遙感影像信息與質量度量模型研究及應用

摘 要：為了在提取遙感影像細節信息方面更具優勢，本文進行了遙感影像信息量以及質量度量模型的研究。利用遙感影像信源分類、遙感影像信息量統計特性與度量、遙感影像質量量化和構建遙感影像質量度量模型這一系列步驟設計一種全新的遙感影像信息量以及質量度量模型。研究結果表明，該模型能夠有效地度量和評估遙感影像的信息量和質量，該方法對遙感圖像的處理與應用具有一定的借鑒意義。

關鍵詞：遙感；影像；信息量；質量；度量；模型

中圖分類號：TP 75" " " " " " 文獻標志碼：A

遙感技術是現代科技的重要組成部分，在地理信息獲取、環境監測和城市規劃等領域發揮了重要的作用。遙感影像的信息量以及質量是影響遙感應用效果的關鍵因素，因此，對遙感影像信息量以及質量度量模型的研究具有重要意義。遙感影像信息量度量是評估遙感影像所包括的地理信息豐富程度的重要手段[1]，常見的遙感影像信息量度量方法主要有基于像素的統計方法和基于特征的識別方法。

采用基于像素的統計方法對遙感影像中不同波段的像素數量進行統計，獲取影像的信息量。雖然該方法較為簡單，但是對影像的細節信息提取不足。基于特征的識別方法對遙感影像中的地物特征進行提取并識別，更全面地評估影像的信息量。該方法能夠更好地提取影像中的結構、紋理等細節信息，但是計算復雜度較高[2]。在實際應用中可以根據具體情況選擇合適的遙感影像信息量度量方法，獲得更準確的評估結果。

1 遙感影像信源分類

在實際應用中，信源的分析方法會根據信源特性有所不同。根據信源發送信息的時空分布以及幅值分布，可將信源分為2種類型：一種是離散型，另一種是連續型。離散源是一種在時間、幅值方面均不連續，通常表現為離散的源[3]，須利用離散數學、概率理論對離散源信號進行分析。例如，數字信號是典型的離散源，其信號值僅存在于有限個離散的數值中。連續信源是在時間和幅度方面都連續變化的信源，須采用連續數學和積分變換等方法進行分析[4]。例如，音頻信號和視頻信號是典型的連續信源。綜上所述，根據信源的特性選擇合適的方法進行分析十分重要。離散信元的分類結果如圖1所示。

對遙感影像來說，其存儲方式分為數字影像和光學影像2種。前者通常由一個灰度矩陣表示，如公式（1）所示。

（1）

式中：g為灰度矩陣；gj，i為灰度值，其中j為0，1，…，m-1，i為0，1，…，n-1。

各個像素的灰度值為取樣并量化的灰度等級，假設光學影像中的數字化間隔為?x和?y，不同像素點位的灰度值不同，那么其差異如公式（2）、公式（3）所示。

x=x0+i×?x" " " " （2）

y=y0+j×?y" " " "（3）

式中：x為像素點橫坐標差；y為像素點縱坐標差；x0為原始像素點橫坐標；y0為原始像素點縱坐標；i為灰度矩陣行數；j為灰度矩陣列數。圖像中像素之間的灰度與其紋理具有統計學意義，但是該相關性只適用于某個地區。按照信息論中對信號源的描述與分類，將其劃分為馬爾可夫信源，由信源發射一系列符號[5]。在圖像中，由于圖像的灰度是不離散的，因此從分類角度來說，圖像是連續的。

2 遙感影像信息量統計特性與度量

遙感影像信息量統計特性主要包括以下5個方面。1） 均值。均值是遙感影像中所有像素值的平均值，反映了影像的整體亮度。比較不同時相的均值可以分析地物輻射能量隨時間變化的情況。2）中值。中值是將遙感影像像素值由小至大排列后位于中間的像素值[6]，反映影像中地物的反差程度和類型。3）眾數。眾數是遙感影像中出現次數最多的像素值，反映影像中地物的分布和數量，在城市化程度較高的地區參考價值更高。4）數值域。數值域是遙感影像中像素值的變化范圍，反映影像中地物的動態范圍[7]。數值域越大，地物的動態范圍越廣，影像的信息量越大。5）反差。反差是遙感影像中像素最大值與最小值之差，反映影像中地物的明暗差異。反差越大，地物的細節信息越豐富，影像的信息量越大。掌握以上5個方面的統計特性，可以全面了解遙感影像中地物的分布、數量、亮度和動態范圍等信息，能夠深入分析遙感影像所包括的信息量。影像灰度直方圖如圖2所示。

