基于對比分析的國產高分辨率衛星影像數據質量評價與應用研究

宋 欣，方愛玲，劉 軍，尤小燕

（甘肅省國土資源規劃研究院，甘肅 蘭州730000）

1 概述

我國發射衛星多為軍星或服務于測繪事業，隨著衛星影像數據在各個方面應用逐漸廣泛，以獲取觀測數據功能的民用衛星也相繼發射升空，近幾年，相繼發射了資源一號02C（簡稱02C）、資源三號（ZY3）和高分一號（GF1）等衛星，為我國國土資源調查、環境監測等方面提供了重要的技術保障。資源一號02C是我國第一顆獲取高分辨率觀測數據的衛星，于2011年發射升空。資源三號衛星是我國第一顆高分辨率民用立體測繪衛星，以2012年1月9日成發射。高分一號衛星是國家專項用于提升獲取高分辨率觀測數據能力研制的，發射于2013年4月26日，其壽命大于5年，也是目前我國壽命最長的低地球軌道遙感衛星。衛星數據憑借著時效、客觀、宏觀的優勢，直觀上便能目視解譯出地面狀況信息，經過再次數據處理，將會獲取更多的信息，在土地利用遙感方面發揮著重要的作用［1］。國內外在衛星發射成功后，一般都會對衛星數據質量與應用進行評價，但多數據源之間的對比分析研究并不多見，本論述就對多數據源數據間數據質量和應用效果進行對比分析，體現衛星數據在具體工程項目中的數據質量差異。

質量評價以國土資源調查規范、技術規范為標準，對衛星影像數據的原始數據檢查、幾何校正精度、數據融合質量三個方面進行研究。應用效果評價方面，通過人工目視解譯結果，對比分析影像數據的最小可識別圖斑、地類可分性及實驗區土地利用遙感監測試驗成果。全國土地利用變更與核查遙感監測是由國土資源部發起，在我國境內開展國土調查與變更的一項重要工作，以遙感衛星影像數據覆蓋全國，快速準確的發現土地利用變化信息［2］。數據涉及國內外主流衛星影像數據，隨著我國高分辨率衛星高速發展，至2014年該項目使用國產衛星遙感數據覆蓋率達到80%以上。項目要求成果影像數據有較高的校正精度、接近自然真彩色及清晰的紋理特征，最大化的體現衛星影像數據的地類信息解譯與提取能力。

2 衛星及其數據基本特征

衛星功能略有差異，其搭載傳感器種類、數據觀測幅寬、空間分辨率、側擺能力及重訪時間有所不同，具體參數見表1所列。

此次試驗數據采用上述衛星的高分辨率全色數據及多光譜數據，即02C全色/多光譜數據，分辨率為2.36/10 m；TH1全色/多光譜數據，分辨率為2/10 m；ZY3全色/多光譜數據，分辨率為2.1/5.8 m；GF1全色/多光譜數據，分辨率為2/8 m。本次實驗區為甘肅省平涼市崆峒區，區域內有城市、山區、平原等多種地形地貌，能夠綜合全面的反映衛星影像數據的質量特征。

3 影像數據處理方法

3.1 原始數據檢查

獲取影像數據后，我們要對原始影像數據進行初步檢查，會出現一些由傳感器、大氣干擾等客觀因素造成的影像質量問題。

（1）全色數據有高光溢出現象，用鄰近像元平均值進行平滑處理，會解決這問題。此類現象主要出現在資源三號衛星數據，其輻射量化為10 bit，即灰度值為0～1 023，但發現有許多高反射地物，尤其在城鎮等地物密集區域會出現白色亮斑，即灰度值大于1 023，具體效果如圖1（a）所示。

（2）全色數據存在條帶噪聲，消除條帶噪聲方法較多，其中以小波變換法最優［3］。此類現象主要出現在資源一號02C衛星數據，存在3種條帶噪音，一是由傳感器的相對增益和偏置不同引起的；二是由傳感器成像原理引起的；三是由隨機噪聲、電子噪聲、或鏈路噪聲引起的［4］，具體效果如圖1（b）所示。

