遙感影像的輻射質(zhì)量評價方法

王榮彬，李平湘，季宏偉，張嘉

（1.武漢大學(xué)測繪遙感信息工程國家重點實驗室，武漢430079；2.中國土地勘測規(guī)劃院，北京100035）

遙感影像的輻射質(zhì)量評價方法

王榮彬1，2，李平湘1，季宏偉2，張嘉2

（1.武漢大學(xué)測繪遙感信息工程國家重點實驗室，武漢430079；2.中國土地勘測規(guī)劃院，北京100035）

針對傳統(tǒng)的遙感影像輻射質(zhì)量評價方法是以人工定性評價為主、缺乏客觀和易行的定量評價標準，以及一些客觀評價方法大多是從影像輻射質(zhì)量的某一方面進行考察，不能全面綜合地評定遙感影像的輻射質(zhì)量的問題，該文充分考慮了遙感影像獲取、傳輸以及處理過程中的各種降質(zhì)因素，對遙感影像的輻射質(zhì)量評價方法進行系統(tǒng)的總結(jié)、歸納和發(fā)展，給出了對影像灰度分布、信息量、清晰度、分辨率、噪聲、云量、無效像元等多個指標進行評價的方法及其最新發(fā)展動態(tài)，并總結(jié)了基于參考影像的評價方法、多指標綜合評價方法。

遙感影像；輻射質(zhì)量；定量評價；參考影像評價方法；多指標綜合評價方法

1 引 言

隨著遙感技術(shù)的飛速發(fā)展，很多遙感用戶受困于如何從海量數(shù)據(jù)中選擇所需的數(shù)據(jù)進行存儲和使用，因此進行遙感影像的質(zhì)量評價研究具有重要意義。遙感影像質(zhì)量包括輻射質(zhì)量、幾何質(zhì)量、影像附件質(zhì)量等多個方面，由于影像本質(zhì)上是輻射能量在二維空間上的體現(xiàn)，在遙感成像過程中又會受到多種輻射偏差的影響，因此遙感影像的輻射質(zhì)量評價最重要也最為復(fù)雜。

傳統(tǒng)的人工評價方法是通過人的視覺來檢查影像，根據(jù)心理學(xué)規(guī)律對影像的優(yōu)劣做出主觀的評定。比較正式的場合需要多個專家對影像進行打分，然后對分數(shù)進行統(tǒng)計加權(quán)平均，得到主觀評價的結(jié)果。為了保證主觀評價在統(tǒng)計上有意義，選擇觀察者時既要考慮有未受過訓(xùn)練的“外行”觀察者，又要考慮有對影像技術(shù)有一定經(jīng)驗的“內(nèi)行”觀察者［1－2］。顯而易見，人工檢查方法不僅費時、費力，而且受到檢查者職業(yè)素質(zhì)、心理、認知水平等因素的影響。

在遙感影像輻射質(zhì)量的客觀評價方面，各國學(xué)者已經(jīng)進行了一些有益地探索。Eskicioglu等人探討了一些常用的影像質(zhì)量客觀評價方法，主要思想是通過定量分析降質(zhì)影像與參考影像的異同來進行質(zhì)量評定［3］。Avcibas等人從影像壓縮應(yīng)用出發(fā)，將影像質(zhì)量評價方法分為基于像素差異、基于相關(guān)性、基于邊緣、基于光譜、基于紋理以及基于人類視覺系統(tǒng)幾類，并主要介紹了相位譜、多分辨率距離和人類視覺系統(tǒng)過濾均方差等方法［4］。在影像輻射質(zhì)量的評價方法中，比較常用的是基于調(diào)制傳遞函數(shù)（MTF）和信息熵的方法，如Dennis、Forster等人分別利用MTF對IKONOS、SPOT遙感影像進行了評價［5－6］；王占宏研究了遙感影像信息量及質(zhì)量度量模型，主要利用MTF評價影像的輻射質(zhì)量［7］；方圣輝研究了基于MTF的遙感影像自動質(zhì)量評價方法［8］；張仁霖利用信息論對航空影像、陸地資源衛(wèi)星Landsat影像的信息量進行了評價研究，基本思想是利用信息熵作為平均信息量的度量［9］。除此之外，曾衍偉進行了空間數(shù)據(jù)質(zhì)量控制與評價體系的研究，提出對正射影像的接邊精度進行檢查的方法［10］；王昱對幾種常用的輻射質(zhì)量評價方法進行了總結(jié)，并重點介紹了基于MTF的評價方法［11］；王軍研究了量化過程對遙感影像輻射質(zhì)量的影響［12］。

