王得印，欒忠平

(吉林省林業(yè)勘察設計研究院，吉林 長春 130022)

森林為人類生存發(fā)展提供了重要的物質資源，森林在維持生態(tài)圈和生態(tài)平衡中也起到了重要作用［1］。森林資源二類調查作為森林資源動態(tài)監(jiān)測的基礎工作，同時也是科學經(jīng)營管理森林資源重要的科學依據(jù)。利用經(jīng)融合與增強處理后的SPOT－5 遙感圖像對森林進行細致調查與研究，做到對調查區(qū)域的森林資源數(shù)量、種類、質量等信息能夠及時、準確的了解與掌握。遙感技術為森林資源調查提供了重要基礎，現(xiàn)如今對遙感圖像進行處理的軟件逐步完善，將遙感圖像增強技術應用于森林資源二類調查工作已取得良好效果。

1 研究區(qū)概況

蛟河林業(yè)實驗區(qū)管理局地處長白山系張廣才嶺南段西坡的吉林省蛟河市前進鄉(xiāng)境內，該局地理坐標43°51'～44°05'N，127°35'～127°51'E。該場地貌多為中低山地貌，東部與吉林省黃泥河林業(yè)局相連，南部與吉林省白石山林業(yè)局相接，西部與吉林省上營森林經(jīng)營局長安林場和蛟河市林業(yè)局太陽林場相毗鄰，北部與黑龍江省五?？h相接壤?？偨?jīng)營面積31 823 hm2。海拔高度在330 ～1 176 m 之間。該林區(qū)屬溫帶大陸性季風山地氣候，年平均氣溫3.1℃，全年最高月平均氣溫20.2℃，最低月平均氣溫－22.2℃;年≥10℃活動積溫2 350℃;無霜期117 d。年降水量為800 mm 左右，年相對濕度75%。年平均總日照時數(shù)2 111 h。土壤類型主要為暗棕壤。在中國植被區(qū)劃中，該區(qū)屬于長白山紅松沙冷杉針闊混交林區(qū)，屬長白山植物區(qū)系，原地帶性頂極群落為闊葉紅松林。據(jù)不完全統(tǒng)計，區(qū)內有高等植物99 科331 屬643 種。

2 研究方法

2.1 遙感圖像的選擇

2003 年起，我國很多省份將SPOT－5 數(shù)據(jù)引進森林規(guī)劃調查中，對空間分辨率有了更高的要求。這一高分辨率數(shù)據(jù)源的引進，有效地加快了林業(yè)數(shù)字化建設的進程，從而提高森林資源管理水平，使我國林業(yè)生產有據(jù)可依，使獲取的森林資源調查數(shù)據(jù)具有現(xiàn)實性、準確性、高效性，進而有效地評價森林資源的質量和效益。本研究選取蛟河林業(yè)實驗區(qū)管理局所轄地域的SPOT－5 衛(wèi)星遙感數(shù)據(jù)，拍攝時間為2005 年5月，一個全色波段，四個多光譜波段，其中全色波段分辨率為2.5 m，屬高清晰度遙感數(shù)據(jù)。

2.2 技術路線

技術路線如圖1 所示。

圖1 技術路線Fig.1 Tec hnology route

2.3 遙感圖像融合處理

遙感圖像的融合技術是信息融合技術的一部分，是聚集了圖像加工、圖像處理等手段的一種先進技術。圖像融合［2］是指把兩個或兩個以上通過傳感器獲取的某個研究地區(qū)的遙感圖像信息進行綜合處理，并合成一個全新的關于該研究地區(qū)的數(shù)據(jù)信息處理的過程。

本次對精校正后的SPOT－5 全色和多光譜遙感圖像的融合是利用遙感處理軟件ERDAS9.2進行的，融合方法主要有高通濾波融合、乘積變換融合、比值變換融合［3］、IHS 變換融合、主成分變換融合［4］、基于單波段小波變換融合、基于IHS 變換的小波變換融合、基于主成分分析的小波變換融合和Ehlers 融合共9種，得到9 幅融合后的遙感影像。

2.4 遙感圖像輻射增強處理

對經(jīng)過融合后的九幅遙感圖像分別進行直方圖均衡化增強處理。直方圖均衡化實質是對遙感圖像進行非線性拉伸，重新分配圖像像元值，使一定灰度范圍內像元的數(shù)量大致相等;直方圖均衡化目的是使處理后的圖像灰度較為均勻，使頻率最高的像元灰度被拉開，像元數(shù)目較少的灰度區(qū)間被壓縮。

2.5 遙感圖像光譜增強處理

經(jīng)過融合后的9 幅遙感圖像分別進行去相關拉伸增強處理。去相關拉伸是對圖像的主成分進行對比度拉伸處理，而不是對原始圖像進行拉伸，從而達到圖像增強目的［5］。

