一種適用于珞珈一號夜間燈光影像的去噪方法

王美玲，張和生

(太原理工大學，太原 030024)

0 引言

當夜間的天空無云時，遙感衛星能夠捕捉到城鎮燈光、漁船燈光、火點等可見光輻射源，這些夜間無云條件下獲取的地球可見光的影像即為夜光遙感影像[1]。夜間燈光數據被廣泛應用于城市化時空動態[2-3]、人口空間化[4-6]、能源消耗[7-8]及GDP空間化[9-11]等方面的研究。

最早的夜光遙感影像數據是美國軍事氣象衛星搭載的線性掃描業務系統(defense meteorological satellite program operational linescan system，DMSP/OLS)拍攝的。美國國家海洋和大氣管理局(National Oceanic and Atmospheric Administration，NOAA)提供了1992年到2013年的DMSP/OLS夜間燈光影像數據，數據產品包括3種全年平均影像：無云觀測頻率影像、平均燈光影像和穩定燈光影像，其中穩定燈光影像數據應用最為廣泛。該數據去除了短暫的亮光(如火光)，且背景噪音也被識別并用0代替，然而OLS傳感器上可見光-近紅外(VNIR)通道存在設計缺陷使得在許多城市核心區出現了大量DN值為63的像元飽和區域[12]。

2011年10月，美國發射了Suomi NPP環境監測衛星，其搭載的可見光/紅外成像輻射儀(visible infrared imaging radiometer，VIIRS)的夜間燈光數據彌補了DMSP/OLS停止供應后夜間燈光數據的空缺，NPP/VIIRS夜間燈光數據相比DMSP/OLS夜間燈光數據具有更高空間分辨率和更廣的輻射探測范圍，且不存在飽和效應。雖然NPP/VIIRS的月合成夜間燈光數據已經剔除了云層反光和暫時性地物如火災閃電等對燈光輻射值的干擾，但是依然存在大量的背景噪聲和極大異常值噪聲，因此需要進行去噪處理。剔除NPP/VIIRS夜間燈光數據噪聲的方法主要有掩膜法、閾值法和領域法。李峰等[13]使用2012年的DMSP/OLS數據對同年份NPP/VIIRS月均數據進行掩膜去除背景噪聲，同時對像元值排序，取99.9%處作為閾值，剔除極高像元值，進而對北京市GDP數據建模得到空間化結果。文獻[14-15]采用8鄰域算法對研究區域的夜間燈光數據進行平滑處理，得到NPP/VIIRS的修正數據。鐘亮等[16]將中值濾波與低閾值去噪相結合，對NPP/VIIRS夜間燈光影像中的異常值及背景噪聲進行過濾。

隨著遙感技術的不斷進步，擁有更高分辨率的第三代夜間燈光數據誕生了。2018年6月2日，由武漢大學團隊與相關機構共同研發制作的珞珈一號(Luojia-1)01星成功發射升空。珞珈一號01星是全球首顆專業夜光遙感衛星，也是目前國際上第3顆具備夜間燈光數據拍攝能力的衛星，彌補了我國在夜間燈光數據獲取方面的不足，具有重要的歷史意義及研究價值。表1為DMSP/OLS、NPP/VIIRS和Luojia-1夜間燈光數據各項參數的對比。Luojia-1夜間燈光數據空間分辨率更高并且像元不存在飽和現象，應用潛力巨大。

表1 DMSP/OLS、NPP/VIIRS和Luojia-1夜間燈光數據的參數

目前關于Luojia-1夜間燈光數據的研究并不多，現有的文章對Luojia-1夜間燈光數據只進行了簡單的去噪處理，如厲飛等[17]利用NTL&POI綜合指數，消除夜間燈光影像背景噪聲和削弱燈光溢出的影響。Luojia-1夜間燈光數據存在大量的噪聲，影響數據的應用，研究如何有效地對Luojia-1夜間燈光數據進行去噪處理是發展Luojia-1夜間燈光數據應用的前提。本文北京市為例，對Luojia-1夜間燈光數據進行詳細的研究，分析噪聲類型，結合以往的去噪方法，獲得1種對Luojia-1夜間燈光數據有效去噪的方法，并對去噪數據的應用性進行探索。

1 數據和預處理

1.1 數據

本文以北京市為研究區域，北京市包含16個行政區的子區。北京市人口眾多，經濟發達，作為研究區域具有地域代表性，另外北京市夜間燈光的光量豐富，在進行數據分析時能充分體現出不同數據之間的特征差異情況。所需數據主要有Luojia-1夜間燈光數據、NPP/VIIRS夜間燈光數據、人口和GDP的統計數據。

選擇采用2018年9月6日成像的2幅Luojia-1夜間燈光數據作為研究對象，該數據由“高分辨率對地觀測系統湖北數據與應用網”提供。選擇2018年9月NPP/VIIRS夜間燈光數據的vcm月均數據作為輔助數據對Luojia-1夜間燈光數據進行去噪處理。人口數據及GDP數據由北京市統計局提供。人口數據使用2017年北京市各區常住人口統計數據，GDP使用2018年北京市各區的GDP總量。