在遙感影像的輻射質(zhì)量綜合評價方面，美國圖像分辨率評估和報告標準委員會（IRARS）基于為圖像解譯任務(wù)分級的目的于1974年首先提出了美國國家圖像解譯度分級標準（NIIRS），主要用于對軍事遙感影像的質(zhì)量進行評定分級［13］。但是其分級標準都必須通過專業(yè)人員判讀完成。此后，Leachtenauer等人在該標準的基礎(chǔ)上提出了通用影像品質(zhì)方程，通過采樣距離、MTF和信噪比3項指標實現(xiàn)了影像NIIRS等級的客觀評定，并將其應(yīng)用范圍擴展到了紅外影像［14－15］。

Shi等人在進行影像融合的評價過程中對常用的影像輻射質(zhì)量檢查方法進行了討論，并從考察方面將其分為基于均值、基于空間信息細節(jié)和基于光譜信息3類［16］。其中，均值主要表征了影像的平均能量水平，基于空間信息細節(jié)的方法描述了影像的紋理和細節(jié)，包括標準差、信息熵，以及剖面曲線等；基于光譜信息的方法則是利用已有的參考影像對目標影像進行評價，主要介紹了偏斜指數(shù)、相關(guān)系數(shù)和翹曲度。

眾所周知，遙感成像過程中會受到多種輻射降質(zhì)因素的影響，如模糊、噪聲、采樣、量化、云、無效像元等等，現(xiàn)有的遙感影像輻射質(zhì)量評價研究多是針對其中的一個或少數(shù)幾個方面，不能夠?qū)τ跋竦妮椛滟|(zhì)量進行全面的評定。為此，本文對遙感影像的輻射質(zhì)量評價方法進行系統(tǒng)的總結(jié)、歸納和發(fā)展，給出了對影像灰度分布、信息量、清晰度、分辨率、噪聲、云量、無效像元等多個指標進行評價的方法及其最新發(fā)展動態(tài)，并介紹了對影像進行多指標綜合評價的方法。

2 遙感影像輻射質(zhì)量的單指標評價方法

2.1 灰度級分布評價

影像灰度級指像素點的亮暗差別，不同的灰度級分布情況將在影像上體現(xiàn)不同的明暗程度、對比度等?；叶戎狈綀D是表達影像灰度分布的有效工具，它反映影像中各灰度級與出現(xiàn)頻率之間的統(tǒng)計關(guān)系，即橫坐標表示灰度級，縱坐標表示灰度級出現(xiàn)頻率，頻率計算公式為：

其中，pi是影像中灰度級為i的像素出現(xiàn)的頻率，ni是影像中灰度級為i的像素數(shù)，n為影像的總像素數(shù)。通過繪制灰度直方圖，可以直觀地定性表達影像的灰度分布情況。然而，遙感影像質(zhì)量評價需要輸出定量評價指標，此時可通過計算各灰度級出現(xiàn)概率的均方差來實現(xiàn)，公式如下：

式中，L為影像的灰度分布級別。若σ越小，則代表影像灰度值分布得越均勻，那么影像的灰度分布質(zhì)量也就更優(yōu)。值得注意的是，如果需要對浮點型遙感數(shù)據(jù)進行灰度分布評價，需首先將其按某一規(guī)則轉(zhuǎn)換為整數(shù)型數(shù)據(jù)。

2.2 信息量評價

遙感影像信息量評價是從信息論的角度出發(fā)，通過度量影像所包含的信息對影像做出評價。信息熵是一種常用的影像信息量評價指標，它可以度量影像亮度值分散程度和均勻程度，這和上述的灰度級分布評價相類似，但在影像信息量評價中，需要顧及影像的像素數(shù)量及其波段數(shù)量。信息熵的數(shù)學(xué)表達為：

