尹展

(有色金屬礦產(chǎn)地質(zhì)調(diào)查中心， 北京 100012)

0 引言

大氣中云霧對地物電磁波有吸收、散射和輻射作用，導致遙感影像清晰度降低。云霧去除是通過一定技術(shù)方法消除或減弱云霧干擾，提高圖像可辨識能力，具有重要意義。目前去除云霧的方法大致可歸納為基于圖像增強和基于物理模型2類。前者如同態(tài)濾波[1]、直方圖均衡化[2]和Retinex算法[3]，該類方法只針對降質(zhì)后的圖像本身，采用抑制低頻、增強高頻及突出特征信息等手段，增強對比度來改善圖像視覺效果，只能有限地提高圖像清晰度，不能“去除云霧”和復(fù)原景物；后者近些年受到研究人員高度關(guān)注，成果頗豐，如退化模型去云霧法[4]、場景深度去云霧算法[5]，通過求解圖像退化模型的參數(shù)，反演計算出無云霧的圖像。該類方法的關(guān)鍵技術(shù)是獲取場景深度信息，但事實上，獲取深度信息條件苛刻，難以應(yīng)用。Haze optimized transform(HOT)法[6]及其改進方法[7]根據(jù)HOT值，將影像分為均質(zhì)的不同圖層，再對每層影像實施暗目標減法，在植被區(qū)效果較好，但對水體、裸地、人造地物等非植被類型作用有限。暗原色先驗理論[8]基于暗像素檢測，建立霧成像模型和摳圖修復(fù)實現(xiàn)地物復(fù)原，主要針對單幅圖像去霧。

基于物理模型的方法通過構(gòu)建相應(yīng)的物理模型，反演復(fù)原出降質(zhì)前的圖像。復(fù)原的圖像與原景物較接近，特征明顯，視覺效果良好，最重要的是原地物信息得到較完整的保存。不過，目前基于物理模型的去云霧方法大多需要大量測試、參數(shù)調(diào)整，運算量大，復(fù)雜度高。文章從光譜成像角度出發(fā)，引進強迫不變技術(shù)，簡化大氣散射物理模型，反演計算出像素中的薄云、霧光譜貢獻量并予以去除，達到去除薄云、霧目的。

1 原理思路

McCartney在20世紀70年代提出了大氣散射模型[9](圖1)，被廣泛認可。他認為到達傳感器的光由2部分組成：一部分是經(jīng)過大氣散射被衰減的物體表面反射的光；另一部分是大氣光路上的各種雜散光散射。散射使到達觀察者的入射光被衰減，傳感器接收到的光強發(fā)生不均勻性變化，從而導致圖像灰度值的變化，清晰度下降。

大氣散射模型數(shù)學表達如式(1)所示。

I(x，λ)=e-β(λ)d(x)R(x，λ)+A(x，λ)

(1)

式中：I(x，λ)為接收器獲取的實際霧天圖像；R(x，λ)表示目標無影響反射光(原始無霧影像)；x表示像素點的位置；λ表示光的波長；A(x，λ)表示云霧大氣光值；e-β(λ)d(x)表示傳輸函數(shù)。

圖1 大氣散射模型(據(jù)McCartney模型修改)

傳輸函數(shù)參數(shù)受各種因素影響，獲取難度大，計算方法不同效果也不同。文中假定獲取影像僅受云霧大氣光影響，將式(1)進行簡化，如式(2)所示。

I(x，λ)=R(x，λ)+A(x，λ)

(2)

云霧大氣光的數(shù)值變化受云霧濃度影響，云層越厚、霧氣越濃，云霧大氣光影響就越大。由于云霧聚集過程中，水滴或冰晶均有相同或相似性質(zhì)，局部云霧濃度可以認為無變化，影像上表現(xiàn)為均質(zhì)性。這樣，假設(shè)在某云霧大氣光區(qū)間內(nèi)，云霧散射的大氣光變化與霧天影像不呈相關(guān)性，即在這一區(qū)間內(nèi)云霧散射背景光為一常數(shù)C，式(2)可簡化為式(3)。

I(x，λ)=R(x，λ)+C

(3)

常數(shù)C可理解為遙感影像云霧大氣光影響光譜異常值。通過文中混合型強迫不變法計算出該異常值，然后基于混合像元分解理論分離該值，即可去除云霧影響，還原目標景物。