圖1 原始影像檢查問題

3.2 正射校正

在接收衛星數據后，數據接收站或出售商會對數據進行輻射校正等預處理。為了滿足國土資源調查應用精度要求，需要制作高精度影像數據，再次對影像進行幾何正射校正。常用幾何校正模型有多項式模型和RPC有理函數模型，發現RPC有理函數模型校正后結果精度較高［5］。參照高精度參考影像數據及DEM數據對全色高分辨率影像進行幾何正射校正，多光譜影像數據需要與已校正后的全色數據進行配準。影像配準就是將不同條件下獲取的多幅影像數據進行像元定位、對齊的過程［5］。多光譜數據與全色數據配準是進行數據融合的關鍵步驟之一，多光譜影像有4個波段，即紅（R）、綠（G）、藍（B）及近紅外，本文涉及的三種衛星多光譜影像數據的波段之間重合良好，不需要分波段進行配準，僅與校正后的全色數據配準即可，波段間不能出現重影。上述三類衛星試驗數據所有全色影像數據校正后采樣間隔定為2 m，多光譜影像數據采樣間隔定為8 m。根據國土應用規定精度要求，影像數據在平原校正精度偏移量不超過一個像元即為2 m，山區偏移量不超過2個像元即4 m。

表1 多種衛星傳感器參數

3.3 影像融合

影像數據融合即對相同地區正射校正后的衛星全色高分辨率影像與配準后的多光譜影像按照相關算法結合起來。一般融合后影像數據會偏紅或偏藍，影響地物判讀。通過波段加權算法，對多光譜影像數據的近紅外波段加權融合到RGB三波段，形成RGB三波段多光譜影像數據，色彩要接近自然，不同季節影像色彩應反映當時地類光譜特征。國內外關于衛星影像數據融合方法研究較多，常用的Pansharp、Modified HIS、主成分變換（Principal Component Analysis）、高通濾波（High-Pass Fliter）、Brovey、GS（Gram-Schmidt）、小波變換等［6-10］。經過多次融合試驗，確定最適融合方法，02C數據采用不確定參數法，ZY3數據采用Pansharp融合方法，GF1數據采用Subtractive融合方法。

4 數據質量評價

4.1 數據正射校正精度質量評價

數據正射校正精度是體現數據質量的重要標準之一，在ERDAS軟件中完成上述三類衛星全色影像數據幾何正射校正。每一種衛星影像數據分別選取16、32、48、64個控制點數進行幾何正射校正，并對四種校正結果進行對比分析，得出當前衛星數據最適控制點數量，即影像校正精度最高的最少控制點數量。平均殘差值應控制在1以內合適，但由于衛星數據質量差異、參照影像制作精度、DEM精度等因素的影響［11-12］，其值會出現超出1的情況。以參考影像為準，校正后影像控制點的空間位置與參考影像控制點的空間位置在X軸、Y軸方向上的偏移量為X/Y軸方向偏差，取其平均值，具體參數見表2所列。

表2 影像數據正射校正參數

經過試驗驗證，02C數據的最適控制點數為32，平均殘差值、X/Y軸方向偏差最小，且處于合理范圍內；當控制點數在16、48、64時，X/Y軸方向偏差超出2 m，已不符合應用規定精度。GF1數據的最適控制點數為32，平均殘差值、X/Y軸方向偏差最小，且處于合理范圍內；當控制點數為16時，X/Y軸方向偏差并未超過2 m，精度滿足本次應用要求；當控制點數為48、64時，隨著控制點數增多，校正精度并無明顯變化。ZY3數據的最適控制點數為16，當控制點數在32、48、64時時，隨著控制點數增多，校正精度并沒有明顯增高。

02C、GF1、ZY3影像數據在最適控制點數校正影像定位精度均滿足本次應用規定精度要求。GF1、ZY3影像數據平均殘差值、X/Y軸方向偏差值接近，數據質量在幾何定位精度方面處于同一水平；02C數據在最適控制點數情況下，校正精度雖然滿足應用規定精度要求，但平均殘差值、X/Y軸方向偏差高于GF1、ZY3影像數據，數據質量在幾何定位精度方面弱于GF、ZY3數據。

三種衛星影像數據在平原、山區校正精度表現如圖2所示。

從圖2來看，02C、GF1、ZY3影像數據在平原地區校正精度較高，并無明顯差別，誤差在半個像元間（1 m）浮動，滿足本次應用在平原地區的規定精度要求。在山區，02C影像數據的校正精度誤差在2個像元間（4 m）浮動，GF1、ZY3影像數據的校正精度誤差在1個像元間（2 m）浮動，02C影像數據的校正精度在山區弱于GF1、ZY3影像數據，但滿足本次應用在山區的規定精度要求。

