遥感图像的预处理

遥感图像的预处理 2007年11月 第4期 吉林师范大学(自然科学版) JournalofJilinNormalUniversity(NaturalScienceEdition) No.4 NOV.2o07 遥感图像的预处理 刘蓉蓉,林子瑜2 (1.核工业北京地质研究院,北京100029;2.东华理工大学,江西南昌344000) 捅要:由于时间,太阳光强及大气状态的变化,或者遥感器本身的不稳定性,致使获取不同遥感图像上的对比 度及亮度值存在差异,因而有必要对多景相邻图像进行遥感数据的预处理过程,这有助于后期所需相关指数的 一 致性提取与准确评价.作者在ERDAS软件的支持下,经研究,对比,采用回归分析法进行大气辐射校正,自创 多样本均值法进行辐射匹配,最后运用图像镶嵌技术达到完整,美观呈现研究范围的目的.文章从头至尾,系统 表述了一整套针对多景相邻遥感图像前期预处理的方法过程,达到较好效果,值得借鉴. 关键词:遥感图像;预处理;多样本均值法 中图分类号:P283.1文献标识码:A文章编号:1000—1840一(2o07)04—0006—05 遥感数据的预处理又被称作图像纠正和重建. 其主要目的是纠正原始图像中的几何与辐射变形, 即通过对图像获取过程中产生的变形,扭曲等的纠 正,以得到一个尽可能在几何和辐射上真实的图 像[11. 由于遥感系统空间,波谱,时间以及辐射分辨率 的限制.很难精确地记录复杂地表信息,因而误差不 可避免地存在于数据获取过程中.这些误差降低了 遥感数据的质量,从而影响了图像分析的精度.因此 在实际的图像分析处理之前,有必要对遥感原始图 像进行预处理. 文章在ERDAS软件的支持下,经研究,对比, 采用回归分析法进行大气辐射处理,去除了大气的 辐射干扰;基于已有的直方图加减均值差和方差均 值两种针对相邻遥感图像的辐射匹配方法,提出了 一 种新的多样本均值的辐射匹配方法以降低匹配时 存在的人为误差,达到图像间的平滑过渡.通过对三 种匹配方法结果进行定量性检验,证明多样本均值 的辐射匹配方法能达到较好的匹配效果,其匹配结 果要优于前两种方法,具有可行性;最后运用图像镶 嵌技术达到完整,美观呈现研究范围的目的. 1遥感数据源 本次研究主要是在遥感图像处理软件ErdasImag- ine8.4的支持下完成的.选用了6景l_andsat7号(美国 陆地资源卫星)ETM(包括7个多光谱波段Band1 Band7和一个全色波段ran)遥感图像数据(已经过几何 校正):ETM133O(2001.9.24),ETM139—31(2oo1. 10.26),ETM140--30(2000.7.10),ETM131(2O0O. 7.10),ETM141—3o(1999.9.1),ETM142--30(1999.8. 23)进行预处理,见图1. 图1遥感图像(ETM741) 收稿日期:2007—09—15基金项目:国家重点基础研究发展规划(973)资助项目 (2001CB40988) 第一作者简介:刘蓉蓉(1980一),女,天津市人,现为核工业北京地质研究院矿产普 查与勘探专业在读博士研究生.研究方向:矿床地质 一 6一 2遥感数据的预处理 2.1大气辐射校正 由于大气散射,云层反射形成的天空光会和地 物目标的辐射能量一起进入遥感探测器,这部分能量——路径辐射(Eh)会导致遥感辐射量失真,使 图像对比度下洚,犹如蒙上一层薄纱,从而降低遥感 图像的质量,影响后期对信息提取的准确性为了消 除这由大气引起的辐射失真的处理过程就称为大气 辐射校正【.在图像的预处理过程中,这是十分必 要的一步. 简化的大气辐射传输方程为E=E0+Eh(E 为遥感器系统所收集到的辐射能量;E0为地物目标 的辐射能量).本次研究采用了回归分析法进行校正 处理.目的就是求出E碑lh'利用E0=E—E碑h来消 除由大气引起的辐射值Elh'使图像能较为真实的 反映出地物辐射能量E.. 由于大气散射影响主要发生在短波段图像(可 见光遥感中以蓝,绿波段最甚),随波长增长,散射作 用逐渐减弱.在此选取第7波段当作无散射影响的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 波段,将其他波段(第15波段)与之相比较, 其差值便是需校正的散射辐射值.