林瑤瑤，唐新明，薛玉彩，田永明，齊麟

1. 濟(jì)南市勘察測(cè)繪研究院， 濟(jì)南 250013；

2. 自然資源部國土衛(wèi)星遙感應(yīng)用中心，北京 100048；

3. 山東高速工程檢測(cè)有限公司， 濟(jì)南 250013

1 引 言

2012 年1 月9 日，資源三號(hào)衛(wèi)星成功發(fā)射，它是我國首顆民用高分辨率光學(xué)立體測(cè)圖衛(wèi)星，主要應(yīng)用于我國1∶5 萬測(cè)繪產(chǎn)品制作，1∶2.5 萬地形圖的修補(bǔ)與更替（王鴻燕等，2020；王煌文等，2022；劉翔等，2023)。高分七號(hào)測(cè)繪衛(wèi)星的全色分辨率達(dá)0.7 m，多光譜影像分辨率也達(dá)到2.8 m，是實(shí)現(xiàn)我國1∶1 萬衛(wèi)星測(cè)繪能力的關(guān)鍵衛(wèi)星工程（趙文普等，2022；張?zhí)虾婉T獻(xiàn)霆，2023)。隨著圖像分辨率的提高，衛(wèi)星星上數(shù)據(jù)量亦是成倍增長，高分七號(hào)原始數(shù)據(jù)量已是資源三號(hào)的5 倍。星上海量的遙感數(shù)據(jù)需要經(jīng)過壓縮后才能及時(shí)下傳到地面站。在遙感領(lǐng)域，采取的壓縮算法有基于小波變換的JPEG2000 算法（連佳佳等，2019)、多級(jí)樹集合分裂排序（set partitioning in hierarchical trees，SPIHT)算法（葉辰等，2022)、基于離散余弦變換的JPEG 壓縮算法（劉婷和梁文龍，2022)、JPEG-LS 壓縮算法（尤傳亮，2019)等。在星上進(jìn)行影像壓縮的實(shí)時(shí)性要求較高，同時(shí)星上緩存巨大數(shù)據(jù)量的能力也有限。為能夠及時(shí)獲得較高壓縮倍率的數(shù)據(jù)，滿足使用精度和要求，須采用硬件壓縮方式來實(shí)現(xiàn)星載高分辨率遙感影像的緩存和下傳。其中，JPEG-LS 壓縮算法復(fù)雜度低，壓縮性能良好，更適用于硬件系統(tǒng)（陳聰，2018；張人愉，2018)。

遙感影像分類是多光譜影像應(yīng)用的重要內(nèi)容之一。經(jīng)過壓縮后的影像質(zhì)量下降，部分影像信息丟失，影響到遙感影像在土地和地質(zhì)應(yīng)用、變化檢測(cè)、專題信息提取與分析等方面的應(yīng)用能力和應(yīng)用范疇。Xue 等（2014)利用JPEG-LS 壓縮算法對(duì)資源三號(hào)多光譜影像進(jìn)行不同倍率壓縮，分析影像融合效果，結(jié)果表明3 倍壓縮后的遙感影像可以滿足測(cè)繪應(yīng)用需求。Danoedoro （2013)比較分析了基于像素和基于對(duì)象的分類方法對(duì)ALOS-AVNIR2 多光譜遙感影像分類精度的影響，結(jié)果表明基于對(duì)象的分類方法結(jié)果更穩(wěn)定、分類精度更高。譚可清（2018)研究了JPEG2000 壓縮對(duì)Landsat 8 與資源三號(hào)監(jiān)督分類結(jié)果的影響。Elkholy 等（2019)對(duì)Geoeye 衛(wèi)星遙感影像研究了離散小波變換（discrete wavelet transformation，DWT)壓縮對(duì) Geo-eye 衛(wèi)星遙感影像的神經(jīng)網(wǎng)絡(luò)及最大似然分類結(jié)果的影響。胡曄（2020)選擇JPEG2000 壓縮算法對(duì)高分二號(hào)、Landsat 8 及資源三號(hào)衛(wèi)星影像壓縮，利用最大似然和支持向量機(jī)分類算法對(duì)影像進(jìn)行分類，并計(jì)算 Kappa 系數(shù)、總體分類精度等精度指標(biāo)。

