一種遙感圖像信噪比評(píng)估和度量準(zhǔn)則

傅 鵬，孫權(quán)森，紀(jì)則軒，陳 強(qiáng)

南京理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇 南京 210094

1 引 言

遙感衛(wèi)星成像是對(duì)地觀測的重要手段之一，隨著遙感定量化應(yīng)用水平不斷提高，對(duì)遙感器成像質(zhì)量的要求也越來越高［1］。然而在遙感器成像的過程中，不可避免的受到各種隨機(jī)因素的干擾，具體表現(xiàn)為各種類型的噪聲，引起圖像質(zhì)量下降［2］。通過計(jì)算各個(gè)子系統(tǒng)的噪聲來評(píng)估整個(gè)遙感成像系統(tǒng)的噪聲較難實(shí)現(xiàn)，因此可以采用一種簡單的數(shù)值模型來描述在軌遙感器獲取圖像的噪聲，進(jìn)而通過對(duì)圖像中噪聲的評(píng)估來確定成像系統(tǒng)的噪聲水平［3］。

遙感圖像中的噪聲主要是加性噪聲［4］，噪聲模型可用公式（1）表示

式中，x（i，j）、y（i，j）和w（i，j）分別為坐標(biāo)（i，j）對(duì)應(yīng)的原始圖像信號(hào)值、包含噪聲的圖像值和獨(dú)立于原始信號(hào)x的噪聲值，其中圖像噪聲通常采用零均值的加性高斯白噪聲進(jìn)行模擬。準(zhǔn)確地估計(jì)遙感圖像的噪聲水平，可以為后續(xù)數(shù)據(jù)處理算法提供先驗(yàn)參數(shù)，還可以對(duì)傳感器的性能進(jìn)行檢驗(yàn)［5］。

在實(shí)際應(yīng)用中，同等水平的噪聲對(duì)不同信號(hào)強(qiáng)度的圖像質(zhì)量影響不同，一般對(duì)弱信號(hào)圖像的影響強(qiáng)于強(qiáng)信號(hào)圖像，所以估計(jì)遙感圖像信噪比是十分必要的［6］。同時(shí)，信噪比反映了遙感成像系統(tǒng)的輻射性能，是評(píng)價(jià)成像系統(tǒng)輻射性能的重要指標(biāo)。文獻(xiàn)［7］給出了圖像信噪比的不同定義方式和評(píng)價(jià)方法。特別的，在計(jì)算遙感圖像的信噪比時(shí)，通常采用式（2）進(jìn)行計(jì)算

式中，Imean為圖像的灰度均值；σI為噪聲標(biāo)準(zhǔn)差，信噪比單位為分貝（db）。

近年來，國內(nèi)外學(xué)者對(duì)遙感圖像的噪聲評(píng)估進(jìn)行了深入的研究，提出了多種噪聲評(píng)估的方法［3，8－16］。其中，文 獻(xiàn) ［9］提 出 的 局 部 標(biāo) 準(zhǔn) 差 法（local standard deviation，LSD）被廣泛應(yīng)用于單波段和多光譜的遙感圖像噪聲評(píng)估。該方法采用對(duì)遙感圖像進(jìn)行分塊的思想評(píng)估圖像噪聲。局部標(biāo)準(zhǔn)差法計(jì)算精度和自動(dòng)化程度相對(duì)較高，對(duì)較為均勻的地表區(qū)域計(jì)算結(jié)果較好。但當(dāng)遙感圖像中地物覆蓋比較復(fù)雜時(shí)，圖像中存在很多不均勻小圖像塊，容易導(dǎo)致噪聲評(píng)估結(jié)果出現(xiàn)異常。

目前已有的圖像信噪比評(píng)估方法中，多數(shù)算法將整個(gè)圖像像素灰度值的均值作為信號(hào)的表征，針對(duì)遙感圖像進(jìn)行信噪比評(píng)估，而忽略了不同遙感圖像之間信噪比的比較。在實(shí)際應(yīng)用中，不同衛(wèi)星遙感器成像系統(tǒng)所獲取的圖像信噪比的比較、以及相同遙感器不同時(shí)期獲取的圖像信噪比的比較是十分重要的。通過對(duì)圖像信噪比的比較，可以對(duì)比不同遙感器的輻射性能，或者分析同一衛(wèi)星遙感器在軌運(yùn)行一段時(shí)間后輻射性能的衰退情況。