具体作法如下:在 待进行大气辐射校正的图像上查寻出多个最黑处影 像(如高山阴影或其他暗黑色地物目标)的第17 波段辐射值;把第7波段的辐射值(E,)当作x轴, 第1—5波段(由于第6波段是以地物自身发射的热 红外为主,因此不做处理)的辐射值(E,E)分别 作为y轴,进行回归分析,得出5个波段的回归方 程,回归方程中的5个截距(E碑lhl—E碑h5)就是各 波段需校正的辐射值,见表1;之后利用ERDAS中 的model模块,将所得值分别对应带人E0=E— E中,从而最终得出经大气辐射校正后的图像.利 用此方法,将6景ETM遥感图像进行了大气辐射 校正. 表2各波段大气辐射校正值 ETM139—30ETM139—31ETMl40—30ETMl柏一3lETM{41—30ETMl42—3O 2.2辐射0l:$g 2.2.1常见的辐射匹配方法 相邻遥感图像问辐射匹配的方法,般都是以图 像的重叠区域为基础,通过各种平滑过渡来消除辐 射上的差异.目前常见的有:基于相邻图像直方图, 基于相邻图像方差,均值等的辐射匹配方法lL3J. (1)直方图匹配法.图像的直方图匹配法L4J是 利用影像的灰度直方图能客观地反映出一幅影像的 灰度分布,相邻影像的重叠区域的灰度直方图在理 想条件下应是一致的特点,通过转换一幅图像的直 方图,使其和另一幅图像的形状相舣,进而使图像间 的辐射差异缩小,最终达到辐射匹配目的. 其中,利用重叠区对应像元各波段直方图的均 值差来进行相邻图像的辐射匹配,可视为一种简便 的直方图匹配方法:首先将两幅图像重叠区对应各 波段的均值相减,得到波段的均值差;再将其中的一 幅图像作为参照图,另一幅图则以参照图的均值大 小为基准,每个波段相应地加减均值差,使被调整图 像的均值与参照图的相一致,从而实现两幅图像间 辐射匹配.下面是所选取的相邻两幅分别经过大气 校正的ETM遥感图像,目视其辐射差异较大,见图 2.左边是图像色调较为鲜艳明亮的ETM140—30, 右边是色调较为灰暗低沉的ETM139—30.此时以 左图作为参照图,运用直方图加减均值差的匹配方 法调整图像间明显存在的辐射差异,得到匹配后色 调变得较为一致的图像见图3.此种匹配方法,具有 圈2相邻两幅ETM遥感图像(ETM741) 图3直方图匹配方法(ETM741) ——1—— 研御鲫姒 扎? m;曼姗 州 :荟" 研螂 撤? ?O 操作简易的优点. (2)方差均值法.方差均值法也是一种常见的图 像辐射匹配方法(戴昌达等,2()04).观察方差均值法 的原理,不难发现它与加减均值差的直方图匹配方 法非常相似,即都利用到了图像各波段的中心趋势 值均值进行匹配处理;不同之处则在于它还考虑 到了图像的方差和图像间的协方差.它是在进一步 认识图像内部统计特征和图像间相关程度的基础上 进行的.就相似之处而言,方差均值也可视为是另一 种形式的直方图匹配法.运用方差均值法原理进行 图像的辐射匹配,也得到了匹配后色调明显变得较 为一致的图像——图4,实现了图像间的辐射匹配. 图4方差均值法(ETM741) 经对上述不同辐射匹配方法运用,得出几点处 理过程中需遵循的结论,以达到较好效果:(1)选择 重叠区,以利用该区域内同名地物的灰度值建立相 邻图像的辐射匹配方程.并尽可能大地选择重叠区, 为使方程更具代表性和普遍性且适用于整幅待匹配 图像;(2)选择匹配区域时要尽量避开遥感图像上云 或各种噪声的干扰,以提高辐射匹配精度.应认真分 析对比相邻两图像公共区域的图像质量和特点,然 后采用不规则多边形来界定用于建立匹配方程的图 像区域.这样既可避开云,噪声,又可获得尽可能大 的,有代表性的图像匹配区域,从而建立准确的辐射 匹配方程;(3)图像辐射匹配时,首先要以一幅图像 为基准,将其视为参照图像;然后运用上述方法建立 匹配方程,对另一幅图像的整个区域进行辐射变换. 2.2.2多样本均值的辐射匹配方法 以上所提到的辐射匹配方法都是在以截取一个 重叠区样本前提下进行的.由于在选取样本时存在 所不可避免的人为因素(例如重叠区的选取及其大 小的不同),有时对单个样本的选取并不十分恰当, 这就会造成因此得来的匹配方程存在弊端,致使最 后匹配结果不理想. 为了降低选取样本时人为因素的影响和图像间 一 8一 截取区域的重叠率大小所造成的同一地物位置配准 误差的影响,在此提出一种新的,较可行的辐射匹配 方法——多样本均值法[5j.