高光譜圖像的同步彩色動態(tài)顯示

劉丹鳳，王立國，趙亮

（哈爾濱工程大學(xué)信息與通信工程學(xué)院，黑龍江哈爾濱150001）

高光譜圖像的同步彩色動態(tài)顯示

劉丹鳳，王立國，趙亮

（哈爾濱工程大學(xué)信息與通信工程學(xué)院，黑龍江哈爾濱150001）

高光譜數(shù)據(jù)的CMF加權(quán)封裝方法是目前由高光譜數(shù)據(jù)獲取近真彩色圖像的主要方法，同時也因其計算簡便而受到廣泛關(guān)注。針對CMF圖像分辨率較低問題進(jìn)行改進(jìn)，加入時間維，采用位移循環(huán)加權(quán)方法，變靜止圖像為動態(tài)圖像，建立了一種適用于高光譜圖像的同步彩色動態(tài)顯示模型，使觀察者在相同觀察時間內(nèi)獲得盡可能多的信息。實(shí)驗表明，生成的圖像不僅能夠產(chǎn)生接近于真彩色的圖像，而且使得不同地物呈現(xiàn)不同色彩和不同的色彩變化率，增強(qiáng)了視覺感官效果。同時該方法也滿足計算簡便這一設(shè)計目標(biāo)，適用于對高光譜數(shù)據(jù)進(jìn)行實(shí)時性觀察。

遙感；高光譜圖像；可視化；顏色匹配方程；彩色視覺；動態(tài)顯示

高光譜圖像（hyperspectral image，HSI）不僅覆蓋范圍廣，同時包含海量的地物空間及光譜信息，而高光譜圖像的顯示問題已成為遙感可視化技術(shù)深入發(fā)展的重要障礙。高光譜圖像彩色顯示方式不同于普通圖像的三信道顯示，像素顏色未必是地物實(shí)際顏色，而是能準(zhǔn)確生動地反映出圖像中不同地物的類別分布，或滿足不同的特殊需求。

在彩色空間中顯示出高光譜圖像中所含的大量信息是一件具有挑戰(zhàn)性的難題。目前常用的高光譜彩色可視化技術(shù)按所利用數(shù)據(jù)源的不同可大致分為2類：1）直接對高光譜立方體數(shù)據(jù)進(jìn)行簡單變換后進(jìn)行顯示；2）對高光譜數(shù)據(jù)分析處理后的結(jié)果進(jìn)行顯示。第2類方法能夠保留較多的有用信息且地物特征顯示得更為直觀，但是顯示效果依賴于數(shù)據(jù)處理的方法及精度，且計算復(fù)雜度較高，無法用于實(shí)時顯示。第1類方法雖然會丟失有用信息，且生成圖像對地物的視覺可分性相對較差，但相對于前一類方法，其無前期處理誤差，且具有計算較為簡便，耗時少等優(yōu)點(diǎn)，更加適用于高光譜數(shù)據(jù)的實(shí)時顯示。

對高光譜圖像進(jìn)行彩色顯示最簡單的方式是，選取3個光譜波段作為RGB通道進(jìn)行假彩色合成，如通過選擇3通道的均衡信噪比來得到一個彩色圖像［1］。Robertson使用簡單的線性變換來將原始數(shù)據(jù)變換為3信道，然后將3信道合成為1個感知彩色空間，以獲得彩色圖像［2］。Jacobson等提出基于固定線性光譜加權(quán)封裝的方法［3］用于高光譜彩色顯示。另一種常用方法是壓縮多信道信息使其成為攜帶近乎全部信息的3個主要信道進(jìn)而獲得RGB彩色空間，如PCA［4］和NAPCA［5］等，或者利用融合方法根據(jù)某種策略進(jìn)行融合［6-8］。還有一種遵循距離保持準(zhǔn)則的優(yōu)化策略，該方法將HSI直接優(yōu)化到彩色空間，如文獻(xiàn)［9］中提出的方法，及M.Mignotte提出的M4ICD［10］及其改進(jìn)方法BCOCDM［11］，但此類方計算也較為耗時。

