基于多時(shí)相遙感影像去除朵云及陰影的改進(jìn)方法

董保根,秦志遠(yuǎn),楊安紅

(信息工程大學(xué)測繪學(xué)院,河南鄭州 450052)

基于多時(shí)相遙感影像去除朵云及陰影的改進(jìn)方法

董保根,秦志遠(yuǎn),楊安紅

(信息工程大學(xué)測繪學(xué)院,河南鄭州 450052)

利用多時(shí)相遙感影像進(jìn)行相應(yīng)區(qū)域替換是一種有效的去除朵云及陰影的方法。針對常規(guī)方法存在的不足,對去除過程中的一些關(guān)鍵技術(shù)進(jìn)行改進(jìn)。利用矩形區(qū)域表示不規(guī)則的云區(qū)域進(jìn)行替換,并給出了矩形區(qū)域的確定方法;替換前采用多圖像亮度規(guī)格化技術(shù)改善兩幅影像的亮度差異;對替換后矩形區(qū)域邊界與背景圖像之間的拼接縫進(jìn)行消除,得到最終去云影像。

多時(shí)相;朵云及陰影;矩形區(qū)域;多圖像亮度規(guī)格化;拼接縫

一、引 言

光學(xué)遙感影像是十分重要的遙感數(shù)據(jù)源,但由于其自身構(gòu)像機(jī)理的限制,成像過程極易受到云及陰影的影響。對于一幅待處理的云覆蓋遙感影像來說,云的類型大致可分為兩種：即薄云和朵云(也叫厚云)。目前,已經(jīng)有不少國內(nèi)外專家和學(xué)者對遙感影像上云層的去除算法開展了廣泛深入的研究,有專門針對薄云的同態(tài)濾波處理,也有根據(jù)多光譜圖像不同波段對云層的反射率差異進(jìn)行云層的檢測和處理[1]。由于薄云和朵云的不同成像原理以及在影像中表現(xiàn)出的不同特點(diǎn),在去除的過程中所采用的思路和方法也不盡相同。本文重點(diǎn)對朵云及陰影的去除方法進(jìn)行了研究。由于朵云及陰影總是相伴而生,本文為了方便起見,將朵云及其陰影區(qū)域統(tǒng)稱為云區(qū)域。

二、基于多時(shí)相遙感影像云層去除的基本策略

由于星載傳感器具有固定的回訪周期,可以在不同的時(shí)間段內(nèi)獲得同一地區(qū)的遙感衛(wèi)星影像,這為多時(shí)相遙感影像的去云處理提供了可靠的數(shù)據(jù)源,而去除遙感影像上的朵云及陰影最有效的方法也是在這一背景下產(chǎn)生的,其基本原理如下:

首先獲得同一地區(qū)在不同時(shí)間拍攝的兩幅遙感影像 I1、I2,假設(shè) I1為有云影像,I2為無云或者有云影像(文獻(xiàn)[2]稱之為輔助影像);以 I1為基準(zhǔn)影像,I2為待配準(zhǔn)影像對兩幅影像進(jìn)行配準(zhǔn),得到配準(zhǔn)后影像 I2′;然后對 I1和 I2′進(jìn)行對比融合。這里假設(shè) I2為無云影像,I1、I2′中任意像素 (x,y)有三個(gè)可取值,分別為 0(非云非陰像素)、1(云像素)和 2(陰影像素)。對于結(jié)果影像 R中任意像素 (x,y),若I1(x,y)≠0,則 R(x,y) =I2′(x,y)。

上述去云的方法實(shí)際上是一種替換法,對于去除比較厚的朵云,這種方法目前被廣泛采用,但是在處理過程中存在一定的缺陷。當(dāng)影像 I1和 I2的亮度以及對比度有明顯差異時(shí),即使在替換過程中使用了直方圖匹配技術(shù),最后的替換結(jié)果仍會受到很大影響。造成被替換的區(qū)域和整幅影像的亮度(或顏色)不一致,并且由于云區(qū)域本身呈現(xiàn)出不規(guī)則的形態(tài)特征,對于消除這種由不規(guī)則曲線構(gòu)成的閉合區(qū)域與周邊區(qū)域的拼接縫是一個(gè)比較棘手的問題。因此,本文針對朵云成像的特殊性,提出了一種基于多時(shí)相遙感影像去云的改進(jìn)方法。具體表現(xiàn)在以下三個(gè)方面:①利用矩形區(qū)域代替云及陰影像素進(jìn)行替換,同時(shí)給出了矩形區(qū)域的確定方法;②在替換前,使用多圖像亮度規(guī)格化技術(shù)調(diào)整兩幅影像,并且對調(diào)整時(shí)機(jī)作了改進(jìn);③利用加權(quán)平滑算法從四個(gè)方向?qū)匦卧茀^(qū)域的邊界進(jìn)行拼接縫消除。

