項謙和，杜 娟，陳春雷，汪建光
(1.中國地質大學(武漢)，湖北 武漢 430074；
2.中國煤炭地質總局浙江煤炭地質局，浙江 杭州 310021；
3.嘉興市規劃設計研究院有限公司，浙江 嘉興 314000；
4.浙江省測繪科學技術研究院，浙江 杭州 310030)
沿海礦山生態環境修復是以計算機技術、光電技術、網絡通信技術、空間科學、信息科學為基礎，以3S技術為核心，對廢棄礦地現場及周邊進行實地踏勘、海洋地質測繪，收集礦山水文、工程、環境及地質等方面的相關資料，并在海洋地質環境條件和礦山邊坡穩定性分析的基礎上，對山體開挖、礦坑回填及生態恢復進行綜合設計，并對全過程提出嚴格的環保和安全要求的工作。由于沿海礦山實地測量耗時耗力，且在我國海岸線蜿蜒曲折的東部海岸，尤其是基巖海岸分布區，地形陡峭較難以到達，給人工實地測繪與調查帶來很大困難。隨著衛星遙感技術的發展，利用3S技術對測繪困難區域進行海岸線遙感解譯及提取成為可能，并逐漸發展成熟。
對同一場景使用相同或不同的傳感器(成像設備)，在不同條件下(天候、照度、攝像位置和角度等)獲取的兩個或多個圖像一般都會有差異。同一場景的多次成像的差別可以表現在:不同的分辨率、不同的灰度屬性、不同的位置(平移和旋轉)、不同的尺度、不同的非線性變形等。圖像配準是將不同時間、不同傳感器(成像設備)或不同條件下(天候、照度、攝像位置和角度等)獲取的同一場景的兩幅或多幅圖像進行匹配、疊加或處理的過程，是圖像處理領域的一個基礎問題。簡單來說，圖像配準就是將同一場景的不同圖像“對齊”或進行廣義的匹配，主要目的為消除圖像間存在的幾何畸變[1]。
自動配準的方法可分為兩大類:基于區域和基于特征的配準方法[2]。①基于區域的配準方法是將待配準圖像中一塊區域與參考圖像中的相同尺寸的區域在統計學上進行比較，其相似度評測標準是從兩塊區域的標準化交叉相關系數中取最大值。也可以先通過變換將圖像由時域變換到頻域，再進行配準。對位移量比較大的圖像，可以先校正圖像的旋轉，再建立兩幅圖像之何的映射關系。但如果圖像中存在比較大的噪聲和灰度差異時，這個交叉相關測量標準就變得不可靠。②基于特征的配準方法有比較高的穩健性。它有特征抽取和特征配準兩個過程。該算法首先從兩幅圖像中提取灰度變化明顯的點、線、區域、輪廓等特征形成特征集，然后在兩幅圖像對應的特征集中利用特征匹配算法選擇存在對應關系的特征對。對于非特征像素點利用插值等方法推算出對應匹配關系，從而實現兩幅圖像之間的逐像素配準?；谔卣髋錅史椒ǖ年P鍵是如何提取出穩健的特征及如何匹配特征[3-4]。提取特征一般要考慮：①是否能夠提取出可靠的特征；
②提取出的特征是否能夠找到可靠的同名點；
③特征是否具有足夠的信息來完成匹配。現有的算法中選取的特征主要有點、直線(線段)、輪廓和區域(面元)等圖像的幾何特征。
本文通過對沿海礦山進行海洋測繪與地質調查，利用實地勘測和遙感調查，結合專題圖件岸線提取和歷史資料進行分析綜合，形成并建立沿海礦山生態環境修復調查成果矢量數據庫，提出一種基于閉合區域特征的圖像配準方法，用空間關系加以約束找到同名對象即同名區域，從而實現更穩健地找到相似區域，滿足對象相似匹配的局部屬性相似及全局幾何關系上的一致性。
1.1 光譜特征—灰度均值
由于目標區域是一個像素的集合，在作了影像輻射一致性預處理后，本文認為兩幅影像同名區域之間的光譜特征具有一定相似性。這里采用灰度均值作為區域的光譜特征描述。
1.2 仿射不變矩及之間的距離
區域特征的仿射不變描述子有很多，如矩仿射不變量、形狀矩陣等。由于不變矩[6-7]對兩幅旋轉角、比例縮放較大的影像較敏感，所以本文算法取前3個作為小面元區域特征的描述。定義如下
(1)
對于基準圖像的M區域和待配準圖像的N個區域，可用M×N維的不變矩距離矩陣Dmn={dij}來表示目標區域之間的相似性。Φr(i)表示基準圖像中第i個目標區域的第k個不變矩，Φs(j)表示待配準圖像中第j個目標區域的第k個不變矩，則基準圖像第i個目標區域和待配準圖像中第j個目標區域的不變矩距離為
(2)
很顯然，距離越小，表明兩個目標區域越相似。
1.3 形狀特征
目標區域形狀特征與組成目標對象的像素分布的空間位置有關，與像素的灰度值沒有關系。上述特征的具體描述如下：
(1)面積：目標區域所包含的像素個數。
(3)圓度：它是度量區域形狀常用的量。
(4)緊湊度：它是一個描述區域形狀接近于圓形程度的量，可以用來衡量對象形狀的規則程度，其定義為
(3)
(4)
