一种圆形墓葬遗迹的遥感探测识别方法及系统

技术领域

本发明涉及遥感考古探测技术领域，尤其涉及一种圆形墓葬遗迹的遥感探测识别方法及系统。

背景技术

我国西部干旱半干旱地区面积广阔，古代遗址数量众多，尤其在无人区分布着大量的古代墓葬，考古调查难度极大，需要花费大量的人力、物力。而这些墓葬遗迹往往很少受到人为的干扰，主要类型为带有封土堆的石堆墓、土石混合墓以及无封土堆的石圈墓，在高分辨率卫星影像上呈现出圆形的形状特征，可通过遥感的手段进行探测识别。目前广泛应用的亚米级高分辨率卫星影像为田野考古调查提供了充足的数据保障。在新疆开展的第三次文物普查中，应用快鸟、ALOS高分辨卫星影像并结合Google earth进行了大范围的遥感考古调查，发现了千余处古代墓葬遗迹，为田野考古调查提供了重要的技术支撑。但这种遥感解译的方法费时耗力，同时还需要解译人员具有丰富的先验知识。采用自动或半自动的方式能够在探测识别效率上取得突破，但有时准确率无法满足要求，仍需要人工筛查。如何提高遥感探测和识别的准确率，是本领域亟待解决的关键技术问题。

发明内容

针对现有古代墓葬遥感探测识别技术存在的问题，本发明提供一种圆形墓葬遗迹的遥感探测识别方法及系统，通过边缘局部方向检测算法提取圆形墓葬的疑似目标，采用基于光谱、纹理、几何特征的CART决策树分类方法，进一步对疑似的墓葬遗迹进行自动识别。该方法提取出的墓葬信息准确率高，可有效实现西部干旱半干旱地区的圆形墓葬遗迹的提取识别。

为达到上述目的，本发明提供了一种圆形墓葬遗迹的遥感探测识别方法，包括：

获取待探测区域的全色与多光谱高分辨率遥感图像，并进行预处理得到处理后的全色影像和多光谱影像；

对预处理后的全色影像进行灰度级量化处理得到灰度影像；

在灰度影像上，运用基于边缘局部方向检测的方法，初步提取圆形考古目标；

在预处理后的全色与多光谱影像上，利用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型；

采用该分类识别模型对所提取的圆形考古目标进行分类，分为疑似墓葬和非墓葬两类；

针对分类为疑似墓葬的圆形考古目标，在全色影像和多光谱影像上，基于影像上的形状、尺寸、色调、纹理、位置及其组合特征验证分类后的疑似墓葬是否为墓葬遗迹；

对验证后的圆形考古目标进行登记，按照需求输出探测结果。

进一步的，所述预处理包括辐射校正、配准和镶嵌。

进一步的，所述对预处理后的全色影像进行灰度级量化处理得到灰度影像，包括：

将预处理后的全色影像压缩为8Bit的灰度影像，并使用圆形均值滤波器抑制噪声。

进一步的，运用基于边缘局部方向检测的方法，初步提取圆形考古目标，包括：

在灰度影像上，利用基于边缘局部方向检测的方法提取圆形考古目标的轮廓，并计算出圆心点坐标(x

采用x

Circle＝{x

其中，x

还包括：对初步提取出的每个圆形考古目标轮廓进行解码，计算出圆形考古目标轮廓上所有点的坐标，各个点的坐标定义为

其中

灰度影像上全部边缘点围成的范围构成了提取出的圆形考古目标。

进一步的，在预处理后的全色与多光谱影像上，利用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型，包括：

对多光谱影像计算得到NDVI影像，在NDVI影像上提取已知墓葬遗迹的光谱特征；

采用灰度共生矩阵的方法，提取已知墓葬遗迹在全色影像上的纹理特征；

在全色影像上提取已知墓葬遗迹的几何特征，所述几何特征包括圆形区域的面积和周长；

利用所述已知墓葬遗迹的光谱特征、纹理特征和几何特征建立样本集，采用交叉验证法，从样本集中选取预定比例的样本作为训练样本，剩余样本作为检验样本，运行决策树，基于训练样本建立圆形墓葬遗迹的分类规则，将其分为疑似墓葬和非墓葬，利用检验样本对分类结果进行检验。

根据本发明的另一个方面，提供了一种圆形墓葬遗迹的遥感探测识别系统，所述系统包括：

预处理模块，获取待探测区域的全色与多光谱高分辨率遥感图像，并进行预处理得到处理后的全色影像和多光谱影像；

遥感影像处理模块，用于对预处理后的全色影像进行灰度级量化处理得到灰度影像；

考古目标提取模块，用于在灰度影像上，运用基于边缘局部方向检测的方法，初步提取圆形考古目标；

分类识别模型建立模块，用于在预处理后的全色与多光谱影像上，利用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型；

分类模块，用于采用该分类识别模型对所提取的圆形考古目标进行分类，分为疑似墓葬和非墓葬两类；

验证模块，用于针对分类为疑似墓葬的圆形考古目标，在全色影像和多光谱影像上，基于影像上的形状、尺寸、色调、纹理、位置及其组合特征验证分类后的疑似墓葬是否为墓葬遗迹；