4.2 數據融合質量評價

圖2 三種衛星影像數據在平原、山區的幾何校正精度效果對比

對校正、配準后滿足精度要求的全色與多光譜數據，采用相應的融合模型進行影像融合處理。融合后影像分辨率是以全色數據分辨率為準，色彩要接近自然真彩色。影像數據融合主要目的是提高影像分辨率、地物辨識度、降低噪音、信息增強等，更有利于地物信息的解譯與提取。

本論述采用主觀的方式，定性的從影像數據目視效果進行分析。以影像的色彩、紋理、清晰度3個方面進行對比分析，具體效果如圖3所示。

（1）色彩方面，通過目視GF1影像色彩真實但偏暗，不同地物色彩區別并不明顯，如城市內部綠化植被、屋頂顏色；ZY3影像色彩接近真實、明亮、層次感強，相近地類類別容易區分，如草地與林地；02C影像由于缺少近紅外波段，色彩方面失真，部分地類無法區分，如耕地與草地等地類。ZY3影像的色彩最優，與GF1影像整體色彩要優于02C數據。（2）紋理方面，GF1影像紋理清晰，地形地物邊界明顯，立體感較強，城鎮低矮連片建筑、農村居民點較難分辨地類邊界明顯；ZY3影像整體紋理清晰，但面積較小連片地物邊界模糊；02C影像紋理整體紋理一般，面積較大地物邊界明顯，但面積小、連片的建筑內部邊界模糊不清，且與耕地邊界無法分辨；紋理以GF1影像最優，ZY3影像次之，02C影像最弱。（3）清晰度方面，GF1數據整體清晰度優于ZY3、02C數據，當比例尺縮放到1：10000，仍能準確辨別面積為1畝的低矮建筑及其邊界；ZY3影像在同樣比例尺下，農村居民點內部模糊，田間道路容易與耕地混淆；02C數據在同樣的比例尺下，僅能分辨出面積為1.5畝的高層建筑邊界。

圖3 影像數據融合后效果對比

總體來說，GF1、ZY3、衛星影像數據融合質量要優于02C數據，兩者之間互有優勢，02C衛星影像數據融合質量最弱。

5 數據應用評價

以平涼市崆峒區為實驗區，從最小可識別圖斑、地類可分性及土地利用遙感監測信息提取結果三個方面對比分析評價三種衛星數據的地類解譯能力。

5.1 最小可識別圖斑

最小可識別圖斑是指在高分辨率衛星影像數據上可以判斷地類類型及屬性的最小面積地類圖斑。根據衛星影像數據的不同空間分辨率，其最小可識別圖斑面積也不相同，其面積誤差也不相同［13］。分別對三種數據源融合后的影像提取最小可識別圖斑進行對比分析，確定是否滿足國土資源調查工作的需求。

通過圖斑提取結果分析，02C數據可識別的最小圖斑面積為467 m2，ZY3可識別的最小圖斑面積為212 m2，GF1數據可識別的最小圖斑面積為367 m2。三種衛星數據的最小可識別圖斑面積均小于土地利用遙感監測規定的最小圖斑面積1畝（667 m2），可適用于國土資源調查工作底圖，具體效果見圖4。

圖4 可識別的最小圖斑

圖5 農村道路、耕地

圖6 連片低矮房屋

5.2 地類可分性

影像紋理是判讀地類類別的主要特征，也是光譜信息差異化的表現。就三種影像數據在平原、山區的解譯能力表現，對比評價三類影像數據中不同地類的解譯能力。

5.2.1 平原

從影像上看，02C數據紋理特征在農村、田間道路地類判別表現較弱，只能通過耕地紋理錯向判定這條道路的存在，耕地紋理清晰，如圖5（a）；ZY3、GF1數據根據紋理特征能夠清晰的判別道路、耕地地類，如圖5（b-c）。

影像中密集的、低矮的、面積較小的農村居民點是地類解譯的難點，02C數據從空間位置上可以判定此處是農村居民點，但內部相鄰房屋界限模糊、色彩單一，與周圍耕地界限也無法判別，如圖6（a）；ZY3、GF1數據農村居民點清晰可見，相鄰房屋之間界限清晰、色彩豐富，能簡單確定房屋屬性，GF1數據清晰度要優于ZY3數據，如圖6（b-c）。

5.2.2 山區

從影像上看，02C數據在山區整體表現良好，山脊、溝壑等地形信息清晰可見，但紋理細節相比于ZY3、GF1較弱，無較強的立體感，山區中的亮斑無法判斷其地類類別，如圖7（a）所示；ZY3數據在山區紋理表現細膩，清晰判別山區植被覆蓋情況，草地與耕地界限清楚，如圖7（b）所示；GF1數據整體清晰度較高，山區紋理細膩、地物邊界明顯，但色彩較暗，林地、草地及山陰面地類無法判別，如圖7（c）所示。

