基于对象的地裂缝分步提取方法研究与应用

图1 研究区位置图

Fig.1 Location of study area

1.2 数据源及其预处理

数据源为2015年2月13日的GeoEye遥感影像,该时期植被覆盖度低,地裂缝在遥感影像上容易识别。地裂缝宽度一般大于0.5 m^[11],低空间分辨率遥感影像会丢失地裂缝信息,本文实验影像空间分辨率为0.44 m,能够满足地裂缝识别要求。基于B4(R),B3(G),B2(B)合成影像完成辐射定标、大气校正和辐射增强等预处理。本次辐射定标采用绝对定标,将DN值转换为光谱辐亮度,利用ENVI的FLAASH模型对影像进行大气校正消除大气分子和气溶胶散射等因素对地物反射的影响,然后通过辐射增强加强遥感影像上地裂缝的显示。

2 基于对象地裂缝分步提取方法设计

本文技术流程如图2所示,其中虚线框中为基于对象地裂缝分步提取方法,方法总共分为3步: 首先,根据地裂缝与其他地物在光谱和几何特征上的差异,采用掩模技术去除部分异于地裂缝的地表形态,排除其他地表信息对后续步骤的干扰; 然后,基于掩模结果,利用Canny边缘检测算子提取线性特征,去除不具有线性特征的地表形态; 最后,计算线性特征的分形维数,排除非地裂缝的其他线性地物,进而提取出第2步结果中的地裂缝信息,实现遥感影像的地裂缝提取。本次研究过程中,掩模处理可以有效降低后续地裂缝信息提取的难度,能够避免地裂缝特征提取的不完整性,提高方法效率; 引入分形维数特征增加地裂缝与其他线性干扰对象的区分度,提高地裂缝信息提取精度。

图2

图2 技术流程图

Fig.2 Flow chart of proposed method

2.1 基于对象的掩模处理

基于对象的掩模处理主要包括影像分割、光谱特征提取和几何特征提取3个部分。本文采用多尺度分割方法进行影像分割^[12],该方法通过合并相邻的像素和小的分割对象,保证对象与对象之间平均异质性最大、对象内部像元同质性最大,在此基础上提取地裂缝的光谱和几何特征。

2.1.1 影像分割

分割尺度影响着地裂缝提取的精度^[13],通过对试验区的多次实验,本文设置形状因子为0.3,紧致度因子为0.6,分割尺度为50。图3是在固定形状因子和紧致度因子的情况下不同分割尺度的结果对比,可以看出分割尺度为30时,试验区被分割得过于破碎,例如图3(a)中a和b处地裂缝内部被分为多个不同对象,提取过程容易漏掉一些内部对象,造成提取结果不完整; 当分割尺度为70时,试验区被过度分割,使得分割的对象中包含了其他地物,如图3(c)中a和b处地裂缝与周围其他地物被分割为同一个对象,容易导致地裂缝被遗漏; 而分割尺度为50的结果使得地裂缝的分割结果相对完整,有利于地裂缝对象的完整提取,如图3(b)中a和b处的地裂缝分割相对最为完整。

图3

图3 不同分割尺度结果对比

Fig.3 Results of different segmentation scales

2.1.2 光谱特征分析

光谱信息是遥感影像分类中提取纹理和形状的最主要、最直接的信息。地裂缝虽然不是一种物质对象,但其具有一定的深度,且宽度较窄,导致光线反射率低,在遥感影像上通常表现为较低亮度。本次研究中的光谱特征为影像对象在不同波段的亮度平均值,计算公式为

(1)

{\overset{—}{C}}_{i, j} = \frac{1}{m} \overset{m}{\sum_{k = 1}} C_{i, k}

式中: ${\overset{—}{C}}_{i, j}$ 为对象 $j$ 在 $i$ 波段的反射率平均值, $j = 1,2, \dots, n$ , $i = 1,2, 3,4$ ; $C_{i, k}$ 为像元 $k$ 在 $i$ 波段的值, $k = 1,2, \dots, m$ ; $m$ 为构成对象的像元个数; $n$ 为影像中包含的对象个数。

逐一统计试验区每个对象内部的亮度平均值,得到GeoEye影像上地裂缝的蓝(B)、绿(G)、红(R)及近红外(NIR)波段光谱范围,且各波段反射率值在某一值域范围内呈现近似正态分布,由此确定地裂缝光谱范围,结果见表1。

