基于亞像元分解與增強(qiáng)的MODIS衛(wèi)星林火監(jiān)測圖像制作*

黃 誠，王 皓，王一凱，段偉虎，楊凱悅，王艷霞，李清玉

(西南林業(yè)大學(xué)，云南 昆明650224)

由于林火監(jiān)測業(yè)務(wù)的特殊性，其對遙感數(shù)據(jù)的時(shí)間分辨率要求相對較高。目前，能夠滿足林火監(jiān)測業(yè)務(wù)需求的遙感數(shù)據(jù)主要來自氣象衛(wèi)星平臺。氣象衛(wèi)星具有高時(shí)間分辨率，但是其空間分辨率普遍偏低，由這些低空間分辨率的遙感數(shù)據(jù)制作的衛(wèi)星林火監(jiān)測專題圖的馬賽克效應(yīng)較明顯，可視效果差。高空間分辨率遙感影像普遍時(shí)間分辨率較低，且價(jià)格昂貴。

目前衛(wèi)星林火監(jiān)測圖像的制作有兩種方式，(1)在原始遙感影像基礎(chǔ)上制作并生產(chǎn)衛(wèi)星林火監(jiān)測圖像，由于衛(wèi)星林火監(jiān)測所采用的遙感影像為低空間分辨率的氣象衛(wèi)星所搭載的傳感器，使用該種原始遙感影像所制作的監(jiān)測圖像較模糊、效果差;(2)在原始低空間分辨率遙感影像的基礎(chǔ)上，采用亞像元圖像處理技術(shù)將低空間分辨率的遙感影像處理成較高空間分辨率、清晰度好、可讀性強(qiáng)的高質(zhì)量的圖像。隨后，采用經(jīng)過數(shù)字圖像處理后的、清晰度較好的影像制作衛(wèi)星林火監(jiān)測圖像。

亞像元技術(shù)可分為兩大類:頻域方法和空間域方法。頻域方法是通過在頻域內(nèi)消除頻譜混疊來重建圖像的高頻信息［1～3］。Tsai和Huang提出了基于序列的超分辨率重建的方法，該方法是通過成像系統(tǒng)模型建立起原始圖像與降質(zhì)圖像之間的函數(shù)關(guān)系［4］。這個(gè)方法依賴三個(gè)準(zhǔn)則，(1)傅里葉變換(FT)的平移性質(zhì)，(2)連續(xù)傅里葉變換 (CFT)與離散傅里葉變換 (DFT)的之間的關(guān)系， (3)設(shè)定多幀高分辨率圖像大小的邊界。國內(nèi)外不少研究者［5～12］在此基礎(chǔ)上，從算法的角度出發(fā)，進(jìn)一步優(yōu)化算法，提高超分辨率圖像重建的計(jì)算速度?？臻g域方法為，在圖像空間中以長度 (距離)為自變量直接對像元值進(jìn)行處理。處理的一般步驟為:①對圖像施行二維離散傅立葉變換或小波變換，將圖像由圖像空間轉(zhuǎn)換到頻域空間。②在空間頻率域中對圖像的頻譜作分析處理，以改變圖像的頻率特征。

我國主要是NOAA/AVHHR衛(wèi)星進(jìn)行衛(wèi)星林火監(jiān)測，利用NOAA/AVHRR進(jìn)行林火監(jiān)測在我國起步早，相關(guān)技術(shù)成熟。張貴等人［13～14］、劉誠等人［15］均做過相關(guān)研究。其缺點(diǎn)是直接使用氣象衛(wèi)星數(shù)據(jù)，分辨率低，對火點(diǎn)的定位和識別難度較大，尤其是對較小火點(diǎn)的識別，本研究提出基于亞像元分解與增強(qiáng)技術(shù)用以提高M(jìn)ODIS影像的空間分辨率，為林火識別提供高分辨率影像，同時(shí)以亞像元分解后的圖像作為背景制作衛(wèi)星林火監(jiān)測專題圖。針對以上應(yīng)用難題，本研究提出了基于原始衛(wèi)星數(shù)據(jù)、以及其它多源地理信息，開展亞像元分解、信息融合、圖像增強(qiáng)處理方法的專門研究，以研究30 m分辨率的亞像元增強(qiáng)形衛(wèi)星林火監(jiān)測圖像，以圖像產(chǎn)品形式作為補(bǔ)充，以提高衛(wèi)星林火監(jiān)測的應(yīng)用效率。