(5)區域形狀的一維描述：為了能夠方便區域對象間形狀的相似性評價，須有一個統一的描述方法，本文利用了中心—距離標記圖方法，對影像的形狀從矢量角度進行描述。中心—距離標記圖的優點在于，它可以忽略被描述區域對象的具體尺度，是一種歸一化的單純形狀的簡單描述方法，同時它還有力地克服了角度—距離標記圖法的缺陷(即當中心點落在區域對象的矢量多邊形外或矢量多邊形為非凸多邊形、有內凹的現象時，同一個角度值可能對應多個多邊形的邊界點，從而不能生成正確的矢量標記圖)。矢量標記圖實際上就是一種矢量多邊形的一維函數表達方法，本文采用的方法是首先將兩幅圖像中區域對象的多邊形進行采樣，獲取數量相同的采樣點，然后分別計算多邊形中線點到采樣點的距離，這樣實際上就構成了一條多邊形的形狀描述曲線。假設有兩個多邊形A、B，它們外形相似但存在一定的角度旋轉，利用中心—距離法對它們的形狀進行表達，形狀歸一化曲線如圖1所示。
圖1 多邊形及其形狀曲線
如果令其中一個曲線不動，而對另一個曲線相對它進行點位移動，當移動到某點x0時，兩曲線的吻合程度達到最佳吻合，也就是相似度最大，那么此最大相似度即為兩多邊形的形狀相似度，點x0就是不動曲線起始點的同名點，它們與各自所在多邊形中心點的連線相對水平方向的角度差即為兩幅圖像的旋轉角度。多邊形標記圖的比較公式為
CurveShape(A,B)=
j=0,1,2,…,m
(5)
1.4 空間特征提取
對基準圖像中的M個區域分別求取它們的重心點，記為Gr={(Xi,Yi),i=1,2,…,M}；
對待配準圖像中的N個區域分別求取重心點，記為Gs={(Xj,Yj),j=1,2,…,N}。在空間關系匹配中，每一個重心點就代表了一個區域對象。
2.1 屬性特征匹配
本文將區域對象屬性特征的匹配分成兩個步驟：
第1步是根據對象的光譜特性、仿射不變矩、形狀特征等因素綜合決定，作一個同名區域的初始選擇。因此可以把相似性定義為
Similarity(A,B)=Spectral(A,B)×Wspectral+
Invariment(A,B)×Winvariment+
Shape(A,B)×Wshape+
Compact(A,B)×Wcompact
(6)
交叉進行匹配：
對于CM中的每一對區域對象分別取其矢量多邊形，計算它們形狀曲線的最大相關系數MAX(CurveShape(Ai′,Bj′))，并計算相關系數最大時兩個多邊形之間角度的旋轉差異值θ。若
(7)
需要注意的是，當區域目標為狹長形或矩形、正方形、圓形等對稱形狀時，在計算相關系數時極容易出現不止一個峰值的情況，此時獲得的旋轉角度可能與正式的旋轉角度相差180°±σ、90°±σ等(σ為容差值)。由于這類目標通常形狀曲線的相關系數較大，角度卻與其他組相關系數很大的目標相差某一個常量，解決方法有兩種：第1種是將此類目標單獨列出，不參與特征匹配的第2步(即形狀曲線的相關)，待其他組目標區域完成形狀曲線的相關匹配后，與匹配目標一起進入空間關系約束環節；
第2種是在統計角度直方圖時根據已得到的角度峰值，判斷是否需要加減一個常量。
當完成上述屬性匹配后，篩選得到了一組按形狀曲線相關系數從大到小排列的對象CM′={(ri,si),i=0,1,2,…,m-1}，ri表示基準圖像中大區域目標，si表示待配準圖像中的區域目標。這組對象在形狀上已基本相似(若形狀曲線的相關系數≥0.9，已經可以認定這是一對同名對象)，但是考慮一方面不同位置上的目標可能具有相似的形狀，如城區中的建筑群；
另一方面不同的地物在分割后可能具有相似的形狀，因此本文從全局空間關系上再對這組目標作約束，以保證最后得到的匹配目標不僅具有局部屬性上的相似性，還具有全局空間關系上的一致性。
2.2 空間關系約束
當前中高分辨率的遙感影像主要是Gauss-Kruger投影或UTM(universal transverse mercator)投影，它們均屬于等角投影體系。在此投影體系下校正所得的遙感影像中，地物之間的角度基本保持不變，而長度和面積的變形較小。在本文中，利用這一性質對屬性匹配后的結果進行最終的確認。
用已經獲得的重心點代替目標區域本身，在基準圖像和待配準圖像中分別以各重心點構造三角網，判斷兩圖中相應的目標點構建三角形的各個對應內角是否滿足等角關系，即對應的三角形是否相似，從而對屬性匹配的區域對象進行確認。在點集匹配方法中，生長匹配法是一種常用且較成熟的算法，本文就采用了這種方法對區域目標在空間關系上進行匹配。具體步驟如下：
