ERDAS空間建模應用研究

馬 晶，邱發富，吳鐵嬰，劉 森，程春泉

(1．長春工程學院，吉林長春130021;2．吉林省水利水電勘測設計研究院，吉林長春130012;3．中國電視劇制作中心，北京100055;4．中國測繪科學研究院，北京100830)

一、引 言

在獲取圖像的過程中，由于多種因素的影響，導致圖像質量多少會有所退化。為了能夠最大限度地從遙感影像上獲取有價值的信息，必須對遙感圖像進行處理。通過圖像處理，可以改善圖像質量，突出需要的信息，抑制一些無用的信息，壓縮圖像數據量，提高圖像的使用價值[1]。無論是何種目的的圖像處理，都需要由計算機和圖像專用設備組成的圖像處理系統對圖像數據進行輸入、加工和輸出。遙感專業圖像處理軟件ERDAS IMAGINE提供了空間建模(spatial modeler)工具，這是一個面向目標的可視化模型語言環境，用戶可以在這個環境中應用直觀的圖形語言在一個頁面上繪制流程圖，并定義輸入數據、操作環境、運算規則和輸出數據，從而生成一個空間模型。通過編寫圖形語言程序集成各種遙感圖像處理功能，就能一鍵實現最終的處理目標，減少中間處理圖形存儲的內存，提高工作效率，使圖像處理工作化繁為簡。

二、空間建模簡介

ERDAS IMAGINE是美國ERDAS公司開發的遙感圖像處理系統。它具有先進的圖像處理技術，友好、靈活的用戶界面和操作方式，可面向廣闊應用領域的產品模塊，以及服務于不同層次用戶的模型開發工具及高度的RS/GIS集成功能等優點。

Modeler是ERDAS下的一個模塊，是一個面向目標的模型語言環境，由空間建模語言(SML)、模型生成器(Model Maker)和空間模型庫(Model Library)組成[2-3]，這是一個面向目標的圖形模型語言，即用直觀的圖形語言將一個具體的過程用模型表達出來。在這個模型中，分別定義不同的圖形代表輸入數據、輸出數據、空間處理工具，它們以流程圖的形式組合并且可以執行空間分析操作功能。用戶可據此設計出高級的空間分析模型，實現復雜的分析和處理功能。整個過程只需用其提供的工具欄在窗口中繪出模型的流程圖，指定流程圖的意義、所用參數等，即可完成模型的設計，無需進行具體而復雜的編程過程。ERDAS IMAGINE為用戶提供了高層次的設計工具和手段，以便用戶將更多的精力集中在專業領域的研究。

三、圖像處理基本原理

遙感圖像數字處理是應用計算機對遙感圖像進行加工處理，以改善圖像質量、增強有關信息的一種技術方法[4-5]。與光學圖像處理相比，數字圖像處理簡捷、快速，并且可以完成一些光學處理方法所無法完成的各種特殊處理[5]，因此數字圖像處理已成為圖像處理的主流。早期圖像處理的目的是改善圖像的質量，以改善人的視覺效果。近年來計算機識別、理解圖像的技術發展很快，圖像處理的目的除了直接供人觀看外，還進一步發展了與計算機視覺有關的應用。

根據遙感數字圖像處理目的的不同，圖像處理的內容主要涵蓋了圖像變換、圖像校正、圖像增強、多源信息復合、計算機解譯處理等多個方面。筆者主要運用ERDAS IMAGINE的空間建模工具對遙感圖像進行各種運算，以達到圖像增強的目的。通過改善圖像的視覺效果，將圖像轉換成一種更適合人或機器分析處理的形式，有選擇地突出用于分析的信息，抑制不感興趣的特征，提高圖像的使用價值。

四、圖像處理實踐

1．圖像灰度反轉

灰度反轉(brightness inverse)是對圖像灰度范圍進行線性或非線性取反，產生一幅與輸入圖像灰度相反的圖像，其結果是原來圖像亮的地方變暗，原來暗的地方變亮。灰度反轉有兩種基本算法。

1)條件反轉，其表達式為

式中，Din為輸入圖像，且已歸一化(0～1);Dout為輸出的灰度反轉圖像。

2)簡單反轉，其表達式為

針對表達式中的條件判斷，考慮到分母為0的情況，避免運算結果出現溢出，在Modeler中采用以下判斷語句

Either＜arg1＞if(＜test＞)or＜arg2＞Otherwise

此語句的語法描述是：如果測試條件＜test＞成立，則返回＜arg1＞的值;如果條件＜test＞不成立，則返回＜arg2＞的值。

條件反轉是輻射增強的一種方式，該方法通過改變圖像的灰度范圍來提高圖像的對比度，強調輸出圖像中灰度較暗的部分。簡單反轉算法表示簡單取反，輸出圖像與輸入圖像等量相反。由于簡單反轉算法比較簡單，故主要給出采用條件反轉算法建立的模型(如圖1所示)。

在上述灰度條件反轉模型中，對輸入的原始圖像進行灰度值歸一化處理用到的Either條件判斷語句具體設置如下

其中，GLOBAL MAX/MIN是求一幅圖像灰度值的最大值與最小值函數;$n1_20010915spot是輸入的原始SPOT圖像。此語句執行的功能為：如果原始圖像灰度的最大值-其灰度的最小值等于0，則生成的圖像文件此點灰度值為0;否則，生成的圖像文件此點灰度值執行原始圖像灰度值與其灰度最小值的差值/其灰度最大值與該點圖像灰度值的差值。