文獻(xiàn)［17］提出了一種可用于不同遙感圖像之間信噪比比較的度量準(zhǔn)則。該方法通過定義“標(biāo)準(zhǔn)”輻亮度值，將“標(biāo)準(zhǔn)”輻亮度值對(duì)應(yīng)的信噪比進(jìn)行比較，本文中稱之為“標(biāo)準(zhǔn)值比較法”。該準(zhǔn)則在一定程度上實(shí)現(xiàn)了不同遙感圖像之間信噪比的比較，但“標(biāo)準(zhǔn)”輻亮度值的選取對(duì)于試驗(yàn)結(jié)果有著重要的影響，如何確定“標(biāo)準(zhǔn)”值是一個(gè)難點(diǎn)。另一方面，該算法需要在遙感圖像中手動(dòng)選擇勻值區(qū)域，并要求各個(gè)勻值區(qū)域具有不同的“亮”、“暗”程度，這在實(shí)際操作中較難實(shí)現(xiàn)，且不同勻值區(qū)域的選擇也可能導(dǎo)致最終結(jié)果的不同。

針對(duì)上述問題，本文提出一種全自動(dòng)的遙感圖像信噪比評(píng)估和度量準(zhǔn)則，用以評(píng)估和比較不同遙感圖像的信噪比，并分別采用計(jì)算機(jī)模擬圖像與真實(shí)遙感圖像進(jìn)行了試驗(yàn)，同時(shí)與標(biāo)準(zhǔn)值比較法進(jìn)行了對(duì)比分析，以驗(yàn)證本文提出的信噪比評(píng)估和度量準(zhǔn)則的準(zhǔn)確可靠性。

2 方 法

本文提出的遙感圖像信噪比評(píng)估和度量準(zhǔn)則分為3個(gè)主要步驟：遙感圖像中勻值圖像塊的選取、入瞳輻亮度比較范圍的確定以及圖像信噪比評(píng)估和比較，具體流程圖如圖1所示。

2.1 勻值圖像塊選取

對(duì)于一幅大小為m×n的遙感圖像，首先將其劃分為若干個(gè)小圖像塊。在遙感圖像信噪比的評(píng)估算法中，圖像的邊緣和紋理信息對(duì)計(jì)算結(jié)果的影響較大［1］。分析地物光譜特征可知，同種地物具有相同或相似的光譜特征，在同一波段的遙感圖像中就具有相同或相似的灰度值。而圖像中的邊緣為相鄰兩種地物的分界線，包含邊緣的小圖像塊可能包含不同的地物，不能用于噪聲評(píng)估［18］。本文基于邊緣提取方法，選取不包含邊緣信息的勻值圖像塊，并以此評(píng)估整個(gè)圖像的信噪比，進(jìn)一步提升評(píng)估結(jié)果的準(zhǔn)確性。目前存在不少算法能夠應(yīng)用于圖像中邊緣的提?。?9－20］，但精確的提取方法通常計(jì)算量較大，而能夠快速實(shí)現(xiàn)的方法往往需要手動(dòng)輔助提取或者提取結(jié)果精度不夠。本文改進(jìn)了文獻(xiàn)［21］算法進(jìn)行勻值圖像塊的選取。首先利用一組八方向的二階濾波窗口對(duì)圖像進(jìn)行濾波，濾波算子如圖2所示，濾波窗口大小為3×3。

圖1 本文算法流程圖Fig.1 Flow chart of our method

圖2 勻值圖像塊選取濾波窗口Fig.2 Data masks for homogeneity detection

依次使用圖2中的8個(gè)濾波窗口對(duì)遙感圖像進(jìn)行濾波。對(duì)于圖像中任一像素點(diǎn)y（i，j）（1≤i≤m，1≤j≤n），假設(shè)其原始灰度值為DN（i，j），經(jīng)過濾波窗口Maskk（1≤k≤8）濾波后對(duì)應(yīng)的像素值為DNk（i，j）。依次經(jīng)過8個(gè)濾波窗口后該點(diǎn)處像素值DNnew（i，j）為各個(gè)濾波窗口濾波后數(shù)值的絕對(duì)值之和，根據(jù)式（3）進(jìn)行計(jì)算

