洪积扇的组成成分复杂, 以沙砾石和粘土为主, 扇体上植被稀少, 且富含水分。通过对研究区TM图像中典型地物反射光谱值的统计分析(表1), 洪积扇的光谱特征(图1)为: ①洪积扇的光谱值明显高于水体、居民地、阴影等地物, 但在TM4波段低于植被; ②洪积扇在红光波段(TM3)的亮度值高于近红外波段(TM4)。

表1

Tab.1

表1(Tab.1)

表1 洪积扇及相关地物典型光谱值(均值) Tab.1 Typical spectrum value (mean) of the alluvial fan and related land type 波段 洪积扇 水体 阴影 居民地 植被 1 79 80 62 85 68 2 70 64 37 71 40 3 92 55 30 74 42 4 80 32 29 75 98 5 119 17 18 75 66 7 94 13 11 55 34

表1 洪积扇及相关地物典型光谱值(均值) Tab.1 Typical spectrum value (mean) of the alluvial fan and related land type

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 洪积扇及相关地物典型光谱曲线Fig.1 Typical spectral curve of the alluvial fan and related land types

分析上述特征, 造成TM图像中洪积扇在TM3和TM4的光谱值差异的原因可能在于: ①TM3波段位于叶绿素的主要吸收带, 植被信息不丰富, 但可提供丰富的地质、地貌等信息; ②TM4波段位于植被的高反射区和水体的强吸收区, 植被信息丰富, 可提供丰富的与水有关的地质、地貌等信息; ③对于地表土壤和岩石, 由于Fe³⁺氧化物含量的增加, 几乎所有的TM波段的地物反射率均有所降低^[8], 其中TM3反射率降低得相对较少^[9]; TM4受Fe³⁺的0.5 μ m和0.9 μ m吸收谱带及粘土类矿物的影响其波谱值明显下降, 并有一定的吸收深度, 反映第四系沉积物中Fe³⁺含量明显比基岩的高^[10], 其原因主要是水流将上游含Fe³⁺氧化物搬运到下游沉积造成的。

综上所述, 基于洪积扇、尤其是现代洪积扇体上植被不发育、沉积物中含Fe³⁺氧化物较多等特征, 通过实验比较发现, TM3/TM4的比值图像可增大洪积扇与水体、阴影、植被等地物的波谱差异, 有利于采用阈值法进行洪积扇提取。

通过大量的实验研究, TM3和TM4波段的比值能够增大洪积扇与水体、阴影、植被及其他地物光谱值的差异, 在TM3/TM4比值图像中, 洪击扇的阈值具有明显低于水体而高于阴影、植被等地物的特征, 通过一定算法自动获取分割阈值, 可将洪积扇信息提取出来。但是在提取洪积扇的结果中存在部分地形阴影的误提信息, 因此利用阴影在蓝、绿光波段亮度值降低较快的特点^[11], 基于比值运算和差值运算, 可较为有效地消除阴影和植被的影响。通过实验总结, 构建洪积扇提取模型为

N=RNIR-BG(1)

式中, N为根据图像光谱值、利用阈值自动获取算法提取的分割阈值; R、NIR、B和G分别为TM的红光波段(B3)、近红外波段(B4)、蓝光波段(B1)和绿光波段(B2)的亮度值。

该模型是在对洪积扇的光谱特性、比值运算与差值运算等进行深入分析的基础上建立的。比值运算增强了地物的波谱差异, 有利于地物的识别和区分, 尤其是对地质类信息比较敏感; 差值运算的结果则反映了同一地物光谱反射率之间的差^[12], 并将差值大的地物突出^[13]。

在上述处理过程中, TM3/TM4可增大洪积扇与水体、阴影、植被及其他地物间的光谱差异, 计算的结果是洪积扇的阈值明显低于水体, 而高于阴影、植被及其他地物, 从而可通过合适的阈值将冲洪积扇分割出来; TM1/TM2则可将阴影增强出来; 而通过差值运算可有效地消减提取结果中误判的阴影信息。通过上述方法, 可有效、准确和快速地自动提取洪积扇信息。

经本文提出的模型处理后的灰度图像, 地物间存在较大的灰度值差异, 只要目标区域和背景区域相比的差异足够大, 就可以在其灰度直方图上确定目标和背景灰度的突变位置。因此, 可选用合适的基于灰度直方图的阈值自动获取算法来进一步将洪积扇信息单独提取出来。

目前, 基于灰度直方图的自动阈值选取典型算法有最大类间方差法(OTSU)、双峰法、P-title法和最小误差法等。其中, OTSU是二值化全局算法的最为杰出的代表之一^[14], 作为一种无参数无监督的分类方法, 因计算方法简单、自适应强而成为使用最广泛的图像阈值自动选取方法之一; 其基本思想是以最佳阈值将图像直方图分割成两部分, 使两部分类间方差取最大值, 即分离性最大^[15]。尽管在很多情况下, 要保持图像直方图的双峰特性比较难, 但是OTSU法对各种情况下的分割质量都有一定的保障, 因此适合于进行图像全局处理。