頻域是傅里葉頻譜在不同頻率中的振幅。圖像頻率域如圖3所示，統計了許多電視節目的平均值，得出一維譜特征曲線，大多數電視信號能量都集中在低頻段。

在完成遙感影像信息量統計后，結合熵值理論并按照公式（4）對遙感影像信息量進行度量。定義1個具有256個灰度值的數字影像的熵，如公式（4）所示。

（4）

式中：H[P]為數字影像熵；pn為第n副影像的設定灰度值的概率；n為第n副影像；pi為灰度gi出現的概率。

將公式（4）中的灰度概率pi近似看作灰度頻率，如公式（5）所示。

（5）

式中：fi為灰度gi出現頻數；N為影像像素總數。利用熵值對整幅遙感影像進行信息度量，使用影像編碼對影像進行壓縮。

3 遙感影像質量量化

結合代用質量特性的理念，找到容易度量的代用質量特性，對遙感影像質量進行量化，主要有以下5個方法。第一，利用分辨率量化。分辨率是圖像中可分辨物體的大小。分辨率越高，圖像中可分辨的物體越小，圖像質量越高[8]。第二，利用幾何精度量化。幾何精度是圖像中物體位置和形狀的準確度。幾何精度越高，圖像中物體位置和形狀越準確，圖像質量越高。第三，利用色彩準確度量化。色彩準確度是圖像中顏色的準確度。色彩準確度越高，顏色越真實，圖像質量越高。第四，利用噪聲量化。噪聲是圖像中的隨機干擾。噪聲越小，圖像質量越高。第五，利用均勻性量化。均勻性是圖像中不同區域之間的亮度、色彩等特征的一致性。均勻性越高，圖像質量越高。還有一些具體的質量度量指標，例如均方差、信噪比、方差、標準差以及信息熵等，可以評估影像質量。這些指標可以從不同的角度反映影像的信息量和質量，為遙感影像的質量評估提供重要的參考依據。在進行遙感影像質量評估的過程中，須根據具體需求和場景選擇合適的度量指標，綜合評估影像質量。還需要考慮影像的融合、傳輸和壓縮等處理過程對質量的影響以及不同數據源和傳感器之間的差異和局限性。

用影像分辨率對影像質量進行量化，如公式（6）所示。

b=k×a " " " " （6）

式中：b為基于影像分辨率對影像質量的量化處理；k為轉換系數；a為圖像原始分辨率。

在圖像質量檢驗過程中，根據像素尺寸判斷圖像分辨率是不夠精確的。內插影像分辨率如圖4所示，圖4（a）的地表分辨率為1 m，圖4（b）的地表分辨率提高至2 m。由圖4（b）插值得到的圖4（c）地表分辨率仍然為1 m。雖然圖4（a）與圖4（c）在地表分辨率方面一致，但是其成像質量存在差別。綜上所述，將地面分辨率作為評價圖像質量的指標具有局限性。

針對上述問題引入調制度理論，調制度越大，圖像對比度越高，即圖像的明暗差異越明顯，如公式（7）所示。

（7）

式中：M為調制度；Imax為灰度最大值；Imin為灰度最小值；Ia為振幅；I0為平均亮度。

為更好地度量和評估遙感影像的質量，將調制度作為質量量化的指標。調制度是遙感影像中像素值的變化程度，反映影像中地物的反差情況和細節信息。對調制度進行計算和分析，可以了解影像中地物的分布、紋理和結構等信息，對影像質量進行評估。調制度的大小和均勻度都可以作為質量量化的依據，這些指標可以判斷影像的清晰度、對比度和信息量等。將調制度作為質量量化指標，可以為后續遙感影像質量度量提供重要的參考依據，更好地理解和評估遙感影像的信息量。