如果圖像在以像素點(diǎn)y（i，j）為中心的3×3的鄰域?yàn)槠交瑓^(qū)域，則經(jīng)過圖2中8個(gè)方向的濾波窗口濾波之后，理論上該點(diǎn)處的像素值DNnew（i，j）應(yīng)該為0。然而在真實(shí)的遙感圖像中，由于噪聲的存在，即使該鄰域內(nèi)不存在邊緣，DNnew（i，j）一般也不會(huì)為0，只是其值相對(duì)較??；如果該鄰域內(nèi)存在邊緣，經(jīng)過濾波以后得到的DNnew（i，j）值則相對(duì)較大。因此，在得到遙感圖像中每個(gè)像素點(diǎn)經(jīng)過了八方向?yàn)V波的DNnew值后，通過文獻(xiàn)［22］的閾值選取算法確定一個(gè)最佳閾值，利用該閾值將全部DNnew值劃分為兩類。其中DNnew值大于此閾值的像素點(diǎn)被判定為邊緣，將該點(diǎn)的像素值設(shè)置為255；反之，DNnew值小于或等于此閾值的像素點(diǎn)對(duì)應(yīng)的區(qū)域被認(rèn)為是平滑區(qū)域，將該點(diǎn)的像素值設(shè)置為0。由此，得到一幅二值圖像，白色像素點(diǎn)表示初步提取出的邊緣點(diǎn)。

試驗(yàn)中發(fā)現(xiàn)，當(dāng)圖像噪聲比較嚴(yán)重時(shí)，采用上述濾波算法后部分噪聲點(diǎn)可能被誤認(rèn)為邊緣，這將影響最終試驗(yàn)結(jié)果?？紤]到噪聲往往是獨(dú)立隨機(jī)分布，而圖像邊緣通常是連續(xù)的，通過以下假設(shè)對(duì)二者進(jìn)行區(qū)分：對(duì)圖像邊緣初提取的二值圖像進(jìn)行遍歷，對(duì)于白色像素點(diǎn)（邊緣點(diǎn)），在以該點(diǎn)為中心的3×3的鄰域內(nèi)，若不存在其他白色像素點(diǎn)，則認(rèn)為該點(diǎn)是噪聲；反之確定其為邊緣。最終，若劃分的圖像塊內(nèi)不存在白色像素點(diǎn)，則判定為勻值圖像塊。對(duì)所有的圖像塊進(jìn)行遍歷，并精確提取出勻值圖像塊。

2.2 入瞳輻亮度區(qū)間范圍選擇

自然界中不同類型的地物由于化學(xué)組分、物質(zhì)結(jié)構(gòu)的差異，具有反射或輻射不同波長電磁波的特性［23］。遙感成像系統(tǒng)的成像過程實(shí)際上是景物反射的太陽輻射和自身輻射的電磁波經(jīng)過大氣和光學(xué)系統(tǒng)作用后到達(dá)傳感器并被接受。對(duì)不同遙感圖像進(jìn)行信噪比的比較需要將圖像上像素點(diǎn)的灰度值轉(zhuǎn)換為遙感器成像時(shí)的入瞳輻亮度，對(duì)應(yīng)到相同入瞳輻亮度的條件下才能進(jìn)行比較，其結(jié)果才能反映出遙感器輻射性能的好壞。通過輻射定標(biāo)系數(shù)可以將圖像灰度值DN轉(zhuǎn)換為入瞳輻亮度L。L的單位為 W·m－2·sr－1·μm－1，L可以通過式（4）進(jìn)行計(jì)算

式中，a為絕對(duì)定標(biāo)系數(shù)增益；L0為偏移量。這兩個(gè)參數(shù)都需要通過絕對(duì)輻射定標(biāo)得到，其值可以從遙感數(shù)據(jù)的頭文件中獲取。

需要指出的是，采用本文提出的信噪比度量準(zhǔn)則對(duì)不同遙感圖像的信噪比進(jìn)行比較時(shí)，需要兩幅待比較圖像中勻值圖像塊的輻亮度區(qū)間存在重疊部分，否則算法無法進(jìn)行有效的比較。幸運(yùn)的是，在實(shí)際中大多數(shù)情況能滿足此要求。

2.3 信噪比評(píng)估和比較

將輻亮度區(qū)間等間隔劃分為P個(gè)小區(qū)間，本文中所有試驗(yàn)統(tǒng)一設(shè)定P＝20。對(duì)于待比較的兩幅遙感圖像，統(tǒng)計(jì)對(duì)應(yīng)的輻亮度值落在每個(gè)小區(qū)間的勻值圖像塊。將每個(gè)輻亮度小區(qū)間對(duì)應(yīng)的勻值圖像塊分別采用式（5）計(jì)算噪聲的局部標(biāo)準(zhǔn)差（LSD）

