吳樂(lè)芹，姜 春，陳進(jìn)棟，王永梅，鄧南榮*

（1.廣東省生態(tài)環(huán)境與土壤研究所，廣東 廣州 510650；2.華南農(nóng)業(yè)大學(xué) 資源環(huán)境學(xué)院，廣東 廣州510642；3.中國(guó)科學(xué)院 廣州地球化學(xué)研究所，廣東 廣州 510640）

面向城市道路目視識(shí)別的遙感圖像濾波增強(qiáng)方法

吳樂(lè)芹1,2，姜 春1,3，陳進(jìn)棟1，王永梅1，鄧南榮1*

（1.廣東省生態(tài)環(huán)境與土壤研究所，廣東 廣州 510650；2.華南農(nóng)業(yè)大學(xué) 資源環(huán)境學(xué)院，廣東 廣州510642；3.中國(guó)科學(xué)院 廣州地球化學(xué)研究所，廣東 廣州 510640）

歸納與總結(jié)了遙感圖像增強(qiáng)中的幾種常用濾波方法。以廣州城區(qū)作為試驗(yàn)區(qū)，Landsat TM影像作為數(shù)據(jù)源，分別運(yùn)用紋理分析和卷積濾波對(duì)研究區(qū)域的遙感影像行增強(qiáng)處理，并對(duì)這些方法的影像增強(qiáng)效果進(jìn)行質(zhì)量評(píng)價(jià)。結(jié)果表明，高通濾波最適合于城市道路等線(xiàn)狀地物的遙感圖像增強(qiáng)。

圖像增強(qiáng)；濾波；紋理分析；卷積濾波

1 常用濾波增強(qiáng)方法

圖像濾波增強(qiáng)方法的理論基礎(chǔ)是空間卷積，目的是改善影像質(zhì)量，包括突出邊緣或紋理，去除噪聲與干擾，及影像邊緣增強(qiáng)、線(xiàn)性增強(qiáng)以及去模糊等。為了能辨識(shí)出街道，本文主要采用了紋理分析和卷積濾波2種方法。

1.1 紋理分析

常見(jiàn)的紋理有3種類(lèi)型： ①自然紋理。自然紋理來(lái)源于真實(shí)物體表面，大多呈現(xiàn)不規(guī)則性，隨機(jī)性強(qiáng)。②人工合成紋理。人工合成紋理是用計(jì)算機(jī)模擬或人為生產(chǎn)的表面紋理，其形狀規(guī)則、確定，分布規(guī)則。③混合紋理?；旌霞y理由人工紋理隨機(jī)分布于物體表面或自然景物中構(gòu)成。紋理最明顯的視覺(jué)特征是粒度或粗糙性、方向性、重復(fù)性或周期性[1,2]。

紋理分析是對(duì)地物影像紋理特征進(jìn)行提取分析、判斷的過(guò)程。紋理分析方法可以歸納為：統(tǒng)計(jì)方法、結(jié)構(gòu)（幾何）方法、 模型方法以及基于數(shù)學(xué)變換（信號(hào)處理）的方法[3]。統(tǒng)計(jì)分析的方法是其他紋理分析方法的基礎(chǔ)。紋理的統(tǒng)計(jì)分析法是指在不知道紋理基元或尚未檢測(cè)出基元的情況下對(duì)小區(qū)域紋理特征的統(tǒng)計(jì)分布進(jìn)行紋理分析，主要描述紋理基元或局部模式隨機(jī)的和空間的統(tǒng)計(jì)特征，以表示區(qū)域的一致性及區(qū)域間的相異性。紋理的統(tǒng)計(jì)分析可以在空域和頻域進(jìn)行[4]。在圖像空間域，基于統(tǒng)計(jì)的方法可分為基于概率統(tǒng)計(jì)和基于二階概率統(tǒng)計(jì)的方法。