5.3 土地利用遙感監測應用評價

土地利用遙感監測成果是以圖斑的形式表現出來，通過人工目視解譯確定圖斑的范圍及屬性信息。以崆峒區為實驗區，分別采用三種融合后衛星影像數據進行地類圖斑信息提取，提取圖斑與國家下發年度土地利用遙感監測圖斑進行對比分析，圖斑范圍與地類類型以國家下發年度圖斑為準。

圖7 山區

據試驗結果看表3，02C數據提取圖斑數量最多，但圖斑準確率低于GF1、ZY3數據，原因在于02C數據的質量較弱，相近地類會出現混淆，地物邊界模糊不清，各類圖斑面積準確率也最低。GF1、ZY3數據提取圖斑數最少，但圖斑準確率較高，地類邊界明顯，判別地類類別準確。

02C數據提取圖斑總數為102個，準確圖斑為93個，準確率為91.17%；GF1數據提取圖斑總數為87個，準確圖斑為86個，準確率為98.85%；ZY3數據提取圖斑總數為93個，準確圖斑為91個，準確率為97.85%；三種衛星影像數據的圖斑準確率均達到90%以上，各類圖斑數量準確率和面積準確率均也到89%以上，可以滿足土地利用遙感監測項目需求。

表3 三種衛星數據圖斑提取情況

6 小結

本論述針對三種國產高分辨率衛星數據，即“資源一號02C”數據、“資源三號”數據、“高分一號”數據，以滿足當前國土資源調查的需求，開展了數據質量與應用評價并進行對比。

（1）數據質量評價：數據檢查方面，檢查ZY3原始影像數據發現其全色數據會出現高光溢出，在建筑密集區域較為明顯，經過鄰近像元平均值進行平滑處理，效果會好很多；檢查02C全色數據發現部分條帶噪音，經過小波變化法處理，噪音影響降到最小；GF1數據沒有較大問題，可以直接使用。數據校正方面，ZY3、GF1影像校正精度高于02C影像，但三種影像數據在手工布控控制點數為32及以上時，影像精度誤差在1-2個像元，低于規定最低誤差，符合應用精度要求，即平原誤差控制在1個像元內，山區誤差控制在2個像元內。數據融合方面，02C數據原始影像多光譜只有3個波段，沒有近紅外波段，在色彩方面會明顯弱于其他兩種衛星數據；紋理方面以ZY3最優，在平原、山區中地形地物特征表現細膩，02C數據紋理要弱于GF1數據，相近地類類別無法辨別，地物密集區域邊界不清；清晰度以GF1數據最優，在比例尺縮放到1∶10000后，仍能正確辨別地類類別。

（2）數據應用評價：最小可識別圖斑是指在高分辨率衛星影像數據上可以判斷地類類型及屬性的最小面積地類圖斑；三種衛星影像數據的最小可識別圖斑均小于1畝，ZY3數據的最小可識別圖斑面積最小。地類可分性方面，平原上ZY3、GF1數據的地類類別解譯能力強于02C數據，02C數據光譜信息差異較小，存在相近地類無法辨別的情況；山區上ZY3數據的紋理細膩，樹木、草地等地類清晰可辨，能夠反映植被的覆蓋情況；GF1數據在山區清晰度較好，但色彩較暗，林地、草地及山陰面地類無法判別；02C數據在山區影像色彩單一，梯田、草地、林地等地物已無法區分。土地利用遙感監測方面，以三種衛星影像的圖斑提取結果與國家下發年度成果對比分析，GF1數據的總圖斑數量準確率最高，02C數據的總圖斑數量準確率最低，為91.17%；三種衛星數據的各類圖斑的數量及面積準確率在89%以上，已經能夠滿足土地利用遙感監測的項目要求。

（3）國產民用高分辨率衛星發展至今，基本滿足各行各業的遙感數據需求，對我國社會經濟發展有巨大的推動作用。2014年“高分二號”衛星發射成功，標志著國產民用高分辨率衛星進入亞米級時代，擺脫了多年依靠國外衛星數據的困境。但我國在衛星遙感技術領域相比于國外還是有一定差距，隨著衛星遙感數據的廣泛應用，集各方智慧，國產民用高分辨率衛星將會有更大的發展潛力。