1 研究區(qū)概況

西南林區(qū)是我國第二大天然林區(qū)，其林區(qū)主要分布于我國西南橫斷山脈、喜馬拉雅山南坡和雅魯藏布江大拐彎地區(qū)，林區(qū)總面積近3 100×104hm2，占全國森林總面積17．7%。森林覆蓋率達(dá)20．2%，林木總蓄積量達(dá)51．2×108m3，約占全國1/3。該林區(qū)面積雖不及東北林區(qū)，但在單位材積量和喬木種類上居各林區(qū)之首。西南林區(qū)自然地理環(huán)境復(fù)雜，有高大的雪峰、崎嶇的高原，還有深邃的縱谷。不同的地形、海拔和氣候條件滿足不同類型的物種生存。如川西、滇西北橫斷山脈，谷底可生長季雨林和亞熱帶常綠闊葉林，海拔由低到高逐漸出現(xiàn)山地溫帶闊葉落葉林、山地中溫帶針葉闊葉混交林、山地寒溫帶針葉林以及高山灌木林。據(jù)不完全統(tǒng)計(jì)，西南林區(qū)喬木約有兩三千種，其中不少都是罕見的特有種［16］。而森林火災(zāi)對其造成很大的威脅，尤其在人跡罕至的原始林區(qū)起火不易被發(fā)現(xiàn)，撲火工作很難及時(shí)進(jìn)行，一旦失控往往造成很大的經(jīng)濟(jì)損失。因此，西南地區(qū)的森林防火任務(wù)十分繁重，如何有效防范森林火災(zāi)，從根本上把火災(zāi)損失降到最低程度，運(yùn)用高科技的衛(wèi)星遙感技術(shù)監(jiān)測森林火情已經(jīng)成為一個(gè)重要途徑。

2 研究方法

本研究的技術(shù)路線為，獲取氣象衛(wèi)星監(jiān)測圖像→亞像元分解→圖像增強(qiáng)→多源數(shù)據(jù)融合→DEM、基礎(chǔ)地理信息→解譯熱點(diǎn)數(shù)據(jù)→監(jiān)測圖像制作與發(fā)布。

2.1 亞像元分解與增強(qiáng)制圖

亞像元分解與增強(qiáng)流程。

(1)設(shè)原始圖像G1的像元大小為S，結(jié)果圖像的像元大小為D。

(2)選用以下兩種分解方法交替使用，對G1進(jìn)行亞像元分解，結(jié)果圖像為G2，①利用雙線性內(nèi)插算法或立方卷積內(nèi)插算法，將像元大小為S的圖像分解為像元大小S/3的亞像元圖像。②利用雙線性內(nèi)插算法或立方卷積法，將像元大小為S的圖像分解為大小為S/2的亞像元圖像。

(3)用G1的像點(diǎn)數(shù)值替換G2圖像的某些像點(diǎn)的數(shù)值，與S/3分解或S/2分解所對應(yīng)，選用以下的方法進(jìn)行替代:將G1(i，j)賦值給G2(3×i，3×j)，即用G1的每個(gè)元素，替換圖像G2的3倍行列點(diǎn)上的元素，得到新圖像G3。

(4)用3×3濾波器，對G3進(jìn)行平滑處理，得到圖像G4，濾波器結(jié)構(gòu)如下。

(5)用D與S/3或S/2進(jìn)行比較:①如果D小于S/3或S/2，則將G4看成G1，重復(fù) (1)到(5)的處理;②如果D大于或等于S/3或S/2，轉(zhuǎn)入第 (6)步。