綜上所述，目前對(duì)多光譜遙感影像壓縮影響分析多集中在不同衛(wèi)星影像受壓縮算法影響程度，以及不同分類方法對(duì)多光譜影像應(yīng)用能力影響等方面的研究，缺少對(duì)高分辨率遙感影像星上壓縮質(zhì)量影響的相關(guān)研究。因此，本文對(duì)高分七號(hào)模擬多光譜影像進(jìn)行了系統(tǒng)的星上壓縮影響評(píng)價(jià)實(shí)驗(yàn)。利用JPEG-LS 算法對(duì)高分七號(hào)模擬多光譜影像進(jìn)行不同倍率壓縮，比較壓縮后影像與未壓縮影像灰度特征、紋理特征的差異；對(duì)遙感影像進(jìn)行多尺度分割，選取分割后的圖斑單元作為樣本，繼而采用面向?qū)ο蟮姆诸惙椒▽?duì)遙感影像進(jìn)行分類。同時(shí)，以臨朐縣為例，將未壓縮影像的分割和分類結(jié)果作參照，對(duì)壓縮后影像進(jìn)行分割一致性和分類精度的驗(yàn)證。

2 多光譜影像壓縮質(zhì)量評(píng)價(jià)方法

2.1 構(gòu)像質(zhì)量評(píng)價(jià)

根據(jù)遙感影像構(gòu)像質(zhì)量分析內(nèi)容、方向的不同，從灰度特征、紋理特征分析和影像對(duì)照差異分析兩個(gè)方面進(jìn)行構(gòu)像質(zhì)量分析評(píng)價(jià)（林瑤瑤，2019)。前者通過分別分析未壓縮影像和重建影像的特征，研究不同壓縮倍率后影像特征的變化；后者采取未壓縮影像和重建影像直接進(jìn)行關(guān)聯(lián)的方法，研究壓縮導(dǎo)致的影像質(zhì)量的差別。

影像特征分析從影像光譜特征和紋理特征兩方面進(jìn)行。其中，光譜特征包括影像灰度平均值和灰度標(biāo)準(zhǔn)方差；紋理特征包括基于灰度共生矩陣提取的對(duì)比度和信息熵。影像光譜特征可以反映影像亮度值變化，影像紋理特征反映了紋理溝紋、影像信息量變化等。

影像對(duì)比特征分析通過比較原始未壓縮影像和重建影像差異來進(jìn)行。相關(guān)系數(shù)與峰值信噪比是常用的兩種評(píng)價(jià)因子。其中：

式中，CC 為影像相關(guān)系數(shù)；f(i,j)、μf分別為未壓縮影像在第i行、j列的灰度值及整幅影像的灰度平均值；g(i,j)、μg分別為重建影像在第i行、j列的灰度值及整幅影像的灰度平均值；M、N分別為影像總行數(shù)、總列數(shù)。影像相關(guān)系數(shù)用于表示兩幅影像灰度相似程度。另：

式中，B為影像位數(shù)；PSNR 為峰值信噪比，與均方誤差（mean square error，MSE)相關(guān)，將壓縮前后影像相同行、列號(hào)處的像元灰度差當(dāng)作噪聲，將未壓縮影像當(dāng)作信號(hào)，計(jì)算其信噪比。峰值信噪比大，影像受壓縮影響小，影像質(zhì)量高。

2.2 分割一致性評(píng)價(jià)

本文利用基于區(qū)域生長的分割技術(shù)對(duì)多光譜影像數(shù)據(jù)進(jìn)行分割。eCognition 的多尺度分割方法將影像的空間及光譜異質(zhì)性綜合考慮，有效防止了只顧及光譜異質(zhì)性最小造成的分割后圖斑形狀較為零碎現(xiàn)象，在面向?qū)ο蠓诸愔袕V為應(yīng)用（陳蕊和張繼超，2020；林榮清等，2020)。本文采用控制變量的方法，通過設(shè)置分割尺度參數(shù)、形狀因子及緊致度因子分析實(shí)驗(yàn)影像不同地物的分割效果，繼而選取合適的分割參數(shù)對(duì)多光譜影像進(jìn)行分割，實(shí)驗(yàn)中，各個(gè)波段權(quán)重設(shè)為1。結(jié)合遙感影像視覺分割效果和最佳分割尺度圖，確定本文采用的分割尺度為28、形狀因子為0.2、緊致度因子為0.5。