这种方法以选取的多个 重叠区样本作为匹配研究对象,通过对样本的回归 分析,建立了图像间更具普遍代表性的回归匹配方 程. 同样以图2为例,运用其进行辐射匹配的具体 步骤如下: (1)确定截取的最佳像元数.在以一个像元为误 差的几何配准前提下,计算截取不同重叠区域时相 邻图像间的像元重叠率,并选取适当像元数,以期将 由重叠率造成的位置配准误差降至最小.经验证,在 此选用重叠率达96%的,截取像元数为44*44(行 *列),按地物类别分类截取多个重叠区样本,这样 做有助于各样本内部的辐射统一. 衰2各波段匹配方程 波段匹配方程备注 第一波段Y=1.6027+3.0293R=O.93y代表匹配参 第二波段Y=1.6532+9.3379R=O.9O97照图140—30各波 段的均值 第三波段Y=1.7374+16.285R=O.9062代表待匹配 第四波段Y=0.795一12.944R=0.8481图139—30各波段 的均值第五波段Y = 1.8353+0.33R=0.917代表两图像 第六波段Y=1.0157+36.743R=0.7906问对应各波段的相 第七波段Y:1.7967+4.0337R=0.8892关系数的平方 图5多样本均值辐射匹配方法的匹配模型 (2)利用回归分析建立匹配方程,进行辐射匹 配.利用两幅图中截取的多个重叠区样本对应各波 段均值来做回归分析(根据变量之间相互关系来模 拟的回归方程具有严密的数学逻辑,从而能准确反 映出变量之间关系[61),分别建立7个波段的均值匹 配方程,见表2,反映出图像间对应波段相互关系; 并按照匹配方程所反映出的图像间均值关系,在 ERDAS软件Model模块中建立匹配模型,进行6景 图像间辐射匹配处理,见图5. 按照匹配方程所反映出的图像间均值关系建立 匹配模型,得到辐射匹配后的图像,见图6. 图6多样本均值的辐射匹配方法(ETM741) 2.2.3对三种辐射匹配方法的匹配结果进行定量 性验证比较 图3(直方图匹配法),图4(方差均值法),图6 (多样本均值法)依次为应用不同辐射匹配方法所得 到的三幅匹配效果图.单从匹配后图像上观察,两图 像问色调变得较为统一,辐射差异确实是变小了,实 现了图像问辐射匹配.但究竟是哪一种方法的匹配 效果最好,还要通过下面定量性的验证比较. (1)相关性对比 表3两图像间对应各波段的相关系数 表3清楚显示出:运用多样本均值的辐射匹配 方法,其匹配结果表明图像间具有较高的相关性;运 用方差均值法,匹配之后图像间的相关性则低于前 者,但高于后者一一直方图匹配法. 2)匹配结果的统计特征对比 随祝地在分别用三种匹配方法匹配好的两图像 重叠区域内各选取2O个相同的样本区,通过对各样 本均值和标准差的观察来定量地比较不同方法的匹 配结果.?均值比较(Mean).在随机所选取的2O个 样本区中:有l7个样本区在应用多样本均值的辐射 匹配方法时,7个波段的均值误差整体相比为最小; 有l6个样本区在应用方差均值的辐射匹配方法时, 7个波段的均值误差整体相比是次之较小的;而有 16个样本区在应用直方图匹配方法时,7个波段的 均值误差整体相比是三种方法中最大的;?标准差 比较(StdDev.).在随机所选取的20个样本区中: 有l9个样本区在应用多样本均值的辐射匹配方法 时.7个波段的标准差误差整体相比为最小;有20 个(即全体)样本区在应用方差均值的辐射匹配方法 时.7个波段的标准差误差整体相比是次之较小的; 而在应用直方图匹配方法时,有20个(即全体)样本 区的标准差误差整体相比是三种方法中最大的 由此可见(如表4所示),无论是在均值上,还是 在标准差上,应用多样本均值的辐射匹配方法,能极 大地缩小与参照图间的均值匹配误差和标准差匹配 误差,使已匹配图与参照图的统计特征变得最为接 近,从而获得比运用其它两种方法更为理想的辐射 匹配结果;应用方差均值的辐射匹配方法,其匹配结 果与参照图的统计特征接近程度就较为次之;而应 用直方图匹配方法,其匹配结果与参照图间的统计 特征误差是三种方法中最大的. 袈4误差对比 参照R1与己匹配瞬蚵多样率均值馥方燕均值法直卉瞬匹配磕 的统计特征议鼙程度误整最小误整趺之鞍小谈蒸最大 所占比倒 fl7+19)/40:36/4016+20)/40;36/40(I6+2O)/4O=36/40 (均值+标准整)/,to 表4说明了在尽量缩小匹配图像问统计特征误 差方面,多样本均值法占有很大的优势,它可使图像 在大体上(约90%)的统计特征变得与参照图最为 接近;而在相同大体上(约90%),方差均值法使图 像问的统计特征变得较为接近,直方图匹配法使图 像问的统计特征接近程度则不及前两种方法. 