(6)對G4進(jìn)行拉普拉斯增強(qiáng)處理。

(7)規(guī)定像元大小為D，再用雙線性內(nèi)插算法對G4進(jìn)行處理，得到像元大小為D的目標(biāo)圖像，處理過程結(jié)束［17］。

之后在使用3×3濾波器，對圖像進(jìn)行平滑處理，濾波器結(jié)構(gòu)如下，

用拉普拉斯算子對最終圖像進(jìn)行增強(qiáng)處理。本研究采用拉普拉斯算法進(jìn)行圖像增強(qiáng)處理。拉普拉斯算法是基于二階微分的圖像增強(qiáng)算法，一個(gè)二元圖像函數(shù)f(x，y)的拉普拉斯變換定義如下。

如果所使用的拉普拉斯算子定義具有負(fù)的中心系數(shù)，那么必須將原始圖像減去經(jīng)拉普拉斯變換后的圖像，而不是加上它，從而得到銳化的結(jié)果［17］。所以，使用拉普拉斯變換對圖像增強(qiáng)的基本方法表示如下。

2.2 多源數(shù)據(jù)融合

2．2．1 DEM 融合

因單一數(shù)據(jù)源DEM數(shù)據(jù)存在表達(dá)信息較單一、數(shù)據(jù)表達(dá)尺度有一定的不足，故需要對多源DEM數(shù)據(jù)進(jìn)行融合處理以使DEM數(shù)據(jù)具有更加豐富的信息、數(shù)據(jù)表達(dá)更加精細(xì)、可視效果更佳的目的。在種類繁多的DEM數(shù)據(jù)中，最常用的還是規(guī)則格網(wǎng)DEM(GRID)與不規(guī)則格網(wǎng)DEM(TIN)。規(guī)則格網(wǎng)DEM與不規(guī)則格網(wǎng)DEM相對于其他類型的DEM數(shù)據(jù)結(jié)構(gòu)簡單，易于構(gòu)建拓?fù)潢P(guān)系，也易于構(gòu)建三維立體可視化模型并用于相關(guān)分析與顯示。

多源DEM數(shù)據(jù)融合流程包括:數(shù)據(jù)精度提高，數(shù)據(jù)抽稀;數(shù)據(jù)分塊;數(shù)據(jù)三角化;數(shù)據(jù)柵格化處理;坐標(biāo)轉(zhuǎn)換;投影轉(zhuǎn)換;公共區(qū)域處理。

2．2．2 行政區(qū)疊加

為增強(qiáng)專題地圖或者地圖可視化的可讀性以及便于森林防火部門的基層應(yīng)用，需要在原始背景地圖的基礎(chǔ)之上疊加相關(guān)的地理參考，如:省、市等行政區(qū)劃邊界，行政中心所在地及其名稱，城鎮(zhèn)所在地名稱及位置范圍等信息。行政區(qū)劃疊加效果見圖1。

圖1 行政區(qū)劃Fig．1 Administrative map

2．2．3 立體可視化背景融合

平面地圖與專題信息的疊加顯示能夠表達(dá)專題圖所需要的基本地理參考以及專題信息，但是這種平面化的地圖可視效果比三維立體可視化的地圖要差。因此本研究的圖像最終將以三維立體圖像進(jìn)行表達(dá)。

立體可視化制圖需要對基礎(chǔ)地圖與立體可視化背景圖進(jìn)行融合處理，最終以三維立體形式表達(dá)專題地圖的要素信息以及專題信息。

基礎(chǔ)地圖與立體可視化背景圖的融合方法如下。

(1)將不同投影坐標(biāo)系統(tǒng)、不同數(shù)據(jù)源的多源數(shù)據(jù)的投影坐標(biāo)系統(tǒng)轉(zhuǎn)換成統(tǒng)一的投影坐標(biāo)系統(tǒng)。

(2)按照像元一一對應(yīng)融合方式:即將不同空間分辨率大小的圖像處理成像元大小一致多幅圖像，之后將多幅圖像進(jìn)行融合。

按照地物匹配方式進(jìn)行融合:將基礎(chǔ)數(shù)據(jù)圖像與背景圖像按照地理位置進(jìn)行匹配 (如溝谷線的拐點(diǎn)與交叉點(diǎn))，之后進(jìn)行多幅圖像融合。