输出模块，用于对验证后的圆形考古目标进行登记，按照需求输出探测结果。

进一步的，所述预处理包括辐射校正、配准和镶嵌。

进一步的，所述遥感影像处理模块，对预处理后的全色影像进行灰度级量化处理得到灰度影像，包括：

将全色影像压缩为8Bit的灰度影像，并使用圆形均值滤波器抑制噪声。

进一步的，所述考古目标提取模块，运用基于边缘局部方向检测的方法，初步提取圆形考古目标，包括：

在灰度影像上，利用基于边缘局部方向检测的方法提取圆形考古目标的轮廓，并计算出圆心点坐标(x

采用x

Circle＝{x

其中x

对初步提取出的每个圆形考古目标轮廓进行解码，计算出圆形考古目标轮廓上所有点的坐标，各个点的坐标定义为

其中

使用中心点为C(x

进一步的，所述分类识别模型建立模块，利用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型，包括：

对多光谱影像计算得到NDVI影像，在NDVI影像上提取已知墓葬遗迹的光谱特征；

采用灰度共生矩阵的方法，提取已知墓葬遗迹在全色影像上的纹理特征；

在全色影像上提取已知墓葬遗迹的几何特征，所述几何特征包括圆形区域的面积和周长；

利用所述已知墓葬遗迹的光谱特征、纹理特征和几何特征建立样本集，采用交叉验证法，从样本集中选取预定比例的样本作为训练样本，剩余样本作为检验样本，运行决策树，基于训练样本建立圆形墓葬遗迹的分类规则，将其分为疑似墓葬和非墓葬，利用检验样本对分类结果进行检验。

本发明的上述技术方案具有如下有益的技术效果：

(1)本发明通过边缘局部方向检测算法提取出疑似的圆形考古目标，具有较高的探测效率，可在拥有大量圆形墓葬遗迹的西部干旱区取得较好的探测效果。

(2)本发明从光谱、纹理、几何特征多角度出发，基于CART分类树的方法，在遥感探测结果的基础上，建立圆形墓葬的遥感分类规则，实现墓葬遗迹的自动识别，识别准确率高，可应用于我国西部干旱区开展大范围的考古调查。

附图说明

图1(a)为新疆北部古墓的第一示例，图1(b)为新疆北部古墓的第二示例；

图2为古墓葬检测流程图；

图3为圆周上边缘方向统计直方图；

图4为古墓葬检测系统组成示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

中国新疆北部的塔城地区主要属半干旱气候，地表特征以裸土和稀疏植被为主，该区域的墓葬遗迹主要以土壤标志的形式出现在遥感影像上。图1显示了这一个区域典型的土壤标志。这类墓葬大多显示为可见的圆形墓中间有坍塌的小墓葬，外围常有碎石和杂草。图1(a)为Quickbird卫星全色影像上可见典型古墓葬，图1(b)为新疆北部的另一典型古墓葬。由于不同季节植被覆盖情况的变化，这些墓葬在高分辨率卫星全色影像上显示与周围环境的差异。它们的形状可分2类：圆环(直径10-20m)和实心圆(直径5-9m)。

本发明提供的古墓葬检测方法，结合图2，包括如下步骤：

(1)获取待探测区域的高分辨率全色与多光谱遥感图像，并进行预处理，预处理包括辐射校正，用于消除大气和光照等因素对地表反射率的影响；全色多光谱影像配准，实现不同影像的地理坐标匹配；影像镶嵌，分别将多幅相邻的全色或多光谱影像拼在一起，构成探测区域整体的影像。预处理后分别得到全色影像和多光谱影像用于圆形目标的探测识别。

(2)对预处理后的全色影像进行灰度级量化处理得到灰度影像。该步骤中，将全色影像压缩为8Bit的灰度影像，并使用圆形均值滤波器抑制噪声。

(3)在灰度影像上，运用基于边缘局部方向检测的方法，初步提取圆形考古目标。

在一个实施例中，采用边缘检测的方式提取圆形区域。在灰度影像上，利用边缘检算法提取圆形考古目标的轮廓。原则是利用全局特征，将边缘点连接起来组成一个封闭的圆形边界。具体为：对图像进行边缘检测，获取边界点；选取任意边界点，用一个N×N大小的窗口，计算边缘方向直方图中对比度最大的点作为边缘的主方向，记录该方向；以此类推，遍历边缘点，形成多个边缘主方向；投票计算出圆心位置和半径，从而确定圆形考古目标的范围。具体可以按照以下步骤进行：

将预处理后的灰度影像I(x，y)定义为N×N大小的灰度影像。影像上的圆形可以应用{x

S

其中x

对每个圆形S

其中φ

圆形边界上所有点得边缘方向直方图在对比度足够高的情况下只有一个方向，结合图3所示。因此，可以简单地用均方误差给定每个单元的主方向。分析局部方向时，设定一个对比度阈值，低于该值则认为方向计算不准确。