其中，pi是影像中灰度級為i的像素出現(xiàn)的頻率。

考慮噪聲和鄰域相關(guān)性的影響，影像中單像元的平均信息量應(yīng)該為［17－18］：

其中，Hn為噪聲疑義度，Hc為相鄰像元互信息量。假設(shè)遙感影像的噪聲成正態(tài)分布，其方差分別為δε2，則噪聲疑義度Hn可表示為：

實踐證明，遙感影像灰度具有一階馬爾可夫過程的統(tǒng)計特征［17－18］。根據(jù)信息論原理，相鄰像元間的互信息量可表示為：

其中，ρc表示相鄰像元與中心像元的相關(guān)系數(shù)。

若一幅影像的像元個數(shù)為m×n，單像元的平均信息量為H′，則單波段影像的總信息量為：

在多波段影像信息量的計算中，同樣應(yīng)該考慮波段與波段間的相關(guān)性，即：

其中，B為影像的總波段數(shù)，ρ表示波段之間的相關(guān)系數(shù)。如此，信息熵可以準確衡量不同尺寸，不同波段數(shù)影像的信息量，從而達到比較和評價的目的。

2.3 清晰度評價

清晰度指影像上各細部影紋及其邊界的清晰程度，是反映遙感影像質(zhì)量的重要因素，本文將介紹3種清晰度的評價方法，即平均梯度法、灰度共生矩陣法、灰度－梯度共生矩陣法。

2.3.1 平均梯度

計算影像平均梯度是最為常用的影像清晰度檢查方法［11］，對于離散影像g（i，j），其一階偏導(dǎo)數(shù)可采用一階差分近似表示，即在（i，j）處水平方向和垂直方向的梯度分別表示為：

梯度是一個矢量，其大小為

對影像中的每一個像素分別計算其梯度值，然后對所有像素的梯度取均值即得影像的平均梯度。一般情況下，平均梯度越大，表示影像越清晰。除以上標準梯度算子以外，還可以采用Roberts、Prewitt和Sobel等算子計算影像的梯度［19］。平均梯度法計算簡便，在實際應(yīng)用中效率高，但是在影像噪聲明顯的情況下結(jié)果易受影響。

2.3.2 灰度共生矩陣

灰度共生矩陣是從圖像灰度為i的像素出發(fā)，在θ方向上統(tǒng)計與其距離為d、灰度為j的像素同時出現(xiàn)的概率P（i，j，d，θ）。根據(jù)此定義，影像灰度共生矩陣的第i行、第j列表示影像所有在θ方向上，相隔為d，一個灰度為i值，另一個灰度為j值的像素點對出現(xiàn)的概率。θ的取值一般有4種，即0°，45°，90°，135°。

灰度共生矩陣建立以后，可以提取其慣性矩特征用于表達影像的清晰度，定義如下：

其中，L表示影像的灰度級別，T值越大表示圖像越清晰。灰度共生矩陣法能反映出影像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息，但是由于需要考慮4個參數(shù)，計算量較大。

2.3.3 灰度－梯度共生矩陣

在上述方法中，平均梯度僅計算了影像的梯度信息，灰度共生矩陣僅統(tǒng)計像素對的灰度分布情況，而灰度－梯度共生矩陣是統(tǒng)計像素的灰度值和梯度值的共同分布情況。矩陣中的元素H（i，j）表示影像上灰度為i（在矩陣中的位置為第i行）的像素與梯度為j（在矩陣中的位置為第j列）的像素出現(xiàn)的概率。在業(yè)務(wù)化應(yīng)用中為避免過大的計算量，一般對影像的灰度級和梯度級進行適當?shù)膲嚎s處理。

灰度－梯度共生矩陣建立以后，同樣提取其慣性特征表達影像的清晰度，求解公式如下：

其中，Lg為規(guī)定的最大灰度級，Ls為規(guī)定的最大梯度值。若T越大，則表示影像紋理的溝紋越深，效果越清晰；反之，T越小，則影像紋理的溝紋越淺，效果越模糊。

