一種面向地理對象的高分辨率航空影像勻光算法

榮利會，聶海濱，戴晨光，仇多兵

1.信息工程大學地理空間信息學院，河南 鄭州，450001；2.武漢大學測繪學院，湖北 武漢，430079

?

一種面向地理對象的高分辨率航空影像勻光算法

榮利會1，聶海濱2，戴晨光1，仇多兵1

1.信息工程大學地理空間信息學院，河南 鄭州，450001；2.武漢大學測繪學院，湖北 武漢，430079

針對常規算法在處理高分辨率航空影像時存在的不足，本文提出了一種面向地理對象的勻光算法。首先通過分水嶺算法對影像分割提取出地理對象，然后以地理對象為單元進行勻光處理。為了驗證本文算法的有效性，對相鄰兩幅DMC影像進行了實驗，實驗結果表明，該方法在消除影像輻射間差異的同時能較好地保留影像地物的細節信息。

地理對象；勻光；高分辨率；影像分割

1　引　言

利用多幅高分辨率航空影像鑲嵌制作的正射影像是地理信息數據的基礎，它被廣泛應用于資源普查、災害調查以及環境監測等方面。由于受攝影角度、攝影時間、光照強度等因素的影響，測區內影像之間會存在色調差異，為了得到質量較好的正射鑲嵌圖，在影像鑲嵌制作前，需要對測區內影像進行勻光處理。

常見的勻光算法主要有基于直方圖匹配的方法[1]、基于偽不變特征的方法[2,3]和基于統計量的方法[4]。基于直方圖匹配的方法會改變影像灰度級之間原有的相對距離，破壞影像中地物的輻射特性；基于偽不變特征的方法則需要人工選取偽不變特征點且校正結果依賴于特征點[5]；基于統計量的方法由于算法簡單、能滿足自動化需求，是目前使用較多的勻光算法。由于不同的地物類別受太陽高度角、光照強度等因素的影響不同，致使不同類別地物的光譜差異特性之間并不滿足相同的校正關系[6]，若使用同一校正模型對影像進行勻光校正，就容易模糊影像地物的細節信息。

鑒于此，本文研究認為不同影像中的同一類別地物的輻射響應值之間存在相同的校正關系，不同地物的校正關系不同，提出了一種面向地理對象的勻光算法：首先通過對待校正影像分割，提取出地理對象，然后以地理對象為單元進行勻光。

2　面向地理對象的勻光算法

2.1整體思路

本文算法首先通過對待校正影像進行分水嶺分割提取出地理對象，接著根據正射影像的地理坐標將待校正影像中的地理對象劃分為重疊區對象和非重疊區對象。重疊區對象直接根據參考影像中對應區域的像素均值和方差解算校正參數，然后進行勻光處理；非重疊區對象則首先在待校正影像中尋找與其灰度均值最接近的重疊區對象，然后將最接近的重疊對象的校正參數作為其校正參數再進行勻光處理。對于彩色影像，考慮到不同波段地物的輻射特性不同，可以分波段對影像進行分割、勻光。

2.2基于分水嶺分割算法的地理對象提取

分水嶺算法具有較強的抑制噪聲能力，能得到連通的、封閉的及位置準確的輪廓，是一種能夠快速實現影像分割的算法[7]。考慮到該算法對微弱邊緣具有良好的響應，圖像中的噪聲、物體表面細微的灰度變化都能使影像過度分割，本文對梯度影像進行分水嶺分割。使用分水嶺算法對影像分割的具體步驟如下。

1)利用Sobel算子計算影像梯度。

2)將影像梯度值進行排序。

3)以梯度影像中的最小值為起點，按一個灰度級的增幅逐次提高梯度值進行淹沒直至最大灰度級。

4)合并區域。在合并區域過程中首先建立每個區域的相鄰區域數組，然后遍歷所有區域進行合并。合并遵循以下準則：①對于極小區，遍歷其所有相鄰區，選擇與其灰度均值最接近的區域進行合并；②對于非極小區，遍歷其所有相鄰區，選擇灰度均值最相似的區域進行合并，否則不合并。合并完成后得到影像的分割結果。然后根據正射影像的地理坐標計算相鄰兩影像的重疊區，從而將分割的地理對象劃分為重疊區對象和非重疊區對象。

