淺談遙感影像處理

姜耀鵬

（61175部隊，武漢430074）

淺談遙感影像處理

姜耀鵬

（61175部隊，武漢430074）

本文通過論述遙感影像的特點，介紹了目前遙感影像處理的主要領域，并通過介紹幾種最新的方法通過實例介紹驗證遙感影像的發展趨勢。

遙感影像處理；超分；影像融合；影像補繪

1 前沿

遙感影像多以光譜數據為特征，如IKONOS、Quick Bird等高空間分辨率衛星影像都有獲取多光譜影像的能力。微波遙感數據如SAR數據雖不易為多波段數據，卻從多極化角度得到彌補。遙感影像處理的理論基礎和處理方法與現有的數字圖像處理和模式識別的理論、方法相似，如邊緣提取，影像復原，影像融合等；但是基于數字圖像處理的影像處理方法所涉及的往往僅僅針對單波段數據，即黑白影像，如紋理分析；有關的概念、方法也是針對黑白影像，影像分割也是如此，至多討論到彩色影像。當然，這些理論、方法是可以用于處理遙感影像的，但卻沒有反映遙感影像的特點，同時在遙感影像處理領域上還具有一些特殊性，如遙感影像死像元修復，遙感影像去薄霧等，正是基于這一考慮，我們應該針對遙感影像數據特點，進行遙感影像處理研究。

2 主要內容

2.1 遙感影像超分變率重建

遙感影像的超分辨率重建研究和數字圖像處理類似，都是采取一定的手段將受到噪聲，模糊和降采樣的低質影像恢復為高質量影像的。超分辨率重建一般分為3個范疇：基于內插的超分辨率重建，基于多幅影像重建的超分辨率重建，基于學習的超分辨率重建方法。

Zhang［1］等人針對高光譜序列影像，提出了一種基于PCA成分域的多時相高光譜影像超分辨率重建方法，將多時相高光譜影像的配準和超分辨率重建均轉換到PCA成分域進行，從而同時保證算法的速度和精度。

Zhao［2］等人針對高光譜影像，提出了一種稀疏模型與混合像元分解模型的結合的超分辨率重建算法。在這種算法中用到了現在流行的壓縮感知的知識，根據實驗統計證明影像可以通過一組稀疏系數選擇過完備訓練字典中原子線性稀疏表達。通過合適的稀疏系數我們能夠還原出高分辨率影像。在這篇文章中作者根據影像復原退化模型，建立變分模型，以稀疏表達為框架，加入混合像元分解的光譜約束項，能夠保證在對影像進行重建的過程中，每個像元的組分不變，實現光譜保真度。

2.2 遙感影像融合

現有的影像融合方法大部分都沒有建立已知和未知之間的直接關聯，因此缺乏嚴格的理論根基和數學基礎。為了提高多光譜遙感影像的空間分辨率，并有效保持原有的光譜信息，提高后續特征識別的精度，Jiang等人［3］提出了一種基于模型的正則化影像融合方法，分別建立已知的低空間分辨率多光譜影像與高分辨率全色影像有所求高分辨率多光譜影像之間的關系模型，利用正則化技術進行融合處理。

2.3 遙感影像補繪與去條帶方法

現有影像補繪與去條帶方法大部分都沒有包含影像的先驗信息，從而未能在影像處理過程中對影像鄰域施加約束。因此，zeng等人［4］提出了一種MAP框架下的影像補繪與去條帶方法，使用Huber－MRF先驗模型在處理過程中對待求影像的鄰域信息施加先驗約束，從而得到更優的處理結果。

圖1 Sub-images of Aqua MODIS of 500-m pixel resolution acquired on January 18,2009,over southern China.(a)True color composite band R=1 band,G=band4,B=band3;(b) Original band 6;(c)采用bands 2,5,7分類結果；(d)GF恢復結果；(e)WCGF恢復結果and(f)文中提出的方法。

3 結論

由于遙感數據的多光譜特性，許多研究者都根據遙感影像特點自適應的選擇合適的影像處理方法，也提出了各種新方法新思路。我們在進行遙感影像應用，也應該根據其特點，利用高光譜波段之間的信息相關性和高分影像的高分辨率特點進行研究，同時根據其光譜特性建立模型防止光譜畸變。

［1］H.Zhang,L.Zhang,H.Shen."ASuper－resolution［1］Reconstruction Algorithm for Hyperspectral Images,"Signal［1］Processing,DOI：10.1016/j.sigpro.2012.01.020,2012(SCI).

［2］Y.Zhao,J.ang,Q.Zhang,L.Song,Y.Cheng and Q.［1］Pan"Hyperspectral imagery super－resolution by sparse［1］representationandspectralregularization"EURASIP［1］Journal on Advances in Signal Processing 2011,2011：87.

［3］C.Jiang,H.Zhang,H.Shen and L.Zhang,"A Practical［1］Compressed Sensing－Based Pan－Sharpening Method,"IEEE［1］Geoscience and Remote Sensing Letters,DOI：10.1109/［1］LGRS.2011.2177063,2012(SCI).

［4］H.Shen,C.Zeng and L.Zhang,"Recovering Reflectance of［1］AQUA MODIS Band 6 Based on Within－Class Local Fitting,"［1］IEEEJournalofSelectedTopicsinAppliedEarthObservations［1］and Remote Sensing,vol.4,no.1,185－192,2011（SCI）.

P237;TP751

B

10.3969/j.issn.1001－0270.2015.01.23

2014－08－22