2.4 分辨率評價

上述的清晰度評價指標都是宏觀統(tǒng)計量，在評價影像時會存在一定的局限性。國內(nèi)外通常利用調(diào)制傳遞函數(shù)（Modulation Transfer Function，MTF）對遙感影像的空間分辨率進行客觀評價。MTF是成像系統(tǒng)在各個空間頻率處，像方調(diào)制度除以物方在此頻率處調(diào)制度所得的函數(shù)，它所反映的是成像系統(tǒng)對目標物成像過程中信號的擴散與削弱程度，具有信息客觀、可量測、可傳遞等優(yōu)勢，因此被廣泛應(yīng)用。

MTF的評價方法有點源法、刃邊法、靶標法、脈沖法等［5，20－21］，其中刃邊法是遙感影像評價中最為常用的一種，一般基于具有一定反差的相鄰均勻亮暗地物的邊界，通過測定成像系統(tǒng)對這一邊界的擴展狀況來確定各種空間頻率上的響應(yīng)，從而得到成像系統(tǒng)的MTF曲線。主要步驟包括：確定刃邊（即影像邊緣）的亞像素位置，通過平均計算得到邊緣擴散函數(shù)；對邊緣擴散函數(shù)進行差分處理，求解線擴散函數(shù)；對線擴散函數(shù)進行傅里葉變換和歸一化，即可獲得調(diào)制傳遞函數(shù)MTF。獲得MTF曲線后，可用 MTF平方的頻率積分來表達影像的分辨率，即：

Ne也稱為等效行數(shù)或等效平方帶寬。

值得注意的是，MTF曲線的獲取一般都需要人工選定具有某種特征的影像數(shù)據(jù)，如刃邊法中需要選取均勻亮、暗地物的邊界。這也為追求效率的業(yè)務(wù)化應(yīng)用帶來了諸多不便。因此，要為了實現(xiàn)MTF評價的自動化，國內(nèi)外學(xué)者近期提出了一些改進的方法［22－24］，基本思路是通過邊緣檢測方法獲得影像中所有邊緣的位置，再通過進一步優(yōu)化選擇確定最優(yōu)的直線邊緣用于MTF的估計。該類方法可以在整個評價過程中擺脫人工干預(yù)，代表了最新的發(fā)展趨勢。

2.5 噪聲評價

在遙感影像的獲取、傳輸、處理等過程中，經(jīng)常會產(chǎn)生各種各樣的噪聲，如脈沖噪聲、條帶噪聲、壓縮噪聲等，此外，影像鑲嵌產(chǎn)生的亮度不均勻也可以看作是一種噪聲。對影像中的噪聲進行評價，一般需在影像中選取一定大小的均勻區(qū)域，通過計算某種評價指標進行，選擇均勻區(qū)域的目的是排除邊緣、紋理等細節(jié)信息的影響。計算指標通常采用逆變動系數(shù)（Inverse Coefficient of Variation，ICV）即區(qū)域影像的均值Ra和方差Rsd之比：

實際應(yīng)用中可選取多個均勻區(qū)域分別求解，再對所每個區(qū)域的ICV取平均，作為整幅影像的噪聲評價結(jié)果。該方法中的均勻區(qū)域一般通過人工選定，為了提高噪聲評價的自動化，一些學(xué)者提出自動選擇均勻區(qū)域的方法［27］，可以有效提高評價的自動化程度。

2.6 云量評價

在光學(xué)遙感中，云覆蓋是造成遙感數(shù)據(jù)可用性降低的重要因素，因此云量檢測是遙感影像輻射質(zhì)量評價的重要內(nèi)容之一。云量檢測的方法多種多樣，如閾值法、聚類分析法、紋理分析法等。然而，在業(yè)務(wù)化云檢測系統(tǒng)中，閾值法仍然是最為常用的方法，一般可分為直接閾值法和云指數(shù)閾值法。直接閾值法是在影像中選取一個或多個譜段，通過對反射率或亮溫數(shù)據(jù)直接設(shè)定閾值，確定云區(qū)的覆蓋面積。云指數(shù)法是一種充分利用云的多光譜特征來提取檢測指數(shù)的方法，一般從影像中選擇兩個譜段，如短波紅外和熱紅外，通過歸一化處理求解云指數(shù)，再通過設(shè)定閾值區(qū)分云與非云。常用的云指數(shù)計算公式如下：

