遙感衛(wèi)星多光譜圖像模擬真彩色算法研究*

2020-03-11 04:59:42趙新偉羅伊萍孫業(yè)超

飛控與探測(cè) 2020年1期

萬偉，趙新偉，羅伊萍, 孫業(yè)超

(中國資源衛(wèi)星應(yīng)用中心·北京·100094)

0 引言

真彩色影像真實(shí)地記錄了地物的光譜特征，顏色和自然色一致，在遙感制圖、環(huán)境仿真等方面，尤其是面向公眾用戶，有著廣泛的應(yīng)用。但是由于可見光藍(lán)光波段受大氣影響較為嚴(yán)重[1]，因此一些衛(wèi)星傳感器沒有設(shè)置藍(lán)光波段，例如法國SPOT衛(wèi)星的高分辨率成像儀(High Resolution Visible，HRV)和美國LandSat衛(wèi)星的多光譜成像儀(Multispectral Scanner，MSS)。某些衛(wèi)星傳感器設(shè)有藍(lán)光波段，例如中巴地球資源衛(wèi)星02B 星(CBERS-02B)的全色多光譜相機(jī)，但該波段遙感成像的質(zhì)量受到影響，導(dǎo)致難以獲取準(zhǔn)確的信息。

我國的資源一號(hào)02C 衛(wèi)星(ZY-1 02C)于2011年12月22日成功發(fā)射，搭載有全色多光譜(Panchromatic and Multispectral，PMS)相機(jī)和全色高分辨率(High Resolution，HR)相機(jī)(見表1)，能獲取中高分辨率全色和多光譜圖像數(shù)據(jù)[2]。中巴地球資源衛(wèi)星04 星(CBERS-04)由中國和巴西聯(lián)合研制，于2014 年12 月7 日成功發(fā)射。星上裝有4 種成像載荷(見表2)，包括空間分辨率5m/10m 的全色多光譜相機(jī)、20m的多光譜相機(jī)、40m/80m的紅外相機(jī)以及73m的寬視場(chǎng)成像儀[3]。這兩顆地球資源衛(wèi)星目前仍然在軌運(yùn)行，服務(wù)于國土資源調(diào)查與監(jiān)測(cè)、防災(zāi)減災(zāi)、農(nóng)林水利、生態(tài)環(huán)境等眾多領(lǐng)域，積累了大量有用的歷史數(shù)據(jù)。但是，ZY-1 02C和CBERS-04衛(wèi)星的全色多光譜相機(jī)都缺少合成真彩色所必需的藍(lán)波段。目前的衛(wèi)星地面數(shù)據(jù)處理系統(tǒng)中，快視圖只能使用假彩色方法合成，這使用戶在使用影像數(shù)據(jù)時(shí)碰到了困難，在某種程度上影響了數(shù)據(jù)的應(yīng)用。