式中，Si表示圖像塊中第i個(gè)像素的灰度值；N為當(dāng)前圖像塊的像素總數(shù)。利用局部標(biāo)準(zhǔn)差法計(jì)算每個(gè)輻亮度小區(qū)間對(duì)應(yīng)圖像塊的噪聲標(biāo)準(zhǔn)差，并將該輻亮度區(qū)間對(duì)應(yīng)所有圖像塊的灰度平均值與噪聲標(biāo)準(zhǔn)差之比作為該區(qū)間對(duì)應(yīng)圖像塊的信噪比。由此可以得到在相同的輻亮度范圍下兩幅遙感圖像的信噪比曲線，從而進(jìn)行不同遙感圖像之間信噪比的比較。

3 試驗(yàn)與分析

3.1 試驗(yàn)1：驗(yàn)證勻值區(qū)域選擇的準(zhǔn)確性與穩(wěn)定性

為了驗(yàn)證濾波算子選取勻值圖像塊方法的準(zhǔn)確性，以及基于勻值圖像塊的局部標(biāo)準(zhǔn)差方法評(píng)估噪聲的準(zhǔn)確性和穩(wěn)定性，通過計(jì)算機(jī)仿真的模擬圖像進(jìn)行試驗(yàn)。圖3（a）顯示了一幅采用3D－MAX軟件仿真得到的自然地物模擬圖像，包括山脈、湖面、田野以及一些人工地物，圖像中不包含噪聲。在圖3（a）所示圖像中加入標(biāo)準(zhǔn)差為6的高斯白噪聲，得到包含噪聲的圖像，如圖3（b）所示。采用4×4大小的分塊將圖3（b）分為若干圖像塊，如圖3（c）所示。首先利用八方向?yàn)V波算子對(duì)加噪后圖像進(jìn)行了邊緣的初步提取，結(jié)果如圖3（d）所示。通過1.1節(jié)中區(qū)分噪聲和邊緣的假設(shè)，更為精確地提取到圖像邊緣信息，基本排除了噪聲的干擾，結(jié)果如圖3（e）所示。最終選取的勻值圖像塊如圖3（f）所示，其中黑色的圖像塊為勻值圖像塊。

圖3 利用模擬圖像進(jìn)行勻值圖像塊選取試驗(yàn)Fig.3 Experiments of homogeneity detection with simulation images

需要指出的是，圖像中噪聲的大小對(duì)勻值圖像塊的選取有一定的影響，對(duì)于加入不同水平噪聲的圖像進(jìn)行試驗(yàn)的結(jié)果表明：當(dāng)噪聲標(biāo)準(zhǔn)差不超過10時(shí)，采用本文方法進(jìn)行勻值圖像塊選取效果較好；而當(dāng)噪聲標(biāo)準(zhǔn)差大于10以后，部分噪聲仍會(huì)被誤認(rèn)為是圖像邊緣，導(dǎo)致勻值圖像塊的選取有誤。而在真實(shí)遙感圖像中噪聲的標(biāo)準(zhǔn)差一般較小，因此采用本文方法進(jìn)行勻值圖像塊的選取是可行的。

本文方法通過對(duì)提取的勻值圖像塊采用局部標(biāo)準(zhǔn)差法進(jìn)行噪聲評(píng)估，為了驗(yàn)證該方法的準(zhǔn)確性和穩(wěn)定性，在圖3（a）中加入均值為0，標(biāo)準(zhǔn)差分別為1、2、3、…、8的高斯白噪聲，并通過噪聲評(píng)估誤差ε進(jìn)行量化比較，如公式（6）所示

式中，σest為采用某種算法對(duì)圖像進(jìn)行評(píng)估得出的噪聲標(biāo)準(zhǔn)差；σadd為在無噪聲的理想圖像中加入的噪聲標(biāo)準(zhǔn)差。為了確保試驗(yàn)結(jié)論的可靠性，對(duì)每一幅圖像進(jìn)行了50次重復(fù)試驗(yàn)，并計(jì)算噪聲評(píng)估誤差的均值με和方差。