式中，NDCI為云指數(shù)，bd、br分別表示短波紅外和熱紅外譜段。對于不同傳感器獲得的影像，云指數(shù)采用的譜段是不同的。閾值法云量檢測的精度主要取決于設(shè)置的閾值，但是由于不同傳感器的特性差異，各類影像的閾值也不一樣，實際生產(chǎn)中當一一區(qū)分開來。

2.7 無效像元評價

在遙感影像的四周經(jīng)常會存在一定數(shù)量的無效像元，最常見的即為影像幾何校正、數(shù)字鑲嵌之后的黑邊或白邊。這些區(qū)域并不含有實際的信息，如果影像中的無效像元比例過大，則說明影像的可用性不高，另外在前述的基于直方圖統(tǒng)計的評價中，也需要將這些點和真實數(shù)據(jù)進行區(qū)分，因此無效像元檢測也是遙感影像輻射質(zhì)量檢查中不可忽略的因素。

判斷無效像元最簡單的方法是逐點比較像素值，如果某像素與影像四角點的值相同，則認為其是無效像元。很明顯，此方法容易將影像中真實的觀測點也判斷為無效像元。本文提出一種基于區(qū)域生長的無效像元檢測方法，由于影像的無效像元集中在影像的四周，因此首先選取影像的4個頂點作為初始核，對于檢測點g（i，j）來說，如果檢測點的值與初始核值相同，則認為其屬于黑邊，否則認為其屬于有效數(shù)據(jù)；當檢測點g（i，j）被判斷為無效像元后對其進行標記，然后將其四鄰域的點g（i－1，j）、g（i＋1，j）、g（i，j－1）、g（i，j＋1）加入列表作為待檢測的點；如果檢測點g（i，j）被判斷為有效數(shù)據(jù)，則對列表的下一個點進行檢測；直至列表為空時，檢測結(jié)束。

值得注意的是，在影像質(zhì)量的綜合評價中，無效像元的評價更顯得尤為重要。因為影像中如果存在大量的無效像元，則其灰度分布信息、信息量、清晰度和噪聲等指標都將受到影響，無疑會導(dǎo)致評價結(jié)果的失真。只有將無效像元全部檢測出并加以排除后才能獲得真實反映影像輻射質(zhì)量的各項指標。

2.8 基于參考影像的評價

在遙感影像評價中，如果已存在一幅高質(zhì)量的標準參考影像，則可利用該影像對其他影像進行評價?；趨⒖加跋竦脑u價直接、客觀，可避免對目標影像進行單獨檢查時存在的諸多未知因素和不確定性。當前，國內(nèi)外學(xué)者已發(fā)展了多種評價指標，如平均絕對誤差、均方誤差、峰值信噪比、相關(guān)系數(shù)、光譜角等［2，26－27］，但這些方法要求影像之間必須嚴格配準，這在遙感影像評價中很難滿足。而交叉熵則不受上述約束限制，因為它是基于兩幅影像的整體輻射統(tǒng)計信息。

設(shè)標準影像與目標影像的概率分布分別為：

交叉熵反映兩幅影像對應(yīng)像素的信息差異，是對兩幅影像所含信息的相對度量，理想值為0，即交叉熵越小表示影像間差異越小。兩幅影像交叉熵定義為：

其中，L表示影像量化的灰度級別。雖然交叉熵有著不受配準精度影響的優(yōu)勢，但是它只考慮了影像各像元的灰度值信息，而沒有考慮像素間的空間鄰域信息。因此，在噪聲嚴重的情況下，其評價結(jié)果容易受到干擾，這也是今后的研究中需要解決的問題之一。

3 遙感影像輻射質(zhì)量綜合評價方法

如上所述，表征一幅遙感影像輻射質(zhì)量的指標往往有多個，而遙感用戶可能僅關(guān)心遙感影像的整體輻射質(zhì)量，這就需要對多指標的評價結(jié)果進行綜合評判，并輸出一定的質(zhì)量等級。影像的等級數(shù)量可根據(jù)需要而設(shè)定，但一般情況下可按照國家標準GB／T18316－2001《數(shù)字測繪產(chǎn)品檢查驗收和質(zhì)量評定》進行質(zhì)量評級，將影像分為優(yōu)、良、合格和不合格4種等級。