2 混合型強迫不變方法

“強迫不變”最早由Crippen 和Blom提出，用于抑制遙感影像中植被信息和增強植被下伏巖石[10]，文獻[11-12]對其實驗和改進，取得了較好效果。強迫不變方法的核心是基于混合像元分解，通過分析目的物與整體像元相互關(guān)系，計算強迫值；假定該值使得目的物與整體像元間不存在關(guān)聯(lián)性，進而平化目的物完成分離。

為了更好地描述影像中原始地物光譜受云霧大氣光的影響情況，文章引入了“云霧因子”概念。云霧因子是對云霧大氣光的度量，用以檢測云霧大氣光的強弱。

HSI顏色空間變換主要用于圖像空間信息分析與處理，由色調(diào)H(hue)、飽和度S(saturation)和亮度I(lightness)3個分量組成。色調(diào)描述純色的屬性，飽和度給出一種純色被白光稀釋程度的度量，亮度是顏色的明亮程度。由于人的視覺對亮度的敏感程度，它比RGB色彩空間更符合人的視覺特性，也更容易簡化圖像分析與亮度分離。亮度分量的改變不會影響影像的顏色信息，這為分開處理影像又不過多損失影像信息提供依據(jù)[13]。

基于上，文章提出“HSI顏色空間變換+強迫不變”混合型強迫不變技術(shù)，充分利用HSI顏色空間變換特性，計算各分量與云霧因子的相關(guān)性曲線；利用強迫不變技術(shù)，使得該分量光譜值不隨云霧因子值變化，與云霧因子無相關(guān)性；最后依據(jù)像元分解理論分離出像素中的無相關(guān)性光譜值，即云霧大氣光貢獻量，達到去除云霧目的。主要步驟如下。

1)提取云霧因子?！皬娖炔蛔儭崩碚摰暮诵氖峭ㄟ^分析干擾物與整體像元之間的關(guān)系來計算強迫值，而找出最能反映干擾物的干擾因子是關(guān)鍵。大氣散射理論說明了目標地物在傳輸過程中因受云霧大氣光干擾，使得目標物成像結(jié)果亮度降低、對比度下降。引入“云霧因子”概念就是從影像中最大限度地提取反映云霧大氣光強弱信息，建立云霧因子波段，進而與整體影像建立相關(guān)性。

2)HSI顏色空間變換。RGB顏色空間是直角坐標系中的一個立方體，而HSI空間是圓柱直角坐標系中的雙錐體，利用空間變換，即式(4)進行轉(zhuǎn)換。

(4)

3)計算云霧因子與HSI各分量散點圖及擬合曲線。散點圖能清楚地展示HSI各分量與卷云因子數(shù)量關(guān)系，擬合曲線用來描述各個分量對應(yīng)卷云因子的變化趨勢。在曲線平化前，各個分量的光譜信息隨卷云因子的變化而變化，呈正相關(guān)，或呈負相關(guān)。

4)云霧因子濃度分析。云和霧都是由懸浮在空中的小水滴或冰晶組成的水汽凝結(jié)物，但受地形高低、凝結(jié)核大小、氣壓流動等因素影響，云霧濃度不一，分布不均勻，對目標物散射影響也不一樣，濃度越大，對目標物影響越大。

5)求出分段平化值，完成霧分離。擬合曲線代表了光譜值與云霧因子的內(nèi)在趨勢，如果它是平的，則表明該影像光譜亮度與云霧沒有相關(guān)性。中值濾波和平滑能實現(xiàn)這一平化目的，獲取平化值，獲取平化值后，利用強迫不變公式完成卷云分離，計算如式(5)所示。

(5)

式中：Pnew為新像素值；Poriginal為原始像素值；Ptarget為平化值；PNDVI為相應(yīng)卷云因子值。

3 方法實驗

3.1 研究區(qū)及數(shù)據(jù)源

研究區(qū)位于重慶市涪陵區(qū)，地處四川盆地和盆邊山地過渡地帶，中亞熱帶濕潤季風氣候，降水充沛，多云霧。遙感影像數(shù)據(jù)采用Landsat-8 OLI，行列號為39/127，數(shù)據(jù)拍攝時間為2016年8月20日。