對(duì)圖3（a）中的模擬圖像加入不同程度的噪聲后，采用勻值塊選?。植繕?biāo)準(zhǔn)差法與直接采用局部標(biāo)準(zhǔn)差法進(jìn)行圖像噪聲評(píng)估結(jié)果的比較如圖4所示。

圖4 本文方法與局部標(biāo)準(zhǔn)差法進(jìn)行圖像噪聲評(píng)估的誤差均值比較和誤差方差比較Fig.4 Comparison ofμεandbetween the proposed algorithm and LSD

從圖4中可以看出，在理想圖像中加入噪聲標(biāo)準(zhǔn)差為1～8的高斯白噪聲時(shí)，采用本文方法測得的噪聲值要比直接采用局部標(biāo)準(zhǔn)差法計(jì)算得到的結(jié)果更加準(zhǔn)確。在重復(fù)進(jìn)行的50次試驗(yàn)中，采用本文方法計(jì)算得到的噪聲值更加穩(wěn)定，可靠性更高。由此可見，本文中采用的先勻值塊選取再計(jì)算局部標(biāo)準(zhǔn)差的方法是可行的。

3.2 試驗(yàn)2：比較相同遙感器不同時(shí)期圖像信噪比

本節(jié)選用環(huán)境與災(zāi)害監(jiān)測預(yù)報(bào)小衛(wèi)星星座A星（HJ－1A星）的遙感圖像進(jìn)行試驗(yàn)。HJ－1A星搭載了兩臺(tái)CCD相機(jī)和超光譜成像儀，試驗(yàn)中通過對(duì)不同時(shí)期CCD1相機(jī)圖像的信噪比進(jìn)行評(píng)估和比較，分析CCD1相機(jī)性能衰退的情況，CCD1相機(jī)的主要參數(shù)如表1所示。

試驗(yàn)中采用了不同時(shí)期CCD1相機(jī)遙感圖像作為試驗(yàn)圖像，其圖像包含了4個(gè)波段，為了方便顯示，圖5（a）、（b）中的原圖為第1波段圖像，成像地點(diǎn)均為甘肅省敦煌市，其中圖5（a）成像時(shí)間是2009－09－27，圖5（b）成像時(shí)間是2011－07－15，兩幅圖像成像時(shí)間相隔將近兩年。利用本文的方法對(duì)不同遙感圖像信噪比進(jìn)行評(píng)估和比較，需要根據(jù)公式（4）將遙感圖像的DN值與成像時(shí)傳感器入瞳輻亮度進(jìn)行轉(zhuǎn)換，這就要獲取試驗(yàn)中每幅遙感圖像對(duì)應(yīng)的輻射定標(biāo)系數(shù)。HJ－1A星在軌運(yùn)行之后，我國每年都要在敦煌輻射校正場、青海湖輻射校正場開展定標(biāo)及真實(shí)性檢驗(yàn)試驗(yàn)，成功獲取了所需試驗(yàn)數(shù)據(jù)，表2所示為試驗(yàn)中遙感圖像對(duì)應(yīng)的輻射定標(biāo)系數(shù)。

表1 HJ－1A星CCD1相機(jī)主要參數(shù)Tab.1 Main parameters of CCD1camera in HJ－1A satellite

圖5 HJ－1A星CCD1相機(jī)試驗(yàn)圖像Fig.5 Experimental images of CCD1camera in HJ－1A satellite

采用本文提出的信噪比評(píng)估和度量準(zhǔn)則對(duì)這一組圖像進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果如圖6所示，其中圖6（a）～（d）分別對(duì)應(yīng)第1波段至第4波段圖像的試驗(yàn)結(jié)果。

圖6 2009、2011HJ－1A星輻亮度－信噪比曲線Fig.6 Apparent radiance－SNR curve for images of HJ－1Asatellite in 2009and 2011

表2 試驗(yàn)2中遙感圖像輻射定標(biāo)系數(shù)Tab.2 Radiation correction coefficient of images in experiment 2

同時(shí)，采用標(biāo)準(zhǔn)值比較法［17］對(duì)該組遙感圖像的第1波段圖像進(jìn)行了信噪比的評(píng)估和度量比較。首先分別在每幅圖像中手動(dòng)選取了10個(gè)“勻值”圖像塊，圖像塊大小為200像素×200像素，選取的結(jié)果在圖5（a）、（b）中標(biāo)明。比較試驗(yàn)結(jié)果如圖7所示。