3.1 直接加權(quán)綜合評價法

直接加權(quán)綜合評價方法的步驟是：針對每一個評價指標，設(shè)定不同質(zhì)量等級的閾值；根據(jù)實際應(yīng)用情況，設(shè)定每一項指標在綜合評價中的權(quán)值，并使得權(quán)值和為1；根據(jù)各評價指標的計算公式，對影像分別進行輻射質(zhì)量評價，并輸出單項指標的評價結(jié)果；根據(jù)所設(shè)的權(quán)值計算不同質(zhì)量等級的綜合值，最大綜合值對應(yīng)的等級即代表綜合評價的等級。其中，等級綜合值的計算方法是首先設(shè)所有等級為0，從第一個指標開始，如果該指標評價結(jié)果為某個等級，則對應(yīng)等級的綜合值就加上該指標的權(quán)值，依次計算到最后一個指標。

3.2 模糊綜合評價法

在遙感影像輻射質(zhì)量評價中，影像質(zhì)量等級之間其實并沒有一個明確的界線，因此上述直接加權(quán)綜合評價方法存在一定的不合理性。模糊綜合評價法是根據(jù)模糊數(shù)學(xué)的理論，對遙感影像的輻射質(zhì)量進行綜合評價。在模糊綜合評價中，需首先確定因素論域U和評語論域V，因素論域指的是在評價中考慮的評價指標，評語論域則指評價中所分的質(zhì)量等級。例如，假設(shè)在模糊評價中考慮第2節(jié)所述的所有8個指標，并將每一指標定為4級，則

一般情況下，設(shè)評價因素論域為U＝｛u1，u2，u3，…，um｝，評語論域為V＝｛v1，v2，v3，…，vn｝，則有m×n階的模糊矩陣［7］

式中ri，j表示在i個指標評價中，影像質(zhì)量屬于等級j的隸屬度。隸屬度的求解函數(shù)有多種形式，在遙感影像輻射質(zhì)量評價中，一般可選取線性函數(shù)，即根據(jù)預(yù)先設(shè)定的屬于不同等級最大隸屬度的閾值，按與距離成反比的規(guī)則求解，并保證所有隸屬度的和（即矩陣中的每一行元素之和）為1。

設(shè)各評價因子的模糊權(quán)向量為A＝｛a1，a2，a3，…，am｝，則經(jīng)合成運算即可得綜合評價結(jié)果：

其中，B＝｛b1，b2，b3，…，bn｝表示綜合評價后影像屬于各質(zhì)量等級的隸屬度；“?”是模糊合成運算符，其具體意義在不同的合成類型中是不同的。合成運算在綜合評價中有以下幾種常用的類型［29］：

其中，“∧”表示最大，“∨”表示最小。M（∧，∨）型稱為主因素決定型，其結(jié)果只由指標值最大者決定；M（·，∨）型和M（∧，⊕）型稱為主因素突出型，與M（·，＋）型接近，但評價結(jié)果多少反映一些非主要因素；M（·，⊕）型和型稱為加權(quán)平均型，它兼顧了全部因素，能夠充分反映每個指標的作用。

4 實 驗

選用的實驗影像是武漢地區(qū)Landsat－7ETM＋影像，軌道號為123／39，分別獲取自2011年5月3日、9月24日、11月11日和12月13日。

從圖1中可以看出，圖1（a）影像基本不受云影響，灰度分布均勻，紋理豐富；圖1（b）影像左上角被云覆蓋，局部亮度極高，其他區(qū)域灰度分布正常，清晰度良好；圖1（c）影像受薄云影響而整體偏亮，且細節(jié)比較模糊；圖1（d）中大片區(qū)域被厚云覆蓋，影像灰度分布不均，質(zhì)量低下。以其中質(zhì)量最佳的圖1（a）影像為參考計算各單項評價指標如表1所示：