通?？梢杂貌ǘ文M方法解決圖像真彩色合成問題[4]。波段模擬是指利用先驗(yàn)數(shù)據(jù)來計(jì)算獲得特定傳感器不具有的波段數(shù)據(jù)。國內(nèi)外開展了相關(guān)研究，大致可分為三類:(1)基于波段相關(guān)性的方法[5-7]，主要有加權(quán)法、均值法、不確定參數(shù)法等；(2)基于地物波譜的譜模擬方法[8-11]，主要有基于物理光譜庫模型的波段模擬和以影像光譜庫為基礎(chǔ)的波段模擬方法；(3)基于參考遙感圖像的圖模擬方法[12-17]，主要包括線性回歸法、光譜坐標(biāo)轉(zhuǎn)換法及神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等非線性回歸擬合法。基于地物波譜的方法可以實(shí)現(xiàn)光譜擴(kuò)展，但由于實(shí)地采集的光譜與圖像光譜存在時(shí)空分辨率上的不一致，大氣和成像過程的差異等原因，導(dǎo)致圖像光譜與實(shí)際地物光譜存在偏差。而且，該方法依賴于地物波譜庫的完整性，有限的地物波譜數(shù)據(jù)難以覆蓋影像的所有地物類別，因此這類方法目前還難以實(shí)際應(yīng)用?；趨⒖紙D像方法缺點(diǎn)是必須給出包含目標(biāo)波段波譜范圍的參考圖像，參考圖像必須是相同成像時(shí)間、成像地點(diǎn)和相近分辨率。由于通常用戶不具備大范圍的參考影像庫，該方法在實(shí)際應(yīng)用中也受到限制。線性關(guān)系方法假設(shè)藍(lán)光波段和其它波段反射率之間存在著線性關(guān)系，通過求線性關(guān)系系數(shù)計(jì)算藍(lán)光波段的值。但是模擬出的真彩色影像容易出現(xiàn)局部光譜畸變的現(xiàn)象。本文提出了一種基于波段線性關(guān)系模型的改進(jìn)方法。首先用較低分辨率參考影像通過回歸分析得到波段相關(guān)系數(shù)，然后應(yīng)用到全色多光譜影像，模擬出藍(lán)光波段。最后經(jīng)過基于地物特征的局部校正，進(jìn)而合成模擬真彩色圖像。該方法能夠減少偏色現(xiàn)象，而且計(jì)算簡(jiǎn)單快速。

1 多光譜模擬真彩色方法分析

從表1和表2可以看出，ZY-1 02C和CBERS-04衛(wèi)星的全色多光譜相機(jī)具有相同的波段設(shè)置，而CBERS-04的多光譜相機(jī)具有較低分辨率的藍(lán)色波段。測(cè)試多景數(shù)據(jù)，發(fā)現(xiàn)：(1)同一景圖像，線性模型能模擬出圖像中主導(dǎo)目標(biāo)地物的彩色，但是對(duì)其他非主導(dǎo)地物，出現(xiàn)局部顏色畸變；(2)不同景圖像，由于成像地點(diǎn)和時(shí)間上的不一致導(dǎo)致太陽高度角、大氣環(huán)境引起的照度差異，以及覆蓋傳感器獲取影像范圍的地物的光譜反射率差異，會(huì)引起實(shí)際圖像波段間關(guān)系與線性關(guān)系系數(shù)存在偏差，而線性關(guān)系系數(shù)一般為固定經(jīng)驗(yàn)值，表現(xiàn)為模擬結(jié)果穩(wěn)定性不夠，出現(xiàn)整體顏色畸變。

當(dāng)線性模型能近似描述圖像內(nèi)主導(dǎo)地物的波段間反射率關(guān)系時(shí)，能反映主要地物的波譜特征，對(duì)大部分區(qū)域能獲得較好的模擬效果。對(duì)不能滿足線性模型近似要求的其他區(qū)域，通過局部校正，就能夠滿足真彩色合成需求。因此，從以下方面考慮改進(jìn)算法：(1)通過參考圖像波段間的回歸分析計(jì)算，確定模擬目標(biāo)波段與其他波段的相關(guān)系數(shù)。參考圖像只需與目標(biāo)圖像的成像景物范圍一致，成像時(shí)間相近即可。(2)局部畸變校正，針對(duì)不同地物類別分別進(jìn)行補(bǔ)償處理，進(jìn)一步提高精度。

2 算法流程及關(guān)鍵步驟

2.1 算法流程

算法流程如圖1所示，藍(lán)色波段表達(dá)式的參數(shù)基于事先計(jì)算的線性關(guān)系系數(shù)，模擬結(jié)果首先作為初始圖像保留下來，然后經(jīng)過逐步優(yōu)化直到獲得滿意的效果。主要步驟如下：

(1)影像預(yù)處理；

(2)用CBERS-04星的20m多光譜數(shù)據(jù)作為參考圖像，計(jì)算波段相關(guān)系數(shù)；

(3)利用得到相關(guān)系數(shù)和波段模擬表達(dá)式，輸入待模擬的ZY-1 02C/CBERS-04星全色多光譜數(shù)據(jù)，得到模擬藍(lán)波段；

