戴 晶

（无锡市国土空间规划编制研究中心，江苏无锡 214000）

引言

为了定期的了解区域内地表的建筑情况、资源利用现状，需要定期的对区域内地表信息进行提取与监测，应用遥感影像获取技术，为整体的地表资源利用情况提供技术与数据保障[1]。基于以上背景，本文基于机载遥感影像处理技术，研究了一种地表覆盖信息的提取方法，提高地表覆盖信息数据的精准性。

1 地表覆盖信息的采集

1.1 尺度特征提取

在地表覆盖信息的提取过程中，最基础的环节是对地表覆盖信息的空间尺度特征进行分析与提取。在二维空间中，利用高斯卷积算法，实现实际待测信息的尺度与二维图像尺度的对应与转化[2-3]，计算表示为：

式中，C（m，n）表示影像中的待测的位置的初始坐标；*表示变换过程中的卷积计算；ε 表示待测位置的尺度坐标。B（m，n，ε）表示待测位置坐标经过高斯卷积转换得到的坐标信息，该值还可以表示为：

为了使得到的影像某一位置的尺度特征更加稳定，引入高斯尺度的相隔线型的比例因子ω，通过对影像的不同尺度特征的高斯差的分核计算，将邻近的两组尺度特征进行图像额卷积差处理，得到更加稳定的影像的尺度特征。

1.2 纹理特征提取

纹理特征是地表覆盖信息的主要特征之一，可以作为尺度特征的重要补充信息。该特征具体可以展现出待测影像的灰度信息及性质，以及影像的空间关系特征，是同一质感区域内的一致性的体现以及范围内差异性的展现。将区域内的空间结构的不同，反映为纹理特征值的不同，是一种具有不稳定性的特征[4]。现进行纹理特征相关变量的分析，表示为：

式中，d1，d2，d3，d4，d5分别表示纹理特征的相关性变量：角度矩，相关性，反差分矩，均值以及熵值；em、en分别表示均值差；fm、fn分别表示标准立方差。通过上述相关变量计算，可以描述影像的纹理特征。但由于地表物质的类型不同，上述计算的特征区分与提取的能力与程度也不同[5]。因此，在提取特征前，需要确定计算的数量以及待测点识别的精度，才能得到更加精准的纹理特征。区分能力的精度计算，表示为：

式中，∂表示相邻纹理特征信息的距离，当该距离值越大的情况下，对不同类型纹理特征信息的识别能力越强。根据以上计算，提取精准的地表覆盖信息的纹理特征，为地表覆盖信息的采集提供更精准的识别特征。

2 地表覆盖信息的处理

2.1 影像的配准处理

为了精准的对初步采集的影像信息进行处理，需要确定影像的坐标系，将不同角度影像进行整合与统一。本文将影像的左上角，定义为系统的坐标原点，坐标原点向左的方向，为水平方向的正值，坐标原点向上的方向，为竖直方向的正直。影像的坐标单位，以影像的像素为基准。基于定义的坐标系，将影像进行配准处理，具体表现为通过对不同影像之间的几何关系，按照图像中共有的元素额空间位置，进行精准的匹配，得到更加准确的影响数据信息。设同一地表区域的两组相邻的影像为P、Q，在影像P 中，随机提取两处待测位置，分别表示为p1（m1，n1）、p2（m2，n2），进行影像的角度配准计算，表示为：

式中，α1表示两待测位置，构成的直线方位角。在影像Q 中，确定与影像P 中两点对应的同名点q1、q2，同上述计算，得到两点的直线方位角α2。那么可以计算出这两条直线之间的夹角，表示为α=α2-α1。从而得到无数条两组影像之间直线的夹角表示为：

进行不同影像之间的角度的配准计算，进行不同影像的重叠度配准处理。设待处理的影像的宽度为R，在影像P、Q 中，随机选取两组影像的端点位置坐标p3、p4、q3、q4。将影像进行重叠度配准计算，表示为：