圖7 本文方法與標(biāo)準(zhǔn)值比較法比較結(jié)果Fig.7 Comparison of the results between the proposed method and normalized－value based method

根據(jù)圖7可以看出，采用標(biāo)準(zhǔn)值比較法得到的試驗(yàn)結(jié)果中出現(xiàn)了幾個(gè)非常明顯的異常點(diǎn)：如對(duì)圖5（a）進(jìn)行試驗(yàn)得到結(jié)果曲線中的點(diǎn)1，以及圖5（b）對(duì)應(yīng)的試驗(yàn)結(jié)果中的點(diǎn)2和點(diǎn)3。以點(diǎn)1為例，該點(diǎn)對(duì)應(yīng)于圖5（a）中手動(dòng)選取的勻值圖像塊7，由于邊緣信息的影響，采用局部標(biāo)準(zhǔn)差法進(jìn)行圖像噪聲評(píng)估所得的結(jié)果較大，信噪比較小。出現(xiàn)異常值的點(diǎn)2和點(diǎn)3同樣如此。本身在地物復(fù)雜的遙感圖像中手動(dòng)選擇勻值圖像塊就很困難，圖像塊灰度值的均勻性很難得到保證。此外，勻值圖像塊的尺寸一般較小，采用局部標(biāo)準(zhǔn)差法進(jìn)行信噪比評(píng)估時(shí)出現(xiàn)異常值的情況難以避免，而一定數(shù)量異常值的出現(xiàn)會(huì)嚴(yán)重影響最終試驗(yàn)結(jié)果。相比較而言，由于本文算法采用勻值圖像塊的自動(dòng)選取，且將輻亮度區(qū)間等間距劃分進(jìn)行信噪比的度量比較，故試驗(yàn)結(jié)果曲線較為平穩(wěn)，沒有異常值的出現(xiàn)。

此外，由圖7可以看出，通過標(biāo)準(zhǔn)值比較法手動(dòng)選取勻值圖像塊進(jìn)行試驗(yàn)，由于兩幅圖像對(duì)應(yīng)的入瞳輻亮度區(qū)間范圍差別較大（圖5（a）對(duì)應(yīng)的輻亮度范圍是68～82.5，圖5（b）對(duì)應(yīng)的輻亮度范圍是71～107），使得“標(biāo)準(zhǔn)”輻亮度值的選取至關(guān)重要。針對(duì)不同的試驗(yàn)圖像，該方法需要設(shè)定不同的“標(biāo)準(zhǔn)”輻亮度值，試驗(yàn)操作難度較大，限制了算法的實(shí)用性。本文方法通過選取兩幅待比較圖像輻亮度的重疊部分，直接在重疊的輻亮度區(qū)間進(jìn)行比較，避免了“標(biāo)準(zhǔn)”輻亮度值的手動(dòng)選取對(duì)于估計(jì)結(jié)果的影響以及異常點(diǎn)的出現(xiàn)。

3.3 試驗(yàn)3：比較不同遙感器成像系統(tǒng)圖像信噪比

利用本文提出的遙感圖像信噪比評(píng)估和度量準(zhǔn)則，對(duì) HJ－1A星CCD1相機(jī)與CBERS－02B星（中巴資源衛(wèi)星2號(hào)，簡稱02B星）CCD相機(jī)分別在軌運(yùn)行一年后所獲取的遙感圖像的信噪比進(jìn)行了評(píng)估和比較。02B星于2007年9月19日在中國太原衛(wèi)星中心發(fā)射成功，星上搭載的CCD相機(jī)的主要參數(shù)如表3所示。

表3 02B星CCD相機(jī)主要參數(shù)Tab.3 Main parameters of CCD camera in 02Bsatellite

根據(jù)表3可知，02B星CCD相機(jī)具有5個(gè)波段，前4個(gè)波段與表1中HJ－1A星CCD1相機(jī)的波段范圍基本一致，第5個(gè)波段為全色光波段，試驗(yàn)中將02B星CCD相機(jī)的前4個(gè)波段與HJ－1A星CCD1相機(jī)的波段1至波段4對(duì)應(yīng)圖像的信噪比分別進(jìn)行評(píng)估和比較。試驗(yàn)3中采用的HJ－1A星的圖像如圖5（a）所示，02B星的圖像如圖8所示，圖中所示為第1波段圖像，成像地點(diǎn)為敦煌地區(qū)，成像時(shí)間為2008－09－03。

