榮利會(huì)，聶海濱，戴晨光，仇多兵

1.信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州，450001；2.武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢，430079

?

一種面向地理對(duì)象的高分辨率航空影像勻光算法

榮利會(huì)1，聶海濱2，戴晨光1，仇多兵1

1.信息工程大學(xué)地理空間信息學(xué)院，河南 鄭州，450001；2.武漢大學(xué)測(cè)繪學(xué)院，湖北 武漢，430079

針對(duì)常規(guī)算法在處理高分辨率航空影像時(shí)存在的不足，本文提出了一種面向地理對(duì)象的勻光算法。首先通過(guò)分水嶺算法對(duì)影像分割提取出地理對(duì)象，然后以地理對(duì)象為單元進(jìn)行勻光處理。為了驗(yàn)證本文算法的有效性，對(duì)相鄰兩幅DMC影像進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，該方法在消除影像輻射間差異的同時(shí)能較好地保留影像地物的細(xì)節(jié)信息。

地理對(duì)象；勻光；高分辨率；影像分割

1　引　言

利用多幅高分辨率航空影像鑲嵌制作的正射影像是地理信息數(shù)據(jù)的基礎(chǔ)，它被廣泛應(yīng)用于資源普查、災(zāi)害調(diào)查以及環(huán)境監(jiān)測(cè)等方面。由于受攝影角度、攝影時(shí)間、光照強(qiáng)度等因素的影響，測(cè)區(qū)內(nèi)影像之間會(huì)存在色調(diào)差異，為了得到質(zhì)量較好的正射鑲嵌圖，在影像鑲嵌制作前，需要對(duì)測(cè)區(qū)內(nèi)影像進(jìn)行勻光處理。

常見(jiàn)的勻光算法主要有基于直方圖匹配的方法[1]、基于偽不變特征的方法[2,3]和基于統(tǒng)計(jì)量的方法[4]。基于直方圖匹配的方法會(huì)改變影像灰度級(jí)之間原有的相對(duì)距離，破壞影像中地物的輻射特性；基于偽不變特征的方法則需要人工選取偽不變特征點(diǎn)且校正結(jié)果依賴(lài)于特征點(diǎn)[5]；基于統(tǒng)計(jì)量的方法由于算法簡(jiǎn)單、能滿(mǎn)足自動(dòng)化需求，是目前使用較多的勻光算法。由于不同的地物類(lèi)別受太陽(yáng)高度角、光照強(qiáng)度等因素的影響不同，致使不同類(lèi)別地物的光譜差異特性之間并不滿(mǎn)足相同的校正關(guān)系[6]，若使用同一校正模型對(duì)影像進(jìn)行勻光校正，就容易模糊影像地物的細(xì)節(jié)信息。

鑒于此，本文研究認(rèn)為不同影像中的同一類(lèi)別地物的輻射響應(yīng)值之間存在相同的校正關(guān)系，不同地物的校正關(guān)系不同，提出了一種面向地理對(duì)象的勻光算法：首先通過(guò)對(duì)待校正影像分割，提取出地理對(duì)象，然后以地理對(duì)象為單元進(jìn)行勻光。

2　面向地理對(duì)象的勻光算法

2.1整體思路

本文算法首先通過(guò)對(duì)待校正影像進(jìn)行分水嶺分割提取出地理對(duì)象，接著根據(jù)正射影像的地理坐標(biāo)將待校正影像中的地理對(duì)象劃分為重疊區(qū)對(duì)象和非重疊區(qū)對(duì)象。重疊區(qū)對(duì)象直接根據(jù)參考影像中對(duì)應(yīng)區(qū)域的像素均值和方差解算校正參數(shù)，然后進(jìn)行勻光處理；非重疊區(qū)對(duì)象則首先在待校正影像中尋找與其灰度均值最接近的重疊區(qū)對(duì)象，然后將最接近的重疊對(duì)象的校正參數(shù)作為其校正參數(shù)再進(jìn)行勻光處理。對(duì)于彩色影像，考慮到不同波段地物的輻射特性不同，可以分波段對(duì)影像進(jìn)行分割、勻光。

