面向城市道路目視識別的遙感圖像濾波增強方法

吳樂芹，姜 春，陳進棟，王永梅，鄧南榮*

（1.廣東省生態環境與土壤研究所，廣東 廣州 510650；2.華南農業大學 資源環境學院，廣東 廣州510642；3.中國科學院 廣州地球化學研究所，廣東 廣州 510640）

面向城市道路目視識別的遙感圖像濾波增強方法

吳樂芹1,2，姜 春1,3，陳進棟1，王永梅1，鄧南榮1*

（1.廣東省生態環境與土壤研究所，廣東 廣州 510650；2.華南農業大學 資源環境學院，廣東 廣州510642；3.中國科學院 廣州地球化學研究所，廣東 廣州 510640）

歸納與總結了遙感圖像增強中的幾種常用濾波方法。以廣州城區作為試驗區，Landsat TM影像作為數據源，分別運用紋理分析和卷積濾波對研究區域的遙感影像行增強處理，并對這些方法的影像增強效果進行質量評價。結果表明，高通濾波最適合于城市道路等線狀地物的遙感圖像增強。

圖像增強；濾波；紋理分析；卷積濾波

1 常用濾波增強方法

圖像濾波增強方法的理論基礎是空間卷積，目的是改善影像質量，包括突出邊緣或紋理，去除噪聲與干擾，及影像邊緣增強、線性增強以及去模糊等。為了能辨識出街道，本文主要采用了紋理分析和卷積濾波2種方法。

1.1 紋理分析

常見的紋理有3種類型： ①自然紋理。自然紋理來源于真實物體表面，大多呈現不規則性，隨機性強。②人工合成紋理。人工合成紋理是用計算機模擬或人為生產的表面紋理，其形狀規則、確定，分布規則。③混合紋理?；旌霞y理由人工紋理隨機分布于物體表面或自然景物中構成。紋理最明顯的視覺特征是粒度或粗糙性、方向性、重復性或周期性[1,2]。

紋理分析是對地物影像紋理特征進行提取分析、判斷的過程。紋理分析方法可以歸納為：統計方法、結構（幾何）方法、 模型方法以及基于數學變換（信號處理）的方法[3]。統計分析的方法是其他紋理分析方法的基礎。紋理的統計分析法是指在不知道紋理基元或尚未檢測出基元的情況下對小區域紋理特征的統計分布進行紋理分析，主要描述紋理基元或局部模式隨機的和空間的統計特征，以表示區域的一致性及區域間的相異性。紋理的統計分析可以在空域和頻域進行[4]。在圖像空間域，基于統計的方法可分為基于概率統計和基于二階概率統計的方法。

1.1.1 基于概率統計的紋理分析方法

首先，先定義一個M×N的窗口，其中窗口的行數M和列數N均為奇數。然后對窗口的矩陣元素進行統計，得出各種統計特征值。數據范圍、平均值、方差、信息熵、偏斜的計算公式分別為：

式中，p（i， j）為矩陣第i行第j列的元素。

1.1.2 基于二階概率統計的紋理分析方法

灰度共生矩陣（GLCM），是廣泛應用的一種紋理統計分析方法[5,6]?；叶裙采仃嚪?，就是通過計算灰度遙感圖像得到它的共生矩陣，再通過計算這個共生矩陣得到矩陣的部分特征值，來分別代表圖像的某些紋理特征。灰度共生矩陣能反映圖像灰度關于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部模式和排列規則的基礎。

設f（x，y）為一幅二維數字圖像,其大小為Nx×Ny，每個像素的灰度級最大為Ng，則滿足一定空間關系的灰度共生矩陣為：

式中，#（x）表示集合x中的元素個數，顯然P為Ng×Ng矩陣。若（x1，y1）與（x2，y2）間距離為d，兩者與坐標橫軸的夾角為θ，則可以得到各種間距及角度的灰度共生矩陣P。

總體上講，灰度共生矩陣P定義為方向θ和間隔距離d的函數，記為[P（i，j，d，θ）]。P（i，j，d，θ）表示矩陣第i行第j列的元素，其中（i，j）∈Ng×Ng，θ∈{0°，45°，90°，135°}。

由灰度共生矩陣的定義可知，通過（d，θ）的值對組合可以派生許多共生矩陣用來分析圖像灰度級的空間分布格局。在共生矩陣中，當d取值較小時，靠近對角線的元素值表示圖像中灰度級別相近的像素對出現的幾率，而遠離對角線的元素值則表征灰度級別相差較大的像素對出現幾率。因此，假設影像中某一區域由許多大小為σ的灰度均勻圖斑組成，那么在該區域d＜σ的共生矩陣P（i，j，d，θ）中，對角線附近的元素值較大，而在d＞σ的共生矩陣中，遠離對角線元素值就較大[4]。

根據灰度共生矩陣, 可以定義出大量的紋理特征, 目的就是使用所得的紋理特征輔助遙感圖像紋理分類。Haralick 等人用灰度共生矩陣提取了14種特征值[5]。常用的用于提取遙感圖像中紋理信息的特征統計量主要有：均值、方差、協同性、對比度、相異性、信息熵、二階矩和相關性。其中協同性、二階矩、對比度、相異性的計算公式分別為：

式中，p（i，j）是灰度共生矩陣P（i，j，d，θ）的第i行j列元素。式（9）中，n=|i-j|。式（10）中，μ是灰度共生矩陣P（i，j，d，θ）各元素的標準差。

