GeoEye－1遙感圖像去霧霾方法比較

吳壽江，李 亮，宮本旭，龔 梅

GeoEye－1遙感圖像去霧霾方法比較

吳壽江，李 亮，宮本旭，龔 梅

(貴州省地質調查院，貴陽 550004)

在多雨多霧地區，GeoEye－1衛星獲取遙感圖像時常受到霧霾的影響。由于霧霾對電磁波有吸收、折射、反射和散射作用，導致遙感圖像清晰度降低。因此，盡可能地消除霧霾對圖像的影響，才能有效地提高遙感圖像的質量。利用ENVI軟件作為圖像處理平臺，分別選取了國內外常用的“同態濾波”、“小波變換”和本文提出的“波段計算組合”3種去霧霾方法對GeoEye－1圖像進行去霧霾處理效果的研究對比。結果表明，利用“波段計算組合”方法去除GeoEye－1圖像中的霧霾有很好的效果。

GeoEye－1遙感圖像;同態濾波;小波變換;波段計算組合;去霧霾處理

0 引言

GeoEye－1遙感圖像作為現階段的高分辨率遙感數據源之一，在農業、城市、資源、森林、礦山調查和監測等領域得到廣泛應用。但光學圖像容易受到天氣影響［1］，其中霧霾影響比較明顯，導致圖像的清晰度降低，不利于進行遙感解譯和應用。因此，運用圖像處理技術去除或降低霧霾的影響、提高遙感圖像的質量，具有十分重要的意義。

霧霾對電磁波有吸收、折射、反射和散射作用，導致了遙感圖像清晰度降低。根據光學原理，波長越長，穿透能力就越強。GeoEye－1遙感數據的不同波段對霧霾的穿透力不同，一般由霧霾所引起的噪聲突出了圖像的低頻信息，削弱了圖像的高頻信息，造成有用信息的缺失，導致圖像質量降低。因此，必須對圖像進行去霧霾處理，消除霧霾的影響，從而提高圖像的質量。

目前針對如何去除或者降低圖像上的霧霾這一問題，國內外已進行了廣泛研究，提出了很多方法，如基于同態濾波的遙感圖像去云霧處理法［2］、基于直方圖非線性拉伸的紅外圖像新增強算法［3］、基于線性拉伸的遙感圖像處理［4］方法，針對單幅全色波段影像的直方圖匹配法［5］(后來又對其進行了改進，提出了基于移動模板的局部直方圖均衡技術［6］)、交互式圖像去霧方法［7］、自適應濾波的高分辨率遙感圖像薄云去除算法［8］、基于Retinex和小波變換的去除遙感圖像云霧方法［9－10］以及采用衛星圖像的紅外波段或紅光波段來全部或局部代替藍光波段［11］方法等。

本文運用ENVI軟件的圖像處理建模功能，對GeoEye－1遙感圖像中霧霾的去除技術進行初步試驗和探討。

1 霧霾對遙感圖像的影響

太陽輻射通過大氣照射到地球表面，經過地面物體反射又返回到傳感器;有霧霾時，主要通過霧霾對電磁波的吸收、散射、折射及反射4個方面對衛星圖像產生影響:①霧霾的吸收作用。太陽輻射穿過大氣霧霾時，霧霾對電磁波的某些波段有吸收作用，將輻射能量轉變成分子內能，引起這些波段的太陽輻射強度衰減;②霧霾的散射作用。大氣中的霧霾對太陽輻射的散射使在原傳播方向上到達地面的輻射強度減弱，而增加了向其他各個方向的輻射強度;③霧霾的折射作用。太陽輻射穿過霧霾時，除被部分吸收和散射外，還會產生傳播方向上的改變，即折射現象，而折射率與霧霾密度直接相關;④霧霾的反射作用。除去對太陽輻射的吸收、散射和折射作用，霧霾還有一定的反射作用，反射強度越高，則使透過霧霾到達地面的太陽輻射強度越低。與此同時，地物對太陽輻射的反射電磁波在被傳感器探測到的逆向過程中會再次經歷霧霾的上述4種作用。霧霾的這些作用最終影響到遙感圖像的質量。

2 傳統的去霧霾方法

霧霾對成像光線的透射衰減，部分光在有霧霾和無霧霾時均是有效的成像光線，其衰減強度與穿過霧霾成反比。霧霾主要分布在圖像的低頻部分，因此，濾波是去除霧霾的一種方法。傳統的去除霧霾濾波方法主要包括小波變換和同態濾波。

