丁宏毅，周致迎，趙育良

（海軍航空工程學(xué)院青島校區(qū)，山東 青島 266041）

衛(wèi)星影像數(shù)據(jù)質(zhì)量檢驗(yàn)方法研究

丁宏毅，周致迎，趙育良

（海軍航空工程學(xué)院青島校區(qū)，山東 青島 266041）

隨著衛(wèi)星遙感技術(shù)的深入發(fā)展，所獲得的影像分辨率越來(lái)越高，偵照目標(biāo)越來(lái)越清晰。本文基于熵作為信息量的測(cè)度，來(lái)研究合理利用影像數(shù)據(jù)的一種檢驗(yàn)方法，并利用研究結(jié)果對(duì)影像進(jìn)行實(shí)驗(yàn)分析。

衛(wèi)星影像；熵；數(shù)據(jù)質(zhì)量

在對(duì)衛(wèi)星影像的實(shí)際使用中，經(jīng)常使用多波段融合影像，融合后的影像灰度級(jí)往往會(huì)大大增加。這不僅對(duì)影像數(shù)據(jù)處理算法提出了挑戰(zhàn)，還對(duì)影像數(shù)據(jù)質(zhì)量的檢驗(yàn)評(píng)價(jià)研究提出了新的要求。判定衛(wèi)星影像構(gòu)像質(zhì)量的傳統(tǒng)檢查方式，基本上還是依靠人眼進(jìn)行，這種檢查方式對(duì)操作者的經(jīng)驗(yàn)要求非常高,而且極耗費(fèi)人力。經(jīng)過(guò)對(duì)影像質(zhì)量評(píng)定標(biāo)準(zhǔn)的研究發(fā)現(xiàn)，可以選取影像的熵作為一種重要的影像數(shù)據(jù)質(zhì)量檢驗(yàn)研究方法。

1 影像熵的基本理論

熵是用來(lái)描述衛(wèi)星影像信息量的一個(gè)重要指標(biāo)，熵越大則影像包含的信息量越大。在對(duì)衛(wèi)星影像數(shù)據(jù)質(zhì)量的評(píng)定研究中，雖然有不少采用熵來(lái)進(jìn)行評(píng)價(jià)，但由于不考慮影像相關(guān)的問(wèn)題，所以也就難以評(píng)價(jià)其方法的正確性和優(yōu)勢(shì)。通常采用統(tǒng)計(jì)信息量來(lái)表示一幅影像的不確定度，也就是影像的熵。

設(shè)X為取值于S={x1，x2，…，xn}的一個(gè)隨機(jī)變量。如果P( X=xi)=p( xi)，則隨機(jī)變量X的熵定義為：

注，它和系統(tǒng)S的熵的定義一樣。

設(shè)X和Y分別取值于S1={x1，x2，…，xn}和S2={y1，y2，…，ym}的兩個(gè)隨機(jī)變量。如果P( X=xi, Y=yj)=p( xi, yj)，則X和Y的聯(lián)合熵定義為

隨機(jī)向量X=（X，Y）的熵定義為：

H( X)=H( X, Y )

顯然，H( X, Y)與H( Y, X)相等。

熵有若干特性，考慮到算法的可靠性和健壯性，在實(shí)驗(yàn)中利用熵的可加性來(lái)完成算法設(shè)計(jì)。

設(shè){p1,…,pn, q1,…qm}為一個(gè)概率分布。如果a=p1+p2+…+pn，且0＜a＜1，則

本文中所討論的熵模型是影像灰度熵，考慮到熵及聯(lián)合熵的特征與性質(zhì)，決定通過(guò)雙字節(jié)影像熵算法設(shè)計(jì)，進(jìn)行基于兩波段聯(lián)合熵求解的影像分析，驗(yàn)證算法的效果，為熵特征在衛(wèi)星影像數(shù)據(jù)質(zhì)量評(píng)價(jià)的應(yīng)用提供有效可行的辦法。

2 實(shí)驗(yàn)過(guò)程

用來(lái)實(shí)驗(yàn)的原始數(shù)據(jù)是MODIS的七個(gè)波段的雙字節(jié)影像（unsigned16bits），是tif格式的，相對(duì)而言，tif格式的影像編程處理比較麻煩，因此選擇將tif格式轉(zhuǎn)換為raw格式后再進(jìn)行處理。在此步驟，應(yīng)用衛(wèi)星影像處理軟件ENVI來(lái)進(jìn)行數(shù)據(jù)轉(zhuǎn)換。然后對(duì)通過(guò)變換去相關(guān)性前后的單波段衛(wèi)星影像的熵及直方圖進(jìn)行求解。所處理影像的大小均為512×512。對(duì)MODIS的7個(gè)波段影像，進(jìn)行變換（消除相關(guān)性）前后的熵及聯(lián)合熵的計(jì)算，通過(guò)解算發(fā)現(xiàn)第一、第二波段的灰度直方圖的灰度范圍較小，大概存在4000多個(gè)灰度級(jí)。第六、第七波段的灰度范圍較大，都達(dá)到了10000多個(gè)灰度級(jí)。中間幾個(gè)波段的灰度范圍處于中等水平。接下來(lái)，討論MODIS七個(gè)波段經(jīng)過(guò)余弦變換前后的熵，見(jiàn)表1。

