鄧帆 劉遠剛 王慶 井然 李功權(quán)

關(guān)鍵詞：遙感原理；課程實驗；地理信息科學；直方圖均衡；Python

0 引言

計算機程序設(shè)計能力的培養(yǎng)是地理信息科學（Geographic Information Science， 簡稱GIS） 專業(yè)人才培養(yǎng)計劃的重點。在學生培養(yǎng)過程中，除了要求學生掌握好GIS學科基本原理外，還應(yīng)當培養(yǎng)學生具備較強的實踐能力，特別是編程能力的培養(yǎng)[1]。遙感是GIS 專業(yè)核心組成部分之一，歷來都是本專業(yè)的核心課程。隨著遙感科學與技術(shù)的發(fā)展，遙感更是發(fā)展成為一個本科專業(yè)。由于歷史的原因，早期的GIS（地理信息系統(tǒng)）專業(yè)更加重視矢量數(shù)據(jù)和GIS系統(tǒng)的二次開發(fā)和應(yīng)用，對柵格遙感數(shù)據(jù)、遙感圖像處理以及相關(guān)應(yīng)用重視不足，使得遙感課程停留在“科普”水平。隨著遙感技術(shù)的發(fā)展，特別是遙感數(shù)據(jù)種類的極大豐富，以及數(shù)據(jù)獲取難度的大幅降低，遙感在行業(yè)中的應(yīng)用越來越廣泛，遙感課程逐漸受到重視，各大高校開始注重培養(yǎng)學生應(yīng)用遙感數(shù)據(jù)解決實際問題的能力。然而，這種能力大多停留在利用遙感圖像處理軟件對圖像的基本處理上，相關(guān)實踐教學大多停留在教授學生使用遙感軟件的層次。這種教學模式，不利于學生掌握遙感技術(shù)的基本原理，造成學生對遙感課程的認知出現(xiàn)偏差（認為遙感課程的目標是學會軟件的操作），也使得遙感類課程與GIS專業(yè)培養(yǎng)模式出現(xiàn)斷層。特別是，隨著遙感大數(shù)據(jù)和人工智能的突破發(fā)展，出現(xiàn)了各種遙感云平臺，遙感數(shù)據(jù)獲取、處理和應(yīng)用門檻大大降低，使得培養(yǎng)的“專業(yè)”學生相對“非專業(yè)”學生在遙感開發(fā)和應(yīng)用方面并不具備更多優(yōu)勢。因此，有必要盡快適應(yīng)新的形勢，改革遙感實踐教學內(nèi)容和方式，注重基本原理、算法的編程實現(xiàn)，甚至創(chuàng)新應(yīng)用[2]，提升GIS專業(yè)課程體系的連續(xù)性、系統(tǒng)性。這不僅有利于學生加深對遙感課程的認識，對專業(yè)培養(yǎng)模式的理解，而且有助于提升就業(yè)競爭力和發(fā)展?jié)摿3]。

遙感課程實驗是GIS專業(yè)學生在完成遙感原理與應(yīng)用課程理論課學習或者課內(nèi)實驗后獨立開展的綜合課程設(shè)計，其目的是鞏固加深課堂所學書本知識，培養(yǎng)學生運用遙感科學基本原理和技術(shù)解決實際問題的能力?，F(xiàn)有的課程實驗仍然停留在軟件的基本操作層面，忽視了基本原理的算法實現(xiàn)，不利于學生掌握基本原理，不利于學生開發(fā)能力的培養(yǎng)，不利于與前序課程的銜接。因此，有必要結(jié)合GIS、遙感學科的發(fā)展，適應(yīng)大數(shù)據(jù)、人工智能的最新趨勢來設(shè)計實驗選題，從而達到優(yōu)化設(shè)計實踐教學內(nèi)容，引導(dǎo)學生深入探究專業(yè)問題的目的。鑒于目前尚缺乏此類實驗教學案例和教材，本文設(shè)計了遙感課程實現(xiàn)的教學內(nèi)容安排，設(shè)計了一個遙感實驗教學案例，以此為例給出此類選題的基本思路和設(shè)計模板，為同類教學案例的設(shè)計提供參考。

1 實驗教學設(shè)計策略和案例

1.1 實驗教學設(shè)計策略

遙感原理課程理論性強，涉及的內(nèi)容多，學時有限，使得學生理解掌握起來難度大。因此，在進行實驗課程教學設(shè)計時要遵循以下幾個原則：一是要有利于學生理解基本遙感基本原理，提升程序設(shè)計能力；二是題目設(shè)計既要做到聯(lián)系前序課程，又要零基礎(chǔ)、易上手；三是有利于學生舉一反三，創(chuàng)新應(yīng)用。