計算較復(fù)雜的方法雖然生成的圖像視覺效果更優(yōu)，但在對其算法高效簡化上的技術(shù)難度較高，短時間內(nèi)很難用于對高光譜數(shù)據(jù)的同步處理。而現(xiàn)存的快速可視化方法又因視覺效果不佳而很難滿足觀察者要求。

在實(shí)際應(yīng)用中，直接獲得的彩色圖像經(jīng)常會發(fā)生模糊且色彩失真，獲取的地物圖像質(zhì)量也欠佳，因此，將高光譜圖像彩色化可顯著提高原圖像的分辨能力。但是在遙感圖像處理中，通常使用的假彩色圖像只能定性地描述地物，很難定量地描述，而且僅得到假彩色圖像，不能真實(shí)再現(xiàn)出其本來的顏色，為此有必要對高光譜圖像的真彩色還原進(jìn)行研究。利用彩色匹配方程（color matching functions，CMFs）（后文簡稱CMF方法，此方法生成的圖像簡稱CMFHSI）對光譜加權(quán)封裝［3］，這種方法計算簡便，且生成的圖像更接近于真彩色圖像，但由于對光譜的分辨率較低，尤其是在對光譜特征較為相近的地物類別進(jìn)行顯示時，生成的圖像的可分性較差。因此針對以上問題，提出了一種彩色動態(tài)顯示方法，可對高光譜數(shù)據(jù)進(jìn)行同步顯示。

1 顯示策略及相關(guān)理論

1.1 高光譜圖像

成像光譜儀提供的連續(xù)窄波段成像技術(shù)包含了豐富的表征地物生物理化特性的光譜信息，它所生成的圖像即成為一個擁有多個層面、按波段順序疊合構(gòu)成的三維數(shù)據(jù)立方體。

高光譜圖像有以下3個特點(diǎn)［12］：1）高光譜圖像具有高的光譜分辨率；2）相鄰譜帶間存在較強(qiáng)的相關(guān)性，這一特點(diǎn)為其降維處理和譜間壓縮提供可能；3）高光譜圖像隨著維數(shù)的增加，超立方體的體積集中于角端，超球體和橢球體的體積集中在外殼，該特點(diǎn)進(jìn)一步為高光譜圖像的降維和壓縮處理提供了理論依據(jù)。

1.2 顯示策略

CMF計算簡便，且生成的圖像較接近于真彩色圖像，但由于其生成圖像的類間可分性較差所以限制了其在高光譜可視化中的應(yīng)用。

現(xiàn)存的高光譜圖像的可視化方法中，生成的圖像都為靜止圖像，也就是說，自觀察者觀看起圖像便沒有變化，而觀察者觀看圖像時都需連續(xù)觀看圖像一段時間后才能獲得有用信息。通常人眼對色彩的變化十分敏感，因此對生成的CMF-HSI增加時間軸，形成多幀連續(xù)動畫，利用相同地物不同的顏色變化來增強(qiáng)生成圖像的可分性。同時，作為第1幀的CMF-HSI又保留了地物的自然色調(diào)特性。

由于高光譜圖像波段數(shù)多，狹窄且連續(xù)，從而使得數(shù)據(jù)量巨大、數(shù)據(jù)之間相關(guān)性大，尤其在相鄰的波段之間具有很大的數(shù)據(jù)冗余。因此僅需提取一部分波段作為動態(tài)顯示的多幀圖像，以便減少計算量。而在高光譜數(shù)據(jù)中，相鄰譜帶間存在較強(qiáng)的相關(guān)性，根據(jù)相關(guān)性的強(qiáng)弱可將原數(shù)據(jù)劃分為幾個獨(dú)立子空間，然后再分別提取波段。分別在子空間中提取波段，能夠保證動態(tài)顯示中各波段圖像顯示特征的均衡，更能夠突出數(shù)據(jù)中地物的特性，獲得更好的視覺效果。為彌補(bǔ)CMF-HSI低光譜分辨率的缺陷，可將原數(shù)據(jù)各波段位移后加權(quán)，利用CMFs函數(shù)對不同區(qū)域數(shù)據(jù)敏感度的不同，增強(qiáng)光譜的可分辨性。同時為滿足視覺感官特性，需要保證動態(tài)顯示的連續(xù)性，因此位移應(yīng)順位依次循環(huán)。最后將保留的波段位移循環(huán)后與CMFs函數(shù)進(jìn)行加權(quán)，得到一組彩色圖像即為該高光譜數(shù)據(jù)動態(tài)顯示的一組幀。高光譜圖像的同步彩色動態(tài)顯示策略示意圖如圖1所示。