式中，（m'，n'）表示经过重叠配准后，得到的影像待测位置的坐标。根据上述计算，配准处理的重叠度μ 可以表示为：

根据上述计算，经过配准处理，完成不同影像的坐标系统的统一，与计量单位的统一，得到更精准的地表覆盖信息数据。

2.2 影像的融合处理

在采集数据配准处理的基础上，进行影像的融合处理。在机载遥感影像中，包括了多种光谱，为了将光谱进行统一，采用融合计算，将全色以及多光谱的影像进行整合，提高信息数据的精准性，避免后续的分割中有误读的情况，造成影像数据的缺失。利用主成分分析变换法，进行影像数据的融合处理。设待测影像的多光谱的波段数为x，列出相应的波段矩阵T，经过矩阵的分析计算，得到融合处理的特征系数σr，将得到的所有的特征系数进行升序排列，即σ1≤σ2≤……≤σx，可以得到每组影像的融合计算，表示为：

式中，u 表示影像不同分量的序列数；φu表示影像中的第个u 分量；ar表示待测位置的波段得到序列数；表示影像中第r 个分量对应的波段；ϖr，u表示特征系数在r 行以及第u 列位置处的结果。通过上述计算，可以完成对不同波段影像的替换与融合，使处理后的影响呈现出色彩均匀，层次鲜明，纹理清晰的状态，没有重叠阴影与虚化图像的现象，增强了提取地表覆盖信息的精准度与清晰度。

2.3 影像的去噪与分割

在机载遥感影像提取过程中，在周围环境的影响下，影像数据会产生的噪声，导致影像存在虚化、模糊等现象。为了去除这种影像，增强影像的空域特征与时域、频域特征，现采用灰度调整法，对影像数据信息进行去噪处理，计算表示为：

式中，m1、m2分别表示影像去噪处理前的灰度量；n1、n2分别表示影像去噪处理之后的灰度量；Y（m）表示线性灰度转换函数。在一般的计算机中，相关显示器的亮度的范围，一般在[0，255]之间。在该值域范围内，选择相应的影像动态系数。根据上述计算，将影像进行去噪处理，得到更加清晰与精准的地表覆盖信息影像，完成基于遥感影像处理技术的地表覆盖信息的提取，为测绘工程提供一种影像数据处理方法。

3 试验与检测

3.1 试验准备

为检测本文设计的基于机载遥感影像处理的地表覆盖信息提取技术的可行性与精准性，设计了仿真模拟对比试验。基于Windows 系统的MeshLab 程序，搭建本次试验平台。选择Dell 作为试验平台的服务器，系统的内存为64 GB，运存8 GB。在系统中接入MySQL 数据库，做为平台的数据管理、存储中心。系统的开发语言为Python，便于爬取遥感影像数据。根据上文所述的影像的增强处理与分割处理，计算本次试验的影像增强处理参数以及分割参数，结果见表1。

表1 仿真对比试验的影像增强与分割参数表

3.2 试验结果与分析

在上述试验准备的基础上，进行模拟试验。对于随机的五组图像，分别将本文设计的信息提取技术（试验组），与传统的提取方法（对照组），通过上述试验平台，进行模拟的地表覆盖信息的提取，记录每组影像采集的图斑数量，与实际的监测信息进行对比，结果见表2。

表2 每组影像采集的图斑数量对比表

由上表可知，试验组对地表覆盖信息的采集图斑的数量均高于对照组，试验组对五组影像采集的图斑正确率的平均值约为92.13%，对照组对五组影像采集的图斑正确率的平均值约为77.12%，试验组比对照组高15.01%，表明本文设计的地标覆盖信息的提取方法具有更高的分辨率与精准性。

为进一步检测信息提取技术的准确性，分别计算五组地表覆盖信息提取结果的总精度，结果见图1。

图1 五组地表覆盖信息提取结果的总精度对比图

由上图可知，试验组方法对五组采集影像的信息提取结果的总精度，均低于对照组，分别低17.90%、16.72%、8.88%、27.9%、15.72%，试验组的准确度更高。综上所示，本文设计的基于机载遥感影像处理的地表覆盖信息的提取技术，具有可行性与精准性，对信息数据的采集更加精确化细节化，对信息数据的处理使结果的精度有了明显的提高，为影像数据信息的提取、分类、分割提供了有效的基础支持，加速了地理监测等有关项目的发展进程，实现了智能化、精准化的地表覆盖信息的测绘功能。

4 结论

随着科技的飞速发展，现有的地表覆盖数据的提取技术不断地更新与优化，结合遥感影像数据以及地表物质的高程数据，经过智能化地分类与处理，得到精准的地表数据信息。为我国地理监测等相关部门提供技术支持，为整体的发展建设奠定精准可靠的数据基础，以此来实现我国生态建设、社会建设以及经济建设的可持续发展目标。