1.2 數據預處理

由于湖北數據與應用中心僅對Luojia-1夜間燈光數據進行了系統幾何校正，并且定位精度較低(范圍從0.49～0.93 km)，因此需要對其進行幾何校正。Luojia-1夜間燈光數據的分辨率高，從影像上可以清晰看到路網，通過采集道路交叉口的控制點進行幾何校正[18]。

經過幾何校正的2幅Luojia-1夜間燈光數據仍存在分辨率不同的問題。將其中一幅按照另一幅的參數進行重采樣，采樣方法選擇鄰近法。

使用ArcGIS的柵格計算器，得到2幅Luojia-1夜間燈光數據的平均影像，并通過2幅影像中有燈光輻射(DN值大于0)的范圍掩膜得到穩定燈光的平均影像。

由于Luojia-1夜間燈光數據絕對輻射校正后數據為浮點型數據，不便于存儲，因此，地面系統將浮點型輻射亮度數據放大1010后指數拉伸，轉為INT32存儲。根據式(1)對珞珈一號夜間燈光數據進行反拉伸。為了探索Luojia-1夜間燈光數據噪聲特點，與NPP/VIIRS夜間燈光數據進行對比，通過式(2)將絕對輻射校正后Luojia-1夜間燈光數據的輻射亮度的量綱統一為nW/(cm2·sr)。

(1)

式中：DN為圖像灰度值；L為絕對輻射校正后輻射亮度，單位為W/(m2·sr·μm)。

L′=L·w·105

(2)

式中：w為帶寬，范圍為460～980 nm，取w=0.52 μm[19]；L′為統一量綱后的Luojia-1穩定燈光平均影像的輻射亮度。

注：該圖基于自然資源部標準地圖服務網站下載的審圖號為GS(2019)3266號的標準地圖制作，底圖無修改。圖1 Luojia-1影像預處理結果

2 噪聲分析

將統一量綱后的Luojia-1穩定燈光平均影像和天地圖影像疊加發現，在不應該存在燈光的范圍(如森林、水域)依然存在殘留的背景噪聲，對這部分噪聲還需進一步處理。另外，統一量綱后的Luojia-1穩定燈光平均影像的輻射值的最大值遠大于NPP/VIIRS的最大值，說明統一量綱后的Luojia-1穩定燈光平均影像存在極大異常值需要剔除，否則會影響統計數據空間化的結果，使得某些統計數據的格網化結果過大，不符合實際情況。

2.1 殘留的背景噪聲

將統一量綱后的Luojia-1穩定燈光平均影像與天地圖影像疊加，發現影像存在殘留的背景噪聲。為了解這些噪聲輻射特性，人工提取了6 000個柵格樣本，其中966個位于城區周邊村莊，1 207個位于樣本村莊周圍的背景噪聲，其余的柵格為遠離人類居住范圍的背景噪聲。統計輻射值和柵格數量發現，遠離人類居住范圍的背景噪聲的輻射值較低，一般低于0.1。村莊周圍的背景噪聲和村莊范圍輻射值的統計結果如圖2所示。對比發現，雖然整體上村莊周圍的背景噪聲的數量隨輻射值的增大而減少，但是村莊周圍的背景噪聲和村莊的輻射值在1到1.5之前出現峰值重疊，說明影像在輻射值為1到1.5的區間存在大量的背景噪聲，且這部分背景噪聲無法通過閾值法與城區周圍村莊進行區分。這個部分背景噪聲很有可能是周圍村莊燈光的溢出，周圍地物反射燈光產生的。

圖2 村莊周圍的背景噪聲和村莊范圍輻射值的統計結果

2.2 極大異常值

珞珈一號衛星采用了大相對孔徑像方遠心光學系統、異形遮光罩雜光抑制、大像元高靈敏成像器件以及雙星敏定姿和雙頻GP定軌等手段，實現了高靈敏、高精度和大動態范圍的夜間燈光成像技術，使得拍攝的夜間燈光數據分辨率達到NPP/VIIRS數據的5倍以上，并且具有更強的光感能力[20]。因此，與NPP/VIIRS相比，Luojia-1夜間燈光影像更能反映出城市內部燈光的差異，同時存在更多需要處理的異高值。圖3是Luojia-1夜間燈光影像一處高輻射值區域的橫斷面，圖中反映出Luojia-1夜間燈光影像高輻射值區域內存在輻射值突然變高的區域，且該區域有時會連片出現，這部分異高值可能是燈光相互疊加導致的。