边缘局部方向是由每个单元内的边缘方向直方图估值得到的，因为各种因素使得结果的准确性有限，例如边缘方向的离散化、影像噪声等。通过遗传算子选择与复制，它们将作为最优个体。

根据某些可选的实施例，计算各个圆形区域的半径，剔除半径不在设定范围内的圆形区域。

古墓葬的区域直径通常在1～20m范围内，对于实心圆可能存在多个拟合圆形区域。为了避免遗漏，本发明设定的半径范围为1～25m。

根据某些可选的实施例，计算圆度率，剔除圆度率不满足阈值要求的圆形区域。

古墓葬大体为圆形，因此可以通过圆度率进行筛选。

在一个实施例中，圆度率采用如下公式计算：

δ＝4πA/P

其中A为圆形区域的面积，P为圆形区域的周长。

圆度率的范围为0.7～1。

剔除圆度率不满足阈值要求的圆形区域后，剩余的圆形区域分别进行圆形基准拟合。采用对圆形区域覆盖面积最大的圆形作为该区域的基准圆，基准圆的圆心O和半径R作为该圆形区域的基准。计算沿周向选择m个点计算圆形区域分别计算与基准圆的偏差ε

根据圆形区域对应的位置由遥感图像中提取对应区域图像。

(4)利用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型，具体可以包括如下步骤：

对多光谱影像计算得到NDVI影像，在NDVI影像上提取已知墓葬遗迹的光谱特征；

采用灰度共生矩阵的方法，提取已知墓葬遗迹在全色影像上的纹理特征；

在全色影像上提取已知墓葬遗迹的几何特征，所述几何特征包括圆形区域的面积和周长。遥感影像分为全色影像和多光谱影像，本发明该实施例中，全色影像经过灰度处理用于边缘检测提取圆形轮廓，预处理后的全色影像用于提取几何和纹理特征，多光谱影像用于提取光谱特征。

利用所述已知墓葬遗迹的光谱特征、纹理特征和几何特征建立样本集，采用交叉验证法，从样本集中选取预定比例的样本作为训练样本(例如50％-80％)，剩余样本作为检验样本，基于训练样本建立圆形墓葬遗迹的分类规则，运行该分类识别模型，将初步提取到的圆形目标分为疑似墓葬和非墓葬，利用检验样本对分类结果进行检验。

(5)采用遥感影像的解译分析方法对分类后得到的疑似墓葬进行验证，以判断其是否为墓葬遗迹。该步骤中，对分类后得到的疑似墓葬进行逐一解译和分析，基于影像上的形状、尺寸、色调、纹理、位置、组合等特征判断分类后的考古目标是否为墓葬遗迹，

(6)对验证后的圆形考古目标进行登记，按照需求输出探测结果。

本发明的实施例，还提供一种古墓葬检测系统，结合图4，该检测系统包括：

预处理模块，用于获取待探测区域的全色与多光谱高分辨率遥感图像，并进行预处理得到处理后的全色影像和多光谱影像；

遥感影像处理模块，用于对预处理后的全色影像进行灰度级量化处理得到灰度影像；

考古目标提取模块，用于在灰度影像上，运用基于边缘局部方向检测的方法，初步提取圆形考古目标；

分类识别模型建立模块，用于利用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型；

分类模块，用于采用该分类识别模型对所提取的圆形考古目标进行分类，分为疑似墓葬和非墓葬两类；

验证模块，用于采用遥感影像的解译分析方法对分类后得到的疑似墓葬进行验证，以判断其是否为墓葬遗迹；

输出模块，用于对验证后的圆形考古目标进行登记，按照需求输出探测结果。

本发明该实施例古墓葬检测系统中各模块实现其功能与上述实施例中提供的古墓葬检测方法的各步骤相同，在此将省略其重复描述。

综上所述，本发明提供一种古墓葬检测方法及系统，所述方法包括：获取待探测区域的全色与多光谱高分辨率遥感图像，并进行预处理得到处理后的全色影像和多光谱影像；对预处理后的全色影像进行灰度级量化处理得到灰度影像；在灰度影像上，运用基于边缘局部方向检测的方法，初步提取圆形考古目标；利用预处理后的全色与多光谱影像，采用CART决策树的分类方法，建立基于光谱、纹理和几何特征考古目标的分类识别模型；采用该分类识别模型对所提取的圆形考古目标进行分类，分为疑似墓葬和非墓葬两类；采用遥感影像的解译分析方法对分类后得到的疑似墓葬进行验证，以判断其是否为墓葬遗迹；对验证后的圆形考古目标进行登记，按照需求输出探测结果。本发明实施例提供的技术方案，通过边缘局部方向检测算法提取出疑似的圆形考古目标，具有较高的探测效率，可在拥有大量圆形墓葬遗迹的西部干旱区取得较好的探测效果；从光谱、纹理、几何特征多角度出发，基于CART分类树的方法，在遥感探测结果的基础上，建立圆形墓葬的遥感分类规则，实现墓葬遗迹的自动识别，识别准确率高，可应用于我国西部干旱区开展大范围的考古调查。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。