表1 地裂缝光谱范围

Tab.1 Spectral threshold range of ground fissure

2.1.3 几何特征分析

利用几何特征能够识别影像上具有一定形态的地物,对形状的描述有规则的几何形状和不规则的几何形状^[14]。由于地裂缝的延伸性通常较好,本次采用延长线和圆度反映地裂缝几何特征,即

(2)

E_{i} = \frac{R_{i}}{r_{i}}

(3)

O_{i} = \frac{4 S_{i}}{π R_{i}^{2}}

式中: $E_{i}$ 为地裂缝对象 $i$ 的延长线值; $R_{i}$ 为 $i$ 的最大直径; $r_{i}$ 为 $i$ 的最小直径; $O_{i}$ 为 $i$ 的圆度值; $S_{i}$ 为 $i$ 的面积。考虑到地裂缝边界不规则,且周围有其他地物的干扰,因此还选择了紧密度反映地裂缝的几何特征,即

(4)

C_{i} = \frac{\sqrt[]{\frac{4 S_{i}}{π}}}{L_{i}}

式中: $C_{i}$ 为地裂缝对象 $i$ 的紧密度值; $S_{i}$ 为 $i$ 的面积; $L_{i}$ 为 $i$ 的外轮廓周长。

另一方面,研究区的地裂缝宽度较小(约0.40.9 m),导致面积较小,因此面积也将作为本次地裂缝的几何特征之一,以提高地裂缝的提取精度。对象i面积的计算公式为

(5)

S_{i} = \frac{\overset{K_{i}}{\sum_{k = 1}} (x_{k} y_{k + 1} - x_{k + 1} y_{k})}{2}

式中: $S_{i}$ 为地裂缝对象 $i$ 的面积; $k$ 为 $i$ 的第 $k$ 个顶点; K_i 表示第 $i$ 个对象的总顶点数; x和y分别为 $i$ 的行、列号。

通过对影像中试验区地裂缝的几何特征范围进行统计,得到地裂缝几何特征的阈值范围,结果见表2。

表2 地裂缝几何特征阈值范围

Tab.2 Geometric feature threshold range of ground fissure

2.1.4 掩模处理结果

根据建立的光谱和几何特征规则,通过掩模处理的方式分别去除不符合规则的地表形态,减少对后续地裂缝提取的干扰。掩模后的结果如图4所示,并在此结果基础上,进行后续线性特征的分步提取。

图4

图4 掩模处理结果

Fig.4 Results of mask processing

2.2 线性特征分析

线性特征是地裂缝区别于其他地质灾害的主要特征。遥感影像上的线性特征是指在形态上呈现直线或者弧线状的地物特征,定义标准为: 沿某一方向延伸的直线或者弧线,且长度大于宽度并具有很小的形状指数值^[10]。线性特征在遥感影像中表现出的特征主要有3类: ①线性体在空间频谱特征为高频组分; ②波谱特征与两侧块体具有差异; ③影像结构表现为边缘或线条。边缘检测方法^[15]是提取线性特征的主要方法,有Roberts,Sobel,Log和Canny边缘检测算子等。Canny算子相对于传统的一阶微分算子来说比较复杂,运算量大,但是其检测能力和定位精度都比较好,较适合影像中线性特征的识别。Canny算子通过设置信噪比准则、定位精确准则和单边缘响应准则保证提取的高精度^[16]。因此,本文采用基于Canny边缘检测算子提取线性特征。

使用Canny算子处理前后的影像如图5。图5(a)中c和d为2处地裂缝,对原影像进行Canny边缘检测处理后,得到图5(b)中明显看到提取出来的2处地裂缝的线性特征,但影像上也伴随着大量异于地裂缝的其他地表线性要素(如e和f处的山脊线等),不利于地裂缝的精确提取。因此,需要排除大量地表要素的干扰,准确提取线性特征。