2.3重疊區對象校正

理想情況下，由于地物內部的相關性,連續獲取的相鄰影像之間應該具有近似一致的輻射特性分布。假設影像灰度服從高斯分布，則可以得到基于統計量的校正公式:

(1)

式中，g(x,y)為待校正影像的灰度值；f(x,y)為變換后影像的灰度值；mg、sg分別為待校正影像的局部灰度均值和標準差；mf、sf分別為變換后影像的局部灰度均值和標準差。令r1=sf/sg，r0=mf-r1·mg,則：

f(x,y)=r1·g(x,y)+r0

(2)

對重疊區內的任一地理對象，根據其原始均值、標準差和目標均值、標準差就可以很容易地計算出r1和r0，然后就可利用解算的參數對該對象中的所有像元按公式(2)進行校正處理。

2.4非重疊區對象校正

同一類別地物的輻射特性相同，不同影像中的同一類別地物的輻射響應值之間應存在相同的校正關系?；诖?，本文算法對非重疊區對象尋找其同類別重疊區對象，將其校正參數作為該非重疊區對象的參數進行勻光處理。由于高分辨率航空影像的重疊度較大、分辨率較高，非重疊區域面積一般較小，因此，在非重疊區中的地物類別在重疊區域中總能找到。

(3)

3　實驗及分析

實驗數據是從DMC相機獲取的同一航帶兩相鄰正射影像中裁剪的部分區域，包含紅、綠、藍、近紅外四個波段，影像分辨率為0.5m，大小為1138像素×1141像素，重疊度為84%。相鄰兩影像由于受攝影角度、光照強度等因素的影響，光譜上存在較大差異。本文將成像質量較好的左影像選為參考影像，右影像為待校正影像。考慮到近紅外波段對影像色調影響不大，本文只對影像的R、G、B三個波段進行勻光處理。圖1(a)、圖1(b)分別為實驗采用的左、右影像。

(a)左影像 (b)右影像圖1　實驗數據

根據2.2部分對待校正影像分波段分割提取地理對象，分割時極小區閾值設置為520個像素。分割結果如圖2所示，(a)-(c)分別為R、G、B三個波段的地物分割結果。

(a)R波段分割結果 (b)G波段分割結果 (c)B波段分割結果圖2　待校正影像地物分割結果

圖3(a)-圖3(d)分別為采用基于直方圖匹配、偽不變特征、基于傳統統計量及本文方法獲取的右影像校正后的結果。從圖3可以看出，四種方法都很大程度改善了原影像的目視效果。直方圖匹配法、傳統統計量和本文算法均使校正后影像與參考影像具有近似一致的輻射亮度，但基于偽不變特征的方法與參考影像的輻射亮度有一定差異；基于傳統統計量的方法整體色調稍微偏紅。

為了進一步衡量本文算法勻光效果的好壞，從均值、標準差、平均梯度、信息熵、偏差指數這五個指標對上述四種方法的結果進行定量評價分析。具體統計結果見表1。

(a)直方圖匹配法 (b)偽不變特征法

(c)基于傳統統計量方法 (d)本文方法

表1實驗結果圖的參數比較

評價參數通道參考影像直方圖匹配法偽不變特征法傳統統計量法本文算法均值R104.72105.02113.38104.21104.42G112.51112.77127.53112.03112.68B105.97106.19118.61105.45105.68標準差R56.3956.3051.3756.3857.50G54.2554.2551.4754.2455.19B54.4454.3949.9654.4055.44平均梯度R11.8611.5510.0711.0511.73G12.4111.7810.9611.5612.01B11.6311.4310.3511.2711.61信息熵R7.5767.5687.5527.5867.588G7.5817.6077.5717.5677.607B7.6137.6047.6407.6167.621偏差指數——0.6890.6760.6830.677