3 結果與分析

3.1 遙感圖像質量目視判讀

在ERDAS9.2 遙感處理軟件中，源數(shù)據(jù)先進行融合處理，然后再對融合結果進行直方圖均衡化增強處理和去相關拉伸增強處理，結果得到18 幅增強后的遙感圖像，根據(jù)森林資源二類調查的需要進行目視判讀。在18 幅遙感圖像中，挑選出可以滿足森林資源二類調查需要(不同地物之間差別明顯、圖像清晰)的3 幅遙感圖像，如圖2 ～圖4，但這3 幅遙感圖像差別不明顯，由于目視判讀進行質量評價，受人為因素影響，評價結果可能不同，所以要客觀反映圖像質量，還需要對其進行定量分析，才能確定其質量的相對好壞。其他15 幅遙感圖像因為無法滿足森林資源二類調查的需要，所以可以直接舍去，不對其進行定量分析。

圖2 主成分變換－直方圖均衡化Fig 2 Principal component change－h(huán)istogram equalization

圖3 乘積變換－直方圖均衡化Fig.3 Product change－h(huán)istogram equalization

圖4 高通濾波－直方圖均衡化Fig.4 High－pass filtering－h(huán)istogram equalization

3.2 遙感圖像質量定量分析

3.2.1 遙感圖像標準差［6］

標準差反映組內個體間的離散程度，離散程度越大，標準差越大，遙感圖像所包含的信息量也就越大，越容易進行目視判讀。反之，不容易進行目視判讀。各遙感圖像標準差統(tǒng)計值如表1 所示。

表1 三幅圖像處于不同波段的標準差及標準差平均值Tab.1 The standard deviation and standard deviation average value of 3 images with different band

從表1 中可以看出，三幅增強后的遙感圖像標準差由大到小依次為高通濾波－直方圖均衡化＞主成分變換－直方圖均衡化＞乘積變換－直方圖均衡化，其中高通濾波－直方圖均衡化與主成分變換－直方圖均衡化的結果相差不大。

3.2.2 遙感圖像信息熵

遙感圖像信息熵是從整個信息源的統(tǒng)計特性來考慮的，它是從評價意義上來表征信息源的總體特征，它描述了圖像信息源的平均信息量。所以，信息熵越大，遙感圖像所包含的平均信息量也就越大，越容易進行目視判讀。反之，則不利于進行目視判讀［7，8］。各遙感圖像信息熵統(tǒng)計值如表2 所示。

表2 三幅圖像處于不同波段的信息熵及信息熵平均值Tab.2 The information entropy and information entropy average value of 3 images with different band

從表2 中可以看出，三幅增強后的遙感圖像信息熵由大到小依次為高通濾波－直方圖均衡化＞主成分變換－直方圖均衡化＞乘積變換－直方圖均衡化。

4 結論

通過對精校正后的SPOT－5 全色遙感圖像和SPOT－5 多光譜遙感圖像先進行圖像融合，然后再對融合結果進行增強處理。增強處理的結果先根據(jù)森林資源二類調查的需要進行目視判讀，再對質量較好的遙感圖像用ENVI5.0和MATLAB7.0 軟件進行定量分析，通過圖像標準差和圖像信息熵的對比分析，結果表明:對于SPOT－5 遙感圖像先進行高通濾波融合，然后再對融合結果進行直方圖均衡化增強處理，圖像所包含的信息量最大，最能滿足森林資源二類調查進行目視判讀的需要，判讀的結果也會最高。此研究為今后森林資源二類調查中SPOT－5 遙感圖像的處理工作提供借鑒。

［1］周麟.森林資源二類調查技術新頒規(guī)定的應用與分析［D］.南京:南京林業(yè)大學，2006.

［2］POHL C，Van Genderen J L. Multisensor image fusion in remote sensing concepts，methods and applicat ion［J］.International Journal of Remote Sensing，1998，19(5):823－854.

［3］孫丹峰.IKONOS 全色與多光譜數(shù)據(jù)融合方法的比較研究［J］.遙感技術與應用，2002，1(17):41－44.

［4］賈永紅.基于像元的遙感影像融合方法的比較［J］.測繪信息與工程，1997，(4):29－30.

［5］黨安榮，賈海峰，陳曉峰，等.ERDAS IMAGINE 遙感圖像處理教程［M］.北京:清華大學出版社，2010.

［6］方麗玲，吳立新，周廣明，等.IS 支持下水質模型的應用［J］.新疆環(huán)境保護，1999，21(3):1－8.

［7］張淑芬，邢艷秋，艾合買提江·阿不都艾尼，等. 基于TM 遙感影像的森林類型分類方法比較［J］.森林工程，2014，29(1):18－21.

［8］李雙福，劉慶忠，蘆靜，等. 基于DGPS 的SPOT5 遙感影像幾何精校正研究［J］. 吉林林業(yè)科技，2013，42(1):26－29.