图5

图5 Canny算子线性提取对比

Fig.5 Comparison of Canny operator linear extraction

基于掩模去除试验区干扰要素后再提取线性特征结果如图6所示,在此结果基础上,通过引入分形特征来判定线性特征是否为地裂缝。这是本文精确提取地裂缝的重点。

图6

图6 试验区线性特征提取结果

Fig.6 Results of linear feature extraction in test area

2.3 分形特征分析

分形是对没有特征长度但具有一定自相似图形和结构的总称^[17],分形维数是其定量的描述。对于遥感影像,分形维数能够反映影像的空间复杂性^[18],可以区别影像上的地裂缝和其他线性地物。

计算分形维数的方法有很多,其中计盒法^[19]是在影像处理领域应用较早且广泛的方法。本次采用该方法计算所提取线性特征的分形维数。设 $F$ 是 $R^{n}$ 中的一个非空有界集合, $N_{δ} (F)$ 是直径最大为 $δ$ 可以覆盖 $F$ 的集的最少个数,则 $F$ 的下、上计盒维数分别定义为

(6)

{\bar{\dim}}_{B} F = \underset{δ \to 0^{+}}{\lim^{¯}} \frac{\log N_{δ} (F)}{- \log δ}

(7) ${\bar{\dim}}_{B} F = \bar{\lim_{δ \to 0^{+}}} \frac{\log N_{δ} (F)}{- \log δ}$ 。

如果这2个值相等,则称这个值为 $F$ 的计盒维数,记为 $di m_{B} F$ ,即

(8)

di m_{B} F = \lim_{δ \to 0^{+}} \frac{\log N_{δ} (F)}{- \log δ}

式中 $N_{δ} (F)$ 可以是下列2个数中的任一个: ①覆盖 $F$ 的边长为 $δ$ 的最少立方体; ②覆盖 $F$ 的直径最大为 $δ$ 的集的最少个数。

基于Canny算子提取的具有线性特征的地物,通过计算其分形维数区分出非地裂缝的线性地物。发现试验区中非地裂缝的分形维数都小于0.6,而地裂缝的分形维数值均在0.6以上。

3 试验区地裂缝提取结果及精度评价

3.1 地裂缝提取结果

基于分步方法进行试验区地裂缝提取结果见图7,共提取出8条地裂缝,其中精确提取6条(提取出的地裂缝长度和实地踏勘略有差异,位置精确),错提2条。另有漏提1条。从提取的结果图可以看出,利用分步方法提取的地裂缝边缘连续性较好,体现了地裂缝的延伸特征。

图7

图7 试验区地裂缝提取结果

Fig.7 Results of ground fissures extraction in test area

3.2 精度评价

以实地踏勘结果和高空间分辨率影像上目视解译结果作为参照,计算地裂缝的正确提取率和错误提取率2个指标来评价地裂缝提取结果的精度。此外,分别与传统的监督分类和知识模型^[6]提取结果(图8)进行了比较。精度评价结果见表3,表中地裂缝的正确提取率和错误提取率分别为地裂缝提取的正确条数、错误条数与实际地裂缝总条数的比值。监督分类和知识模型提取地裂缝的正确提取率分别为57.1%和71.4%,错误提取率分别为85.7%和71.4%; 而利用本文方法地裂缝的正确提取率为85.7%,错误提取率为28.6%,均优于监督分类和知识模型的提取结果。

图8

图8 试验区监督分类和知识模型提取结果图

Fig.8 Supervised classification and knowledge model extraction results in test area

表3 试验区地裂缝提取结果精度评价

Tab.3 Accuracy assessment results of ground fissure extraction in test area

提取方法	正确提取数/条	错误提取数/条	提取总数/条	实际总数/条	正确提取率/%	错误提取率/%
本文方法	6	2	8	7	85.7	28.6
监督分类方法	4	6	10	7	57.1	85.7
知识模型方法	5	5	10	7	71.4	71.4

4 研究区地裂缝提取及分析

4.1 地裂缝提取结果与精度验证

本文方法在整个研究区共提取出地裂缝12条,根据地裂缝提取结果进行野外踏勘验证,并基于Google Earth对整个研究区进行目视解译,得到研究区地裂缝共14条。经检验,12条地裂缝中错提2条,精确提取10条,提取精度为71.4%。而监督分类和知识模型方法对整个研究区地裂缝的提取精度分别为50.0%和64.3%。本文方法错误提取的主要原因是由于线性特征提取中线性边缘提取不准确,导致误提取2条地裂缝。这个问题是后续研究的重点,即线性提取算法有待进一步研究,以进一步提高地裂缝的提取精度。