Landsat-8衛(wèi)星于2013年2月11日在美國發(fā)射成功，它攜帶2個傳感器，分別是OLI陸地成像儀(operational land imager)和TIRS熱紅外傳感器(thermal infrared sensor)。TIRS熱紅外傳感器主要用于收集地球2個熱區(qū)地帶的熱量流失，OLI陸地成像儀相較ETM新增2個波段：band 1藍色波段(0.433～0.453 μm) 主要應(yīng)用于海岸帶觀測；band 9短波紅外波段(1.360～1.390 μm)主要應(yīng)用于薄云檢測。

3.2 混合型強迫不變?nèi)ケ≡?、霧處理

1)卷云波段提取云霧因子。OLI陸地成像儀新增band 9短波紅外波段也稱卷云波段，具有水汽強吸收特征，對太陽輻射有強烈的吸收、散射作用，能反映云霧大氣光強弱。有研究表明，卷云波段對云霧像素的識別、云霧檢測效果較好[14]。文中擬從卷云波段中提取云霧因子。為便于計算卷云波段與HSI顏色空間曲線，對卷云波段光譜值縮放至[0，255]，提取云霧大氣光的度量值影像，建立云霧因子波段(圖2)。

圖2 云霧因子提取

2)HSI顏色空間變換。分別將OLI的b4(R)、b3(G)、b2(B)進行HSI顏色空間變換。

3)計算云霧因子與HSI各分量散點圖及擬合曲線。HSI模型是由色調(diào)(H)、飽和度(S)和亮度(I)3個分量組成的空間立體模型。H是色彩的本質(zhì)歸屬，由地物反射波長決定；I反映純色屬性的明亮程度，取值范圍為[0，1]，0代表黑色，1代表白色，受外界干擾后值域范圍易變化。根據(jù)大氣散射模型，云霧對目標物的影響是衰減了入射光，使得圖像灰度值異常。云霧因子用于描述云霧對大氣光的干擾強弱，結(jié)合I分量特點，它和I分量關(guān)系應(yīng)更為密切。文中通過計算HSI各分量與云霧因子散點圖進一步證實。

圖3顯示，HSI各分量亮度值與云霧因子均有關(guān)聯(lián)，云霧因子值變化影響HSI各分量值變化。通過計算云霧因子與HSI各分量散點圖、擬合曲線及相關(guān)系數(shù)得出，圖3(a)中云霧因子與H分量相關(guān)系數(shù)R=0.399 5，相關(guān)性最小，這也與前面理論推斷一致，即云霧因子對H的影響是最弱的。圖3(c)中云霧因子與I分量相關(guān)系數(shù)R=0.695 6，相關(guān)性最大，且呈正相關(guān)性，表明在云霧因子波段內(nèi)I分量受大氣光影響最強且具規(guī)律。選取I分量作為強迫不變?nèi)ケ≡?、霧實驗分量。

圖3 云霧因子與HSI各分量散點圖及擬合曲線

4)云霧因子濃度分析。統(tǒng)計云霧因子像元亮度值，得知該值分布范圍在[1，150]區(qū)間內(nèi)，有部分數(shù)值缺失，分布數(shù)量不均勻，主要集中在[0，40]區(qū)間內(nèi)。這表明云霧散射大氣光強弱不一，對影像成像影響不均勻。如果不對云霧因子濃度進行分類，只采用單一的平化值，勢必影響光譜值分離準確性。

云霧因子濃度分段通過“擬合曲線+聚類分析”法計算得出：首先計算亮度值與分布數(shù)量之間擬合曲線；然后在此基礎(chǔ)上對云霧因子亮度值聚類分析找到亮度突變值。文中實驗區(qū)云霧因子統(tǒng)計分析后分為3個區(qū)間(圖4(a))，并根據(jù)區(qū)間分段值制作云霧因子濃度分區(qū)圖(圖4(b))。在各個區(qū)間內(nèi)，認為云霧散射大氣光影響是連續(xù)均勻的，這為下一步提取分段平化值做準備。

圖4 云霧因子濃度趨變分析

5)曲線分段平化值獲取。在云霧因子與I分量擬合曲線(圖3(c))的基礎(chǔ)上，采用中值濾波和平滑實現(xiàn)曲線平化，結(jié)合云霧因子濃度分段區(qū)域，分段平化取值，求得分段平化值(表1)。該步驟為避免數(shù)據(jù)分割造成數(shù)據(jù)冗余，利用Matlab軟件分段編程實現(xiàn)。

