基于遙感技術的洪水監測研究

秦 良

(濰坊市水利事業發展中心，山東 濰坊 261061)

近年來，遙感技術在洪水監測中發揮了重要作用。與用于洪水測繪的光學傳感器相比，這種發展提供了全天候監測能力。洪水繪圖是用于洪水監測的技術之一[1- 2]，在這種技術中，將洪水前后的圖像進行比較，對非洪水和洪水區域進行分類。最初洪水監測性能受限于衛星和航空圖像[3]，但是，隨著雷達遙感技術的發展，在惡劣天氣條件下(如云層、閃電等)預測性能有限的問題也得到了解決。合成孔徑雷達(SAR)圖像的使用解決了洪水監測的問題，因為它具有全天候能力。在廣義上，洪水繪圖技術分為監督式(需要操作員參與)、半監督式和非監督式技術[4- 5]。

一些被廣泛應用的洪水繪圖技術包括目視解譯、閾值化、紋理匹配等方法。目視解譯是洪水繪圖中常用的監督方法。半監督(分段)技術的提出是為了盡量減少用戶的參與。該技術從用戶中選擇種子點，使用模糊邏輯生成連接圖，取決于種子點的正確識別(由用戶選擇)。一些學者提出了一種無需用戶參與和基于種子生長機制的洪水圖，以克服用戶經驗不足的問題。然而，該方法仍然需要用戶能夠定位分割點[6- 7]。閾值化則將某些閾值用于無監督洪水監測。基于3個電磁散射模型的輸出來選擇閾值，以快速生成洪水圖。然而，這些閾值在復雜的環境條件下效果可能并不好[8]。紋理匹配也用于從圖像中識別水域。水的同質區域被分割，然后將顏色和紋理特征與預定義的水樣進行比較。主要限制是計算時間長和紋理特征重疊[9]。復相干圖用于對SAR數據進行洪水監測分析。這種技術不僅限于洪水破壞評估，還可以監測其他特性(如地震)。但是，這對于觀測區域光學圖像的可用性具有更高的要求[10]。

最近，江巨浪等[11]提出了一種處理方法。該方法應用不同的處理鏈(自適應直方圖裁剪(AHC)、直方圖重映射(HR)和直方圖均衡化(HE))來提高可視化性能。然后通過組合處理過的前、后和差分圖像來生成RGB圖像。然而，這個過程有時會突出差分圖像中的額外細節，從而降低質量。此外，均衡過程導致對比度增強，這又使處理后的圖像看起來不自然。為了解決上述方法中的這些問題，我們提出了一種基于對比度增強的技術來提高合成洪水圖的圖像質量。該技術遵循了上述3條生成鏈。然而，這些鏈僅用于生成差分圖像的前圖像和后圖像。通過將差分圖像與均衡的前圖像和后圖像相結合，可以快速生成洪水圖。本文使用了具有低百分位值的自適應直方圖均衡化方法(AHE)來提高可視化性能。結果使用實例進行評估，這些數據集顯示了所提出技術的可行性。

1 研究方法

本文提出了一種基于自適應直方圖均衡化(AHE)的洪水監測技術，它由3個處理鏈組成。令IX(l，m)為前圖像、IY(l，m)為后圖像、IZ(l，m)為差分圖像，其中l∈[0，…，(L-1)]和m∈[0，…，(M-1)]。

第一步是自適應直方圖裁剪(AHC)，用來保存信息內容。圖像的直方圖在特定的百分位值處被剪切/截斷(去除包含較少信息量的強度)。使用特定的百分位值q。裁剪原像IX的直方圖。讓hX(i)成為IX圖像的直方圖，其中i代表強度等級，即[0- 255]，累積直方圖CX(i)計算公式如下：

(1)

q值計算如下:

q=arg[CX(i)|CX(i)=q×M×L]

(2)

一些論文采用q=0.98。然而問題是最終的RGB圖中存在過多的細節，最終的RGB圖是在建議的q百分位下生成的。為了解決這個問題，我們在第一步中使用了不同的q百分位值來生成差分圖像。據觀察，在低百分位值時，所需的細節被去除，而在高百分位值時，不需要的細節變得更加突出，從而降低了質量。因此，我們使用了q=0.3，因為它保留了導致洪水的強度值。

在第二步直方圖重映射(HR)中，使用線性縮放將裁剪的直方圖重新映射到原始強度范圍。圖像IX1的直方圖被重新映射到全強度范圍[0- 255]。min(IX1)代表所有強度的最小值，max(IX)代表圖像中所有強度的最大值。IX2(直方圖重映射圖像IX1)計算公式如下：

(3)

在第三步(AHE)，我們使用自適應直方圖均衡化來增強圖像。傳統HE有時會過度增強圖像并產生不需要的偽影(粗糙度等)。而且圖像有時可能顯示所有細節或合并細節，從而導致圖像質量下降。需要對比度增強技術來保持圖像的平滑和自然，以獲得更好的視覺結果。因此使用了一個新的直方圖修改框架，通過保留細節來提高可視化效果。