4.2 地裂缝分布特征分析

整个研究区提取的地裂缝分布如图9所示。由图看出,地裂缝主要分布在煤矿开采区周围以及地势比较高的区域。对地裂缝延伸方向做方向玫瑰图(图10)发现研究区内地裂缝主要以NE-SW走向为主,NW-SE走向次之,而E-W和S-N走向几乎为0。

图9

图9 研究区地裂缝提取结果图

Fig.9 Results of ground fissures extraction in study area

图10

图10 研究区地裂缝方向玫瑰图

Fig.10 Direction of crack in study area

利用空间分析软件ArcGIS分析研究区地裂缝,讨论地裂缝分布的影响因素。

1)地裂缝与煤矿开采区的关系。由提取结果可知地裂缝主要分布在煤矿开采区及其附近。对煤矿开采区分别作50 m,100 m和500 m的缓冲区分析,并统计不同缓冲区内的地裂缝个数(表4)。可以看出,地裂缝主要分布在煤矿开采区50 m范围内,随着与采空区的距离增大,地裂缝个数明显减少。

表4 煤矿开采区不同缓冲区内地裂缝个数统计表

Tab.4 Result of the amount of ground fissures located in different buffer zone of coal mining

缓冲区距离/m	[0,50)	[50,100)	[100,500)	≥500
地裂缝数/条	6	2	1	1

2)地裂缝与区内地形的关系。叠合研究区等高线数据,统计间隔50 m等值线区域的地裂缝条数信息(表5),可以看出,地裂缝个数随地形相对高差的增大呈现增多的趋势,但关系不很显著。

表5 地形等间距的地裂缝个数统计表

Tab.5 Result of ground fissures number in different buffer zone of topography

等高线/m	[0,1 350)	[1 350,1 400)	[1 400,1 450)	≥1 450
地裂缝数/条	0	3	3	4

DOI:10.3969/j.issn.1672-0652.2011.07.013 URL [本文引用: 1]

5 结论

本文提出了基于对象的地裂缝分步提取方法,在影像对象的基础上结合多种特征规则分步提取地裂缝,提取的正确率达到了85.7%。通过分析研究结果,得出以下结论:

1)与知识模型和监督分类方法相比,本文方法的提取精度更高,表明该方法在提高地裂缝提取精度方面有一定的实用价值,为矿区地裂缝提取提供了新思路。

2)地裂缝主要分布在煤矿开采区附近,且基本集中在采空区和煤矿缓冲区500 m内,采空区和煤矿缓冲区500 m以外地裂缝很少。

3)虽然本文方法在提取地裂缝精度有一定的提高,但是由于提取过程中结合了矿区地裂缝的光谱和几何特征,如果在环境相对复杂的城区,地裂缝的提取精度将会受到影响。因此城区等复杂区域地裂缝的提取方法将是下一步研究的内容。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

符继卫

矿区采空塌陷与地裂缝灾害探析

[J]. 山西焦煤科技, 2011,35(7):46-48.

采空塌陷与地裂缝灾害是由采煤所引发的地质灾害之一,对矿区的生态环境和经济发展产生了重大影响.分析了矿区采空塌陷与地裂缝地质灾害的形成原因与影响因素,探讨了采空塌陷与地裂缝的危害,并对采空塌陷与地裂缝进行了分级评价.从建立地质灾害信息系统和管理两个角度,提出了采空塌陷与地裂缝灾害防治建议.

Fu J

Discussion on mining subsidence and ground fissures

[J]. Shanxi Coking Coal Science and Technology, 2011,35(7):46-48.

[2]

Xu L

, Li S

, Cao X

, et al.

Holocene intracontinental deformation of the northern North China Plain:Evidence of tectonic ground fissures

[J]. Journal of Asian Earth Sciences, 2016,119(9):49-64.