表1 變換前后影像熵的比較

對(duì)于聯(lián)合熵的解算，根據(jù)相關(guān)性分析檢查變換后的波段間相關(guān)性，如果相關(guān)性小就可直接求和計(jì)算，而不采用聯(lián)合熵計(jì)算。可以看出，經(jīng)過(guò)頻域變換后，各個(gè)波段的熵都減小了，證明去相關(guān)后，單波段影像的信息量減小了。

對(duì)于雙波段衛(wèi)星影像聯(lián)合熵求解，需要處理的數(shù)據(jù)量較大，所以采取了先求出最大、最小灰度，然后在這個(gè)區(qū)間范圍內(nèi)，開(kāi)二維數(shù)組的方法。根據(jù)上一部分的試驗(yàn)結(jié)果，發(fā)現(xiàn)所處理的七個(gè)波段影像中擁有最大的灰度范圍的是第六、第七波段，有一萬(wàn)多個(gè)灰度級(jí)，最小的有四千多個(gè)灰度級(jí)，這樣以來(lái)，所開(kāi)數(shù)組范圍已大量減小，又利用公式（3）分段來(lái)解求聯(lián)合熵，而且處理的影像是512×512大小的，在此基礎(chǔ)上程序調(diào)試成功。部分主要代碼如下：

arrHist1=GetHistogram(pBuffer1,nWidth,nHeig ht,nHistNum1,nMinGray1,nMaxGray1);

in_file1.close();

in_file2.close();

GetMinAndMax(pBuffer2,nDim,nMinGray2,nM axGray2);

doubledAdjEntropy=0;

doubleaux=0;

for(inti=0;i＜nHistNum1;i++)

{

doubledpi=((double)arrHist1[i]/(double)nDim);

arrHist2=GetHistogramAux(pBuffer1,i+nMinGra y1,pBuffer2,nWidth,nHeight,nHistNum2,nMaxGray2 ,nMinGray2);

aux=dpi;

dAdjEntropy+=dpi*ComputeEntropyAux(arrHis t2,nHistNum2,nTotal,aux);

delete[]arrHist2;

}

dAdjEntropy+=ComputeEntropy(arrHist1,nTota l,nHistNum1);

delete[]arrHist1;

delete[]pBuffer1;

delete[]pBuffer2;

returndAdjEntropy;

下面對(duì)變換前后該七個(gè)波段的相關(guān)性進(jìn)行分析，見(jiàn)表2、3、4。

表2 影像變換前后自相關(guān)系數(shù)

表3 影像變換前兩兩互相關(guān)系數(shù)

表4 影像變換后兩兩互相關(guān)系數(shù)

3 實(shí)驗(yàn)結(jié)果

根據(jù)實(shí)驗(yàn)數(shù)據(jù)不難看出自相關(guān)系數(shù)和波段之間互相關(guān)系數(shù)在變換后都有了很大的削減，這說(shuō)明經(jīng)過(guò)頻域變換影像的相關(guān)性確實(shí)得到了減小。頻域變換后有的聯(lián)合熵增大了，是因?yàn)樵糓ODIS數(shù)據(jù)的灰度分布很不均勻，中間灰度級(jí)存在很多為零，但經(jīng)過(guò)余弦變換后，由于變換中有加權(quán)計(jì)算的過(guò)程，導(dǎo)致在原來(lái)為零的灰度級(jí)上添加了灰度非零的像素，導(dǎo)致部分聯(lián)合熵增大。對(duì)于原始相關(guān)性不高，變換后相關(guān)性更低的波段聯(lián)合熵可直接取兩影像熵之和。同時(shí)，也解決了兩波段影像的聯(lián)合熵在變換后為什么會(huì)減小的問(wèn)題。因?yàn)檫@些原始MODIS數(shù)據(jù)的相關(guān)性比較大，經(jīng)余弦變換后，相關(guān)性減弱，所以有的聯(lián)合熵減小了。

4 結(jié)語(yǔ)

實(shí)驗(yàn)結(jié)果表明，熵和聯(lián)合熵是衛(wèi)星影像信息量比較有效的測(cè)度，也是檢驗(yàn)衛(wèi)星影像數(shù)據(jù)質(zhì)量的有效尺度。它可以檢查單幅影像的數(shù)據(jù)質(zhì)量，也可以對(duì)多波段衛(wèi)星影像融合前后的數(shù)據(jù)質(zhì)量進(jìn)行檢查。本文研究的多波段聯(lián)合熵計(jì)算采用熵的可加性算法，計(jì)算速度大大提高，便于進(jìn)行實(shí)時(shí)處理。

[1]陳浩光，廖學(xué)軍，李云芝.基于證據(jù)熵的衛(wèi)星偵察影像質(zhì)量評(píng)估研究，軍事運(yùn)籌與系統(tǒng)工程，2004,18(2):48～52.

[2]吳援明，梁恩志.一種基于熵的放大后影像質(zhì)量的評(píng)價(jià)方法，信號(hào)處理，2004,20(2):201～203.

P237

A

1671-0711（2016）12（下）-0073-02