韩 扬,元伟涛,赖忠平,程世秀,刘文可

(1. 山东省地质矿产勘查开发局第四地质大队山东省地矿局海岸带地质环境保护重点实验室,山东 潍坊 261021; 2. 潍坊学院建筑工程学院,山东 潍坊 261021; 3. 汕头大学海洋科学研究院,广东 汕头 515063 )

雅丹地貌是干旱区特有的风蚀地貌。雅丹形态特征能反映雅丹地貌的发育过程和演化阶段[1]。雅丹形态学研究的发展体现为获取手段的提高,即由最初的简单形态描述,到后来的实地量测,再发展到如今的基于高分辨率影像的量算和定量提取[1-2]。

现有雅丹形态的提取方法中,高精度、低成本的方法很少。文献[1]首次将Canny算法应用于雅丹地貌边界提取的研究中,采用15 m空间分辨率的Landsat 8全色波段影像数据提取了雅丹地貌边界,但15 m的空间分辨率对于中小型雅丹地貌边界提取显然偏低[1]。文献[2]将面向对象的方法应用于雅丹地貌边界提取中,虽然精度较高,但提取过程较烦琐[2]。

高空间分辨率影像在提供大量丰富地物信息的同时,也不可避免地包含一些冗余噪声 (如雅丹地貌表面的线性纹理、表面和周围的阴影等)。在使用Canny算法进行雅丹地貌边缘检测时,这些噪声很难通过传统的方法 (改变高斯半径和双阈值) 消除[2]。

鉴于单一高空间分辨率雅丹地貌边界提取方法的不足,本文提出一种将重采样的多空间分辨率影像和Canny算法相结合的雅丹地貌边界提取方法。

1 研究方法

1.1 遥感影像数据

选取甘肃敦煌北部雅丹地貌区5.04 km2的Google Earth 影像,数据来源于免费图像下载器 (91卫图助手)。影像成像时间为2016年5月,空间分辨率1.19 m,WGS-84 Web Mercator Auxiliary Sphere 投影。

1.2 重采样

重采样就是将一类像元根据一定的数学表达公式内插为另一类像元的过程。遥感中的重采样是由高分辨率遥感影像提取出低分辨率影像的过程[3]。本文采用双线性内插法实现原始影像数据的重采样。该方法具有低通滤波效果,边缘受到平滑处理[4-5]。将原始Google Earth 影像重采样为6种不同的空间分辨率(3、5、8、10、12、15 m)的影像。

1.3 彩色图像灰度化

由于Canny算法提取地物边缘是基于单波段的灰度图像完成的,本文所用的RGB彩色图像在边缘提取前必须转化为灰度图像[6-7]。RGB彩色图像向灰度图像的转换是基于加权平均的方法完成的[8-9],对彩色图像中RGB赋予的权重分别为:0.299、0.587、0.111 4[10]。

1.4 Canny算法提取雅丹地貌边界

Canny边缘检测算法于1986年由Canny等提出,被广泛应用于图像变化检测和地物边缘查找[11-12]。相对于传统的边缘检测算子,Canny算法可以尽可能多地标记原始图像中的实际边缘,提取的边缘与原始图像中的实际边缘更接近[13]。

1.5 雅丹地貌边界提取结果处理

为确保雅丹地貌边界提取结果的完整性和准确性,利用Canny算法提取雅丹地貌边界后,还需如下人工编辑操作步骤:①基于不同空间分辨率影像的Canny边界提取结果,选取完整闭合的,或U形、V形雅丹地貌边界;②将所有雅丹地貌边界合并,对于同一处边界,若两种空间分辨率影像都能提取到其边界,则保留高空间分辨率影像提取结果;③连接断点,拓扑检查,确保每个雅丹地貌边界均是封闭的线,将所有边界线转换为区。最终雅丹地貌边界提取结果如图1 所示。

图1 基于Google Earth影像的Canny算法雅丹地貌边界提取结果

2 基于混淆矩阵的精度评价

2.1 精度评价指标

利用混淆矩阵可以计算总体分类精度评价指标,如总体分类精度 (overall accuracy,OA)、Kappa系数,以及单个类别的分类精度评价指标,如生产者精度(producer’s accuracy,PA)、用户精度(user’s accuracy,UA)[14-15]。

