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。但是由于可見光藍光波段受大氣影響較為嚴重[1]，因此一些衛(wèi)星傳感器沒有設(shè)置藍光波段，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，但該波段遙感成像的質(zhì)量受到影響，導(dǎo)致難以獲取準確的信息。

我國的資源一號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)相機和全色高分辨率(High Resolution，HR)相機(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、20m的多光譜相機、40m/80m的紅外相機以及73m的寬視場成像儀[3]。這兩顆地球資源衛(wèi)星目前仍然在軌運行，服務(wù)于國土資源調(diào)查與監(jiān)測、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都缺少合成真彩色所必需的藍波段。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數(shù)據(jù)來計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、光譜坐標轉(zhuǎn)換法及神經(jīng)網(wǎng)絡(luò)、支持向量機等非線性回歸擬合法?；诘匚锊ㄗV的方法可以實現(xiàn)光譜擴展，但由于實地采集的光譜與圖像光譜存在時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際應(yīng)用。基于參考圖像方法缺點是必須給出包含目標波段波譜范圍的參考圖像，參考圖像必須是相同成像時間、成像地點和相近分辨率。由于通常用戶不具備大范圍的參考影像庫，該方法在實際應(yīng)用中也受到限制。線性關(guān)系方法假設(shè)藍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)計算藍光波段的值。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，模擬出藍光波段。最后經(jīng)過基于地物特征的局部校正，進而合成模擬真彩色圖像。該方法能夠減少偏色現(xiàn)象，而且計算簡單快速。

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具有相同的波段設(shè)置，而CBERS-04的多光譜相機具有較低分辨率的藍色波段。測試多景數(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)目標地物的彩色，但是對其他非主導(dǎo)地物，出現(xiàn)局部顏色畸變；(2)不同景圖像，由于成像地點和時間上的不一致導(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，會引起實際圖像波段間關(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，能反映主要地物的波譜特征，對大部分區(qū)域能獲得較好的模擬效果。對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算法：(1)通過參考圖像波段間的回歸分析計算，確定模擬目標波段與其他波段的相關(guān)系數(shù)。參考圖像只需與目標圖像的成像景物范圍一致，成像時間相近即可。(2)局部畸變校正，針對不同地物類別分別進行補償處理，進一步提高精度。

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，藍色波段表達式的參數(shù)基于事先計算的線性關(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)，得到模擬藍波段；

(4)由模擬藍波段、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)對初始圖像進行簡單分類，按照類別對不同區(qū)域進行局部偏色校正；

(6)按照特定順序，合成模擬真彩色圖像；

(7)根據(jù)需要對圖像進行整體調(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Tab.1 Specifications for Payload of ZY-1 02C

表2 CBERS-04星有效載荷技術(shù)指標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 波段模擬表達式

采用波段加權(quán)組合的方式生成新的藍波段，波段運算表達式如下：

(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三個波段，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)閾值對地物進行劃分，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，需要進行形態(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類別標記?？紤]到分類的不確定性，像素可能被賦予超過一種標記，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)對包含稀疏植被和濃密植被的植被區(qū)域，藍波段為2.2節(jié)中模擬得到的藍色波段，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′值使用波段運算經(jīng)驗表達式(G′=0.75G+0.25NIR)進行加強運算，以增強植被覆蓋區(qū)域與地面背景及人工建筑之間的層次。

(2)對于水體區(qū)域，藍波段B′使用波段運算經(jīng)驗表達式(B′=0.8G+0.1R+0.1NIR)計算得到新的藍波段，替換該區(qū)域原有值，紅色波段使用波段運算經(jīng)驗表達式進行校正(R′=0.9R+0.1NIR)。綠色波段保持不變。從而消除水體或其他藍色地物出現(xiàn)偏紫紅色現(xiàn)象。

(3)對于其他地物，保持2.2節(jié)中得到的原圖像不變。

3 試驗及結(jié)果分析

3.1 實驗數(shù)據(jù)

試驗選取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)目視評價

(a)平均法

(b)SPOT算法

(c)藍綠加權(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，植被顏色偏綠，光譜畸變嚴重，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，顏色整體偏綠，水體或者藍色調(diào)地物偏紫；藍綠波段加權(quán)法結(jié)果影像對比強烈，增大了藍、綠波段的反差，但藍波段信息相對微弱，地塊影像顏色偏紅；本文方法結(jié)果從視覺上看比較清晰，增強了地物顏色層次，同時光譜畸變小，和自然色最為接近。

(2)客觀評價

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

表3 不同方法計算藍波段結(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，對上述方法得到結(jié)果進行評價。在信息熵這個指標上，本文算法最高，藍綠加權(quán)法次之，SPOT法、平均法較低，說明本文方法在得到的藍波段信息量較為豐富。

表4 不同真彩色模擬結(jié)果統(tǒng)計比較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表示藍波段。平均法藍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)偏藍色。SPOT算法與平均法模擬的結(jié)果影像藍波段直方圖非常相似，綠波段曲線大大增強，圖像色調(diào)偏綠色嚴重；藍綠加權(quán)法模擬的藍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。本文方法模擬的藍波段圖像直方圖正常，看不出三個波段間存在明顯的相關(guān)性，各個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)。

(a)平均法

(b)SPOT算法

(c)藍綠加權(quán)法

(d)本文算法圖3 不同方法模擬的真彩色直方圖Fig.3 The histograms among different methods of simulation results

4 結(jié) 論

ZY-102C 和CBERS-04衛(wèi)星的全色多光譜相機數(shù)據(jù)是典型的國產(chǎn)陸地遙感衛(wèi)星影像資源，研究該相機數(shù)據(jù)的真彩色模擬方法對于促進數(shù)據(jù)應(yīng)用具有重要的意義。本文提出一種基于線性關(guān)系模型的改進模擬真彩色算法，近似描述了圖像的主要波段色彩特征，同時對局部區(qū)域也獲得較好的效果。通過目視評價結(jié)合客觀統(tǒng)計對試驗結(jié)果進行了比較分析，表明模擬結(jié)果較為真實，能夠得到色彩清晰的真彩色影像。