1.2 卷積濾波

空域濾波是在圖像的鄰域，借助模板進行圖像的卷積操作。對一幅圖像進行空間卷積有2步：①建立一個包含一系列相關系數或權重因子的移動窗口。這些窗口的大小通常是一個奇數，如3×3、5×5、7×7等。②將這個窗口在整幅圖像上移動，用窗口所覆蓋的每個像元的亮度值乘上其對應的相關系數或權重所得到的總和（或像元平均值），代替其窗口中心像元的亮度值，從而得到一幅新的圖像[1]。這種移動窗口稱為模板。模板是卷積濾波算法的核心，也稱為卷積核。各種算法的不同就在于卷積核的不同。

本試驗對圖像進行低通、中值和高通等3種濾波處理。ENVI4．8默認的3種濾波器處理均使用3×3的卷積核。低通濾波器的每個核中的元素包含相同的權重，使用外圍值的均值代替中心像元值。中值濾波器用一個被濾波器的大小限定的鄰近區的中值代替每一個中心像元值。而高通濾波卷積核的維數必須是奇數，卷積核如式（11）所示[7]。

2 遙感圖像增強試驗

2.1 數據源概況

本研究所采用的數據源為廣州城區的Landsat5 TM遙感影像，數據獲取時間為2008-12-01，數據獲取當天天氣晴朗少云，數據質量較好，整個研究區域包含1 555 × 885個像元。在試驗時選擇TM 7,4,2組合波段圖像，該合成波段影像在視覺效果和信息量的表現上都比較豐富，如圖1所示。

2.2 試驗過程

圖1 廣州城區原始TM遙感圖像

為了從整體上提高影像的解譯能力，分別對研究區進行基于概率統計和二階概率統計的紋理分析以及低通、中值和高通濾波的融合試驗,并對增強后的影像進行定性分析得出研究區增強質量最好的影像圖，從而選擇出最適合于城市道路目視識別的遙感圖像濾波增強方法。技術路線如圖2所示。

在ENVI 4．8軟件的支持下，利用Filter下的Ocurrence Measure”工具，窗口大小設置為3×3，得到基于概率統計的紋理分析方法的子區域增強圖像，如圖3所示。

運用類似的操作，獲得基于二階概率統計即灰度共生矩陣的紋理分析的增強圖像，如圖4所示。

圖2 研究技術路線圖

圖3 運用基于概率統計的紋理分析方法的子區域增強圖像

圖4 運用基于二階概率統計的紋理分析方法的子區域增強圖像

使用卷積濾波各種方法得到的增強圖像如圖5、圖6所示。

2.3 質量評價

圖5 通濾波和中值濾波子區域圖像

圖6 2種高通濾波子區域圖像

本文目前僅對增強圖像進行定性評價。試驗中，上述幾種增強方法都保持了遙感圖像多光譜信息的光譜特征。但由圖3～4可以看出，運用2種紋理分析方法，無論是基于一階的還是二階的概率統計方法，都無法很明顯地辨識出廣州城區的街道和道路紋理，不利于提取道路信息。而在卷積濾波方法中，低通濾波通過窗口內的平均，強調了原圖像大范圍上的亮度，卻平滑或模糊了原圖像的細節。與此相似，中值濾波也對原圖像進行了平滑。高通濾波消除了原圖像的低頻成分，保持了圖像的高頻信息，強調了空間細節，通過夸大局部的對比度，比原圖像更有效地突出了線狀特征——道路，獲得了良好的目視解譯效果。因此，高通濾波是最適合于城市道路目視識別的圖像增強方法。但高通濾波同時讓原始圖像失去了大范圍的亮度，這就需要通過加上一定的背景值來進行彌補，如圖6所示。

3 結 語

本研究借助于專業遙感圖像處理軟件ENVI 4．8，對廣州城區Landsat 5 TM多光譜影像進行增強試驗（包括各種紋理分析和卷積濾波方法），并對試驗結果進行了質量評價。結果表明，高通濾波最適合于城市道路等線狀地物目視識別。相比于其他方法，高通濾波在保持圖像高頻信息的同時，消除了圖像中的低頻成分，強調了空間細節，但失去了大范圍的亮度，如加上一定程度的背景值，則可達到良好的整體效果。在實際工作中，不同圖像增強質量大不相同（如本文的示例），建議在增強之前比較各種增強方法得到的效果，選擇最適合的方法進行增強。隨著遙感技術的發展，多傳感器平臺和高分辨率、高光譜遙感影像越來越多，如何利用這些信息獲得更完善的增強模式和高質量的增強圖像，還需要進一步的研究。

[1] 趙英時等．遙感應用分析原理與方法[M]．北京:科學出版社，2003

[2] 馬莉,范影樂．紋理圖像分析[M]．北京:科學出版社,2009

[3] 劉龍飛，陳云浩，李京．遙感影像紋理分析方法綜述與展望[J]．遙感技術與應用，2003,18(6):441-447

[4] 賀曉建，王福明．基于灰度共生矩陣的紋理分析方法研究[J]．山西電子技術，2010(4):89-93

[5] Haralick R M, Shanmugan K, Dinstein I．Textural Features for Image Classification[J]．IEEE Transactions on Systems, Man and Cybernetics, 1973,3(6):610-621

[6] 范麗紅，付麗，楊勇,等．灰度共生矩陣提取紋理特征的實驗結果分析[J]．計算機應用，2009,29(4):1 018-1 021

[7] 鄧書彬．ENVI遙感圖像處理方法[M]．北京:科學出版社，2010

P237.3

B

1672-4623（2015）02-0104-03

10.3969/j.issn.1672-4623.2015.02.038本文歸納和總結了目前常用的幾種遙感圖像濾波增強方法，運用這些方法對廣州城區的TM影像數據進行處理，以便在TM影像上更好地辨識出廣州城市道路，對結果進行了對比分析和質量評價。

吳樂芹，主要從事地理信息系統的應用研究工作。

2014-03-14。

項目來源：廣東省科技計劃項目（2010B060100068）。

*通訊作者