2.2基于分水嶺分割算法的地理對(duì)象提取

分水嶺算法具有較強(qiáng)的抑制噪聲能力，能得到連通的、封閉的及位置準(zhǔn)確的輪廓，是一種能夠快速實(shí)現(xiàn)影像分割的算法[7]?？紤]到該算法對(duì)微弱邊緣具有良好的響應(yīng)，圖像中的噪聲、物體表面細(xì)微的灰度變化都能使影像過(guò)度分割，本文對(duì)梯度影像進(jìn)行分水嶺分割。使用分水嶺算法對(duì)影像分割的具體步驟如下。

1)利用Sobel算子計(jì)算影像梯度。

2)將影像梯度值進(jìn)行排序。

3)以梯度影像中的最小值為起點(diǎn)，按一個(gè)灰度級(jí)的增幅逐次提高梯度值進(jìn)行淹沒(méi)直至最大灰度級(jí)。

4)合并區(qū)域。在合并區(qū)域過(guò)程中首先建立每個(gè)區(qū)域的相鄰區(qū)域數(shù)組，然后遍歷所有區(qū)域進(jìn)行合并。合并遵循以下準(zhǔn)則：①對(duì)于極小區(qū)，遍歷其所有相鄰區(qū)，選擇與其灰度均值最接近的區(qū)域進(jìn)行合并；②對(duì)于非極小區(qū)，遍歷其所有相鄰區(qū)，選擇灰度均值最相似的區(qū)域進(jìn)行合并，否則不合并。合并完成后得到影像的分割結(jié)果。然后根據(jù)正射影像的地理坐標(biāo)計(jì)算相鄰兩影像的重疊區(qū)，從而將分割的地理對(duì)象劃分為重疊區(qū)對(duì)象和非重疊區(qū)對(duì)象。

2.3重疊區(qū)對(duì)象校正

理想情況下，由于地物內(nèi)部的相關(guān)性,連續(xù)獲取的相鄰影像之間應(yīng)該具有近似一致的輻射特性分布。假設(shè)影像灰度服從高斯分布，則可以得到基于統(tǒng)計(jì)量的校正公式:

(1)

式中，g(x,y)為待校正影像的灰度值；f(x,y)為變換后影像的灰度值；mg、sg分別為待校正影像的局部灰度均值和標(biāo)準(zhǔn)差；mf、sf分別為變換后影像的局部灰度均值和標(biāo)準(zhǔn)差。令r1=sf/sg，r0=mf-r1·mg,則：

f(x,y)=r1·g(x,y)+r0

(2)

對(duì)重疊區(qū)內(nèi)的任一地理對(duì)象，根據(jù)其原始均值、標(biāo)準(zhǔn)差和目標(biāo)均值、標(biāo)準(zhǔn)差就可以很容易地計(jì)算出r1和r0，然后就可利用解算的參數(shù)對(duì)該對(duì)象中的所有像元按公式(2)進(jìn)行校正處理。

2.4非重疊區(qū)對(duì)象校正

同一類(lèi)別地物的輻射特性相同，不同影像中的同一類(lèi)別地物的輻射響應(yīng)值之間應(yīng)存在相同的校正關(guān)系?；诖?，本文算法對(duì)非重疊區(qū)對(duì)象尋找其同類(lèi)別重疊區(qū)對(duì)象，將其校正參數(shù)作為該非重疊區(qū)對(duì)象的參數(shù)進(jìn)行勻光處理。由于高分辨率航空影像的重疊度較大、分辨率較高，非重疊區(qū)域面積一般較小，因此，在非重疊區(qū)中的地物類(lèi)別在重疊區(qū)域中總能找到。

(3)

