水面及島礁地區(qū)DMC后處理方法研究

周樹旺 馬海燕

摘 要:DMC相機(jī)是目前世界上最先進(jìn)的數(shù)字航攝像機(jī),本文基于筆者多年從事數(shù)碼航攝數(shù)據(jù)內(nèi)業(yè)處理的相關(guān)工作經(jīng)驗(yàn),以DMC數(shù)碼航空影像數(shù)據(jù)融合算法為研究對(duì)象,分析了影像的原理和算法的設(shè)計(jì)并通過具體的影像實(shí)例,對(duì)產(chǎn)生的問題及解決的辦法進(jìn)行了具體的描述。全文是筆者長(zhǎng)期工作實(shí)踐基礎(chǔ)上的理論升華,相信對(duì)從事相關(guān)工作的同行能有所裨益。

關(guān)鍵詞:影像融合Brovey算法

中圖分類號(hào):P2 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1672-3791(2012)06(b)-0016-02

航空攝影測(cè)量技術(shù)得到廣泛的應(yīng)用,已成為新建鐵路、新建公路選線和設(shè)計(jì)所需帶狀地形圖成圖的重要手段之一。隨著光電技術(shù)和計(jì)算機(jī)傳輸技術(shù)的發(fā)展,數(shù)碼航空影像的獲取已成為現(xiàn)代航空攝影測(cè)量的一種手段。數(shù)字航攝相機(jī)(Digital Mapping Camera簡(jiǎn)稱DMC)系統(tǒng)的誕生改變了常規(guī)膠片航空攝影像片獲取的方法。

1DMC是什么

數(shù)字航攝相機(jī)是一個(gè)高分辨率、高精度的數(shù)字航空攝影系統(tǒng),它可完成小比例尺和大比例尺航空攝影測(cè)量航攝工作。同時(shí)在惡劣氣候下,也能以不同的曝光時(shí)間在不同的光線條件下曝光,完成航空攝影測(cè)量航攝工作,解決了傳統(tǒng)航攝方式在惡劣氣候下不能進(jìn)行航空攝影的缺陷。

DMC系統(tǒng)的主體部分包括DMC的鏡頭系統(tǒng)與電子控制系統(tǒng),陀螺穩(wěn)定平臺(tái)以及機(jī)載數(shù)據(jù)存儲(chǔ)設(shè)備等組成。DMC鏡頭系統(tǒng)是由8個(gè)鏡頭組合而成的,其中4個(gè)全色鏡頭,4個(gè)多光譜鏡頭(紅、綠、藍(lán)以及近紅外)。每個(gè)單獨(dú)鏡頭都配有大面陣的CCD傳感器,在航空攝影飛行中,DMC數(shù)字航攝儀的8個(gè)鏡頭同步曝光,一次飛行可同步獲取分辯率為7680×13824高分辨率黑白、真彩色和彩紅外航空影像數(shù)據(jù)。獲取的航空影像數(shù)據(jù)比傳統(tǒng)相機(jī)獲取的航片信息多、信息豐富,精度高,省去了膠片的沖洗、航片掃描中間環(huán)節(jié)。獲取影像數(shù)據(jù)周期短,速度快,成本低,效率高。

2DMC有什么優(yōu)點(diǎn)

分辯率:DMC為大比例尺圖像提供卓越的地面分辨率,源于它的FMC功能,FMC技術(shù)的核心是時(shí)間延遲暴光技術(shù)(TDI)和與面陣CCD剛性的聯(lián)結(jié)。它的結(jié)果是地面分辨率在較差的光照條件下仍然小于2英寸。

精度:DMC基于面陣CCD技術(shù),這種技術(shù)對(duì)攝影測(cè)量應(yīng)用提供了最好的幾何精度。面陣CCD內(nèi)部的高精度是由在硅表面上二維排列的CCD像元結(jié)構(gòu)決定的,它的結(jié)果是在航空?qǐng)D像的焦平面上提供了幾百萬個(gè)高精度的框標(biāo)。(每一個(gè)CCD像元都可以被認(rèn)為是一個(gè)獨(dú)立的框標(biāo))結(jié)果圖像嚴(yán)格相似于中心投影,使其獲得廣泛的應(yīng)用,可以方便的進(jìn)入任何攝影測(cè)量軟件。

像元輪廓:DMC的另一個(gè)優(yōu)點(diǎn)是像元輪廓面積上曝光。這個(gè)功能使得飛機(jī)在飛行中速度突然變化和抖動(dòng)而不會(huì)影響影像。

幅射分辨率:由于DMC具有FMC功能,曝光時(shí)間能根據(jù)景物亮度來設(shè)定,與飛行速度無關(guān),允許采用每個(gè)CCD像元12Bit的幅射分辨率。高分辨率的圖像能在弱光條件下產(chǎn)生。在一定條件下,大大提高了可飛行的天數(shù)。

系統(tǒng)兼容性:由于采用了面陣CCD技術(shù),嚴(yán)格的中心投影關(guān)系,使數(shù)據(jù)產(chǎn)品可以直接進(jìn)入當(dāng)今世界所有的攝影測(cè)量軟件。

自動(dòng)化程度:攝影飛行航線設(shè)計(jì)在地面設(shè)計(jì)好后輸入計(jì)算機(jī),航空攝影時(shí)從航線的進(jìn)入、起拍點(diǎn)、以及每張航片的定位到關(guān)閉點(diǎn)都由計(jì)算機(jī)自動(dòng)完成,每張航片拍攝完成后,能即時(shí)在計(jì)算機(jī)上看到所拍攝的成果,如有漏動(dòng)立即能發(fā)現(xiàn),可以馬上進(jìn)行補(bǔ)拍。