HE通常將i的輸入強度水平映射到Xi的輸出強度水平：

Xi=(N-1)×CX(i)

(4)

式中，N—圖像中的總強度水平；CX(i)—累積直方圖。

這種映射適用于具有連續強度水平的圖像，在這些圖像中，它完美地均衡不同的直方圖。為了使其適用于數字圖像，可以修改輸入直方圖而不損害其對比度。然后，修改后的直方圖可以用作HE的映射函數。同時引入了專門設計的懲罰項，可用于調整對比度增強的級別。一旦強度范圍被重新映射，AHE可以削減一些不利影響(如過度增強，偽像和不自然的圖像)。AHE的原理是使修正的hXm與當前直方圖h的差異最小化，使得修正的直方圖也更接近于統一直方圖hXu，即：

(5)

式中，α—當前直方圖和均衡化直方圖的貢獻。通過式(6)求解修正直方圖hXm:

(6)

修正直方圖hXm用于生成圖像IX3和IY3(如圖1所示)，值得注意的是使用傳統直方圖會產生不想要的偽像、過度增強和不自然的外觀。這是因為傳統HE的目標是將輸入直方圖與均勻分布相匹配。但是，AHE還將修正直方圖和輸入直方圖之間的差分降至最低。因此，AHE為洪水監測提供了更可靠的結果。然后使用IX3和IY3生成差分圖像IZ：

(7)

圖1 算法的流程

2 模擬和結果

為了評估此方法的可用性，以山東省濰坊市某洪水發生區為例。這些圖像分別為洪水前的圖像(如圖2(a)所示)和洪水后的圖像(如圖2(b)所示)。

差分圖像相對于百分位值q的變化如圖3所示。q值變大，則圖像中的細節增加(反之亦然)。

在圖3(a)中，我們可以注意到河流周圍的地面區域很暗，這在圖3(b)中變得非常明顯，但是洪水并不那么清晰。在百分位值q=0.3時(如圖3(c)所示)，地面面積、河流和洪水淹沒區在要求的水平可見。當我們移動到更高的百分位值(q>0.3)時，地面區域逐漸變得更加突出，這種效應可以在圖3(d—i)中觀察到。

由各自的差分圖像生成的RGB圖像如圖4所示。

在圖4(a)和4(b)中，被淹沒的區域是暗淡的，在河流周圍逐漸消失。在圖4(c)(q=0.3)中，河流周圍的淹沒區域(在圖像的頂部中心)變得非常明顯，達到令人滿意的圖像水平。對于較高的百分位值(q>0.3)的圖4(d—g)，RGB圖像逐漸增加圖像底部中心的淹沒區域(墨藍色)。圖像頂部中心的淹沒區能見度也不好。這個現象在圖4(h)和圖4(i)中非常明顯，在圖4(h)和圖4(i)中，洪水淹沒的區域在河流周圍變得更加模糊。

本文改進方法(AHE)與原方法(HE)的比較如圖5所示。

圖2 洪水發生區的原始圖像

圖3 不同q值下的差分圖像IZ

圖4 不同q百分位數的RGB圖像

圖5 2種方法的洪水圖像結果比較

圖5(a)是使用原方法生成的差分圖像，圖5(b)是使用改進后方法生成的差分圖像。這些圖像在細節上有明顯的區別。圖5(a)突出地顯示了地面細節，而圖5(b)相對突出了主要的所需細節。這些細節上的差分對它們各自的RGB圖有很大影響(如圖5(c)和5(d)所示)。我們可以注意到圖5(c)河流周圍的淹沒區域是模糊不清的，這降低了能見度。在RGB中差分圖像的不相關細節的占比非常大(圖像底部中心和右上角的深色區域)。圖5(d)顯示了河流周圍淹沒區域的更好可見性(在頂部中心、右上角和底部中心)。可以清楚地注意到地面區域的細節，以及河流與洪水淹沒區域的對比。

3 結論

本文提出了一種基于自適應直方圖均衡化的洪水圖像監測方法，該方法由直方圖自適應裁剪、重映射和自適應直方圖均衡化3個步驟組成。處理淹沒前和淹沒后的圖像會產生不同的處理結果和差分圖像。然后，使用處理過的前圖像和后圖像與差分圖像的組合，生成洪水圖。一種對比增強技術AHE被用作第三步，以消除由HE產生的過度增強。結果表明，對于較高的百分位值(q>0.3)的圖，圖像頂部中心的淹沒區能見度并不好。當q=0.3時，河流周圍的淹沒區域變得非常明顯，達到較好的圖像水平。所提出的技術是對現有技術的改進，并具有更高的可靠性，此技術有望用于洪水監測工作。