3　實(shí)驗(yàn)及分析

實(shí)驗(yàn)數(shù)據(jù)是從DMC相機(jī)獲取的同一航帶兩相鄰正射影像中裁剪的部分區(qū)域，包含紅、綠、藍(lán)、近紅外四個(gè)波段，影像分辨率為0.5m，大小為1138像素×1141像素，重疊度為84%。相鄰兩影像由于受攝影角度、光照強(qiáng)度等因素的影響，光譜上存在較大差異。本文將成像質(zhì)量較好的左影像選為參考影像，右影像為待校正影像?？紤]到近紅外波段對(duì)影像色調(diào)影響不大，本文只對(duì)影像的R、G、B三個(gè)波段進(jìn)行勻光處理。圖1(a)、圖1(b)分別為實(shí)驗(yàn)采用的左、右影像。

(a)左影像 (b)右影像圖1　實(shí)驗(yàn)數(shù)據(jù)

根據(jù)2.2部分對(duì)待校正影像分波段分割提取地理對(duì)象，分割時(shí)極小區(qū)閾值設(shè)置為520個(gè)像素。分割結(jié)果如圖2所示，(a)-(c)分別為R、G、B三個(gè)波段的地物分割結(jié)果。

(a)R波段分割結(jié)果 (b)G波段分割結(jié)果 (c)B波段分割結(jié)果圖2　待校正影像地物分割結(jié)果

圖3(a)-圖3(d)分別為采用基于直方圖匹配、偽不變特征、基于傳統(tǒng)統(tǒng)計(jì)量及本文方法獲取的右影像校正后的結(jié)果。從圖3可以看出，四種方法都很大程度改善了原影像的目視效果。直方圖匹配法、傳統(tǒng)統(tǒng)計(jì)量和本文算法均使校正后影像與參考影像具有近似一致的輻射亮度，但基于偽不變特征的方法與參考影像的輻射亮度有一定差異；基于傳統(tǒng)統(tǒng)計(jì)量的方法整體色調(diào)稍微偏紅。

為了進(jìn)一步衡量本文算法勻光效果的好壞，從均值、標(biāo)準(zhǔn)差、平均梯度、信息熵、偏差指數(shù)這五個(gè)指標(biāo)對(duì)上述四種方法的結(jié)果進(jìn)行定量評(píng)價(jià)分析。具體統(tǒng)計(jì)結(jié)果見(jiàn)表1。

(a)直方圖匹配法 (b)偽不變特征法

(c)基于傳統(tǒng)統(tǒng)計(jì)量方法 (d)本文方法

表1實(shí)驗(yàn)結(jié)果圖的參數(shù)比較

評(píng)價(jià)參數(shù)通道參考影像直方圖匹配法偽不變特征法傳統(tǒng)統(tǒng)計(jì)量法本文算法均值R104.72105.02113.38104.21104.42G112.51112.77127.53112.03112.68B105.97106.19118.61105.45105.68標(biāo)準(zhǔn)差R56.3956.3051.3756.3857.50G54.2554.2551.4754.2455.19B54.4454.3949.9654.4055.44平均梯度R11.8611.5510.0711.0511.73G12.4111.7810.9611.5612.01B11.6311.4310.3511.2711.61信息熵R7.5767.5687.5527.5867.588G7.5817.6077.5717.5677.607B7.6137.6047.6407.6167.621偏差指數(shù)——0.6890.6760.6830.677

從表1可以看出直方圖匹配法、傳統(tǒng)統(tǒng)計(jì)量法和本文算法的灰度均值與參考影像都近似一致，這說(shuō)明本文算法具有消除影像間輻射差異的能力。從標(biāo)準(zhǔn)差和平均梯度方面比較，本文算法的標(biāo)準(zhǔn)差和平均梯度在R、G、B三個(gè)波段均高于前三種算法。標(biāo)準(zhǔn)差反映影像的細(xì)節(jié)信息，標(biāo)準(zhǔn)差越大，影像細(xì)節(jié)越突出；平均梯度反映影像的細(xì)微反差，平均梯度越大，圖像清晰度越高[8]。本文算法的結(jié)果影像細(xì)節(jié)反差最大，影像的清晰度也最高。信息熵反映影像的信息含量，熵越大，影像信息越豐富；偏差指數(shù)反映影像之間的色調(diào)差異，偏差指數(shù)越小，參考影像與校正結(jié)果的色調(diào)差異也越小。從信息熵和偏差指數(shù)上看，本文算法的信息熵較大，偏差指數(shù)相對(duì)較小，這證明本文提出的方法在勻光處理后能較好地保留影像的細(xì)節(jié)信息。