2.3 數(shù)據(jù)說明

本研究以2013年2月6日16時(shí)許，云南省大理市下關(guān)鎮(zhèn)吊草村委會黃家村森林火災(zāi)為背景，挑選該區(qū)域火災(zāi)前后的多幅遙感影像進(jìn)行試驗(yàn)研究。

本研究選用的遙感影像選用來自TERRA衛(wèi)星上搭載的MODIS(中分辨率成像光譜儀)傳感器所獲取的數(shù)字影像。MODIS儀器與NOAA衛(wèi)星和陸地衛(wèi)星相比，有以下特點(diǎn)和優(yōu)勢。

(1)空間分辨率大幅提高?？臻g分辨率提高了一個(gè)量級，由NOAA的千米級提高到了MODIS的百米級。

(2)時(shí)間分辨率有優(yōu)勢。一天可過境4次，對各種突發(fā)性、快速變化的自然災(zāi)害有更強(qiáng)的實(shí)時(shí)監(jiān)測能力。

(3)光譜分辨率大大提高。有36個(gè)波段，這種多通道觀測大大增強(qiáng)了對地球復(fù)雜系統(tǒng)的觀測能力和對地表類型的識別能力。

2.4 研究區(qū)數(shù)據(jù)預(yù)處理

本研究采用遙感圖像處理軟件ENVI對MODIS數(shù)據(jù)進(jìn)行預(yù)處理。

對MODIS數(shù)據(jù)進(jìn)行預(yù)處理的流程圖如下:原始數(shù)據(jù) (遙感影像和控制點(diǎn))→模型校正→控制點(diǎn)選取→誤差檢查→重采樣→圖像鑲嵌→使用矢量邊界進(jìn)行裁剪→得到預(yù)處理后的圖像。

3 結(jié)果與分析

亞像元分解前后的影像如圖2所示。

圖2 亞像元分解前后圖像區(qū)域放大對比Fig．2 Comparison of the initial image and the sub-pixel processed image with zooming

從圖2可知，經(jīng)過亞像元分解之后的圖像比原始圖像在空間分辨率上有了明顯的提高，其柵格大小明顯變小。柵格圖像空間分辨率的提高，使得圖像在細(xì)節(jié)的表達(dá)上更加豐富和細(xì)致;整幅圖像整體變得過度流暢，像素間不連續(xù)現(xiàn)象減少，圖像的可視效果佳。尤其是經(jīng)融合處理后的DEM數(shù)據(jù)與地形圖疊加時(shí)立體效果好，可讀性強(qiáng) (圖3)。

目前，已經(jīng)在衛(wèi)星林火監(jiān)測中心內(nèi)部網(wǎng)站上發(fā)布利用本研究成果生產(chǎn)的超分辨率遙感影像圖制作的衛(wèi)星林火監(jiān)測圖像 (圖4)，并取得較好的應(yīng)用效果。

圖3 處理后地形地貌圖Fig．3 Geomorphologic map after technical treatment

圖4 利用亞像元分解與增強(qiáng)圖像發(fā)布熱點(diǎn)專題圖注:為2014年4月24日衛(wèi)星熱點(diǎn)分布圖，圖中YN-33(12)編號中，YN是云南省代碼，33為當(dāng)天云南省發(fā)現(xiàn)的第33號火點(diǎn)，12為該火點(diǎn)的像元個(gè)數(shù)，根據(jù)像元個(gè)數(shù)可以預(yù)測活在大小，其他編號類似。圖中YN-33(12)號點(diǎn)位于麗江縣金山鄉(xiāng)，YN-13(4)位于云南省寧蒗縣戰(zhàn)洞區(qū)，YN-15(2)位于寧蒗縣永興區(qū)Fig．4 Hotspots thematic map by using the sub-pixel decomposition and enhancement of images