表1 I分量平化值

6)曲線分段平化處理。把分段平化值代入式(5)，得到去除薄云、霧后效果影像(圖5(b))。

圖5 本文方法影像處理前后效果對比

3.3 實驗分析

實驗分析分為主觀視覺和客觀數(shù)據(jù)分析。主觀視覺上，對比圖5(a)原始影像和圖5(b)去薄云、霧后影像。原始影像中薄云、霧色調(diào)異常高亮，覆蓋地物輪廓不清、紋理不明、地物分辨能力非常差；處理后的影像薄云、霧基本消除，原覆蓋影像地物輪廓基本顯現(xiàn)，地物分辨能力大幅提高，整幅影像色調(diào)無異常?？陀^分析采用直觀的線譜圖，選取一行像元值(圖5(a)、圖5(b)中的紅線)，分析處理前后影像像元相關(guān)性。圖6顯示，在所選紅線兩端的無霧區(qū)域，處理后像元值與原始影像大小、變化趨勢基本一致；在所選紅線中間有霧區(qū)域，處理后像元值大小有明顯變化，峰值有偏移，變化趨勢仍一致；此外，計算得出2條曲線相關(guān)系數(shù)R=0.794 8。這些說明本文的薄云、霧去除方法復(fù)原效果較好，能得到與原始影像較接近的影像。

圖6 處理前后局部影像水平剖面對比

3.4 對比分析

圖7 其他方法影像處理效果圖

為了更好地說明本文方法的有效性，同時采用了同態(tài)濾波和HOT法開展去薄云、霧實驗對比。圖7顯示的2種去霧方法都能不同程度地消除霧影響，但與本文方法相比，存在一些不足。圖7(a)同態(tài)濾波法去霧時濃霧區(qū)出現(xiàn)黑色斑點，信息有丟失；圖7(b)HOT法去霧后，裸地和霧區(qū)出現(xiàn)不同程度偏色失真。

為客觀評價各類方法效果，本文計算了峰值信噪比和信息熵[15]。峰值信噪比是基于影像對應(yīng)像素點間的誤差評價，其數(shù)值越大，表示影像處理后色彩失真越?。恍畔㈧胤从沉擞跋竦男畔⒑?，熵值越大，說明信息量越豐富。表2顯示，本文去霧方法的峰值信噪比和信息熵值最大，反映該方法處理后影像失真程度最小，信息量保存最為豐富完整。

表2 實驗方法去霧影像統(tǒng)計指標對比

4 結(jié)束語

本文基于大氣散射原理，建立一種混合型強迫不變遙感影像去薄云、霧方法，通過實驗，取得以下結(jié)論和認識。

1)“HSI顏色空間變換+強迫不變”混合型強迫不變遙感影像去薄云、霧方法能基本去除影像薄云、霧，還原覆蓋地物，提高地物分辨度。相較原始的RGB圖像，HSI顏色空間變換簡化了圖像分析與亮度分離，且更符合人的視覺特性。通過強迫不變技術(shù)，使得波段光譜值不隨云霧因子值變化，與云霧因子無相關(guān)性，從而分離出像素中的薄云、霧光譜貢獻量，達到去除云霧目的。

2)強迫不變實質(zhì)是通過計算波段與云霧因子間相關(guān)性來獲取平化值，使得波段光譜值與云霧因子無相關(guān)性，從而達到分離薄云、霧的目的。由于實際現(xiàn)象中，云霧的厚度不是同一的，如果不對厚度進行分類，只采用單一的平化值，勢必影響光譜值分離的準確性。因此，云霧的濃度分類是必要的。

3)卷云波段能有效監(jiān)測薄云、霧范圍及濃度，可以作為云霧因子參與波段間相關(guān)性分析。

4)厚云直接遮擋了光源和電磁波反射，使得目標物不能有效獲取，卷云波段對厚云監(jiān)測能力欠缺，該方法無法完成厚云去除實驗。厚云檢測目前有自動化厚云檢測算法(automatic cloud cover survey，ACCS)，效果較好，但厚云去除研究仍是一個難點。