1.1.1 基于概率統(tǒng)計(jì)的紋理分析方法

首先，先定義一個(gè)M×N的窗口，其中窗口的行數(shù)M和列數(shù)N均為奇數(shù)。然后對(duì)窗口的矩陣元素進(jìn)行統(tǒng)計(jì)，得出各種統(tǒng)計(jì)特征值。數(shù)據(jù)范圍、平均值、方差、信息熵、偏斜的計(jì)算公式分別為：

式中，p（i， j）為矩陣第i行第j列的元素。

1.1.2 基于二階概率統(tǒng)計(jì)的紋理分析方法

灰度共生矩陣（GLCM），是廣泛應(yīng)用的一種紋理統(tǒng)計(jì)分析方法[5,6]?；叶裙采仃嚪?，就是通過(guò)計(jì)算灰度遙感圖像得到它的共生矩陣，再通過(guò)計(jì)算這個(gè)共生矩陣得到矩陣的部分特征值，來(lái)分別代表圖像的某些紋理特征。灰度共生矩陣能反映圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部模式和排列規(guī)則的基礎(chǔ)。

設(shè)f（x，y）為一幅二維數(shù)字圖像,其大小為Nx×Ny，每個(gè)像素的灰度級(jí)最大為Ng，則滿(mǎn)足一定空間關(guān)系的灰度共生矩陣為：

式中，#（x）表示集合x(chóng)中的元素個(gè)數(shù)，顯然P為Ng×Ng矩陣。若（x1，y1）與（x2，y2）間距離為d，兩者與坐標(biāo)橫軸的夾角為θ，則可以得到各種間距及角度的灰度共生矩陣P。

總體上講，灰度共生矩陣P定義為方向θ和間隔距離d的函數(shù)，記為[P（i，j，d，θ）]。P（i，j，d，θ）表示矩陣第i行第j列的元素，其中（i，j）∈Ng×Ng，θ∈{0°，45°，90°，135°}。

由灰度共生矩陣的定義可知，通過(guò)（d，θ）的值對(duì)組合可以派生許多共生矩陣用來(lái)分析圖像灰度級(jí)的空間分布格局。在共生矩陣中，當(dāng)d取值較小時(shí)，靠近對(duì)角線(xiàn)的元素值表示圖像中灰度級(jí)別相近的像素對(duì)出現(xiàn)的幾率，而遠(yuǎn)離對(duì)角線(xiàn)的元素值則表征灰度級(jí)別相差較大的像素對(duì)出現(xiàn)幾率。因此，假設(shè)影像中某一區(qū)域由許多大小為σ的灰度均勻圖斑組成，那么在該區(qū)域d＜σ的共生矩陣P（i，j，d，θ）中，對(duì)角線(xiàn)附近的元素值較大，而在d＞σ的共生矩陣中，遠(yuǎn)離對(duì)角線(xiàn)元素值就較大[4]。

根據(jù)灰度共生矩陣, 可以定義出大量的紋理特征, 目的就是使用所得的紋理特征輔助遙感圖像紋理分類(lèi)。Haralick 等人用灰度共生矩陣提取了14種特征值[5]。常用的用于提取遙感圖像中紋理信息的特征統(tǒng)計(jì)量主要有：均值、方差、協(xié)同性、對(duì)比度、相異性、信息熵、二階矩和相關(guān)性。其中協(xié)同性、二階矩、對(duì)比度、相異性的計(jì)算公式分別為：

式中，p（i，j）是灰度共生矩陣P（i，j，d，θ）的第i行j列元素。式（9）中，n=|i-j|。式（10）中，μ是灰度共生矩陣P（i，j，d，θ）各元素的標(biāo)準(zhǔn)差。

1.2 卷積濾波

空域?yàn)V波是在圖像的鄰域，借助模板進(jìn)行圖像的卷積操作。對(duì)一幅圖像進(jìn)行空間卷積有2步：①建立一個(gè)包含一系列相關(guān)系數(shù)或權(quán)重因子的移動(dòng)窗口。這些窗口的大小通常是一個(gè)奇數(shù)，如3×3、5×5、7×7等。②將這個(gè)窗口在整幅圖像上移動(dòng)，用窗口所覆蓋的每個(gè)像元的亮度值乘上其對(duì)應(yīng)的相關(guān)系數(shù)或權(quán)重所得到的總和（或像元平均值），代替其窗口中心像元的亮度值，從而得到一幅新的圖像[1]。這種移動(dòng)窗口稱(chēng)為模板。模板是卷積濾波算法的核心，也稱(chēng)為卷積核。各種算法的不同就在于卷積核的不同。