三、改進(jìn)的去云算法

1.矩形云區(qū)域的確定

從朵云及陰影的幾何特征來看,各云區(qū)域在影像中占有一定的面積比例,而且云與云、云與陰影、陰影與陰影之間基本沒有粘連。因此可以先確定出云區(qū)域的最大外接矩形,直接用矩形區(qū)域作為云區(qū)域,然后再進(jìn)行替換處理。

(1)自動雙閾值分割

從朵云及陰影的輻射特征來看,它們在影像中分別表現(xiàn)出高亮度和低亮度特征。要達(dá)到同時(shí)檢測朵云及陰影的目的,影像的閾值分割不失為一種最有效的方法。分割原理如下

式中,v和 u分別對應(yīng)朵云及陰影的兩閾值 Tcloud和Tshadow。經(jīng)過多次試驗(yàn)表明,對于 SPOT、IKONOS、Landsat等衛(wèi)星影像,Tcloud和 Tshadow可以選擇為

式中,m為圖像的亮度均值;σ為圖像的標(biāo)準(zhǔn)方差。

(2)基于 Freeman鏈碼的輪廓跟蹤技術(shù)及矩形云區(qū)域自動生成

針對本文研究的內(nèi)容,應(yīng)用二值圖像輪廓跟蹤[3]算法對分割后的影像進(jìn)行跟蹤并且確定矩形云區(qū)域的過程:依據(jù)“左手準(zhǔn)則”跟蹤出圖像中的所有云區(qū)域邊界;同時(shí)記錄存儲每條邊界的 Freeman鏈碼數(shù)據(jù),包括輪廓序列號、輪廓點(diǎn)數(shù)、方向碼及各點(diǎn)圖像坐標(biāo);利用點(diǎn)數(shù)特征剔除大部分的噪聲和非云區(qū)域,然后計(jì)算各云區(qū)域的最大外接矩形。設(shè)矩形左上、右下角坐標(biāo)分別為 (XL,YL),(XR,YR),則XL、XR和 YL、YR分別對應(yīng)著邊界點(diǎn)圖像坐標(biāo)在水平和垂直方向上的最小值和最大值。

2.多圖像亮度規(guī)格化技術(shù)

假設(shè)遙感衛(wèi)星成像時(shí)沒有顯著的季節(jié)變化,具有不同時(shí)相分辨率的兩幅影像 I1、I2會有亮度和對比度差異,由這樣的兩幅影像進(jìn)行對比融合或者相應(yīng)云像素和陰影像素的替換后得到的結(jié)果影像 R中會出現(xiàn)“補(bǔ)丁”效應(yīng)。文獻(xiàn)[4]中提出了一種多圖像亮度規(guī)格化技術(shù),在進(jìn)行像素替換前首先將兩幅原始影像 I1、I2的亮度水平調(diào)節(jié)一致,實(shí)現(xiàn)方法為

式中,第一幅影像 I1的平均亮度為M1,標(biāo)準(zhǔn)方差為V1;第二幅影像 I2的平均亮度為 M2,標(biāo)準(zhǔn)方差為V2;Icor為經(jīng)過規(guī)格化校正的第二幅影像。平均亮度及標(biāo)準(zhǔn)方差的計(jì)算公式為

上述方法存在的不足是當(dāng)影像中存在大量的云和陰影時(shí),全局規(guī)格化技術(shù)中一些統(tǒng)計(jì)參數(shù) (例如均值和方差)可能受到極大的影響。因此,為了避免云和陰影對整幅影像亮度的干擾,本文提出了一種改進(jìn)的方法,具體做法是:先利用經(jīng)過配準(zhǔn)后的影像 I2′對 I1上的云區(qū)域進(jìn)行初次替換,得到結(jié)果影像 R′;然后以 R′為基準(zhǔn)影像,對 I2′進(jìn)行亮度規(guī)格化;最后利用規(guī)格化后的影像 I2″對 R′再次進(jìn)行替換操作,得到替換結(jié)果影像 R。