圖1 高光譜圖像的同步彩色動態(tài)顯示策略示意圖Fig.1 Dynamic display strategy schematic diagram of synchronized HSI

2 同步彩色動態(tài)顯示

2.1 波段間粗去不相關(guān)

首先將原高光譜圖像波段進(jìn)行粗提取，去掉含有信息量較低的波段。在高光譜圖像中，相鄰波段間被認(rèn)為有較高的冗余，因此當(dāng)某些波段不符合該標(biāo)準(zhǔn)時，則被認(rèn)為是噪聲過高或信息量較低，而這些波段應(yīng)被去除［13］。

相鄰波段間的互信息可用于譜間相關(guān)性的粗計算，其移動窗口內(nèi)的均值即可作為局部閾值。此處選擇香濃熵作為測量信息量的方法，其表達(dá)式為

式中：x為X中元素，Ξ（X）為X的整體概率，pX（x）為X的概率密度，b值通常取10。

將印第安納州數(shù)據(jù)進(jìn)行計算，得到每個波段的熵的曲線圖如圖2中實(shí)線所示。圖2中虛線即為熵的局部均值，第i波段計算公式為

圖2 印第安納數(shù)據(jù)波段間除去不相關(guān)Fig.2 Exclusion of irrelevant bands for the Indian forestry image

圖3 即為上述數(shù)據(jù)中去除波段的灰度圖像，其波段數(shù)分別為第4、142、195波段。由圖中可以看出，本方法能夠?qū)⒃瓟?shù)據(jù)中低相關(guān)及高噪聲的波段去除。

圖3 去除的波段示例Fig.3 Example of excluded bands

2.2 子空間劃分及波段提取

高光譜圖像數(shù)據(jù)波段之間的相關(guān)性相差很多，不同波段間的相關(guān)性隨著波段間隔的增加而減弱。自適應(yīng)子空間分解算法（adaptive subspace decomposition，ASD）是根據(jù)圖像不同波段之間相關(guān)性的特點(diǎn)對原圖像進(jìn)行劃分。對于任意2個波段Bi、Bj的相關(guān)系數(shù)為

式中：rij為相關(guān)矩陣R中的各元素相關(guān)系數(shù)，取值范圍為［-1，1］，rij越接近于1、2波段間的相關(guān)性越強(qiáng)，越接近于0，相關(guān)性越弱。mi、mj分別為Bi、Bj的均值。通過計算不同波段間的相關(guān)系數(shù)把整個數(shù)據(jù)空間自適應(yīng)地分解成多個子空間。圖4（a）為印第安納洲農(nóng)林?jǐn)?shù)據(jù)波段間相關(guān)性示意圖，圖4（b）為不同波段間的近鄰可傳遞相關(guān)曲線。

圖4 200波段AVRIRS數(shù)據(jù)相關(guān)性Fig.4 The 200 band AVRIRS data correlation

如圖4（a）所示，可將原200維數(shù)據(jù)分為（1～35）、（36～80）和（80～200）3部分。將圖像數(shù)據(jù)進(jìn)行子空間劃分后，分別在每個子空間內(nèi)進(jìn)行等數(shù)量的波段提取。有效波段可根據(jù)各波段的共信息進(jìn)行提取［13］，即尋找高信息量低冗余波段；或者是提取細(xì)節(jié)及邊緣信息較多的波段，如利用1-bit變換［14］或雙邊濾波［15］；或者選取互信息量最大的幾個波段。此處選用平均概率的隨機(jī)波段抽取，在各子空間內(nèi)所保留波段中，隨機(jī)抽取等數(shù)量的波段作為有效波段。