本試驗(yàn)對(duì)圖像進(jìn)行低通、中值和高通等3種濾波處理。ENVI4．8默認(rèn)的3種濾波器處理均使用3×3的卷積核。低通濾波器的每個(gè)核中的元素包含相同的權(quán)重，使用外圍值的均值代替中心像元值。中值濾波器用一個(gè)被濾波器的大小限定的鄰近區(qū)的中值代替每一個(gè)中心像元值。而高通濾波卷積核的維數(shù)必須是奇數(shù)，卷積核如式（11）所示[7]。

2 遙感圖像增強(qiáng)試驗(yàn)

2.1 數(shù)據(jù)源概況

本研究所采用的數(shù)據(jù)源為廣州城區(qū)的Landsat5 TM遙感影像，數(shù)據(jù)獲取時(shí)間為2008-12-01，數(shù)據(jù)獲取當(dāng)天天氣晴朗少云，數(shù)據(jù)質(zhì)量較好，整個(gè)研究區(qū)域包含1 555 × 885個(gè)像元。在試驗(yàn)時(shí)選擇TM 7,4,2組合波段圖像，該合成波段影像在視覺(jué)效果和信息量的表現(xiàn)上都比較豐富，如圖1所示。

2.2 試驗(yàn)過(guò)程

圖1 廣州城區(qū)原始TM遙感圖像

為了從整體上提高影像的解譯能力，分別對(duì)研究區(qū)進(jìn)行基于概率統(tǒng)計(jì)和二階概率統(tǒng)計(jì)的紋理分析以及低通、中值和高通濾波的融合試驗(yàn),并對(duì)增強(qiáng)后的影像進(jìn)行定性分析得出研究區(qū)增強(qiáng)質(zhì)量最好的影像圖，從而選擇出最適合于城市道路目視識(shí)別的遙感圖像濾波增強(qiáng)方法。技術(shù)路線(xiàn)如圖2所示。

在ENVI 4．8軟件的支持下，利用Filter下的Ocurrence Measure”工具，窗口大小設(shè)置為3×3，得到基于概率統(tǒng)計(jì)的紋理分析方法的子區(qū)域增強(qiáng)圖像，如圖3所示。

運(yùn)用類(lèi)似的操作，獲得基于二階概率統(tǒng)計(jì)即灰度共生矩陣的紋理分析的增強(qiáng)圖像，如圖4所示。

圖2 研究技術(shù)路線(xiàn)圖

圖3 運(yùn)用基于概率統(tǒng)計(jì)的紋理分析方法的子區(qū)域增強(qiáng)圖像

圖4 運(yùn)用基于二階概率統(tǒng)計(jì)的紋理分析方法的子區(qū)域增強(qiáng)圖像

使用卷積濾波各種方法得到的增強(qiáng)圖像如圖5、圖6所示。

2.3 質(zhì)量評(píng)價(jià)