因此，首先應(yīng)盡量選擇易上手，適合于遙感教學、圖像處理和應(yīng)用的語言和平臺，避免學生陷于編程語言和平臺細節(jié)的學習上。鑒于上述要求，Matlab、IDL、Python等都是比較適合的語言，它們都具有比較好的矩陣運算能力，具備交互式的開發(fā)方式[4]。此外，這幾門語言對已經(jīng)具備一定編程基礎(chǔ)的GIS專業(yè)學生來說學習難度不高?？紤]到Python的開源性，以及被廣泛應(yīng)用在遙感領(lǐng)域和機器學習領(lǐng)域，應(yīng)優(yōu)先使用Python語言進行實驗教學。在遙感實驗前，僅需結(jié)合圖像處理的基礎(chǔ)知識，提前教授學生基本的Python編程基礎(chǔ)和Numpy模塊的使用方法即可。

第二，在實驗教學內(nèi)容結(jié)構(gòu)上，應(yīng)從底層開始，逐步深入，初級階段盡量不使用第三方模塊，可利用第三方模塊對實驗結(jié)果進行驗證。此外，由于遙感課程理論性強，涉及的內(nèi)容多，既包含遙感物理、又包含遙感圖像處理和應(yīng)用，課程學習下來，學生體驗感不強，仍停留在知識的單向獲取，教學內(nèi)容沒有轉(zhuǎn)化成學生的相關(guān)技能。因此，在實驗內(nèi)容設(shè)計上，可以從遙感圖像讀取、顯示、增強、信息提取、分割、分類等內(nèi)容著手，設(shè)計2～3個實驗，要求學生編程實現(xiàn)相關(guān)算法或操作。這樣既有利于學生對原理的理解，做到舉一反三，也能夠為日后的學習工作打下基礎(chǔ)。

第三，注重培養(yǎng)學生的創(chuàng)新能力，引入遙感云平臺[5]。目前，國內(nèi)外已有一些遙感大數(shù)據(jù)云平臺上線，比如GEE（Google Earth Engine），PIE-Engine等。這些平臺都集成了大量的遙感數(shù)據(jù)、遙感產(chǎn)品和其他空間數(shù)據(jù)，以及大量的遙感相關(guān)算法，并且提供云端計算資源，能夠提升遙感數(shù)據(jù)的應(yīng)用效率，降低了遙感應(yīng)用門檻[6]。多數(shù)遙感云平臺都提供了基于Python的應(yīng)用接口，易于同其他遙感實驗銜接，GIS專業(yè)學生應(yīng)當了解和熟悉常用遙感云平臺開發(fā)方法和應(yīng)用路線。

最后，要保證學有成效，增強學生學習興趣，提升學生收獲感。在實驗設(shè)計時為學生提供充分的資源，增強學生信心，保證實驗順利完成。

基于以上考慮，本文在實驗選題設(shè)計上，主要考慮實驗描述、實驗條件和要求、實驗提示和參考資料三個方面。選題描述主要用于描述選題相關(guān)的遙感專業(yè)概念、問題、算法和實驗思路，增強學生對基本原理的理解，進一步明確實驗?zāi)康?。實驗條件和要求主要羅列完成實驗需要用到的數(shù)據(jù)、算法、參數(shù)和限定條件，并提出具體的實驗要求；實驗提示和參考資料主要給出選題中需要用到算法的設(shè)計思路、關(guān)鍵步驟和數(shù)據(jù)結(jié)構(gòu)，必要時給出程序偽代碼、流程圖或部分輔助程序輔助材料。下面首先設(shè)計了遙感課程實驗內(nèi)容整體安排，然后以遙感圖像“直方圖均衡化”實驗為例給出此類選題的設(shè)計思路和具體案例。

1.2 課程實驗教學內(nèi)容整體設(shè)計

根據(jù)以上認識，設(shè)計了遙感實驗教學內(nèi)容。實驗內(nèi)容分為遙感圖像的認識、圖像顯示與增強、遙感指數(shù)認識與計算、遙感信息提取、圖像分割與分類、遙感云平臺的使用以及遙感綜合應(yīng)用與開發(fā)等模塊。下面簡述各個模塊教學目的和主要內(nèi)容。

1） 遙感圖像的認識。認識數(shù)字圖像，理解遙感數(shù)字圖像與其他數(shù)字圖像的異同。掌握Python環(huán)境下的圖像基本操作。

2） 圖像顯示與增強。掌握彩色合成，顏色空間變換和常用對比度增強方法。

3） 遙感指數(shù)認識與計算。認識主要遙感指數(shù)和計算方法，理解指數(shù)原理和用途。

4） 遙感圖像分割與信息提取。掌握遙感影像的閾值分割和其他分割算法，實現(xiàn)特定信息的提取。

5） 圖像分類。掌握k-means等聚類算法和貝葉斯分類等分類算法原理與實現(xiàn)。

6） 遙感云平臺。以案例形式，GEE、PIE-Engine 入門。掌握遙感云臺使用基本流程。

7） 遙感綜合應(yīng)用與開發(fā)。作為獨立課程設(shè)計內(nèi)容，以遙感開發(fā)為基礎(chǔ)，實現(xiàn)一個完整的遙感應(yīng)用案例。