3.拼接縫消除

本文中,利用影像 I2″上的非云區(qū)域替換 I1上的云區(qū)域可以看成兩幅影像內(nèi)部的“局部鑲嵌”,替換區(qū)域的邊界可以看成拼接縫。雖然在替換的過程中使用了直方圖匹配和多圖像亮度規(guī)格化技術(shù),但這種“局部鑲嵌”的過程仍需要對替換后的影像進(jìn)行拼接縫的消除處理。目前拼接縫消除的方法有很多,簡便有效且使用較多的是基于影像重疊的加權(quán)平滑法。其基本思想為:對拼接縫上任意一點(diǎn)兩側(cè)的灰度按如下公式進(jìn)行處理式中,f(xi,yi)為與拼接縫距離為的任意點(diǎn) i經(jīng)平滑處理后得到的像元灰度值;f1(xi,yi)、f2(xi,yi)分別為重疊區(qū)域上該位置兩幅影像的像元灰度值;W為平滑寬度;K為權(quán)系數(shù)。W由用戶給出,其值不大于重疊區(qū)域的寬度 L,K在平滑范圍內(nèi)呈線性反向變化。由于本文使用矩形區(qū)域代替云區(qū)域進(jìn)行替換,所以需要從四個(gè)方向?qū)匦螀^(qū)域進(jìn)行加權(quán)平滑,以達(dá)到消除拼接縫的目的。圖 1所示的為這一方法原理示意圖。

圖1 消除拼接縫示意圖

四、試驗(yàn)結(jié)果及分析

本文所采用的試驗(yàn)數(shù)據(jù)來自 SPOT 5拍攝的上海地區(qū)高分辨率衛(wèi)星遙感影像,有云影像 I1和無云影像 I2的獲取時(shí)間分別為2001年和 2000年。由于數(shù)據(jù)過于龐大,本文采用截圖顯示,原始圖像大小分別為 600像素 ×385像素,684像素 ×454像素。去云的整個(gè)過程如圖 2所示。

圖2 去云過程

值得注意的是,圖 2(i)所示的是用常規(guī)方法去云的效果。這里的常規(guī)方法是指在沒有進(jìn)行多圖像亮度規(guī)格化和拼接縫消除處理的情況下,直接用I2′上的像素替換相應(yīng)位置的云像素和陰影像素,這樣做的后果導(dǎo)致了圖像上的“補(bǔ)丁”效應(yīng),并且很難去除。表1所示是對兩種方法處理結(jié)果的比較。

表1

從表 1中可以看出,經(jīng)本文方法去云后的圖像部分指標(biāo)有所提高。尤其是影像均值、標(biāo)準(zhǔn)差以及兩種方法處理結(jié)果與原始影像的相關(guān)系數(shù)值,信息熵的下降客觀上是由于輔助影像數(shù)據(jù)的地面分辨率較低造成的。

五、結(jié)束語

基于多時(shí)相遙感影像的替換法是去除朵云的一種常用方法,本文在研究該算法的同時(shí),對替換策略及替換過程中的細(xì)節(jié)作了改進(jìn),使得最終去云效果有了較大提高。但是從整體來看,該方法的局限性在于由于需要輔助影像作支持,所以數(shù)據(jù)來源以及成像質(zhì)量是個(gè)首要問題,這為去云工作帶來了較高成本;其次兩幅影像配準(zhǔn)精度也直接影響替換的結(jié)果。在上述條件都能滿足的情況下,利用本文方法是切實(shí)可行的,有效地提高了遙感資源利用率。

[1] 郭童英,尤紅建.一種基于小波融合的多時(shí)相遙感圖像去云方法[J].測繪通報(bào),2007(3)：40-42.

[2] 朱述龍,朱寶山,沙從術(shù),等.利用輔助影像進(jìn)行 IKONOS圖像的去云處理[J].測繪科學(xué)與工程,2004,24 (4)：25-28.

[3] 何斌,馬天予,王運(yùn)堅(jiān),等.Visual C++數(shù)字圖像處理[M].北京：人民郵電出版社,2001：435-444.8

[4] 張永生,戴晨光,張?jiān)票?等.天基多源遙感信息融合[M].北京：科學(xué)出版社,2005：127-134.

[5] 馬瑾,陳立潮,張永梅.輪廓跟蹤與邊沿檢測的圖像自動識別[J].中北大學(xué)學(xué)報(bào),2006,27(5)：431-435.

[6] 朱述龍,錢曾波.遙感影像鑲嵌時(shí)拼接縫的消除方法[J].遙感學(xué)報(bào),2002,6(3)：183-187.

[7] 史金霞,王錚.一種拼接縫消除方法[J].現(xiàn)代電子技術(shù),2005,(13)：116-120.

[8] LU D.Detection and Substitution of Clouds/Hazes and Their Cast Shadows on IKONOS Images[J].International Journal of Remote Sensing,2007,28(18)：4027-4035.

[9] LAVREAU J.De-HazingLansat ThematicMapper Images [J].Photogrammetric Engineering&Remote Sensing, 1991,57(10)：1297-1302.

The ImprovedM ethod of C irrus and Shadows Removal Based on M ulti-temporal Remote Sensing Images

DONGBaogen,Q IN Zhiyuan,YANGAnhong

0494-0911(2010)12-0014-03

P237

B

2009-12-22

董保根(1977—),男,河南鶴壁人,博士生,從事遙感圖像處理方面的研究。