3DMC在水面和島礁飛行中出現(xiàn)的問題

雖然DMC有著以上很多的優(yōu)點(diǎn),但是,客觀上,在航空攝影過程中,受天氣條件,地面地物類型,飛行時(shí)間,太陽高度等因素的影響,DMC相機(jī)拍攝成果在進(jìn)行后處理的時(shí)候會(huì)出現(xiàn)一些問題。針對(duì)水面及島礁拍攝,可能會(huì)表現(xiàn)為以下幾種情況。

4采取的解決方法

我們采取就是辦法就是分別針對(duì)DMC后處理進(jìn)行分鏡頭PAN影像拼接融合時(shí)候的算法及參數(shù)解決拼接異常問題;通過變更多光譜影像融合算法及數(shù)學(xué)模型的方法解決單一色彩和多色溢出的問題。

首先我們來了解一下進(jìn)行分鏡頭PAN影像拼接融合時(shí)候的算法及參數(shù)。

兩種可選變換算法分別為HSV Transformation 和 Brovey Transformation。

HSV Transformation變換算法介紹分析。

這個(gè)模型中顏色的參數(shù)分別是:色調(diào)(H),飽和度(S),亮度(V)。

HSV模型的三維表示從RGB立方體演化而來。設(shè)想從RGB沿立方體對(duì)角線的白色頂點(diǎn)向黑色頂點(diǎn)觀察,就可以看到立方體的六邊形外形。六邊形邊界表示色彩,水平軸表示純度,明度沿垂直軸測(cè)量。

H參數(shù)表示色彩信息,即所處的光譜顏色的位置。該參數(shù)用一角度量來表示,紅、綠、藍(lán)分別相隔120度?；パa(bǔ)色分別相差180度。

純度S為一比例值,范圍從0～1,它表示成所選顏色的純度和該顏色最大的純度之間的比率。S=0時(shí),只有灰度。

V表示色彩的明亮程度,范圍從0～1。有一點(diǎn)要注意:它和光強(qiáng)度之間并沒有直接的聯(lián)系。

由于HSV是一種比較直觀的顏色模型,所以在許多圖像編輯工具中應(yīng)用比較廣泛,如Photoshop(在Photoshop中叫HSB)等等,但這也決定了它不適合使用在光照模型中,許多光線混合運(yùn)算、光強(qiáng)運(yùn)算等都無法直接使用HSV來實(shí)現(xiàn)。

Brovey Transformation變換算法介紹

Brovey變換融合方法是一種通過歸一化后的三個(gè)波段多光譜影像與高分辨率影像乘積的融合方法,它將RGB影像進(jìn)行多光譜波段顏色歸一化,并將高分辨率全色影像與各個(gè)波段灰度值分別相乘得到融合影像。Brovery變換運(yùn)算簡(jiǎn)單,并能在保持原始影像光譜信息的同時(shí)取得銳化影像的作用。它可以應(yīng)用于不同傳感器的影像數(shù)據(jù)融合,如TM多光譜和SPOT全色影像的融合。Brovey變換既一定程度上保持多光譜數(shù)據(jù)的完整性又增強(qiáng)了圖像的細(xì)節(jié)。

接下來我們來了解一下多光譜影像融合算法及數(shù)學(xué)模型。兩種融合算法分別為 Least Square Matching 和 Correlation Matching。

5變化參數(shù)及算法后解決情況

6有待進(jìn)一步研究的問題

在融合、勻色的過程中,也存在以下問題,有待以后解決如以下幾點(diǎn)。

(1)部分補(bǔ)飛的影像,出現(xiàn)航帶之間的色差過于大,而灰度平衡的幅度有限,如果幅度太大,必然影響效果。所以,有待日后尋找更加合適的灰度平衡方法。(2)有部分影像的高亮部分會(huì)出現(xiàn)彩色斑,這大概是由于鏡頭的輻射方面的原因產(chǎn)生的,有待進(jìn)一步的分析和消除。

參考文獻(xiàn)

[1] 陳鷹.遙感影像的數(shù)字?jǐn)z影測(cè)量[M].上海:同濟(jì)大學(xué)出版社,2003,9.

[2] 萬從容,徐興良.遙感影像融合技術(shù)在城市發(fā)展研究中的應(yīng)用[J].測(cè)繪信息與工程[M].武漢:武漢大學(xué)期刊社,2001,4.

[3] 朱述龍,張占睦.遙感圖象獲取與分析[M].科學(xué)出版社,2000.

[4] 周成虎,駱劍承,等.遙感影象地學(xué)理解與分析[M].科學(xué)出版社,1999.

[5] 徐毅,等.數(shù)據(jù)融合研究的回顧與展望[J].信息與控制,2002,31(3).

[6] 賈永紅,李德仁,等.多源遙感數(shù)據(jù)融合[J].遙感技術(shù)與應(yīng)用,2002,15(1).

[7] 焦子銻,李小文.王錦地,等.一種基于分類的融合算法[J].中國(guó)圖形圖象學(xué)報(bào),2002,7(8).

[8] 吳小俊.基于Bayes估計(jì)的多傳感器數(shù)據(jù)融合方法研究[J].系統(tǒng)工程理論與實(shí)踐,2000,7.