4　結(jié)　語(yǔ)

傳統(tǒng)的勻光算法在處理高分辨率影像時(shí)存在不足：在消除影像間輻射差異的同時(shí)往往會(huì)弱化影像的細(xì)節(jié)信息。針對(duì)此問(wèn)題，本文認(rèn)為同一地物類(lèi)別具有相同校正關(guān)系，不同地物校正關(guān)系不同，提出了一種面向地理對(duì)象的勻光算法。實(shí)驗(yàn)證明，該方法在消除影像輻射間差異的同時(shí)能較好地保留影像地物的細(xì)節(jié)信息，得到勻光效果較好的結(jié)果。

[1]潘志強(qiáng), 顧行發(fā), 劉國(guó)棟等. 基于探元直方圖匹配的CBERS-01星CCD數(shù)據(jù)相對(duì)輻射校正方法[J]. 武漢大學(xué)學(xué)報(bào)·信息科學(xué)版, 2005, 30(10): 925-927.

[2]Zhang Liangpei, Chen Wu, Du Bo. Automatic Radiometric Normalization for Multitemporal Remote Sensing Imagery with Iterative Slow Feature Analysis[J]. IEEE Transaction on Geoscience and Remote Sensing, 2014, 52(10): 6141-6155.

[3]張友水, 馮學(xué)智, 周成虎. 多時(shí)相TM影像相對(duì)輻射校正研究[J]. 測(cè)繪學(xué)報(bào), 2006, 35(2): 122-127.

[4]李德仁, 王密, 潘俊. 光學(xué)遙感影像的自動(dòng)勻光處理及應(yīng)用[J]. 武漢大學(xué)學(xué)報(bào)·信息科學(xué)版, 2006, 31(9): 753-756.

[5]張鵬強(qiáng), 余旭初, 劉智等. 多時(shí)相遙感圖像相對(duì)輻射校正[J]. 遙感學(xué)報(bào), 2006, 10(3): 339-344.

[6]李亮, 舒寧, 龔龑等. 一種面向像斑的高分辨率遙感影像相對(duì)輻射校正方法[J]. 武漢大學(xué)學(xué)報(bào)·信息科學(xué)版, 2014, 39(4): 401-405.

[7]王宇, 陳殿仁, 沈美麗等. 基于形態(tài)學(xué)梯度重構(gòu)和標(biāo)記提取的分水嶺圖像分割[J]. 中國(guó)圖象圖形學(xué)報(bào), 2008, 13(11): 2176-2180.

[8]沈小樂(lè), 邵振峰, 閆貝貝. 一種薄云影響下的遙感影像勻光算法[J]. 武漢大學(xué)學(xué)報(bào)·信息科學(xué)版, 2013, 38(5): 543-547.

A Radiometric Normalization Algorithm of High Resolution Airborne Image for Geographic Object

Rong Lihui1,Nie Haibin2,Dai Chenguang1,Qiu Duobing1

1. Institute of Geospatial Information, Information Engineering University, Zhengzhou 450001, China 2. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China

A radiometric normalization algorithm based on geographic objects is presented in this paper to deal with the problems of conventional algorithms in processing high resolution airborne images. Firstly, the geographic objects are extracted from image segmentation using watershed algorithm, and then they are processed with radiometric normalization algorithm as a unit. The effectiveness of the proposed algorithm is verified by experiments on two adjacent DMC images. The experiment results show that the method can preserve the details of the image features and eliminate the differences between two images.

geographical object; radiometric normalization; high resolution; image segment

2015-10-15。

榮利會(huì)(1990—)，女，碩士研究生，主要從事遙感影像處理研究。

P223

A