通过对三种匹配结果的定量性验证比较得出: 多样本均值的辐射匹配是继直方图匹配和方差均值 法之后的另,种可行的,极具优势的辐射匹配方法. 用它来进行图像间的匹配处理,经证明能达到颇为 理想的匹配效果.另外,当图像间重叠区的噪声较多 时,匹配时采用选取多个小范围样本的方式——多 样本,能更为灵活的避开噪声的干扰,建立出适当的 匹配方程. 2.3遥感图像的镶嵌 图像镶嵌(Mosaic)是将两景或多景数字图像 (它们有可能是在不同的摄影条件下获取的)拼接在 一 起,构成一幅整体图像的技术过程[川.由于研究 范围涉及6景图像,因此对多景遥感图像进行了镶 嵌处理,以达到整体呈现研究区的目的.这,环节也 同样利用Erdas软件中的Mosaicimages模块完成. 一 9一 此外,在图像的镶嵌过程中需注意以下几点:合理正确镶嵌的目的. 图7预处理后的遥感图像(ETM741) (1)镶嵌前,需选定一幅图像作为基准图像.因 为若涉及到相邻图像的跨带问题时,则镶嵌后的图 像投影则会以基准图像为准;(2)镶嵌时,若相邻图 像间的图像外围存在附加的干扰灰度值,可灵活运 用AOI(感必趣区)来去髂强的干扰灰度值,达到 至此,经过以上一系列对遥感图像的大气辐射 校正,辐射匹配,6景遥感图像的镶嵌步骤,得到了 预处理之后的完整图像,见图7. 3结束语 遥感技术的灵活运用是目前一种较为方便,高 效的技术手段(如在地学分析,找矿勘探上),但之前 对图像的预处理过程却是必不可少的: 大气辐射校正去除了由于大气干扰引起的辐射 失真问题,提升了后期信息提取的准确性;辐射匹配 则使图像间达到平滑过渡,极大地消除了它们存在 的辐射差异,有助于后期所需相关指数的一致性提 取与准确评价;而图像镶嵌达到了完整,美观呈现研 究范围的目的. 三个步骤相辅相成,互相配合,成效明显,为后 期图像的进一步分析,处理奠定了良好基础,因而值 得借鉴. 参考文献 [1]赵英时,章申,秦大河,等.遥感应用分析原理与方法[M].北京:科学出版社,2004. [2]戴昌达,姜小光,唐伶俐.遥感图像应用处理与分析[M].北京:清华大学出版社,2004. [3]章孝灿,谢元礼,杨昕,等.遥感图像的处理[M].杭州:浙江大学出版社,1997. [4]汤国安,张友顺,刘咏梅,等.遥感数字图像处理[M].北京:科学出版社,2004. [5]朱祯玺,赵振伦.回归分析和相关分析[M].大连:东北财经大学出版社,1991. TheRemoteSensingImagePreprocessing LIURong—rong,LIZi—ying,LINZi一,,u (1.BeijingResearchInstituteofUraniumGeology,Beijing1000,29,China;2.EastChinaUni versityofTechnology,Fuzhou344000,China) Abstract:Therearedifferencesaboutthecontrastandbrightnessvalueamongtheremotesensingimagesbecauseoftime,sun- lightandatmosphere.Itcanhelpconsistentextractionandexactevaluationoftheindexbyimagepreprocessing.Supportedbythe ERDAS8.4softwre,authormakenofregressionanalyd~toadjusttheatmosphericradiation,muhisample—meanmethodto matchimagesandimagemosaictos~.owthewholefieldofresarch.Thispapergivestheimagepreprocessingmethodwhichis worthuseingbeca{;ueofbettereff~t. Keywords:remotesensingimage;imagepreprocessing;multisampIe—meanmethod 一 10—