2.1 小波變換

圖像矩陣可以被看作是二維的信號。小波變換(wavelet transform，WT)的原理就是用2組小波系數(高通、低通)對圖像數據分別進行2次卷積，得到高頻和低頻2部分(高通濾波后的高頻部分對應連續小波變換的小波空間，低通濾波后的低頻部分對應連續小波變換的尺度空間);然后對低頻部分進行分析，結合霧霾的高灰度特征，制定圖像融合方案，以更好地保留原圖像低頻部分的細節特征，盡量避免了常規算法的缺點。圖1示出小波變換融合流程。

圖1 小波變換融合流程圖Fig.1 Flow chart of wavelet transformation and confusion

2.2 同態濾波

同態濾波(homomorphic filtering，HF)的原理是將像元灰度值看作是照度和反射率2個組分的產物、把頻域濾波和灰度變換結合起來的一種圖像處理方法。由于照度的相對變化很小，可以看作是圖像的低頻成分，而反射率則是圖像的高頻成分;因此通過分別處理照度和反射率對像元灰度值的影響，可以達到揭示陰影區細節特征的目的。理想情況下的照度分量應該是常數，則圖像的灰度主要取決于反射率，對灰度圖像的同態濾波實質上是對反射率圖像的高通濾波，但同態濾波比頻域濾波多了一步對數和指數運算。圖2示出同態濾波處理流程。

圖2 同態濾波流程圖Fig.2 Flow chart of homomorphic filtering

圖2 中:F(x，y)表示原始圖像矩陣;g(x，y)表示處理后的圖像矩陣;Log表示對數運算;Exp表示指數運算;FFT表示傅立葉變換;IFFT表示傅立葉逆變換。

3 波段計算組合去霧霾方法

霧霾使成像光線的透射衰減，部分光線在有霧霾和無霧霾時均是有效的成像光線，其衰減強度與穿過霧霾的距離呈指數關系，導致目標圖像的亮度和對比度降低。有霧霾時，這一部分光線被霧霾散射，偏離原來的方向，其中一部分不能成像;另一部分的成像則偏離了本來位置，使圖像邊緣模糊，并使圖像對比度和清晰度降低(圖3)。

圖3 傳感器和地物反射示意圖Fig.3 Sketch specular map of sensor and reflection of ground features

根據光學原理，大氣對光波主要有吸收、折射、散射和反射的作用，波長越長，穿透能力就越強，即透射率越高(圖4)。

圖4 光波按波長(頻率)的劃分及大氣的透射特點Fig.4 Division of optical wavelength(frequency)and transmission characteristics of the atmosphere

結合水汽的特點和GeoEye－1圖像的近紅外波段在其4個波段中波長最長的特點，利用近紅外波段和紅波段計算出一個新波段(作為新的綠波段)，再與原來的紅波段和綠波段(作為新的藍波段)合成一個新圖像——使霧霾對其影響較小或消除霧霾的假彩色合成圖像。

針對霧霾的特點和GeoEye－1圖像的波段特征，先計算出新波段x，即

式中:Nir為近紅外波段亮度值;red為紅光波段亮度值;x為新波段亮度值(目前，式(1)只適用于GeoEye－1圖像且霧霾不是很厚的地區，式(1)中的系數為通過本文實驗確定的經驗系數，沒有通用性)。再計算波段組合，即

式中:grn為綠光波段亮度值;Red，Grn，Blu分別為經計算后得到的紅、綠、藍波段亮度值。

在新波段組合圖像中，因采用綠光波段替代藍光波段，從而避開了霧霾對GeoEye－1藍光波段的散射問題。由于植被對紅外波段和近紅外波段的反射能力較強，x波段又被賦予綠色，故植被在新的假彩色合成圖像上呈現綠色;水體的反射主要在藍、綠光波段，其他波段對水體的吸收都很強(特別是近紅外波段對水體的吸收更強)，由于綠波段被賦予藍色，故水體呈藍偏黑色。

利用上述“波段計算組合”方法得到的波段組合形成了一種新的假彩色合成圖像，既消除了霧霾對地物影像的干擾，又使影像的清晰度得到了提高。

4 方法實驗

本文提出的“波段計算組合”去霧霾方法在中國地質調查局下達的“貴州中西部重點成礦帶與礦集區礦山開發遙感調查與監測”項目中的“重慶秀山調查區”中已經得到了實驗和應用。