2.3 基于CMFs的高光譜圖像色彩還原

在波段數(shù)為N，高光譜圖像H的第i行j列的光譜三刺激值可表示為

由CIE1964三刺激顏色匹配函數(shù)可以得到各個波段的光譜三刺激值，帶入上式中，即可得到高光譜圖像在某一個像素點(diǎn)的顏色。CIE1964標(biāo)準(zhǔn)光譜三刺激函數(shù)曲線如圖5所示。

圖5 CMF曲線Fig.5 Color matching functions

拉伸CMFs可以在可用于高光譜圖像色彩還原，此方法滿足確定光譜權(quán)重、易于計算目標(biāo)，將其進(jìn)行歸一化處理，即可以滿足等能量白點(diǎn)的要求［3］。

2.4 移位循環(huán)加權(quán)

將原高光譜數(shù)據(jù)中除上文選出的有效波段數(shù)據(jù)保留外，其余置零。然后分別以每個非零波段的下一波段為起始波段，后位循環(huán)補(bǔ)全，如圖6所示。然后以CMF函數(shù)為系數(shù)進(jìn)行加權(quán)，直到所有波段循環(huán)一周期為止，此時若選取的有效波段數(shù)為N，那么最終得到的CMF-HSI中含有的幀數(shù)為N+1。此時由于僅有有限個波段上的數(shù)據(jù)有效，因此極大的簡化了計算量。又由于有效波段是在各子空間內(nèi)等量取得，因此保證了不同地物特征顯示的均衡。

圖6 移位循環(huán)加權(quán)Fig.6 Weighted circulate shift

3 實(shí)驗及結(jié)果

以下共對3組由AVIRIS傳感器獲取高光譜遙感數(shù)據(jù)進(jìn)行實(shí)驗。實(shí)驗數(shù)據(jù)分別為印第安納州農(nóng)林地物（HSI-1）、圣地亞哥軍事圖像（HSI-2）和莫菲特地區(qū)（HSI-3）。以上數(shù)據(jù)皆己經(jīng)過大氣校正和去除噪聲較大波段等預(yù)處理。印第安納州農(nóng)林地物實(shí)驗數(shù)據(jù)圖像大小為（144×144）像素，200個數(shù)據(jù)波段。該數(shù)據(jù)為含有16個類別的有監(jiān)督圖像，實(shí)際地物分布見圖7（a），其第120波段的灰度圖像見圖7（b），經(jīng)PCA降維用于RGB顯示的圖像如圖7（c）。其余用于實(shí)驗的數(shù)據(jù)大小分別為HSI-2（200× 200×128）和HSI-3（200×200×100）。將以上數(shù)據(jù)用于本方法在MATLAB中進(jìn)行仿真測試。

在去除低相關(guān)波段時，系數(shù)s、δ的取值應(yīng)根據(jù)圖像熵的平滑度決定，s、δ越大，保留下的波段越多，s、δ越小，保留下的圖像信息量越接近平均值，但過小時也會損失掉含有高有用信息的波段。根據(jù)各數(shù)據(jù)特性，人工選取2參數(shù)，鄰域大小s取值為11，各個數(shù)據(jù)中閾值系數(shù)δ分別取值5%、0.9%和1.6%。HSI-2和HSI-3數(shù)據(jù)去除波段情況分別如圖8所示。

圖7 印第安納州農(nóng)林地物圖像Fig.7 Indiana Forestry Feature Image

圖8 閾值曲線Fig.8 Exclusion of irrelevant bands

數(shù)據(jù)波段間的近鄰可傳遞相關(guān)曲線如圖9所示，因此2數(shù)據(jù)可分別劃分為3個子空間，之后在每個子空間內(nèi)提取等量波段作為有效波段。

圖9 各波段間的近鄰可傳遞相關(guān)曲線Fig.9 The neighbors transitive correlation curve of different bands