圖1 條件反轉圖形模型

執行灰度條件反轉，利用Either語句進行條件判斷的具體設置如下

其中，$n3_memory為經過歸一化處理之后的圖像。此語句執行的功能為：如果輸入的圖像灰度值介于0與0．1之間，則生成的圖像文件此點灰度值與輸入的圖像灰度值一致;否則，生成的圖像文件此點灰度值為0．1與輸入的圖像灰度值之商。

從圖2顯示的試驗結果看，設計的圖形模型達到了反轉的目的。同時為了顯示更多的細節，在設計條件反轉模型時還對反轉結果作了灰度拉伸，使圖像經過反轉后包含的信息更為豐富，尤其是強調了原始圖像中原本較暗部分的信息。

圖2 灰度反轉處理結果對比圖

2．圖像邊緣檢測

由于邊緣檢測本身所具有的難度及對邊緣檢測要求的提高，人們除了不斷將新的理論結合到邊緣檢測中外，也對原有的算法進行了更深入的研究分析，并對這些算法的某些環節作了改進[6-8]。同時，人們也逐漸認識到現有的任何一種單獨的邊緣檢測算法都難以從圖像中檢測到令人滿意的圖像邊緣，因而更加重視把各種方法綜合起來運用。在這樣的指導思想下，本文詳細研究了 Sobel算子和Laplacian算子在邊緣檢測中的特點[9]，借鑒文獻[10]中提出的基于梯度相乘的邊緣檢測算法，設計了基于梯度相乘的邊緣檢測方法，其算法流程如圖3所示，而依據上述思想建立的邊緣檢測模型結構如圖4所示。

圖3 基于梯度相乘的邊緣檢測算法流程圖

應用圖4所示的模型經過反復試驗測試，發現基于梯度相乘的邊緣檢測算法得到的結果影像內容很混亂(如圖6(c)所示)，并沒有達到預期的理想效果，這主要是因為Laplacian算子對影像內部結構也有一定的檢測作用，致使結果影像整體很冗雜，處理后的影像反倒模糊了。而后改進圖形模型結構，只結合Sobel算子和二階導數進行邊緣檢測，得到的影像效果很好，最終建立的邊緣檢測模型結構如圖5所示。

圖6(a)是原始試驗影像;圖6(b)是基于ERDAS軟件Interpreter/Spatial Enhancement/Non-directional Edge模型得到的邊緣檢測結果;圖6(c)是先將原始影像進行二階導數處理，然后再分別同時利用Sobel算子和Laplacian算子進行邊緣增強，得到基于梯度相乘的邊緣檢測結果影像;圖6(d)是改進模型結構后，只結合Sobel算子和二階導數進行邊緣檢測得到的結果影像。從以上結果影像對比分析看，圖6(c)的邊緣檢測效果最差，圖6(b)和圖6(d)效果都比較明顯，都能將地物信息的邊緣輪廓清晰顯示出來，但圖6(d)比圖6(b)圖面效果更平滑，尤其是城區建筑物邊緣的輪廓更清晰，顯示效果更為強烈，效果更佳。

圖4 結合Sobel、Laplacian算子的邊緣檢測圖形模型

圖5 改進的邊緣檢測圖形模型

圖6 結合不同算子進行邊緣檢測得到的結果影像效果對比圖

五、結束語

本文主要討論了利用ERDAS IMAGINE空間建模工具，通過構建不同的圖形模型程序集成各種遙感圖像處理功能，從而快捷實現最終的處理目標。文中主要論述了關于圖像灰度反轉、圖像邊緣檢測的圖形建模研究，并通過實踐進一步證實了ERDAS空間建模工具直觀、操作簡便、功能強大等特點，既可以按自己的需求進行很簡單的圖形應用編程，還可以將用戶多年積累的經驗運用該工具提供的模型表現出來，為遙感圖像處理提供了良好的條件。由Model Maker產生的空間圖形模型還可以轉換成SML程序模型，使用空間建模語言SML進行解譯，以產生最適合數據特征和應用目標的算法。

另一方面也有不足之處，例如定義函數時，函數語句之間的間隔設置若有多個空格、少個空格或者疏漏了分母為0的情況，程序都不會運行，將出現錯誤提示。這就需要認真檢查，直至錯誤全部被排查才能得到正確的運行結果。在使用條件判斷語句時，選擇一個合理的邊界區間也很重要，假若選取不恰當，運行之后對影像的某種處理可能無法達到預期目的。

[1]賈永紅．數字圖像處理[M]．武漢：武漢大學出版社，2003．

[2]黨安榮，王曉棟，陳曉峰，等．ERDAS IMAGINE遙感圖像處理方法[M]．北京：清華大學出版社，2003．

[3]楊昕，湯國安，鄧鳳東，等．ERDAS遙感數字圖像處理實驗教程[M]．北京：科學出版社，2009．

[4]韋玉春，湯國安，楊昕，等．遙感數字圖像處理教程[M]．北京：科學出版社，2007．

[5]孫家抦．遙感原理與應用[M]．武漢：武漢大學出版社，2003．

[6]張莉，賈永紅，程剛．基于數學形態學的遙感影像邊緣檢測研究[J]．地理信息空間，2006，4(4)：52-54．

[7]PI Q L，HU J Y．Analysis of Sea Surface Temperature Fronts in the Taiwan Strait and Its Adjacent Area Using an Advanced Edge Detection Method[J]．Science China(Earth Sciences)，2010，53(7)：1008-1016．

[8]米林，馬亞洲，郝建軍，等．一種基于Canny理論的邊緣提取改進算法[J]．重慶理工大學學報：自然科學版，2010，24(5)：54-58．

[9]雷麗珍．數字圖像邊緣檢測方法的探討[J]．測繪通報，2006(3)：40-42．

[10]陳宇云．灰度圖像的邊緣檢測研究[D]．成都：電子科技大學，2009．