圖1 Landsat－7ETM＋實驗影像

表1 實驗影像各單項指標評價結(jié)果

從表1中可以看出，各評價指標均能準確反映影像的輻射質(zhì)量特性?？傮w來看，4幅影像的信息熵、噪聲水平和無效像元的比例都處于一個大致相當?shù)乃剑@主要是因為這幾幅影像屬于同一傳感器的同一級別產(chǎn)品。圖1（a）影像整體灰度分布和局部細節(jié)都非常理想，因此各項指標都獲得了良好的評價。圖1（b）影像除了左上角受云影響外，其他方面表現(xiàn)良好。圖1（c）影像由于整體偏亮，而在灰度級概率均方差和平均梯度方面的結(jié)果較差。由于圖1（d）影像中有大面積區(qū)域被云覆蓋，因此在灰度級概率均方差、平均梯度和云量3個指標上獲得了最差的評價。

通過對各單項評價指標的考察可以了解影像輻射質(zhì)量的某一個方面，但是難以對影像的整體質(zhì)量有一個全面的認識。因此需要通過模糊評價準則對這些評價結(jié)果進行綜合。在此之前，需要先確定模糊權(quán)向量和模糊評價閾值。在實際應(yīng)用中，可根據(jù)不同的需求來設(shè)置模糊權(quán)向量和模糊評價閾值，以達到更優(yōu)效果。本文設(shè)置各指標權(quán)重如表2所示：

表2 模糊評價中各指標權(quán)重

即此時模糊權(quán)向量為A＝｛0.1，0.1，0.1，0.15，0.2 ，0.2，0.05，0.1｝。根據(jù)評價需要，設(shè)置模糊評價閾值如表3所示。

表3 模糊評價各指標閾值

通過各單指標評價結(jié)果與模糊評價閾值就可以算得模糊評價矩陣。最后采用M（·，⊕）模糊算子對模糊全向量和模糊評價矩陣進行運算即獲得影像屬于各質(zhì)量等級的隸屬度結(jié)果：

表4 實驗影像模糊綜合評價結(jié)果

由此可以得出，圖1（a）影像的綜合評價結(jié)果為優(yōu)，圖1（b）影像結(jié)果為合格，圖1（c）影像結(jié)果為良，而圖1（d）影像則不合格。此綜合評價結(jié)果與目視檢查結(jié)果具有良好的一致性，這也證明了本文所提出評價體系的有效性。

5 結(jié)束語

本文從遙感影像的多種輻射降質(zhì)因素出發(fā)，對國內(nèi)外現(xiàn)有的評價方法進行系統(tǒng)的總結(jié)、歸納和發(fā)展，針對影像灰度分布、信息量、清晰度、分辨率、噪聲、云量、無效像元等多個指標，給出了相應(yīng)的評價方法及其最新發(fā)展動態(tài)；對于存在參考影像的情況，重點介紹了基于交叉熵的評價方法；總結(jié)了輻射質(zhì)量的多指標綜合評價方法；最后，通過實驗證明了影像輻射質(zhì)量綜合評價的有效性。

總體來看，遙感影像輻射質(zhì)量評價方法在不斷發(fā)展，各種方法的思想由簡單到復(fù)雜，考察內(nèi)容由單指標評價逐漸變得多元化和綜合化，評價適用范圍也由窄及寬。盡管如此，由于遙感成像的復(fù)雜性，該領(lǐng)域仍有較大的發(fā)展空間，例如，一些方法在自動化程度、評價效率或參數(shù)確定等方面的不足都會限制其應(yīng)用。因此，要提高遙感影像輻射質(zhì)量評價的業(yè)務(wù)應(yīng)用水平，在這些方面還需要進一步的研究和發(fā)展。

［1］ 倪永婧.基于紋理細節(jié)的圖像去噪算法的研究［D］.秦皇島：燕山大學(xué)，2006.

［2］ 沈煥鋒.場景變化條件下的影像超分辨率重建技術(shù)研究［D］.武漢：武漢大學(xué)，2007.

［3］ ESKICIOGLU A M，F(xiàn)ISHER P S.Image quality measures and their performance［J］.IEEE Transactions on Communications，1995，43（12）：2959－2965.

［4］ AVCIBAS I，SANKUR B，SAYOOD K.Statistical evaluation of image quality measures［J］.Journal of Electronic Imaging，2002，（11）：206.

［5］ TAEYOUNG C.IKONOS satellite in orbit modulation transfer function（MTF）measurement using edge and pulse method［D］.Electrical Engineering Department South Dakota State University，2002.