3 去噪方法

通過以上分析發現，經過簡單處理的Luojia-1平均影像存在殘留的背景噪聲和極大異常值。本文去噪的主要流程如圖4所示。

圖4 Luojia-1影像去噪流程圖

1)去除背景噪聲。Luojia-1平均影像的噪聲輻射值區間和低燈光輻射區間有重疊，如果使用閾值去除殘留背景噪聲會錯誤地刪除大量村莊的燈光。因此，本文選擇掩膜法去除Luojia-1夜間燈光平均影像的殘留背景噪聲。NOAA僅提供了2015年和2016年的年均數據，然而北京市城市發展迅速，使用這2期數據掩膜去噪忽略了新增燈光。本文將2018年9月的NPP/VIIRS月均數據以0.92為閾值去噪，使用去噪后的NPP/VIIRS月均數據剔除Luojia-1平均影像殘留的背景噪聲，去除背景噪聲的同時也盡可能地保留了新增燈光。

2)去極大異常值。降低異高值實際上就是使影像更平滑，常用方法是中值濾波[21]。中值濾波在去噪的同時對數據進行了大量改變。為了盡量保留數據的細節，采用局部中值濾波處理數據的異高值，而局部中值濾波的關鍵是如何確定Luojia-1夜間燈光平均影像的異高值范圍。本文計算了每個柵格8鄰域的標準差STD，結果如圖4所示。經統計發現，STD大于25 000的柵格不到總量的1%，且分布在異高值的周邊范圍。以STD大于25 000為邊界，確定影像輻射值超過1 751的柵格為異高值范圍的柵格，對這部分柵格進行中值濾波。這樣，既能保留大部分的數據的分辨率，又把異高值降低到了正常值范圍。

4 結果與分析

4.1 去噪結果

本文經過探索Luojia-1影像的輻射特性和噪聲特點，確定使用掩膜和局部中值濾波結合的去噪方法對Luojia-1影像進行去噪處理，結果如圖5所示。去噪后的Luojia-1影像背景噪聲明顯減少，城區周邊的村莊等低輻射燈光區域也得到基本保留。

注：該圖基于自然資源部標準地圖服務網站下載的審圖 />號為GS(2019)3266號的標準地圖制作，底圖無修改。圖5 Luojia-1影像8鄰域的標準差圖

4.2 評價結果

普通影像的噪聲主要是光譜信號噪聲，通常采用信噪比和均方根誤差等指標作為去噪效果評價參數。而對夜間燈光數據來說，噪聲主要來自由燈光外光源及物體的反射產生的背景噪聲和極大異常值高值，這2種噪聲對夜間燈光數據會產生不同的影響。背景噪聲雖然輻射值低，但會使燈光的面積增大，而極大異常值雖然面積小，但柵格輻射值大，應用時擬合結果的影響較大。因此，本文通過統計在不同地類的燈光輻射(DN值大于0)柵格數來評價去背景噪聲的效果，同時統計夜間燈光數據輻射總值并與GDP和常住人口數進行相關分析來評價去極大異常值的效果。

表2 Luojia-1燈光輻射柵格統計表

由表2可知，通過掩膜減少的燈光輻射柵格主要分布在林地、耕地和草地，分別占總減少燈光輻射柵格的74.23%、10.14%和10.02%。

同時，建設用地的燈光輻射有所減少，屬于錯誤去除燈光輻射，僅占原建設用地燈光輻射柵格的1.64%。由此看來，本文的去噪方法在盡可能保留建設用地燈光輻射的同時去除了大部分背景噪聲。

表3 Luojia-1均值影像和去噪影像統計表

由表3可知，影像輻射最大值由6 034.920下降到900.599，極大異常值下降到了合理區間。同時，與初步去噪的影像相比，去噪影像的輻射值總量有所減少，但是減少的是高出正常值的部分，且減少量僅占輻射總值的6.9%，說明在去除極大異常值時，對輻射總量的影響不大。

注：該圖基于自然資源部標準地圖服務網站下載的審圖號為GS(2019)3266號的標準地圖制作，底圖無修改。圖6 Luojia-1影像去噪結果

為了探究去噪后的Luojia-1影像在人類活動相關領域的應用精度，計算北京市各行政區的夜間燈光輻射總量與相應的GDP及人口數據的相關系數，結果如表4所示。由表4可知，去噪處理使得影像與GDP和常住人口數據的相關性均有提升，說明本文采取的去噪方法有效去除噪聲的同時提高了影像在人類活動相關領域的應用精度；但影像與GDP的相關性較低，可能是因為影像和GDP數據獲取時間不一致。

表4 Luojia-1影像燈光輻射總量與GDP和常住人口數據的相關系數

5 結束語

作為新一代夜間燈光影像，珞珈一號衛星影像分辨率高，輻射探測范圍廣，具有巨大的應用潛力。應用珞珈一號衛星影像數據前需要進行去噪處理，使用本文方法去噪后的影像在人類活動相關領域的應用精度有所提升。不同的應用領域，需要提取影像中的不同信息，這些信息具有不同的輻射特性，進而采取不同的去噪方法。隨著珞珈一號衛星影像應用范圍的不斷拓展，需要進一步研究針對不同研究方向的去噪方法。