采用確定的分割參數(shù)對(duì)原始未壓縮影像和壓縮后重建影像進(jìn)行多尺度分割，以未壓縮影像分割圖斑數(shù)據(jù)為參考，分析不同壓縮倍率對(duì)重建影像分割結(jié)果的影響，如圖1 所示。

圖1 影像分割影響評(píng)價(jià)Fig.1 Evaluation of image segmentation accuracy

2.3 分類精度評(píng)價(jià)

不同地物目標(biāo)擁有不同的對(duì)象特征，關(guān)系到影像分析與信息提??；其中，光譜信息是最基礎(chǔ)的特征，隨著高分辨率影像的涌現(xiàn)，對(duì)象的形狀和紋理信息得到充分表達(dá)。因此，本文運(yùn)用遙感影像的光譜信息、形狀信息和紋理信息進(jìn)行多光譜影像的分類（潘俊虹和梁明，2022；王書珩，2022；武萌華，2023)。

首先，利用監(jiān)督分類方法對(duì)原始未壓縮影像及壓縮后重建影像分別進(jìn)行分類，得到各自的分類結(jié)果；其次，將重建影像分類結(jié)果與原始影像分類結(jié)果進(jìn)行對(duì)比分析，研究壓縮算法對(duì)多光譜影像專題信息分類精度及整體分類精度影響，評(píng)價(jià)路線如圖2 所示。

圖2 影像分類精度評(píng)價(jià)Fig.2 Evaluation of image classification accuracy

實(shí)驗(yàn)中，將地物類型分為建設(shè)用地、水體、林地、耕地、陰影、其他土地共六類；采用像元平均亮度值、每個(gè)波段平均值、相異性、最大差異、形狀指數(shù)、長寬比及歸一化植被指數(shù)（normalized difference vegetation index，NDVI)作為提取樣本的分類指標(biāo)。

利用混淆矩陣可以計(jì)算出評(píng)價(jià)分類效果的制圖精度、用戶精度、總體分類精度（邵亞琴等，2022)和Kappa 系數(shù)（徐輝等，2019)。

3 評(píng)價(jià)實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)

遙感影像壓縮評(píng)價(jià)實(shí)驗(yàn)與測(cè)試影像有著直接關(guān)系，綜合考慮壓縮算法與衛(wèi)星研制工程，開展高分七號(hào)衛(wèi)星影像模擬。

進(jìn)行多光譜遙感影像壓縮質(zhì)量評(píng)價(jià)，需要綜合考慮不同地物地貌的遙感影像受壓縮算法的影響，實(shí)驗(yàn)選取影像大小為1700 像素×1700 像素、分辨率為2.8 m 的高分七號(hào)模擬多光譜影像作為測(cè)評(píng)影像，如圖3 所示。多光譜實(shí)驗(yàn)影像區(qū)域選取山東省濰坊市臨朐縣，影像包括大面積的裸土、山林，以及成片的河流和城市建筑，地物類型豐富。

圖3 多光譜影像Fig.3 Multispectral images

3.2 壓縮算法

JPEG-LS 的核心是LOCO-I（low complexity lossless compression for images)算法，是一種基于自回歸上下文來預(yù)測(cè)殘差的編碼方法，其編碼方式由被編碼像素點(diǎn)的失真控制參數(shù)和局部梯度的關(guān)系決定：如果被編碼像素點(diǎn)的局部梯度在失真控制參數(shù)范圍外，編碼進(jìn)入常規(guī)模式；否則，進(jìn)入游程模式。