DOI:10.1016/j.jseaes.2016.01.003 URL [本文引用: 1]

Following the collecting and analyzing of field data on the geometry and kinematics characteristics of ground fissures in the northern North China Plain (NNCP), this paper shows that en échelon ground fissures or tectonic ground fissures with a length of several meters to tens of kilometers extending along active faults are possibly controlled by underlying active faults. There are two groups of tectonic ground fissures developed in the NNCP. One group consists of ENE-trending “right-stepping” ground fissures, some of which have a component of sinistral motion. The other group is NNE-trending “left-stepping” ground fissures with dextral motion. A large amount of data from trenches, boreholes and seismic exploration reflect that they are active-faulting-related. The NNW-trending regional extensionalstress field and the reactivation of pre-existing faults are the major factors controlling ground fissures. Data from the Quaternary sedimentary records, deep incised valleys, the distribution of earthquakes and ground fissures, and our field work show that the Holocene intracontinental deformation of the NNCP is characterized by intense faulting and northwestward tilting, which may be related to a NNW-SSE-oriented tensional stress field in the shallow crust and asthenospheric upwelling in the mantle.

[3]

Peng J

, Qiao J

, Leng Y

, et al.

Distribution and mechanism of the ground fissures in Wei River Basin,the origin of the Silk Road

[J]. Environmental Earth Sciences, 2016,75(8):718.

DOI:10.1007/s12665-016-5527-3 URL [本文引用: 1]

Wei River Basin (WRB) is the origin of the ancient and new Silk Road, and it is located in Southern Fen Wei Graben System, China. Since 1950s, hundreds of ground fissures have formed in this affluent...

[4]

赵炜

基于GIS、RS技术的陕北煤炭开发区地裂缝信息的自动提取

[D]. 西安:长安大学, 2009.

Zhao

Based on the GIS and RS Technology of Remote Sensing of Cracks in the Coal Mining Area in North Shaanxi

[D]. Xi’an:Chang’an University, 2009.

DOI:10.3969/j.issn.1674-8492.2011.05.010 URL [本文引用: 1]

[5]

王娅娟, 孟淑英, 李军 , 等.

地裂缝信息遥感提取方法研究

[J]. 神华科技, 2011,9(5):31-33,39.

利用0.6m高分辨率QuickBird影像进行采空区地裂缝提取方法研究,主要根据大柳塔采空区地裂缝的发育情况,对处理后的影像利用方向性特征增强算子进行地裂缝信息提取,提取结果和实地调查结果吻合。

Wang Y

, Meng S

,Li

et al.

Study on remote sensing extraction of cracks information

[J]. Shen Hua Science and Technology, 2011,9(5):31-33,39.

[6]

魏长婧, 汪云甲, 王坚 , 等.

无人机影像提取矿区地裂缝信息技术研究

[J]. 金属矿山, 2012,41(10):90-92,96.

DOI:10.3969/j.issn.1001-1250.2012.10.024 URL Magsci [本文引用: 2]

针对矿区地裂缝信息提取问题展开研究，采用无人机影像和TM影像为数据源，通过提取研究区的纹理特征、线性特征、分形维数、NDVI值以及光谱特征，利用ERDAS软件建立知识模型，成功提取出矿区地裂缝信息分布图，并对提取结果进行精度验证，证明该方法具有较高的精度。

Wei C

, Wang Y

,Wang

et al.

The technical research of extracting ground fissure information in mining area with the UAV image

[J]. Metal Mine, 2012,41(10):90-92,96.

Magsci [本文引用: 2]

[7]

Wang Y

, Tian

, Huang

, et al.

Monitoring coal fires in Datong coalfield using multi-source remote sensing data

[J]. Transactions of Nonferrous Metals Society of China, 2015,25(10):3421-3428.

DOI:10.1016/S1003-6326(15)63977-2 URL [本文引用: 1]

Numerous coal fires burn underneath the Datong coalfield because of indiscriminate mining. Landsat TM/ETM, unmanned aerial vehicle (UAV), and infrared thermal imager were employed to monitor underground coal fires in the Majiliang mining area. The thermal field distributions of this area in 2000, 2002, 2006, 2007, and 2009 were obtained using Landsat TM/ETM. The changes in the distribution were then analyzed to approximate the locations of the coal fires. Through UAV imagery employed at a very high resolution (0.2 m), the texture information, linear features, and brightness of the ground fissures in the coal fire area were determined. All these data were combined to build a knowledge model of determining fissures and were used to support underground coal fire detection. An infrared thermal imager was used to map the thermal field distribution of areas where coal fire is serious. Results were analyzed to identify the hot spot trend and the depth of the burning point.