4 結(jié)論與討論

本研究提出的基于亞像元分解與增強(qiáng)的衛(wèi)星林火監(jiān)測制圖技術(shù)，生產(chǎn)出30 m分辨率的衛(wèi)星林火監(jiān)測遙感圖像，能夠?qū)⒌头直媛蔬b感影像處理成超分辨率的遙感圖像?；趤喯裨纸馀c增強(qiáng)方法生產(chǎn)的超分辨率影像，分辨率比原始遙感影像分辨率有明顯提高，圖像清晰度增強(qiáng)，對比度增加。在本研究的基于亞像元分解與增強(qiáng)技術(shù)的基礎(chǔ)上，將該技術(shù)應(yīng)用于衛(wèi)星林火監(jiān)測領(lǐng)域，并結(jié)合GIS技術(shù)、多元數(shù)據(jù)融合等方法制作三維立體、可視化效果強(qiáng)的專題圖。本研究的一個(gè)重要內(nèi)容即是利用本研究中的亞像元分解與增強(qiáng)技術(shù)、立體可視化顯示與制圖技術(shù)在西南衛(wèi)星林火監(jiān)測中心的監(jiān)測數(shù)據(jù)發(fā)布中進(jìn)行應(yīng)用試驗(yàn)。

本研究利用亞像元分解與增強(qiáng)技術(shù)生產(chǎn)超分辨率遙感圖像，并利用現(xiàn)有多源數(shù)據(jù)與超分辨率影像進(jìn)行融合，生產(chǎn)出適用于衛(wèi)星林火監(jiān)測圖像發(fā)布的具有清晰度高、可讀性強(qiáng)、便于基層防火部門應(yīng)用的衛(wèi)星林火監(jiān)測預(yù)警專題圖。這是亞像元分解與增強(qiáng)技術(shù)應(yīng)用于林業(yè)衛(wèi)星林火監(jiān)測領(lǐng)域一次有效的嘗試，并取得了較好的應(yīng)用效果。

遙感圖像亞像元分解與增強(qiáng)技術(shù)的優(yōu)勢在于它能夠利用現(xiàn)有的低分辨率遙感圖像生產(chǎn)出高分辨率的遙感圖像，該技術(shù)能夠克服現(xiàn)有一些遙感傳感器空間分辨率不足，以最低的費(fèi)用支出來滿足高分辨率遙感圖像的應(yīng)用需求。此外，國外遙感衛(wèi)星，資源三號等國內(nèi)遙感衛(wèi)星均能夠?qū)崿F(xiàn)對地物的立體像對拍攝，從而在同一場景上能提供不少于兩幅的遙感圖像用于重建，又由于這些圖像采集于相同的時(shí)間，不存在空間上的差異;這些圖像來源于相同的傳感器，不存在光譜上的差異，這為遙感圖像的亞像元分解與增強(qiáng)提供了更好的數(shù)據(jù)源。

當(dāng)前亞像元分解與增強(qiáng)技術(shù)仍需解決的主要問題是:實(shí)驗(yàn)過程中部分算法的計(jì)算效率過低，耗時(shí)較長，如基于概率論亞像元分解算法等。在面對海量的遙感數(shù)據(jù)時(shí)，這些算法可以與云計(jì)算、并行計(jì)算等技術(shù)結(jié)合以適應(yīng)遙感數(shù)據(jù)大數(shù)據(jù)量的流程化處理需求。

在多幅圖像的圖像亞像元分解技術(shù)領(lǐng)域，每個(gè)步驟都有相關(guān)的解決方案，由于遙感圖像局部變形和光譜具有一定的復(fù)雜性，在配準(zhǔn)和圖像重建方法中仍需進(jìn)一步的深入研究。

亞像元制圖問題一直在理論技術(shù)和方法上不斷改進(jìn)和完善。新的方法和理論的提出使得亞像元分解與增強(qiáng)制圖精度不斷提高，并使亞像元制圖的結(jié)果不斷地逼近真實(shí)的地物覆蓋分布情況。亞像元制圖技術(shù)將為遙感技術(shù)發(fā)展和應(yīng)用提供更好的解決方法。但是如何找出這個(gè)特定問題的最優(yōu)解，仍然需作進(jìn)一步研究。