在JPEG-LS 游程編碼模式中，編碼器以x為起點(diǎn)計(jì)算游程長度，遇到不同像素值（對(duì)于有損壓縮則為其值超出誤差限)的圖斑或當(dāng)前行的行尾時(shí)，游程終止。JPEG-LS 常規(guī)編碼方式包含重建值預(yù)測(cè)、預(yù)測(cè)誤差計(jì)算和對(duì)預(yù)測(cè)誤差進(jìn)行Golomb 編碼三個(gè)部分（劉向增等，2021)。其原理如

式中，Px為預(yù)測(cè)值；xa、xb、xc分別為位于a、b、c處的像素值。當(dāng)x上方存在水平邊緣時(shí)，選取像素a作為x的預(yù)測(cè)值；若x左側(cè)存在垂直邊緣，選用像素b作為x的預(yù)測(cè)值；如果算法沒有檢測(cè)到邊緣，則用a+b-c來作為x處的預(yù)測(cè)值，如圖4 所示。預(yù)測(cè)誤差為x處像素預(yù)測(cè)值與實(shí)際值的差值，利用Golomb 對(duì)預(yù)測(cè)誤差進(jìn)行編碼。

圖4 預(yù)測(cè)值選取示意圖Fig.4 Diagram of prediction value selection

3.3 影像特征評(píng)價(jià)結(jié)果

計(jì)算未壓縮影像與壓縮后影像各個(gè)波段及多波段灰度平均值和標(biāo)準(zhǔn)方差，如表1 所示。3∶1 壓縮后單個(gè)波段和多波段差值統(tǒng)計(jì)不大，多波段統(tǒng)計(jì)均值差值為0.939，方差差值為0.018；6∶1 壓縮后多波段均值差值為1.694，方差差值為0.725，各個(gè)波段和多波段差值統(tǒng)計(jì)較大。

表1 影像灰度平均值、標(biāo)準(zhǔn)方差統(tǒng)計(jì)Tab.1 Statistics of image gray average and standard deviation

影像壓縮前后紋理特征，如表2 所示。3∶1 壓縮后影像紋理差異不明顯，多波段對(duì)比度差值和信息熵差值為0.042 和0.001；6∶1 壓縮后多波段對(duì)比度差值和信息熵差值為0.327 和0.007，各個(gè)波段和多波段差值較明顯。

表2 影像對(duì)比度、信息熵統(tǒng)計(jì)Tab.2 Statistics of image contrast and information entropy

影像壓縮后與原始未壓縮影像的差異特征，如表3 所示。3∶1 壓縮后影像相關(guān)系數(shù)高，峰值信噪比大于50，壓縮算法對(duì)重建影像影響較小，影像質(zhì)量良好；單波段6∶1 壓縮后影像相關(guān)系數(shù)最小降低到0.891，峰值信噪比小于50，重建影像質(zhì)量較差。

表3 影像對(duì)比特征統(tǒng)計(jì)Tab.3 Statistics of image contrast features

3.4 影像分割一致性評(píng)價(jià)結(jié)果

設(shè)置分割尺度為28，形狀因子為0.2、緊致度因子為0.5，未壓縮影像及3∶1、6∶1 壓縮比情況下的分割變化情況，如圖5、圖6 所示。在房屋、耕地此類地物邊界明顯的地區(qū)，影像執(zhí)行分割后圖斑形狀變化較小；在林地、水體此類地物邊界模糊的地區(qū)，影像執(zhí)行分割后圖斑形狀變化相對(duì)明顯；整體上，6∶1 重建影像分割圖斑形狀較3∶1 重建影像分割圖斑形狀變化明顯。

圖5 原始影像和重建影像的分割結(jié)果示例一Fig.5 Example of segmentation results for the original image and the reconstructed image—Example 1

圖6 原始影像和重建影像的分割結(jié)果示例二Fig.6 Example of segmentation results for the original and the reconstructed image—Example 2

