SPOT影像的真彩色合成研究

沈作奎

(湖北民族學院林學園藝學院，湖北恩施 445000)

法國SPOT衛(wèi)星的影像稱為SPOT影像，是非常優(yōu)秀的影像之一，SPOT衛(wèi)星一共發(fā)躲了5顆，可產生立體像對，這是TM影像所不具有的，同時他是高分辨率的遙感衛(wèi)星之一.SPOT在波段的設置上不同于其它大部陸地資源衛(wèi)星，彩色影像沒有藍光波段，由于藍光容易受大氣中氣溶膠的影響［1－4］，而舍去了該波段.因此通過彩色合成無法得到真彩色圖像.這時可通過某種形式的運算得到模擬紅、綠、藍3個通道，然后通過彩色合成近似地產生真彩色圖像，為此本文擬SPOT的真彩色合成進行研究，實驗材料為法國Brest的SPOT XS數據，為 SPOT4 號衛(wèi)星，其參數為綠波段 Band(XS1)0.50 ～0.59 μm、紅波段 Band(XS2)0.61 ～0.68 μm、近紅外波段 Band(XS3)0.78 ～0.89 μm、短波紅外波段 Band(XS4)(20 m)1.58 ～1.75 μm.

1 SPOT IMAGE公司提供的方法

紅色用XS2表示，綠色用(XS1+XS2+XS3)/3運算實現，藍色為XS1波段代替.該方法實際上是將原來的綠波段(0.50～0.59 μm)當作藍波段，因該波段與藍波段靠近，紅波段仍為原來的波段，綠波段經運算得到，其結果如圖1(a).

2 ERDAS IMAGING軟件中的方法

紅色用XS2表示，綠色用(XS1×3+XS3)/4運算實現，藍色為XS1波段代替.紅外波段按3∶1的加權算術平均值來代替，其結果如圖1(b).

3 不確定參數法

此法引入了全色波段(P)，紅色aP+(1－a)XS3表示，綠色2P×XS2/(XS2+XS1)表示，藍色用2P×XS1/(XS1+XS2)表示，為了防止出現過飽和現象，系數a據遙感影像景觀取值，介于0.1～0.5之間，該方法最大的特點是引入了全色波段，由于全色波段的空間分辨率更高，所以在使用此算法前需要影像配準.該方法存在的問題是，若XS1，XS2像素值全為0，將產生非常不合理的結果，其結果如圖1(c).

圖1 模擬真彩色圖像Fig.1 Simulated true color image

4 合成圖像評價

模擬真彩色圖像與地面實際景物的色彩差異的量化評價方法沒見報道，主要依據人眼來進行目視評價，作者認為圖1中，a、b的效果明顯優(yōu)于c，a與b間難以下定論.但圖像的信息量可用以下方法評價.

4.1 均值與標準差

在統(tǒng)計理論中，統(tǒng)計均值μ和標準差σ定義為［5－6］:

式中:n為樣本總數;xi為第i個樣本值.μ反映平均亮度，如果μ適中，則視覺效果良好;δ反映了灰度相對于灰度均值的離散情況，σ越大，則灰度級分布越分散.此時，圖像中所有灰度級出現概率越趨于相等，從而包含的信息量越趨于最大.

4.2 熵與聯合熵

根據仙農(Shannon)信息論的原理，對于灰度范圍{0，1，…，L－1}的圖像X的熵為:

式中Pi為圖像像素灰度值為i的概率.同理2－3幅圖像的聯合熵分別為［7－8］:

式中Pi1i2圖像x1中像素灰度為i1與圖像x2中同名像素灰度為i2的聯合概率，Pi1i2i3亦類推.

一般說來信息熵的大小，反應了圖像攜帶的信息量的多少.圖像的熵值越大，說明圖像攜帶的信息量越大.如果圖像中所有灰度級出現的概率越趨于相等，則包含的信息量越趨于最大.

5 結果分析

應用式(1)～(5)分別計算出圖1中a、b、c影像的熵、聯合熵、均值和標準差見表1.

1)從表1可以看出，圖1(c)的聯合信息熵大于圖1(a)和圖1(b)，但模擬彩色的效果是圖1(a)和圖1(b)大于圖1(c);

2)從均值、標準方差來看，三圖相近，圖1(c)稍大;

3)以上圖像的處理均是在ERDAS IMAGINE軟件中完成，并可計算出均值與標準差，其熵與聯合熵用Matlab完成，圖1(c)中的系數a為0.25.

表1 圖1中a、b、c影像的熵、聯合熵、平均值和標準差Tab.1 Figal((a)，(b)，(c))image entropy，joint entropy，arerage value and standard deviation

［1］韋玉春，湯國安，楊昕，等.遙感數字圖像處理教程［M］.北京:科學出版社，2001:38－58.

［2］徐偉聲.基于SPOT影像的城市建筑物的識別應用［J］.湖北民族學院學報:自然科學版，2007，25(3):323－325.

［3］孫華，白紅英，張清雨，等.基于SPOT VEGETATION的秦嶺南坡近10年來植被覆蓋變化及其對溫度的響應［J］.環(huán)境科學學報，2010，30(3):649－654.

［4］王紅巖，高志海，王琫瑜，等.基于SPOT5遙感影像豐寧縣植被地上生物量估測研究［J］.遙感技術與應用，2010，25(5):639－646.

［5］馬友平.快鳥影像的自組織神經網絡分類研究［J］.湖北民族學院學報:自然科學版，2010，28(2):234－237.

［6］樊旭艷，尹連旺，付春龍.QuickBird遙感影像數據融合方法研究［J］.裝備指揮技術學院學報，2006，17(3):81－85.

［7］祝曉坤，賈永紅.基于多層索引結構的聯合熵算法研究［J］.測繪信息與工程，2005.30(5):3－5.

［8］盧健，彭嫚，盧昕.遙感圖像相關性及其熵計算［J］.武漢大學學報:信息科學版，2006，31(6):476－480.