(4)由模擬藍(lán)波段、原始綠波段、原始紅波段數(shù)據(jù)，合成模擬真彩色初始圖像；

(5)對(duì)初始圖像進(jìn)行簡(jiǎn)單分類，按照類別對(duì)不同區(qū)域進(jìn)行局部偏色校正；

(6)按照特定順序，合成模擬真彩色圖像；

(7)根據(jù)需要對(duì)圖像進(jìn)行整體調(diào)整。整體調(diào)整常見的有直方圖拉伸，綠色系數(shù)和亮度系數(shù)調(diào)整等。

表1 ZY-1 02C星有效載荷技術(shù)指標(biāo)Tab.1 Specifications for Payload of ZY-1 02C

表2 CBERS-04星有效載荷技術(shù)指標(biāo)Tab.2 Specifications for Payload of CBERS-04

圖1 真彩色合成流程Fig.1 Workflow for generating pseudo natural color

2.2 波段模擬表達(dá)式

采用波段加權(quán)組合的方式生成新的藍(lán)波段，波段運(yùn)算表達(dá)式如下：

(1)

2.3 局部校正與彩色合成

利用待模擬的全色多光譜相機(jī)三個(gè)波段，構(gòu)建紅外植被指數(shù)IPVI[18]和歸一化水體指數(shù)NDWI[19]。

IPVI=NIR/(R+NIR)

(2)

NDWI=(G-NIR)/(G+NIR)

(3)

上式中，G、R和NIR分別為原始的綠、紅和近紅外波段反射率。利用兩個(gè)指數(shù)，在空間域上將像素分為4類，分別代表稀疏植被、濃密植被、水體和其他地物。根據(jù)指數(shù)閾值對(duì)地物進(jìn)行劃分，規(guī)則如下：

如果IPVI>TV并且S>TS，則該空間區(qū)域代表稀疏植被；

如果IPVI>TV并且S≤TS，則該空間區(qū)域代表濃密植被；

如果NDWI>TW，則該空間區(qū)域代表水體區(qū)域；

其他情況下，空間區(qū)域代表其他地物。

上式中，S為飽和度；TV為植被指數(shù)閾值，取0.5，TS為飽和度閾值，取0.1，TW為水體指數(shù)閾值，取0。由于提取的植被和水體均有間斷，提取信息不全，為了去除孤立的分類噪聲點(diǎn)，需要進(jìn)行形態(tài)學(xué)濾波處理。植被和水體區(qū)域通常是大面積區(qū)域，采用膨脹算子，之后腐蝕算子。對(duì)于其他地物，濾波順序相反，先腐蝕再膨脹處理。然后為每一類地物賦予一個(gè)類別標(biāo)記。考慮到分類的不確定性，像素可能被賦予超過一種標(biāo)記，按照像素被正確劃分的可能性來決定校正的順序，如濃密植被像素被正確劃分的可能性高于稀疏植被。因此局部偏色校正的順序依次為稀疏植被、水體、其他地物、濃密植被。

局部偏色校正方法如下：

(1)對(duì)包含稀疏植被和濃密植被的植被區(qū)域，藍(lán)波段為2.2節(jié)中模擬得到的藍(lán)色波段，保持該區(qū)域模擬的值不變。紅色波段R值保持原圖像不變。綠色波段G′值使用波段運(yùn)算經(jīng)驗(yàn)表達(dá)式(G′=0.75G+0.25NIR)進(jìn)行加強(qiáng)運(yùn)算，以增強(qiáng)植被覆蓋區(qū)域與地面背景及人工建筑之間的層次。

(2)對(duì)于水體區(qū)域，藍(lán)波段B′使用波段運(yùn)算經(jīng)驗(yàn)表達(dá)式(B′=0.8G+0.1R+0.1NIR)計(jì)算得到新的藍(lán)波段，替換該區(qū)域原有值，紅色波段使用波段運(yùn)算經(jīng)驗(yàn)表達(dá)式進(jìn)行校正(R′=0.9R+0.1NIR)。綠色波段保持不變。從而消除水體或其他藍(lán)色地物出現(xiàn)偏紫紅色現(xiàn)象。