影像進(jìn)行不同倍率壓縮后，影像光譜特征及紋理特征會(huì)發(fā)生不同程度的變化，影像分割后圖斑數(shù)量及圖斑面積也會(huì)發(fā)生變化。圖斑面積以像素形式體現(xiàn)，實(shí)驗(yàn)將平均圖斑面積及圖斑面積方差作為圖斑面積變化的指標(biāo)。由表4 知，壓縮倍數(shù)越高，影像分割差異越大。3∶1 壓縮后，圖斑總數(shù)變化率為0.90%，平均圖斑面積變化率為0.91%；6∶1 壓縮后，圖斑總數(shù)變化率為6.02%，平均圖斑面積變化率為6.41%；兩種壓縮倍率壓縮后，圖斑面積方差變化率均較大，圖斑面積離散程度也逐漸增大。

表4 影像分割統(tǒng)計(jì)數(shù)據(jù)Tab.4 Statistical data of image segmentation

3.5 影像分類精度評(píng)價(jià)結(jié)果

結(jié)合實(shí)驗(yàn)影像地物特征表現(xiàn)，針對(duì)每一種地物類型，隨機(jī)選取了80～300 個(gè)樣本作為訓(xùn)練區(qū)域，實(shí)施監(jiān)督分類，并利用混淆矩陣對(duì)分類結(jié)果進(jìn)行分析評(píng)價(jià)。

以原始影像為基準(zhǔn)，3∶1 壓縮后重建影像的Kappa 系數(shù)為0.91，影像分類精度結(jié)果統(tǒng)計(jì)，如表5 所示。除了耕地的制圖精度、Kappa 系數(shù)小于0.90以外，其他地物類型的制圖精度、用戶精度及Kappa 系數(shù)均大于0.90；受壓縮算法影響，重建影像在紋理相對(duì)細(xì)致的地區(qū)出現(xiàn)明顯條帶現(xiàn)象，容易與其他類型地物混淆，造成耕地的制圖精度、Kappa 系數(shù)較低。雖然水體也具有比較細(xì)致的紋理，但是由于水體與其他地物類型的光譜信息有著較大差別，所以其分類精度受壓縮算法影響較小。

表5 3∶1 JPEG-LS 分類精度Tab.5 3∶1 JPEG-LS classification accuracy

以原始影像為基準(zhǔn)，6∶1 壓縮后重建影像的Kappa 系數(shù)為0.87，影像分類精度結(jié)果統(tǒng)計(jì)，如表6 所示。除了個(gè)別地物，如水體的制圖精度、用戶精度、Kappa 系數(shù)，林地的制圖精度、用戶精度，建筑的用戶精度，以及其他地物類型的制圖精度大于0.90 以外，其余地物類型的各分類精度指標(biāo)均小于0.90；當(dāng)壓縮比為6∶1 時(shí)，影像分類精度受到較大影響。

表6 6∶1 JPEG-LS 分類精度Tab.6 6∶1 JPEG-LS classification accuracy

4 結(jié) 論

對(duì)高分七號(hào)模擬多光譜影像進(jìn)行壓縮影響評(píng)價(jià)，可為高分七號(hào)星上多光譜壓縮指標(biāo)提供技術(shù)參考。本文從影像灰度、紋理，影像分割、分類精度四方面進(jìn)行多光譜影像壓縮影響評(píng)價(jià)，結(jié)果表明：①影像經(jīng)JPEG-LS 壓縮后，3∶1 壓縮后影像灰度、紋理差異不明顯，6∶1 壓縮后影像差異有明顯提升；②6∶1 壓縮后影像圖斑總數(shù)變化率和平均圖斑面積變化率約是3∶1 時(shí)的7 倍，影像分割精度受到較大影響；③3∶1 壓縮后影像的總體分類精度為0.95，Kappa 系數(shù)為0.91；6∶1 壓縮后影像的總體分類精度和Kappa 系數(shù)分別降低為0.92、0.87，影像分類精度受到一定程度影響。綜上所述，比較星上JPEG-LS 提供的3∶1 及6∶1 兩種壓縮比，多光譜遙感影像宜采用的壓縮比為3∶1。

多光譜影像不同波段受壓縮影響不同，降低單波段影像受影響程度，對(duì)提高影像應(yīng)用能力，如影像專題信息提取、變化檢測(cè)等方面具有重要意義。后續(xù)需要進(jìn)一步開展多光譜影像壓縮后在地質(zhì)方面的影響，以及不同波段受壓縮影響的具體程度。