同樣，02B星在軌運(yùn)行之后，中國資源衛(wèi)星應(yīng)用中心定期組織開展敦煌絕對(duì)輻射校正場的外場定標(biāo)試驗(yàn)，試驗(yàn)2中采用的02B星圖像的輻射定標(biāo)系數(shù)如表4所示，其中第5波段的定標(biāo)系數(shù)未予列出。

圖8 2008年敦煌地區(qū)02B星CCD相機(jī)波段1圖像Fig.8 02BCCD image band 1at Dunhuang in 2008

表4 試驗(yàn)3中遙感圖像輻射定標(biāo)系數(shù)Tab.4 Radiation correction coefficient of images in experiment 3

圖9 2009HJ－1A星、200802B星圖像輻亮度－信噪比曲線Fig.9 Apparent radiance－SNR curve for images of HJ－1Asatellite in 2009and images of 02B satellite in 2008

根據(jù)本文提出的遙感圖像信噪比評(píng)估和度量準(zhǔn)則，分別對(duì)圖5（a）和圖8對(duì)應(yīng)的各個(gè)波段的試驗(yàn)圖像信噪比進(jìn)行評(píng)估和比較，試驗(yàn)結(jié)果如圖9所示。由圖9（a）～（d）可知，同樣在軌運(yùn)行一年以后，兩顆衛(wèi)星4個(gè)波段圖像的信噪比差異基本一致：HJ－1A星CCD1相機(jī)圖像的信噪比要比02B星CCD相機(jī)圖像的信噪比高出約4～6dB，即在軌運(yùn)行一年后HJ－1A星CCD1相機(jī)的性能要略好于02B星CCD相機(jī)。

4 結(jié) 論

通過遙感圖像勻值圖像塊的自動(dòng)選取以及圖像灰度值與入瞳輻亮度值的相互轉(zhuǎn)換，本文提出了一種遙感圖像信噪比的評(píng)估和比較方法，并以該方法作為兩幅遙感圖像信噪比比較的度量準(zhǔn)則。試驗(yàn)結(jié)果驗(yàn)證了本文方法較之于其他同類方法具有更高的穩(wěn)定性和可靠性。需要指出的是，采用本文方法比較不同遙感圖像的信噪比，兩幅待比較圖像中勻值圖像塊對(duì)應(yīng)的輻亮度區(qū)間必須存在重疊部分。另一方面，本文方法采用加性噪聲模型進(jìn)行信噪比評(píng)估，如何估計(jì)以乘性噪聲為主的遙感圖像信噪比將是未來工作的重點(diǎn)。

［1］ WANG Xiaotian，SHI Guangming，NIU Yi.Translation Invariant Omni Directional Lifting Based Remote Sensing Image Denoising［J］.Acta Geodaetica et Cartographica Sinica，2011，40（5）：555－562.（王曉甜，石光明，牛毅.基于移不變?nèi)较蚪翘嵘倪b感圖像降噪［J］.測繪學(xué)報(bào)，2011，40（5）：555－562.）

［2］ WANG Xianghai，ZHANG Hongwei，LI Fang.A PDE－based Hybrid Model for De－noising Remote Sensing Image with Gaussian and Salt－pepper Noise［J］.Acta Geodaetica et Cartographica Sinica，2010，39（3）：283－294.（王相海，張洪為，李放.遙感圖像高斯與椒鹽噪聲的PDE混合去噪模型研究［J］.測繪學(xué)報(bào)，2010，39（3）：283－294.）

［3］ GAO Lianru，ZHANG Bin，ZHANG Xia，et al.Study on the Method for Estimating the Noise in Remote Sensing Images Based on Local Standard Deviations［J］.Journal of Remote Sensing，2007，11（2）：203－208.（高連如，張兵，張霞，等.基于局部標(biāo)準(zhǔn)差的遙感圖像噪聲評(píng)估方法研究［J］.遙感學(xué)報(bào)，2007，11（2）：203－208.）

［4］ CORNER B R，NARAYANAN R M，REICHENBACH S E.Noise Estimation in Remote Sensing Imagery Using Data Masking［J］.International Journal of Remote Sensing，2003，24（4）：689－702.