有效波段數(shù)量過小則動態(tài)圖像幀數(shù)變少，易丟失含有高有用信息的波段，而且會降低光譜分辨率。另外，過少的幀數(shù)將導(dǎo)致動態(tài)圖像變化將過于迅速，人眼難以準(zhǔn)確捕捉有用信息，也易產(chǎn)生視覺疲勞；數(shù)量過多則計算量也會增大，每幀間區(qū)別減小，影響視覺對地物顏色變化的敏感程度。此外還需注意每個子空間內(nèi)含有的波段數(shù)不能小于該子空間需提取的有效波段數(shù)，否則，可適當(dāng)調(diào)整每個子空間選取有效波段的數(shù)量。此處選擇有效波段的數(shù)量區(qū)間為［20，40］，各數(shù)據(jù)有效波段分別選取32、24和24個。

將以上數(shù)據(jù)進(jìn)行移位循環(huán)且以CMFs系數(shù)進(jìn)行加權(quán)，分別得到33、25和25幀圖像，最終得到各數(shù)據(jù)動態(tài)顯示中每幀的情況如圖10。

圖10 動態(tài)顯示中每幀的情況Fig.10 The status of frames in the dynamic color visualization

由圖10可看出，每幀圖像顏色變化連續(xù)，每種色調(diào)圖像數(shù)量較為均衡，且不同地物顏色變化特性互不相同。各數(shù)據(jù)的CMF-HSI如圖11所示。

圖11 CMF-HSIFig.11 CMF-HSI

將以上圖像進(jìn)行動態(tài)顯示，每個數(shù)據(jù)截取4幀放大顯示，即為圖12～14，幀數(shù)見每幅圖像右下角。每組圖像的第1幅皆為該動態(tài)圖像的第1幀，即無位移加權(quán)的彩色圖像，該圖像也是最為接近CMFHSI的圖像。實(shí)際應(yīng)用時，可把CMF-HSI作為動態(tài)顯示的第1幀，在無動態(tài)命令時靜止顯示。

圖12 HSI-1數(shù)據(jù)截取4幀顯示圖Fig.12 Four enlargement frames for HSI-1

圖13 HSI-2數(shù)據(jù)截取4幀顯示圖Fig.13 Four enlargement frames for HSI-2

圖14 HSI-3數(shù)據(jù)截取4幀顯示圖Fig.14 Four enlargement frames for HSI-3

圖15 為3組數(shù)據(jù)每幀圖像與各自CMF-HSI的相關(guān)系數(shù)曲線，由此可得本方法產(chǎn)生的動態(tài)圖像，越是臨近首尾的幀，其圖像越接近于真彩色圖像。

圖15 各幀與CMF-HSI圖像的平均相關(guān)系數(shù)Fig.15 The correlation coefficient curve between each frame of three data and CMF-HSI

4 結(jié)束語

本方法將原CMF-HSI加入了時間維，即變靜止圖像為動態(tài)圖像，使觀察者在相同時間內(nèi)視覺獲得的信息量增多。本方法保留了CMF-HSI圖像接近于真彩色圖像的性質(zhì)，并且利用位移循環(huán)加權(quán)增強(qiáng)了光譜分辨率，使得不同地物呈現(xiàn)不同色彩變化率的圖像，增強(qiáng)了視覺感官效果。同時本方法計算簡便，適用于對高光譜數(shù)據(jù)進(jìn)行實(shí)時性觀察。

［1］BEAUCHEMIN M，F(xiàn)UNG K B.On statistical band selection for image visualization［J］.Photogrammetric Engineering and Remote Sensing，2001，67（5）：571-574.

［2］ROBERTSON P K，O’CALLAHAN J F.The application of perceptual color spaces to the display of remotely sensed imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，1998，26（1）：49-59.

［3］JACOBSON N P，GUPTA M R.Design goals and solutions for display of hyperspectral images［J］.IEEE Transactions on Geoscience and Remote Sensing，2005，43（11）：2684-2693.

［4］TYO J S，KONSOLAKIS A，DIERSEN D I，et al.Principal-components-based display strategy for spectral imagery［J］.IEEE Transactions on Geoscience and Remote Sensing，2003，41（3）：708-718.

［5］CAI S，DU Q，MOORHEAD R，et al.Noise-adjusted principal component analysis for hyperspectral remotely sensed imagery visualization［C］／／Proceedings of IEEE Visualization 2005（VIS 2005）.［S.l.］，2005：119-120.