此外，亞像元制圖技術(shù)應(yīng)用于遙感衛(wèi)星林火監(jiān)測領(lǐng)域?qū)蟠蟠龠M(jìn)森林防火預(yù)警的工作效率，提高森林防火預(yù)警的可靠性與準(zhǔn)確性。但是目前亞像元制圖技術(shù)應(yīng)用于森林防火監(jiān)測領(lǐng)域還不普遍，有待于進(jìn)一步的推廣。亞像元制圖技術(shù)在衛(wèi)星林火監(jiān)測領(lǐng)域的應(yīng)用還有待于進(jìn)一步的研究，以便提供更高精度、更經(jīng)濟(jì)實(shí)用的方法。

［1］譚 兵．多幀圖像空間分辨率增強(qiáng)技術(shù)研究［D］．合肥:中國人民解放軍信息工程大學(xué)測繪學(xué)院，2004．

［2］拜麗萍，李慶輝，王炳建，等．基于序列圖像處理技術(shù)的高分辨率紅外圖像重建方法［J］．紅外技術(shù)，2002，24(6):58-61．

［3］譚 兵，徐 青，耿則勛，等．超分辨率圖像重建技術(shù)發(fā)展現(xiàn)狀［J］．信息工程大學(xué)學(xué)報(bào)，2004，4(4):93-97．

［4］楊 玲，劉怡光，黃蓉剛，等．新的基于稀疏表示單張彩色超分辨率算法［J］．計(jì)算機(jī)應(yīng)用，2013(2):472-475．

［5］BaikunW，Hongmei Z，Weibo Y，et al．Super resolution reconstructionbased ontotal variation regularization［C］．2010:1194-1199．

［6］Hung E M，De Queiroz R L，Brandi F，et al．Video Super-Resolution Using Codebooks Derived From Key-Frames［J］．Circuits and Systems for Video Technology，IEEE Transactions on．2012，22(9):1321-1331．

［7］Ben-Ezra M，Zomet A，Nayar S K．Video super-resolution using controlled subpixel detector shifts［J］．Pattern Analysis and Machine Intelligence，IEEE Transactions on．2005，27(6):977-987．

［8］Zheng H，Wei L，Qinggang T，et al．Face Super Resolution by Patch-Based Sparse Coding［C］．2012:1522-1525．

［9］劉良云，李英才，相里斌．超分辨率圖像重構(gòu)技術(shù)的仿真實(shí)驗(yàn)研究［J］．中國圖象圖形學(xué)報(bào)，2001，6(7):629-635．

［10］劉揚(yáng)陽，金偉其，蘇秉華，等．超分辨力圖像處理技術(shù)進(jìn)展及在遙感中的應(yīng)用［J］．紅外與激光工程，2005，34(1):70-73．

［11］Li Xiaoliang，Lam K M，ShenLansun．An Image MagnificationAlgorithm Using the GVF Constraint Model［J］．Journal ofElectronics(China)，2008，25(4):565-571．

［12］Park S K，Schowengerdt R．Image sampling，reconstruction，and the effect of sample-scene phasing［J］．APPLIED OPTICS，1982，21(17):3142-3151．

［13］覃先林．遙感與地理信息系統(tǒng)技術(shù)相結(jié)合的林火預(yù)警方法的研究［D］．北京:中國林業(yè)科學(xué)研究院，2005．

［14］楊蘭芳，韓 濤．用NOAA衛(wèi)星監(jiān)測甘肅森林草原火災(zāi)［J］．甘肅氣象，1997(2):25-27．

［15］劉 誠，李亞軍，趙長海，等．氣象衛(wèi)星亞像元火點(diǎn)面積和亮溫估算方法［J］．應(yīng)用氣象學(xué)報(bào)，2004(3):273-280．

［16］席善東．衛(wèi)星林火監(jiān)測在西南森林防火中的應(yīng)用與展望［J］．森林防火，2008，27(2):44-46．

［17］周汝良，龍曉敏，鄧忠堅(jiān)．一種數(shù)字圖像的亞像元的分解與增強(qiáng)方法［P］．中國．200710066071．1．2008-01-16．