以上每個模塊可設(shè)計2～3個實驗內(nèi)容并提供相關(guān)資源供學生參考與學習。下面以模塊2圖像顯示與增強為例進行實驗設(shè)計。

1.3 實驗選題設(shè)計具體案例——“對比度增強-直方圖均衡化”

1.3.1 實驗描述

直方圖均衡化（Histogram Equalization） 是圖像處理領(lǐng)域中利用圖像直方圖調(diào)整對比度的方法。對于遙感圖像，直方圖均衡化使得圖像亮度可以更好地分布在直方圖上，增強局部對比度的同時不影響整體，能夠改善目視效果。

直方圖均衡化的主要思想是將一幅圖像的直方圖分布變成近似均勻分布（圖1） ，從而增強圖像的對比度，其主要步驟如下：

1） 計算每一個灰度級的概率。

2） 計算每一個灰度級的累計概率。

3） 計算映射表。

4） 將圖像像素值通過映射表進行映射。

對于灰度圖像{x}，ni 表示灰度i 出現(xiàn)的次數(shù)，由此圖像中灰度為i的像素出現(xiàn)的概率是：

1.3.2 實驗條件與要求

本題提供需要進行對比度增強的遙感衛(wèi)星影像，要求對該數(shù)據(jù)的某一通道進行直方圖均衡化增強并進行分析。

1） 讀取文件，獲取并輸出圖像相關(guān)信息以便于后續(xù)處理。要求輸出數(shù)據(jù)通道數(shù)、數(shù)據(jù)行列數(shù)、數(shù)據(jù)類型，以及圖像各通道最大值、最小值、平均值、方差等統(tǒng)計量。

2） 實現(xiàn)求直方圖函數(shù)，并顯示原始數(shù)據(jù)的直方圖。

3） 實現(xiàn)求累計直方圖函數(shù)，并顯示原始數(shù)據(jù)累計直方圖。

4） 對原始數(shù)據(jù)進行直方圖增強，并顯示增強后的直方圖。

5） 輸出結(jié)果圖的最大值、最小值、平均值、方差等統(tǒng)計量，并與原圖對比，從定性定量角度指出對比差異。

6） 最后，使用Skimage提供的函數(shù)進行直方圖均衡化，以此檢查驗證所實現(xiàn)算法的效果。

2 實驗提示與參考資源

1） 實驗環(huán)境準備。Numpy、Skimage、Matplotlib等模塊的基礎(chǔ)與入門。實驗環(huán)境應(yīng)在第一次實驗時準備，并進行練習。

2） 圖像信息和各統(tǒng)計量生成使用Numpy模塊的相關(guān)函數(shù)，圖表繪制使用Matplotlib模塊，圖像讀寫使用Skimage模塊。

3） 直方圖為灰度概率分布，對圖像逐像素遍歷，求和得到各灰度包含的像素數(shù)目。累積直方圖在直方圖基礎(chǔ)上進行累積生成即可。

4） 基于累積直方圖構(gòu)建灰度映射表。對于8bits 圖像，應(yīng)當將結(jié)果映射至[0，255]區(qū)間的整數(shù)，不滿足的需要進行取整。

5） 進一步資料：自適應(yīng)直方圖均衡化（Adap?tive Histogram Equalization， AHE） 、限制對比度自適應(yīng)直方圖均衡化（Contrast Limited AHE，CLAHE） 。

3 總結(jié)

遙感是GIS專業(yè)的核心課程，需要在教學中加強理論與實踐的結(jié)合。為適應(yīng)大數(shù)據(jù)和人工智能的發(fā)展，應(yīng)當加強學生的遙感應(yīng)用開發(fā)能力。然而，目前的遙感實踐教學偏重遙感軟件的使用，忽視了GIS專業(yè)學生遙感開發(fā)能力的培養(yǎng)。因此，本文提出在遙感的實驗教學環(huán)節(jié)加入遙感編程開發(fā)內(nèi)容，為學生的進一步學習、工作打下基礎(chǔ)，增強學生的競爭力。

為此，本文提出了實驗教學的設(shè)計思路和實驗教學內(nèi)容框架，以“直方圖均衡化”為例，闡述了遙感實驗設(shè)計的基本思路和具體過程，為類似的教學案例設(shè)計提供參考。通過這種實驗設(shè)計，增強GIS專業(yè)課程的系統(tǒng)性，也促進了本專業(yè)學生對遙感課程和GIS專業(yè)的學科概念和專業(yè)思想的形成。