［6］GUO Baofeng，GUNN S，DAMPER B，et al.Hyperspectral image fusion using spectrally weighted kernels［C］／／2005 8th International Conference on Information Fusion.［S.l.］，2005：25-28.

［7］WILSON T A，ROGERS S K，KABRISKY M.Perceptualbased image fusion for hyperspectral data［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35（4）：1007-1017.

［8］KOTWAL K，CHAUDHURI S.Visualization of hyperspectral images using bilateral filtering［J］.IEEE Transactions on Geoscience and Remote Sensing，2010，48（5）：2308-2316.

［9］CUI Ming，RAZDAN A，HU Jiuxiang，et al.Interactive hyperspectral image visualization using convex optimization［J］.IEEE Transactions on Geoscience and Remote Sensing，2009，47（6）：1673-1684.

［10］MIGNOTTE M.A multiresolution Markovian fusion model for the color visualization of hyperspectral images［J］.IEEE Transactions on Geoscience and Remote Sensing，2010，48（12）：4236-4247.

［11］MIGNOTTE M.A Bicriteria-optimization-approach-based dimensionality-reduction model for the color display of hyperspectral images［J］.IEEE Transactions on Geoscience and Remote Sensing，2012，50（2）：501-513.

［12］JIMENEZ L O，LANDGREBE D A.Supervised classification in high-dimensional space：geometrical，statistical，and asymptotical properties of multivariate data［J］.IEEE Transactions on Systems，Man，and Cybernetics，Part C：Applications and Reviews，1998，1：9-54.

［13］Le MOAN S，MANSOURI A，VOISIN Y，et al.A constrained band selection method based on information measures for spectral image color visualization［J］.IEEE Transactions on Geoscience and Remote Sensing，2011，49（12）：5104-5115.

［14］DEMIR B，CELEBI A，ERTURK S.A low-complexity approach for the color display of hyperspectral remote-sensing images using one-bit-transform-based band selection［J］.IEEE Transactions on Geoscience and Remote Sensing，2009，47（1）：97-105.

［15］LEE J H，HEO A，CHOI W C，et al.Visualization of hyperspectral images using bilateral filtering with spectral angles［C］／／Proceedings of SPIE Signal Processing Sensor Fusion and Target Recognition.［S.l.］，2011，4：80501X-1-80501X-6.

Dynamic display of the hyperspectral image synchronized colors

LIU Danfeng，WANG Liguo，ZHAO Liang
（College of Information and Communication Engineering，Harbin Engineering University，Harbin 150001，China）

The spectral weighting envelopes using the color matching function are the current mainstream method of obtaining approximate true-color images for representing hyperspectral image.Meanwhile this method has attracted widespread attention because of its easy computation.An improved method is detailed in this paper.This method changes still images into dynamic images by adding time dimension so that observers can obtain as much information as possible within the same amount of time.This proposed method can obtain approximate true-color images，and this displacement cycle weighted method can also enhance the spectral resolution of the images，so different ground objects present different colors and different rates of change to improve the visual effects.Simultaneously，this method also satisfies the design goal of easy computation，and would be appropriate for real-time observations of hyperspectral imagery.Experiments with the real ground object data show that the color images produced by the model have good visual effects and good separability，and the method adapts to the hyperspectral imagery′s visualization.Keywords：remote sensing；hyperspectral image（HSI）；visualization；color matching functions（CMFs）；color vision；dynamic display

10.3969／j.issn.1006-7043.201306008

http：／／www.cnki.net／kcms／doi／10.3969／j.issn.1006-7043.201306008.html

TN911.73

A

1006-7043（2014）06-0760-06

2013-06-03.網(wǎng)絡(luò)出版時間：2014-05-14 15：50：25.

國家自然科學(xué)基金資助項目（61275010）；黑龍江省自然科學(xué)基金重點(diǎn)資助項目（ZD201216）.

劉丹鳳（1987-），女，博士研究生；王立國（1974-），男，教授，博士生導(dǎo)師.

劉丹鳳，E-mail：liudanfeng＠hrbeu.edu.cn.