(2)若m≥3，首先利用遙感地物的保角性質，從CM′中任取3對目標對象，分別在兩幅對象中構建對應的三角形，計算三角形對應內角的角度差的和。如果該數值小于預設的閾值，那么就認為兩圖中的3個目標對組成的2個三角形近似相似，這3個目標對則被認為是基本匹配組。以目標點間的角度作為約束條件，對CM′中剩下的目標點進行匹配。以基本組的3個目標點對作為基礎，從CM′中逐一挑選新的目標點對加入各自圖像中，與3個基礎點構成3對新的三角形，如果兩圖中這3對新加入的三角形滿足相似條件，那么可認為新加入的目標點對相匹配，否則不能匹配。
圖像間的變換模型有多種，常用的有剛體變換、相似變換、仿射變換以及多項式變換等，本文根據最后得到的同名度區域的數量采用了兩種變換方式。經過處理后得到的同名區域數小于3對，采用相似變換模型。比例誤差可由同名對象面積比得到，得到了角度差異值和比例參數后，可以利用同名對象的質心位置計算影像間的平移誤差參數。因而這時候對影像間的匹配實際上是一種粗匹配。假設變換前后的圖像坐標分別為(x,y)和(X,Y)，則相似變換可表示為
(8)
式中，s為比例參數；
θ為逆時針方向旋轉角；
Δx、Δy分別為水平、垂直方向的平移量。經過處理后得到的同名區域數大于等于3對時，可以采用多項式糾正模型。
對具有一定重疊區域的光學影像進行了試驗，試驗結果如圖2—圖4所示。
圖2 對需要配準的兩幅影像進行基于凸面模型的多尺度分割
圖2是對兩幅影像采用基于凸面模型的多尺度分割的結果，其中圖2(a)、圖2(c)為待配準影像及對其分割的結果，圖2(b)、圖2(d)為基準影像及對其分割的結果。圖3(a)、圖3(b)分別顯示了在兩幅影像中最后確認的同名目標區域，圖4為采用仿射變換模型進行配準的結果與基準圖的疊加顯示。為了檢查配準精度，在上述試驗的影像上分別選取10對均勻分布的獨立點對，計算其均方誤差RMSE來評價。影像配準精度計算結果見表1。RMSE定義為
圖3 顯示尋找到的同名區域
表1 影像配準精度
圖4 配準后結果疊加顯示
(9)
式中，m為點數；
xi、yi為待配準影像上點的坐標；
Xi、Yi為對應參考影像上點的坐標。
從試驗結果可看出，采用面向區域的原理進行影像配準，將分割后的目標區域作為一個對象，具有良好的穩定性且特征信息豐富。本文算法從目標對象的局部特征相似性和空間關系一致性出發[8]，快速有效地實現了遙感影像的自動配準。本文以基于凸面模型的多尺度分割為基礎，對分割后的影像進行區域特征提取，結合了區域特征之間的自身相似性和它們在空間關系上的一致性原則，尋找同名區域，實現影像間的自動配準，取得了較好的結果。由于本文算法先對圖像進行了分割，再利用分割圖像尋找整幅圖像中存在的一些明顯區域，因此算法的可靠性在一定程度上依賴于分割算法的優劣。
本文從地物遙感光譜特征出發對遙感影像中的岸線進行判讀解譯，快速有效地實現了遙感影像的快速自動配準，有助于促進沿海礦山生態修復權屬調查工作準確快速找準切入點，對人工實地測量調查難以企及的地區有較好的互補作用。沿海礦山生態修復調查工作中，應注意與宗地、海籍權屬調查同步結合，更加清楚地把握范圍線、岸線、土地所有權、土地權屬、土地性質及海域資源使用現狀，為更加準確地確定沿海礦山生態修復項目權屬界址線位置提供了依據與保障。
通過生態環境修復方案的實施，利用綜合礦區周邊交通結構、自然地形和康養資源的現狀，根據上述布局原則及康養產業空間發展戰略，結合礦區自然生態優化和未來康養產業發展的需要，規劃以礦區為核心、以礦區為特色化、以周邊有機農業為基質、以海岸線或鄉村民居為補充的空間差異戰略，在此基礎上逐步恢復和重建礦山生態系統，達到與周邊環境的協調發展，實現高效綜合利用。
猜你喜歡同名多邊形形狀同名西江月(2021年3期)2021-12-21多邊形的藝術少年漫畫(藝術創想)(2020年2期)2020-06-15多邊形內外角問題的巧解中學生數理化·八年級數學人教版(2017年2期)2017-03-25三 人 行連環畫報(2016年10期)2016-12-16火眼金睛小天使·五年級語數英綜合(2016年12期)2016-12-09分一半小朋友·聰明學堂(2015年7期)2015-11-30曹 操連環畫報(2010年2期)2010-10-26心的形狀中學生英語·中考指導版(2008年6期)2008-12-19有關多邊形邊數問題的思考方法中學生數理化·七年級數學華師大版(2008年4期)2008-06-14精析多邊形中學生數理化·七年級數學人教版(2008年3期)2008-06-10