從表1可以看出直方圖匹配法、傳統統計量法和本文算法的灰度均值與參考影像都近似一致，這說明本文算法具有消除影像間輻射差異的能力。從標準差和平均梯度方面比較，本文算法的標準差和平均梯度在R、G、B三個波段均高于前三種算法。標準差反映影像的細節信息，標準差越大，影像細節越突出；平均梯度反映影像的細微反差，平均梯度越大，圖像清晰度越高[8]。本文算法的結果影像細節反差最大，影像的清晰度也最高。信息熵反映影像的信息含量，熵越大，影像信息越豐富；偏差指數反映影像之間的色調差異，偏差指數越小，參考影像與校正結果的色調差異也越小。從信息熵和偏差指數上看，本文算法的信息熵較大，偏差指數相對較小，這證明本文提出的方法在勻光處理后能較好地保留影像的細節信息。

4　結　語

傳統的勻光算法在處理高分辨率影像時存在不足：在消除影像間輻射差異的同時往往會弱化影像的細節信息。針對此問題，本文認為同一地物類別具有相同校正關系，不同地物校正關系不同，提出了一種面向地理對象的勻光算法。實驗證明，該方法在消除影像輻射間差異的同時能較好地保留影像地物的細節信息，得到勻光效果較好的結果。

[1]潘志強, 顧行發, 劉國棟等. 基于探元直方圖匹配的CBERS-01星CCD數據相對輻射校正方法[J]. 武漢大學學報·信息科學版, 2005, 30(10): 925-927.

[2]Zhang Liangpei, Chen Wu, Du Bo. Automatic Radiometric Normalization for Multitemporal Remote Sensing Imagery with Iterative Slow Feature Analysis[J]. IEEE Transaction on Geoscience and Remote Sensing, 2014, 52(10): 6141-6155.

[3]張友水, 馮學智, 周成虎. 多時相TM影像相對輻射校正研究[J]. 測繪學報, 2006, 35(2): 122-127.

[4]李德仁, 王密, 潘俊. 光學遙感影像的自動勻光處理及應用[J]. 武漢大學學報·信息科學版, 2006, 31(9): 753-756.

[5]張鵬強, 余旭初, 劉智等. 多時相遙感圖像相對輻射校正[J]. 遙感學報, 2006, 10(3): 339-344.

[6]李亮, 舒寧, 龔龑等. 一種面向像斑的高分辨率遙感影像相對輻射校正方法[J]. 武漢大學學報·信息科學版, 2014, 39(4): 401-405.

[7]王宇, 陳殿仁, 沈美麗等. 基于形態學梯度重構和標記提取的分水嶺圖像分割[J]. 中國圖象圖形學報, 2008, 13(11): 2176-2180.

[8]沈小樂, 邵振峰, 閆貝貝. 一種薄云影響下的遙感影像勻光算法[J]. 武漢大學學報·信息科學版, 2013, 38(5): 543-547.

A Radiometric Normalization Algorithm of High Resolution Airborne Image for Geographic Object

Rong Lihui1,Nie Haibin2,Dai Chenguang1,Qiu Duobing1

1. Institute of Geospatial Information, Information Engineering University, Zhengzhou 450001, China 2. School of Geodesy and Geomatics, Wuhan University, Wuhan 430079, China

A radiometric normalization algorithm based on geographic objects is presented in this paper to deal with the problems of conventional algorithms in processing high resolution airborne images. Firstly, the geographic objects are extracted from image segmentation using watershed algorithm, and then they are processed with radiometric normalization algorithm as a unit. The effectiveness of the proposed algorithm is verified by experiments on two adjacent DMC images. The experiment results show that the method can preserve the details of the image features and eliminate the differences between two images.

geographical object; radiometric normalization; high resolution; image segment

2015-10-15。

榮利會(1990—)，女，碩士研究生，主要從事遙感影像處理研究。

P223

A