［5］ CHEN Zhengchao.A Research on the Technology of On－orbit Calibration and Validation of China DMC Microsatellite［D］.Beijing：Graduate University of Chinese Academy of Sciences，2000.（陳正超.中國DMC小衛(wèi)星在軌測試技術(shù)研究［D］.北京：中國科學(xué)院研究生院，2000.）

［6］ CHEN Qiulin，XUE Yongqi.Estimation of Signal－Noise－Ratio from Data Acquired with OMIS［J］.Journal of Remote Sensing，2000，4（4）：284－289.（陳秋林，薛永祺.OMIS成像光譜數(shù)據(jù)信噪比的估算［J］.遙感學(xué)報(bào)，2000，4（4）：284－289.）

［7］ FIETE R D，TANTALO T.Comparison of SNR Image Quality Metrics for Remote Sensing Systems［J］.Optical Engineering，2001，40（4）：574－585.

［8］ MEER P，JOLION J M，ROSENFELD A.A Fast Parallel Algorithm for Blind Estimation of Noise Variance［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1990，12（2）：216－223.

［9］ GAO B C.An Operational Method for Estimating Signal to Noise Ratios from Data Acquired with Imaging Spectrometers［J］.Remote Sensing of Environment，1993，43（1）：23－33.

［10］ ROGER R E，ARNOLD J F.Reliably Estimating the Noise in AVIRIS Hyperspectral Images［J］.International Journal of Remote Sensing，1996，17（10）：1951－1962.

［11］ LIU C，WILLIAM T，SZELISKI R，et al.Noise Estimation from a Single Image［R］.Proceedings of the 2006IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington DC：IEEE Computer Society，2006：901－908.

［12］ MOGHADDAM M E，JAMZAD M.Linear Motion Blur Parameter Estimation in Noisy Images Using Fuzzy Sets and Power Spectrum［J］.EURASIP Journal on Advances in Signal Processing，2007，207：1－8.

［13］ GAO L R，ZHANG B，ZHANG X，et al.A New Operational Method for Estimating Noise in Hyperspectral Images［J］.IEEE International Geoscience and Remote Sensing Letters，2008，5（1）：83－87.

［14］ SANTIAGO A F，GONZALO V S F，MARCOS M F，et al.Automatic Noise Estimation in Images Using Local Statistics：Additive and Multiplicative Cases［J］.Image and Vision Computing.2009，27：756－770.

［15］ LOQUIN K，STRAUSS O.Noise Quantization via Possi bilistic Filtering［C］∥Proceedings of 6th International Symposium on Imprecise Probability：Theories and Applica tions.Durham：Durham University，2009.

［16］ NAIR M S，RAJU G.Additive Noise Removal Using a Novel Fuzzy－based Filter［J］.Computers and Electrical Engineering，2011，37（5）：644－655.

［17］ WANG X H，TANG L L，LI C R，et al.A Practical SNR Estimation Scheme for Remotely Sensed Optical Imagery［C］∥Proceedings of the SPIE：73848：International Symposium on Photoelectronic Detection and Imaging 2009：Advances in Imaging Detectors and Applications.Beijing：SPIE，2009：1－6.

［18］ ZHU Bo，WANG Xinhong，TANG Llinli，et al.Review on Methods for SNR Estimation of Optical Remote Sensing Imagery［J］.Remote Sensing Technology and Application，2010，25（2）：303－309.（朱博，王新鴻，唐伶俐，等.光學(xué)遙感圖像信噪比評(píng)估方法研究進(jìn)展［J］.遙感技術(shù)與應(yīng)用，2010，25（2）：303－309.）

［19］ CANNY J.A Computational Approach to Edge Detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679－698.

［20］ ZHENG S，LIU J，TIAN J W.A New Efficient SVM－based Edge Detection Method［J］.Pattern Recognition Letters，2004，25（10）：1143－1154.

［21］ AMER A，DUBOIS E.Fast and Reliable Structure－oriented Video Noise Estimation［J］.IEEE Transactions on Circuits and Systems for Video Technology，2005，15（1）：1－6.

［22］ OTSU N.A Threshold Selection Method from Gray－level Histograms［J］.IEEE Transactions on Systems，Man and Cybernetics，1975，9（1）：62.

［23］ YU Junna.Research on the Hyperspectral Imagery Classification Based on the Neural Network［D］.Harbin：Harbin Engineering University，2007.（于君娜.基于神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類研究［D］.哈爾濱：哈爾濱工程大學(xué)，2007.）