圖5 通濾波和中值濾波子區(qū)域圖像

圖6 2種高通濾波子區(qū)域圖像

本文目前僅對(duì)增強(qiáng)圖像進(jìn)行定性評(píng)價(jià)。試驗(yàn)中，上述幾種增強(qiáng)方法都保持了遙感圖像多光譜信息的光譜特征。但由圖3～4可以看出，運(yùn)用2種紋理分析方法，無(wú)論是基于一階的還是二階的概率統(tǒng)計(jì)方法，都無(wú)法很明顯地辨識(shí)出廣州城區(qū)的街道和道路紋理，不利于提取道路信息。而在卷積濾波方法中，低通濾波通過(guò)窗口內(nèi)的平均，強(qiáng)調(diào)了原圖像大范圍上的亮度，卻平滑或模糊了原圖像的細(xì)節(jié)。與此相似，中值濾波也對(duì)原圖像進(jìn)行了平滑。高通濾波消除了原圖像的低頻成分，保持了圖像的高頻信息，強(qiáng)調(diào)了空間細(xì)節(jié)，通過(guò)夸大局部的對(duì)比度，比原圖像更有效地突出了線(xiàn)狀特征——道路，獲得了良好的目視解譯效果。因此，高通濾波是最適合于城市道路目視識(shí)別的圖像增強(qiáng)方法。但高通濾波同時(shí)讓原始圖像失去了大范圍的亮度，這就需要通過(guò)加上一定的背景值來(lái)進(jìn)行彌補(bǔ)，如圖6所示。

3 結(jié) 語(yǔ)

本研究借助于專(zhuān)業(yè)遙感圖像處理軟件ENVI 4．8，對(duì)廣州城區(qū)Landsat 5 TM多光譜影像進(jìn)行增強(qiáng)試驗(yàn)（包括各種紋理分析和卷積濾波方法），并對(duì)試驗(yàn)結(jié)果進(jìn)行了質(zhì)量評(píng)價(jià)。結(jié)果表明，高通濾波最適合于城市道路等線(xiàn)狀地物目視識(shí)別。相比于其他方法，高通濾波在保持圖像高頻信息的同時(shí)，消除了圖像中的低頻成分，強(qiáng)調(diào)了空間細(xì)節(jié)，但失去了大范圍的亮度，如加上一定程度的背景值，則可達(dá)到良好的整體效果。在實(shí)際工作中，不同圖像增強(qiáng)質(zhì)量大不相同（如本文的示例），建議在增強(qiáng)之前比較各種增強(qiáng)方法得到的效果，選擇最適合的方法進(jìn)行增強(qiáng)。隨著遙感技術(shù)的發(fā)展，多傳感器平臺(tái)和高分辨率、高光譜遙感影像越來(lái)越多，如何利用這些信息獲得更完善的增強(qiáng)模式和高質(zhì)量的增強(qiáng)圖像，還需要進(jìn)一步的研究。

[1] 趙英時(shí)等．遙感應(yīng)用分析原理與方法[M]．北京:科學(xué)出版社，2003

[2] 馬莉,范影樂(lè)．紋理圖像分析[M]．北京:科學(xué)出版社,2009

[3] 劉龍飛，陳云浩，李京．遙感影像紋理分析方法綜述與展望[J]．遙感技術(shù)與應(yīng)用，2003,18(6):441-447

[4] 賀曉建，王福明．基于灰度共生矩陣的紋理分析方法研究[J]．山西電子技術(shù)，2010(4):89-93

[5] Haralick R M, Shanmugan K, Dinstein I．Textural Features for Image Classification[J]．IEEE Transactions on Systems, Man and Cybernetics, 1973,3(6):610-621

[6] 范麗紅，付麗，楊勇,等．灰度共生矩陣提取紋理特征的實(shí)驗(yàn)結(jié)果分析[J]．計(jì)算機(jī)應(yīng)用，2009,29(4):1 018-1 021

[7] 鄧書(shū)彬．ENVI遙感圖像處理方法[M]．北京:科學(xué)出版社，2010

P237.3

B

1672-4623（2015）02-0104-03

10.3969/j.issn.1672-4623.2015.02.038本文歸納和總結(jié)了目前常用的幾種遙感圖像濾波增強(qiáng)方法，運(yùn)用這些方法對(duì)廣州城區(qū)的TM影像數(shù)據(jù)進(jìn)行處理，以便在TM影像上更好地辨識(shí)出廣州城市道路，對(duì)結(jié)果進(jìn)行了對(duì)比分析和質(zhì)量評(píng)價(jià)。

吳樂(lè)芹，主要從事地理信息系統(tǒng)的應(yīng)用研究工作。

2014-03-14。

項(xiàng)目來(lái)源：廣東省科技計(jì)劃項(xiàng)目（2010B060100068）。

*通訊作者