4 構建遙感影像質量度量模型

結合因素論域構建遙感影像質量度量模型。遙感影像質量度量的因素論域如公式（8）所示。

Ue={ugeo，umlf，ures，uref} " " " （8）

式中：Ue為遙感圖像質量評價因子域；ugeo為遙感圖像的幾何特性；umlf為圖像調制曲線測定品質特征；ures為遙感圖像真解像度；uref為遙感影像元數據完整性。將上述公式作為遙感影像質量度量模型，對其質量評價值建立評語論域，如公式（9）所示。

V=（v1，v2，v3，v4） " " " （9）

式中：V為遙感影像質量評語集合；v1～v4依次為優、良、合格和不合格。

在實踐中，將遙感圖像作為主要數據來源，處理后得到的特定圖像產品是遙感圖像質量評價的重要內容。度量這些產品的質量，可以評估其準確度、清晰度和信息量等方面的表現，為后續遙感影像處理和應用提供重要的參考依據。

在實際應用中，通過遙感影像質量度量能夠了解影像產品的優點和缺點，發現其中存在的問題并進行改進。例如，在數字遙感影像平面圖中可以度量其幾何精度、色彩準確度和分辨率等指標，利用這些指標評估其地圖要素的表示精度和地圖的可讀性。在數字遙感影像地圖中，可以度量其幾何精度、色彩準確度、分辨率和信息量等指標，以評估其在反映地表要素過程中的表現。在三維景觀圖中，可以度量其幾何精度、色彩準確度、分辨率和場景真實度等指標，以評估其在反映三維空間信息過程中的表現。

5 模型對比

為了深入理解遙感影像的信息量以及質量度量模型，進行一項對比試驗。本試驗的目的是比較不同度量模型在遙感影像處理方面的表現，為實際應用提供依據。選擇作為試驗研究對象的影像來源廣泛，具有代表性。在信息量度量模型的試驗中，采用上文提出的度量模型和傳統度量模型，對比2種方法在不同遙感影像中的應用效果，將2種模型應用性能進行比較。2種度量模型在不同遙感影像中的信息量度量結果見表1。

對比試驗數據可知新度量模型在多數遙感影像中的信息量度量高于基于像素的統計方法的信息量度量，說明新度量模型在提取遙感影像細節信息方面更有優勢。

6 結論

綜上所述，研究提高遙感應用效果的重要途徑是研究遙感影像信息量以及質量度量模型。本文研究提出的模型能夠更好地挖掘遙感影像中的信息，提高遙感應用的實際效果，為地理信息獲取、環境監測和城市規劃等領域的發展提供有力支持。

參考文獻

[1]陳廣成，余煌浩，李彬權，等.基于高分一號遙感影像的廣州市南沙區土地利用變化特征分析[J].人民珠江，2023，44（12）：54-63.

[2]楊瑞林，管海燕，謝歡.基于AlexNet網絡的高分辨率遙感影像建筑物提取方法研究[J].測繪與空間地理信息，2023，46（11）：35-38，41.

[3]王松倫，馬曉楠，潘子軒.基于遙感影像的生產建設項目擾動圖斑人機協同智能提取方法[J].測繪通報，2023（11）：132-138.

[4]蘇子漪，王心悅.浙江樹人學院省遙感圖像處理與應用國際科技合作基地 推進對外教育科技人才合作 深耕智能影像計算[J].今日科技，2023（11）：71-72.

[5]余培東.融合注意力機制和深度超參數化卷積的遙感影像橋梁目標檢測算法[J].科學技術創新，2023（25）：38-41.

[6]楊文軍，張楊，王福生，等.基于高分光學遙感影像的湖南省油茶林地識別技術研究——以漢壽縣為例[J].中南林業調查規劃，2023，42（4）：30-34，62.

[7]郝嬌嬌，郭雯豪，劉耀徽，等.基于高分辨率遙感影像的古中山國平原區地面古河道識別研究[J].河北師范大學學報（自然科學版），2023，47（6）：628-637.

[8]羅友好，羅旭，龍曉澤，等.基于Sentinel-2遙感影像的珠海淇澳島紅樹林對多臺風連續干擾的響應研究[J].熱帶地理，2023，43（11）：2155-2166.