該實驗采用重慶秀山地區GeoEye－1圖像數據，圖像的獲取日期為2010－01－14，原始圖像霧霾密布，很適合于進行去霧霾方法實驗。試驗步驟如下:

1)打開GeoEye－1圖像的波段說明文件，查看波段相關信息和讀取圖像信息;

2)用ENVI軟件打開原始圖像的4個多光譜波段和全色波段;

3)運行ENVI軟件的波段計算模塊，寫出表達式(B4+6B1)/7(式中系數為本文實驗區中的經驗系數)進行添加，用B4指定近紅外波段、B1指定紅光波段，從而計算出一個新的波段，予以保存;

4)利用本文方法進行圖像波段組合，將組合后的假彩色合成圖像與全色波段進行融合;然后將融合的圖像進行亮度拉伸增強，最后得到去霧霾結果圖像。

為了說明本文方法的去霧霾效果，還采用了“同態濾波”和“小波變換”方法對重慶秀山GeoEye－1圖像進行去霧霾，并對處理前后及不同方法的去霧霾效果進行了對比(圖5)。結果表明，本文提出的“波段計算組合”去霧霾方法優于傳統的“同態濾波”和“小波變換”去霧霾方法。

圖5 不同方法的去霧霾效果對比Fig.5 Comparison of haze elimination of different methods

5 結論

1)“小波變換”將信號分解為不同尺度上的分量，突破了加窗傅里葉變換的局限，在大尺度上的信號分量具有較好的時域分辨率，在小尺度上的信號分量具有較好的頻域分辨率，使圖像對比更加明顯，但由于細節上的弱化，卻使得圖像產生模糊的感覺;“同態濾波”可濾去圖像低頻部分的噪聲，但同時也濾去了一些有用的信息，使圖像的有用信息量在一定程度上減少。因此，傳統的“小波變換”和“同態濾波”去霧霾效果都不能令人滿意。

2)根據電磁波的波長越長其穿透性越強的原理，利用GeoEye－1圖像的近紅外波段波長最長、能穿透霧霾和藍光波段散射嚴重、不太可能消除霧靄的特點，運用ENVI波段計算模板，建立由近紅外波段和紅光波段參與的相應公式進行波段計算，組合成新的遙感圖像，不僅對霧霾的去除有很好的效果，而且使圖像色調更加豐富，大大提高了圖像質量。

3)通過在重慶秀山礦區的實驗與應用表明，本文提出的“波段計算組合”去霧霾方法簡單、運算速度快、效果好。與同態濾波和小波變換相比，波段計算只是一種亮度增強方法，此方法沒有濾去圖像的低頻部分，而是利用近紅外波段穿透性強的特點計算出新的波段，從而去除了霧霾、提高了圖像質量。但是該方法對厚層霧霾的去除效果不佳，需要更進一步的研究。

［1］ 秦梓勤，丁明躍，張天序.雨霧天氣下的戶外場景成像［J］.電子學報，2002，28(3):131 －133.Qin Z Q，Ding M Y，Zhang T X.Imaging for Outdoor Scene in Rain and Fog［J］.Acta Electronica Sinica，2002，28(3):131 － 133(in Chinese with English Abstract).

［2］ 葉秋果，宗景春，李 釧，等.基于同態濾波的遙感影像去云霧處理［J］.海洋測繪，2009，29(3):45 －47.Ye Q G，Zong J C，Li C，et al.Removing Cloud and Mist from Remote Sensing Digital Images Based on Homo Graphic Filtering［J］.Hydrographic Surveying and Charting，2009，29(3):45 － 47(in Chinese with English Abstract).

［3］ 楊必武，郭曉松，王克軍，等.基于直方圖非線性拉伸的紅外圖像新增強算法［J］.紅外與激光工程，2003，32(1):1 －7.Yang B W，Guo X S，Wang K J，et al.New Algorithm of Infrared Image Enhancement Based on Histogram Nonlinear Extension［J］.Infrared and Laser Engineering，2003，32(1):1 － 7(in Chinese with English Abstract).

