ㊂整体面积约为445k m 2,

全部在江西省九江市的辖区内㊂在该试验区内,搜集到的采矿权共有73个,

其中,能源矿种矿权1个,金属矿种矿权6个,非金属矿种矿权66个㊂

实验数据采用2010年5月10日和2011年4月17日接收的S P O T 5影像,截取了整景影像的一部分㊂影像整体质量较好,云雾极少,色

彩丰富,适合于进行矿山监测㊂

2 面向对象的遥感影像分类[

3-4

]

按照地物特征规则,首先在第三层中提取湖泊和森林㊂之后在第二层中提取水库㊁稀疏植被以及居民地,在提取裸地之前必须先对已经提取的稀疏植被和居民地取反,在取反后的图像中依据规则进行提取裸地地类㊂最后到第一层中,先行提取河流,然后提取道路;将二㊁三图层的地物通过父类继承的方式继承到第一层的相应类别

中,并进行同类合并,形成最终成果图[5-8

],分类

如图1所示㊂

图1 面向对象分类影像图

将地物分成了六大类,即植被㊁水体㊁道路㊁居民地㊁裸地以及未分类㊂从图中可以看出,植

北京测绘第32卷第8期被㊁水体的分类效果比较好,其中道路中偶尔出

现了中断现象,经过分析,发现除了主观分类精

度的原因外,客观上,这个地区有大量的隧道存

在,导致了道路的断截,另外,该地区植被茂盛,

加之卫星高度角的原因,对道路也形成了一定的

遮挡㊂在图像的东北部发现大量裸地沿道路分

布,经分析,其原因是该位置属于新城开发地段,

分出的裸地均属于已整平正待开发建设土地㊂

在图中有一定数量的未分类用地,对这些用地进

行确认,最终发现它们中的很多都拥有一个特

点,具有人类活动,但仍保持着自然植被覆盖度,

这就让它们既没有了植被那样强烈的光谱特征,

又失去了居民地和裸地那样明显的纹理特征㊂

未分类图斑一般都紧靠着居民地图斑㊂对地物

分类结果的精度评价如表1㊂

表1实验数据分类的精度评价

分类像元数参考像

元数

正确像

元数

生产者

精度/%

用户精

度/%

植被55131630585201482.4994.35水体18905196261824292.9596.49道路1106220561727.9855.79居民地128507296585780.2845.58裸地28722145198992.7369.25总体精度/%86.634

K a p p a系数0.834

从分类精度来看,分类结果比较好,分类结果可以用作后续研究㊂

3图像差值变化检测[9-10]

3.1适当波段的选取

为了寻找出目标地物灰度反差明显的波段,首先对两幅影像上各样本地物的灰度值进行统计[11],考虑到其他统计数据对研究贡献不大,故在此只统计灰度均值,统计结果如表2㊂

表2各地类样本灰度值统计表

影像波段植被水体道路居民地裸地

2010年R e d061.2086.7146.3151.5188.8 G r e e n98.4110.5147.9138.5178.6 B l u e79.1127.2148.9152.4176.1

2011年R e d100.2109.3214.0203.8239.7

G r e e n120.0127.9214.0198.4231.4

B l u e119.4167.3220.2205.0228.5

利用表2中的数据,我们假设2010年这些地

类在2011年的时侯各自都有分别转化成其他四

类的情况出现㊂这样我们通过计算不同地类间

发生变化造成的各波段的差值灰度并对它们进

行排序,取灰度差较大的10种地类变化制成下

表3㊂

在表3中,Z表示植被地类,S为水体,D则

是道路,J是居民地的意思,L代表裸地㊂在地类

变化情况一栏中,L(Z)表示该地物在2010年是

属于植被地类,而到了2011年,则转化成了裸地

地类的情况㊂

由表3可知,灰度差值最高的几种变化类型

均出自于R e d波段,而且裸地地类居首㊂所以,

采取R e d波段进行图像的差值运算比较合适㊂

3.2适当阈值的选取

在对B1t1和B1t2这两个波段进行差值的时

候,考虑到我们要保证数据的准确性和完整性,

使用直接差值法㊂在研究中使用了A r c G I S中的

栅格分析工具对两个波段做了做差处理㊂在两

幅影像中,由于影像时相不同和传感器差异的原

因,造成了即使某个部分未发生变化,差值得到

的灰度值也会存在,只是没有不同地类间变化来

得明显而已,所以这个时候我们必须要选取一个

合适的阈值对伪变化部分进行过滤㊂

G-MȡT*S T D(1)

上式是阈值公式,G表示做差后影像中的某

个像元的灰度值,M则是做差后影像中所有像元

的灰度值均值,T就是变化阈值,S T D为灰度值

的标准离散值㊂所有灰度值满足上式中的G的

像元都被认为是变化像元㊂

通过选取一定数量确定变化和未变化的像

元,截取非建设用地变化成裸地的最低值取为阈

值㊂经过不断试验,最终确定使用阈值为160㊂

在A r c G I S中依靠重分类工具对差值灰度图

像进行处理,将灰度值小于160的像元归为0,将

灰度值大于160的像元归为255(认为这些像元

发生了变化,包括实际变化和噪声)㊂最终得到

二值图如图2㊂

在图中,显示为白色的部分为变化的地类,

黑色部分为未发生变化部分㊂对亮度进行筛选,

通过分类,将二值图中的散点变化成下图中的对

象图斑,生成图斑s h p文件㊂

299