在本文的算法设计中, 对OTSU算法的使用方法进行了改进。采用迭代方法, 首先运用OTSU算法获取阈值, 将洪积扇、水体与植被及其他地物分离; 然后再次运用改进的OTSU算法将洪积扇与水体分离。

利用新建模型可快速、准确地提取洪积扇信息, 但是由于洪积扇体上的植被和小块面状水体等的影响, 在提取的洪积扇面上存在许多小的空洞和不连续情况, 因此需做进一步处理。本文对比研究了种子点扩散算法^[16]、基于形态学的膨胀滤波^{[17, 18]}等算法, 发现基于数学形态学的膨胀滤波算法可较为有效地解决空洞及不连续问题。

数学形态学是由Maragos等^[19]提出的一种以形态为基础对图像进行分析处理的数学模型。基于形态学的滤波算法目前已被广泛应用于图像处理, 其中形态学膨胀滤波算法可填充图像中的小孔和弥合小裂缝^[20], 而形态学腐蚀滤波算法则可将膨胀扩张产生的错误信息再剥蚀掉, 从而有效地使目标大小的变化保持最小。本文采用了典型的数学形态学膨胀和腐蚀算法。

设f(s, t)是输入图像, b(x, y)为结构元素, 用结构元素b对输入图像f进行灰度膨胀和腐蚀的定义分别为

(f􀱇b)(s, t)=max{f(s-x, t-y)+b(x, y)|(s-x), (t-y)∈ D_f; (x, y)∈ D_b}(2)

(fΘ b)(s, t)=min{f(s+x, t+y)+b(x, y)|(s+x), (t+y)∈ D_f; (x, y)∈ D_b}(3)

式中, D_f和D_b分别为f和b的定义域。

利用数学形态学膨胀(式(2))和腐蚀(式(3))滤波算法可有效地填充空洞, 使提取后的洪积扇信息更接近洪积扇的地理特征。但是根据目标信息自动确定滤波算子的大小是非常困难的, 因此在本次研究中只是根据经验确定了固定的结构元素, 并通过迭代的方法来弥补算子大小固定的缺陷。

首先进行洪积扇自动提取实验。图2~4是进行洪积扇自动提取实验结果截图(300像元× 300像元)。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 ETM5 4 3合成图像Fig.2 Composite imageof ETM5 4 3

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 本文方法计算结果图像Fig.3 Image processed by thealgorithm in this paper

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 改进的OTSU算法提取结果Fig.4 Extraction result byusing advanced OTSU

其中, 图2是为了对比、验证提取结果而合成的目标区域的ETM⁺5(R)、4(G)、3(B)假彩色合成图像, 该图像中水体为蓝色, 植被为绿色, 洪积扇呈浅粉色, 且扇面上分流和网流发育; 图3是基于本文提出的洪积扇提取模型处理后的图像, 该图像中洪积扇体为较亮的白色, 其阈值明显高于水体、阴影、植被及其他地类; 图4是运用改进的OTSU算法获取阈值并提取的洪积扇图像。

然后对洪积扇自动提取结果进行后处理。图5和图6分别是利用数学形态学滤波运算对洪积扇自动提取结果进行膨胀和腐蚀处理的结果。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 膨胀滤波处理结果Fig.5 Result by delation algorithm

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 腐蚀滤波处理结果Fig.6 Result by erosion algorithm

为了检验提取算法的效果, 将不同的提取结果转为矢量数据(红色)后叠加在假彩色合成图像(图2)上进行效果对比。图7、8和9是分别将图4、5和6叠加在图2上的结果, 可以看出, 提取结果总体上与假彩色合成图像中的冲积扇地形比较吻合。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 图4与图2叠加显示Fig.7 Overlap of Fig.4 and Fig.2

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 图5与图2叠加显示Fig.8 Overlap of Fig.5 and Fig.2

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 图6与图2叠加显示Fig.9 Overlap of Fig.6 and Fig.2

由于在洪积扇面上实际存在着较多的分流和网流, 因此未经膨胀处理的提取结果与发育中的洪积扇更为吻合, 但是扇面上存在空洞和不连续问题(图4、7)。膨胀处理较好地解决了扇面上存在空洞和不连续问题, 但掩盖了洪积扇面上的分流和网流等细节(图5、8); 对膨胀结果进行腐蚀运算可有效地恢复洪积扇面上的分流和网流等细节, 使处理后扇面更接近实际(图6、9)。

通过对研究区洪积扇遥感自动提取结果的实地调查证实, 该区的洪积扇冲沟发育、植被稀少, 冲沟的活跃性及其发育程度表明其具有现代洪积扇与多期洪积扇交互的特征。