［4］ 殷 年.基于線性拉伸的遙感圖像處理［J］.光電子技術與信息，1998(5):29－33.Ying N.Image Processing Based on Linear Extension of Gray Level［J］.Optoelectronic Technology ＆ Information，1998(5):29 － 33(in Chinese with English Abstract).

［5］ 祝 培，朱 虹，錢學明，等.一種有霧天氣圖像景物影像的清晰化方法［J］.中國圖像學報 A 輯，2004(1):124－128.Zhu P，Zhu H，Qian X M，et al.An Image Clearness Method for Fog［J］.Journal of Image and Graphics，2004，9(1):124 － 128(in Chinese with English Abstract).

［6］ 祝 培，朱 虹，錢學明，等.一種有霧天氣圖像景物影像的清晰化方法［J］.中國圖像學報，2009(1):124－128.Zhu P，Zhu H，Qian X M ，et al.An Image Clearness Method for Fog［J］.Journal of Image，2009(1):124 － 128(in Chinese with English Abstract).

［7］ 芮義斌，李 鵬，孫錦濤，等.一種交互式圖像去霧方法［J］.計算機應用，2006，26(11):2733 －2735.Rui Y B，Li P，Sun J T，et al.Interactive Defogging Method for Image［J］.Journal of Computer Applications，2006，26(11):2733－2735(in Chinese with English Abstract).

［8］ 賀 輝，彭望瑜，匡錦瑜.自適應濾波的高分辨率遙感影像薄云去除算法［J］.地球信息科學學報，2009，11(3):87 －90.He H，Peng W Y，Kuang J Y.Cloud Cover Removed from Highresolution Remote Sensing Images Based on the Adaptive Filtering and Gray － scale Transformation［J］.Journal of Geo － information Science，2009，11(3):87 － 90(in Chinese with English Abstract).

［9］ 朱錫芳，徐芳芳.Retinex和小波變換去除遙感圖像云霧方法分析［J］.常州工學院學報，2007(5):8－13.Zhu X F，Xu F F.Analysis of the Methods to Remove Cloud from Remote Sensing Images Based on Retinex and Wavelet Theory［J］.Journal of Changzhou Institute of Technology，2007(5):8 －13(in Chinese with English Abstract).

［10］燕文浩，馬彩文，張 鳴，等.基于小波變換的圖像融合新算法［J］.光子學報，2006，35(4):638 －640.Yan W H，Ma C W，Zhang M，et al.A New Way for Image Fusion Based on Wavelet Transform［J］.Acta Photonica Sinica，2006，35(4):638－640(in Chinese with English Abstract).

［11］尹 峰，熊德科，謝 菲，等.西部山區RapidEye圖像去薄云方法研究［J］.國土資源遙感，2011(4):132－135.Yin F，Xiong D K，Xie F，et al.Research on the Thin Cloud Removal Method from RapidEye Image in Western Mountain Areas［J］.Remote Sensing for Land and Resources，2011(4):132 －135(in Chinese with English Abstract).

Comparison of the Methods for Haze Elimination of GeoEye－1 Remote Sensing Image

WU Shou－jiang，LI Liang，GONG Ben－xu，GONG Mei
(Geological Survey of Guizhou province，Guiyang 550004，China)

In the rainy and foggy areas，the images acquired by GeoEye － 1 satellite are often affected by haze.Because of the influence of the absorption，refraction，reflection and scattering role of the haze on the electromagnetic waves，the image clarity is decreased.Therefore，it is necessary to eliminate the impact of the haze on the image as much as possible so as to effectively improve the quality of images.Using ENVI software as an image processing platform，the authors selected the“homomorphic filtering”and“wavelet transform”methods commonly used in China and abroad and the“band calculation composition”method proposed in this paper to make a comparative study of the effects of haze elimination for the GeoEye－1 image.The results show that the use of“band calculation composition”to remove the haze from GeoEye－1 image has a good effect.

GeoEye－1 image;homomorphic filtering;wavelet transform;band calculation composition;haze elimination

TP 751.1

A

1001－070X(2012)03－0050－04

10.6046/gtzyyg.2012.03.10

2011－11－28;

2012－01－19

中國地質調查局國土資源大調查項目(編號:1212010785011)資助。

吳壽江(1984－)，男，2008年畢業于中國地質大學(北京)，工學學士，助理工程師，主要從事遙感圖像處理和礦山遙感監測等相關工作。E－mail:416589674@qq.com。

(責任編輯:劉心季)