(3)對(duì)于其他地物，保持2.2節(jié)中得到的原圖像不變。

3 試驗(yàn)及結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

試驗(yàn)選取CBERS-04星10m分辨率全色多光譜數(shù)據(jù)，圖像覆蓋山東沿海地區(qū)，衛(wèi)星過境時(shí)間為2016年2月22日，包含水體、建筑、灘涂、裸土、植被等不同地物類型。圖像事先經(jīng)過輻射校正與幾何校正等預(yù)處理。

3.2 結(jié)果分析

(1)目視評(píng)價(jià)

(a)平均法

(b)SPOT算法

(c)藍(lán)綠加權(quán)法

(d)本文算法圖2 多種方法結(jié)果的比較Fig.2 Comparison of results from different methods

選用了平均法、SPOT算法、藍(lán)綠波段加權(quán)法等不同的方法作為本文方法的比較。從圖2中可以看出，各種方法得到的模擬真彩色影像之間色彩差異明顯。平均法整體色調(diào)偏藍(lán)，植被顏色偏綠，光譜畸變嚴(yán)重，顏色不自然；SPOT算法結(jié)果影像綠色植被區(qū)域得到明顯增強(qiáng)，顏色整體偏綠，水體或者藍(lán)色調(diào)地物偏紫；藍(lán)綠波段加權(quán)法結(jié)果影像對(duì)比強(qiáng)烈，增大了藍(lán)、綠波段的反差，但藍(lán)波段信息相對(duì)微弱，地塊影像顏色偏紅；本文方法結(jié)果從視覺上看比較清晰，增強(qiáng)了地物顏色層次，同時(shí)光譜畸變小，和自然色最為接近。

(2)客觀評(píng)價(jià)

表3選擇客觀評(píng)價(jià)指標(biāo)包括最大值、最小值、均值、標(biāo)準(zhǔn)差等，單位為遙感影像像元亮度值(Digital Number，DN)，對(duì)上述不同方法得到結(jié)果所包含的信息量進(jìn)行評(píng)價(jià)。平均法和SPOT算法藍(lán)波段生成方法相同，因此數(shù)值一致。從表中可以看出，本文算法模擬的藍(lán)波段，均方差高于其它方法。

表3 不同方法計(jì)算藍(lán)波段結(jié)果比較Tab.3 Comparison of results from simulating the blue bands

表4從峰值信噪比(Peak Signal to Noise Ratio，PSNR)、信息熵的角度，對(duì)上述方法得到結(jié)果進(jìn)行評(píng)價(jià)。在信息熵這個(gè)指標(biāo)上，本文算法最高，藍(lán)綠加權(quán)法次之，SPOT法、平均法較低，說明本文方法在得到的藍(lán)波段信息量較為豐富。

表4 不同真彩色模擬結(jié)果統(tǒng)計(jì)比較Tab.4 Quantitative comparison of results from pseudo natural color

直方圖能直觀地表現(xiàn)圖像的光譜信息。圖3繪制了R、G、B波段的直方圖曲線，其中R表示紅波段，G表示綠波段，B表示藍(lán)波段。平均法藍(lán)波段的直方圖曲線超過了紅綠波段，導(dǎo)致整幅圖像的色調(diào)偏藍(lán)色。SPOT算法與平均法模擬的結(jié)果影像藍(lán)波段直方圖非常相似，綠波段曲線大大增強(qiáng)，圖像色調(diào)偏綠色嚴(yán)重；藍(lán)綠加權(quán)法模擬的藍(lán)色波段直方圖和綠色波段直方圖非常相似，幾乎是綠色波段直方圖的平移，波段間高度相關(guān)，影響了影像的信息量。本文方法模擬的藍(lán)波段圖像直方圖正常，看不出三個(gè)波段間存在明顯的相關(guān)性，各個(gè)波段光譜能量分布均勻。從以上比較分析可見，本文算法模擬結(jié)果在空間信息和視覺效果上較優(yōu)。