[8]

肖春蕾, 郭兆成, 张宗贵 , 等.

利用机载LiDAR数据提取与分析地裂缝

[J].国土资源遥感, 2014(4):111-118.doi: 10.6046/gtzyyg.2014.04.18.

URL [本文引用: 1]

机载激光扫描可获取植被茂密地区的数字地形模型(DTM),但将其用于茂密植被覆盖区地裂缝提取方法的研究还不多见。以湖南冷水江市浪石滩为试验区,基于机载Li DAR的激光点云数据,研究了植被覆盖区地裂缝的提取方法,分析了地裂缝的微地貌特征。首先对离散的三维激光点云数据依次进行基于不规则三角网滤波、高程滤波及回波信息强度滤波提取地面点,以保留完整的微地貌微特征;然后构建不规则三角网,反距离加权内插生成数字高程模型(DEM),提取地裂缝识别参数,同时基于最小曲率对地裂缝进行线性探测,提取地裂缝的长度信息,且利用地裂缝剖面信息分析其微特征,结合识别参数分析地裂缝的稳定性。研究结果表明:利用机载Li DAR点云数据提取的地裂缝识别参数,能够确定地裂缝的位置、坡度坡向、长度和深度信息,有助于判定地裂缝的稳定性;在植被较为茂密、地面点密度稀疏的区域,保留一定的低矮植被所提取到的DEM能更好地保留地裂缝的微地貌特征。

Xiao C

, Guo Z

, Zhang Z

, et al.

Extraction and analysis of ground fissures from airborne LiDAR data

[J]. Remote Sensing for Land and Resources, 2014,26(4):111-118.doi: 10.6046/gtzyyg.2014.04.18.

[9]

Gruen

, Li

Semi-automatic linear feature extraction by dynamic programming and LSB-Snakes

[J]. Photogrammetric Engineering and Remote Sensing, 1997,63(8):985-995.

[10]

李朝锋

. 遥感图像智能处理[M]. 北京: 电子工业出版社, 2007.

[本文引用: 2]

Li Z

Intelligent Processing of Remote Sensing Images[M]. Beijing: Pubshing House of Electronics Industry, 2007.

[本文引用: 2]

[11]

Peng J

, Sun X

, Wang

, et al.

Characteristics of land subsidence,earth fissures and related disaster chain effects with respect to urban hazards in Xi’an,China

[J]. Environmental Earth Sciences, 2016,75(16):1190.

DOI:10.1007/s12665-016-5928-3 URL [本文引用: 1]

The ancient capital of Xi’an is a typical city in China with a shortage of water resources. With an urban population of 7 million, its domestic and industrial use of water depends almost entirely on...

[12]

张正健, 李爱农, 雷光斌 , 等.

基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例

[J]. 生态学报, 2014,34(24):7222-7232.

DOI:10.5846/stxb201310112439 Magsci [本文引用: 1]

山区遥感影像变化检测面临地形效应明显、空间异质性高等不利因素的影响,构建适用于复杂地形条件的变化检测方法一直是遥感应用研究的难点.在对影像进行多尺度分割的基础上,构建对象的多种光谱、形状及地形特征,将地形阴影、物候等造成的虚假变化当作"未变化"训练样本,利用决策树算法自动提取检测规则,建立复杂地形条件下面向对象的遥感影像变化检测方法,并将该方法用于四川攀西山区1989年和2009年TM影像的检测试验,最后对方法的不足和改进措施进行了讨论.主要结论包括:(1)文中构建的方法能够有效减弱山区复杂地形条件对遥感影像变化检测的不利影响,采用地面调查数据和分层随机采样的总体验证精度为93.57%,Kappa系数为0.8706.(2)C5.0决策树算法对于只有"变化"和"未变化"两种类别且同类间训练样本高度异质化的影像分类仍能取得较好的效果,具有较好的鲁棒性和适应能力.通过将地形、物候等引起的虚假变化当作"未变化"训练样本可以有效提高检测精度.(3)光谱特征仍是TM影像遥感分析的主要信息源,影像间NDVI的差值对于植被覆盖区域土地覆盖格局变化的检测具有良好的表征作用.(4)攀西地区1989-2009年间土地覆盖格局变化明显且与人类活动关系密切,典型的驱动方式包括退耕还林(草)工程、水利工程建设和矿山开采等.共检测出变化面积740.2km2,占影像总面积的2.49%.