2.2 样本点选取

采用采样随机选点的方式选取用于精度评价的样本点[16]。为保证精度评价结果的可靠性,样本点的选取必须满足两个条件:每一类别的样本点不少于50个[17];最少样本点总量(n)的计算必须满足95%置信区间[16]。

为检验雅丹地貌边界提取效果,将本文提取结果与面向对象的提取方法进行对比[2]。面向对象方法选取了8种不同的分割尺度 (34、52、80、114、138、145、208、257),采用最邻近特征法进行分类,最终分为3类:雅丹地貌边界、雅丹地貌边界之间的通道、雅丹地貌边界阴影。基于选取样本点计算的精度指标如图2所示。

图2 基于不同分割尺度的面向对象分类方法和Canny边界提取算法精度评价结果对比

3 讨 论

3.1 Canny边界提取精度评价结果

尽管无法识别阴影,Canny边界提取方法的总体精度为89.23%,Kappa系数为0.72,这一结果与面向对象方法的中等分割尺度(138)取得的精度结果相近。由于人工选取边界能够消除将沙丘错分为雅丹地貌对分类精度的影响,因此Canny边界提取方法的用户精度(87.55%)明显高于面向对象的方法。但是Canny边界提取方法的生产者精度(71.99%)很低,与面向对象方法中最大分割尺度(257)相近,说明该方法雅丹地貌被漏分的概率明显高于面向对象的方法。

3.2 不同空间分辨率对雅丹地貌边界提取结果的影响

使用重采样方法,通过原始影像降低空间分辨率产生的平滑效应,能够有效地减少雅丹地貌表面的光谱差异,提取的边界更完整。Canny边界提取方法在不同空间分辨率影像下的雅丹地貌边界提取结果如图3所示。可以看出,随着空间分辨率的降低,影像包含的信息量也在不断减少,雅丹地貌边界也变得越来越清晰。分析提取雅丹地貌边界的总长度与影像空间分辨率之间的关系(如图4所示)可知,随着空间分辨率的降低,Canny边界算法提取的雅丹地貌边界总长度呈明显的对数递减趋势(R2=0.904)。

图3 Canny边界提取方法在不同空间分辨率影像下的雅丹地貌边界提取结果

影像的空间分辨率对Canny算法提取的雅丹地貌边界影响很大。对于同一处雅丹地貌边界,若不同空间分辨率的影像都能提取完整的边界,则高空间分辨率影像提取的雅丹地貌边界准确度将更高。对于大型雅丹地貌,随着空间分辨率的降低,边界越来越清晰。文献[18]认为影像空间分辨率与提取地物精度呈线性关系。本文分析了雅丹地貌边界与影像空间分辨率之间的关系。由图4(b)可以看出,使用Canny边界提取算法,提取雅丹地貌边界的中位数宽度与影像空间分辨率呈很好的线性关系(R2=0.95)。

4 结 论

(1)本文提出了基于多空间分辨率Google Earth影像和Canny边界提取算法的雅丹地貌边界提取方法。由提取结果可以明显地看出,随着影像空间分辨率的增大,雅丹体表面的噪声逐渐减少,雅丹地貌边界越来越清晰。

(2)采用混淆矩阵的方法,对多空间分辨率的Canny边界提取方法的边界提取结果进行精度评价。结果表明,尽管无法识别阴影,但基于Canny的边界提取算法总体精度为89.23%,Kappa系数为0.72,这一结果与中等分割尺度 (138)的面向对象分割提取方法相近。

(3)基于Canny边界提取算法,将原始高分辨率Google Earth影像重采样到一系列低分辨率影像,以降低噪声。随着影像空间分辨率的降低,提取雅丹地貌边界总长度呈对数递减 (R2=0.904)的趋势。提取雅丹地貌边界的中位数宽度与影像的空间分辨率呈线性关系(R2=0.95)。