Zhang Z

, Li A

, Lei G

, et al.

Change detection of remote sensing images based on multiscale segmentation and decision tree algorithm over mountainous area:A case study in Panxi region,Sichuan Province

[J]. Acta Ecologica Sinica, 2014,34(24):7222-7232.

DOI:10.6041/j.issn.1000-1298.2016.09.044 URL [本文引用: 1]

[13]

鲁恒, 付萧, 李龙国 , 等.

最优分割尺度支持下高分遥感影像水土资源信息分类

[J]. 农业机械学报, 2016,47(9):327-333.

为提升水土资源信息分类精度，以无人机航拍获取的高分辨率影像为实验对象，提出了最优分割尺度和决策树支持下的对象级影像分类方法。首先，根据影像内部的同质性和异质性，建立了分割质量函数，通过该函数获取了最优分割尺度；然后，提出了基于光谱信息和面积信息的最优分割尺度评价模型对分割结果进行评价；最后，引入决策树规则机制，完成了水土资源信息分类，并与最大似然法分类结果进行对比。研究结果表明：所建立的分割质量函数能准确获取最优分割尺度，有效避免了人工分割带来的主观性，所提方法分类总体精度为86．78％，最大似然分类方法总体精度为77．59％，在分类精度上有较大提升。

, Fu

, Li L

, et al.

Soil and water resources information classification in high resolution images with optimal segmentation scale

[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016,47(9):327-333.

[14]

宫兆宁, 赵雅莉, 赵文吉 , 等.

基于光谱指数的植物叶片叶绿素含量的估算模型

[J]. 生态学报, 2014,34(20):5736-5745.

DOI:10.5846/stxb201301250160 URL Magsci [本文引用: 1]

叶绿素是光合作用能力和植被发育阶段的指示器，是监测湿地植被生长健康状况的重要指标之一；高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法。为保证被探测叶片面积相同，消除背景反射、叶片表面弯曲造成的光谱波动及叶片内部变异造成的影响，研究采用Field Spec 3光谱仪加载手持叶夹式叶片光谱探测器，测定野鸭湖湿地典型植物的叶片高光谱反射率数据，同时通过分光光度计室内测定相应叶片的叶绿素含量。采用相关性及单变量线性拟合分析技术，建立二者的关系模型，包括叶绿素含量与"三边"参数的相关模型以及比值光谱指数（SR）模型和归一化差值光谱指数（ND）模型，并采用交叉检验中的3K-CV方法对估算模型进行模型精度检验。结果表明：植物叶片叶绿素含量与"三边"参数大多都呈极显著相关，相关系数最大达到0.867；计算光谱反射率组成的比值（SR）和归一化（ND）光谱指数与叶绿素含量的决定系数，总体相关性比较高，较好的波段组合均为550-700nm与700-1400nm以及550-700nm与1600-1900nm，与叶绿素含量相关性最好的指数分别是SR（565nm，740nm）和ND（565nm，735nm）。并通过选取相关性最佳的光谱特征参数，分别基于"三边"参数和ND模型指数构建了植物叶片叶绿素含量的估算模型。其中，基于红边位置（WP_r）光谱特征参数和ND（565nm，735nm）光谱指数建立的叶绿素含量估算模型，取得了较好的测试效果，检验拟合方程的决定系数（R2）都达到0.8以上，估算模型分别为y=0.113x-78.74，y=5.5762x+4.4828。通过3K-CV方法进行测试和检验，植物叶绿素含量估算模型均取得了较为理想的预测精度，预测精度的分别为93.9%及90.7%。高光谱遥感技术对植被进行微弱光谱差异的定量分析，在植被遥感研究与应用中表现出强大优势，为植物叶绿素含量诊断中的实际应用提供了重要的理论依据和技术支持。

Gong Z

, Zhao Y

, Zhao W

, et al.

Estimation model for plant leaf chlorophyll content based on the spectral index content

[J]. Acta Ecologica Sinic, 2014,34(20):5736-5745.

[15]

王今飞

遥感卫星图像中线性地质特征的自动提取

[J]. 第四纪研究, 2000,20(3):252-258.

DOI:10.3321/j.issn:1001-7410.2000.03.006 URL Magsci [本文引用: 1]

从卫星遥感图像上识别和提取与地质构造有关的线性特征是遥感技术在第四纪地质学中的一个很重要的应用方向。现有的遥感技术多采用单波段遥感图像，提取的线性特征通常不够完整。本文介绍一种用多波段遥感图像提取线性地质特征的方法。此方法采用作者研究开发的一种线性特征网络提取和分析系统，称为LINDA系统。结果表明，多波段线性特征提取方法比已有的单波段方法得到了更为满意的线性特征结果。

Wang J

Automated geologic lineament detection from satellite remote sensing imagery

[J]. Quaternary Sciences, 2000,20(3):252-258.

DOI:10.3969/j.issn.1006-7949.2014.12.001 URL [本文引用: 1]

[16]

吴俐民, 於雪琴, 黄亮 .

FCM聚类算法协同Canny算子的遥感影像边缘检测方法

[J]. 测绘工程, 2014,23(12):1-4.

提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法,算法采用中值滤波消除原始遥感影像中的非高斯噪声;采用FCM(Fuzzy C-mean)聚类算法将滤波处理后的遥感影像中的像素分为两类:边缘类像素和非边缘类像素,并得到聚类影像;最后采用Canny算子对聚类影像进行边缘检测得到遥感影像地物边缘信息。实验结果表明,文中提出的方法能有效消除遥感影像中的混合噪声并准确地检测出地物目标的边缘,是一种有效的遥感影像边缘检测方法。

Wu L

, Yu X

, Huang

Edge detection method of remote sensing images based on FCM clustering algorithm and canny operator

Engineering of Surveying and Mapping, 2014,23(12):1-4.

DOI:10.3969/j.issn.1006-4311.2010.05.080 URL [本文引用: 1]

[17]

孙少林, 马志强, 汤伟 .

灰度图像二值化算法研究

[J]. 价值工程, 2010,29(5):142-143.

在很多图像处理的过程中，经常需要对灰度图像进行二值化。本文对几种常用的图像二值化算法进行了阐述，并通过仿真，进行比较研究。根据实验结果，阐明了各种算法的优缺点。

Sun S

, Ma Z

, Tang

Research on gray-level image binarization algorithms

[J]. Value Engineering, 2010,29(5):142-143.

[18]

Mandelbrot B

The fractal geometry of nature

[J]. The Quarterly Review of Biology, 1983,58(3):412-413.

DOI:10.1119/1.13295 URL [本文引用: 1]

Clouds are not spheres, mountains are not cones, and lightening does not travel in a straight line. The complexity of nature's shapes differs in kind, not merely degree, from that of the shapes of ordinary geometry, the geometry of fractal shapes. Now that the field has expanded greatly with many active researchers, Mandelbrot presents the definitive overview of the origins of his ideas and their new applications. "The Fractal Geometry of Nature" is based on his highly acclaimed earlier work, but has much broader and deeper coverage and more extensive illustrations.

[19]

宋晓夏, 唐跃刚, 李伟 , 等.

中梁山南矿构造煤吸附孔分形特征

[J]. 煤炭学报, 2013,38(1):134-139.

DOI: URL Magsci [本文引用: 1]

采集华蓥山煤田中梁山南矿9个有代表性的煤层样品进行低温氮吸附实验，分析构造煤吸附孔分形特征及分形维数与气体吸附能力的关系。低温氮吸附、解吸曲线表明不同变形序列构造煤在相对压力0.5~1.0范围内吸附特征各异。在此基础上，运用分形FHH方法得到构造煤分形维数D。研究表明：分形维数D可以表征构造煤吸附孔孔径结构和孔表面的变化关系；分形维数越高，微孔含量越多，孔表面越不规则，孔隙结构非均质性愈强；分形维数大小可反映煤的吸附能力，分形维数增高，吸附能力增强。因此，由构造变形增强引起的高分形维数和复杂的孔隙结构显示出更高的吸附能力。

Song X

, Tang Y

, Li

, et al.

Fractal characteristics of adsorption pores of tectonic coal from Zhongliangshan southern coalmine

[J]. Journal of China Coal Society, 2013,38(1):134-139.