［6］ FORSTER B C，BEST P.Estimation of SPOT p2mode point spread function and derivation of a deconvolution filter［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1994，49（6）：32－42.

［7］ 王占宏.遙感影像信息量及質(zhì)量度量模型的研究［D］.武漢：武漢大學(xué)，2004.

［8］ 方圣輝，李凡，李小娟，等.一種遙感影像質(zhì)量的自動評價方法［J］.測繪信息與工程，2010，35（5）：26－27.

［9］ 張仁霖.信息論基礎(chǔ)及其在地學(xué)中的應(yīng)用［M］.西安：西安地圖出版社，1993.

［10］ 曾衍偉.空間數(shù)據(jù)質(zhì)量控制與評價技術(shù)體系研究［D］.武漢：武漢大學(xué)，2004.

［11］ 王昱.數(shù)字遙感影像構(gòu)像質(zhì)量評價方法初探［J］.遙感信息，2000，15（4）：32－33.

［12］ 王軍.量化對遙感圖像質(zhì)量的影響［J］.航天返回與遙感，2004，35（5）：46－49.

［13］ 時紅偉，陳世平.一種面向用戶任務(wù)需求的遙感圖像質(zhì)量標準－NIIRS［J］.航天返回與遙感，2003，24（3）：30－35.

［14］ LEACHTENAUER J C，MALILA W，IRVINE J，et al.General image－quality equation：GIQE［J］.Applied Optics，1997，36（32）：8322－8328.

［15］ LEACHTENAUER J C，MALILA W，IRVINE J，et al.General image－quality equation for infrared imagery［J］.Applied Optics，2000，39（26）：4826－4828.

［16］ SHI W，ZHU C Q，TIAN Y，et al.Wavelet－based image fusion and quality assessment［J］.International Journal of Applied Earth Observation and Geoinformation，2005，6（3－4）：241－251.

［17］ 鄭學(xué)芬，林宗堅，范麗，等.遙感影像信息量的計算方法研究［J］.山東科技大學(xué)學(xué)報，2006，27（1）：80－83.

［18］ 林宗堅，張永紅.遙感與地理信息系統(tǒng)數(shù)據(jù)的信息量及不確定性［J］.武漢大學(xué)學(xué)報（信息科學(xué)版），2007，31（7）：569－572.

［19］ 賈永紅.數(shù)字圖書處理［M］.武漢：武漢大學(xué)出版社，2008.

［20］ 王琦等.基于三線靶標法的在軌MTF評價方法及其精度分析研究［J］.遙感信息，2011，26（1）：14－21.

［21］ 徐源璟，汪俏玨，沈煥鋒，等.基于刃邊法與正則化方法的遙感影像復(fù)原［J］.測繪信息與工程，2010，35（6）：7－9.

［22］ 方圣輝，李凡，李小娟，等.一種遙感影像質(zhì)量的自動評價方法［J］.測繪信息與工程，2010，35（5）：26－27.

［23］ JEON J，YOON I，KIM D.Fully digital auto－focusing system with automatic focusing region selection and point spread function estimation［J］.IEEE Transactions on Consumer Electronics，2010，56（3）：1204－1210.

［24］ OMRI S，OREN H，YITZHAK Y.Blind restoration of atmospherically degraded images by automatic best step－edge detection［J］.Pattern Recognition Letters，2007（28）：2094－2103.

［25］ 孫于順.圖像噪聲評價方法、圖像噪聲評價裝置：中國，200910142250.8［P］.2009－12－9.

［26］ 沈煥鋒，李平湘，張良培，等.圖像超分辨率重建技術(shù)與方法綜述［J］.光學(xué)技術(shù)，2009，35（2）：194－203.

［27］ SHEN H，ZHANG L，HUANG B，et al.A MAP approach for joint motion estimation，segmentation，and super resolution［J］.IEEE Transactions on Image Processing，2007，16（2）：479－490.

［28］ 王占宏，杜道生.模糊綜合評價法在數(shù)字遙感影像產(chǎn)品質(zhì)量評價中的應(yīng)用［J］.測繪科學(xué)，2004，29（7）：53－56.

［29］ 謝季堅，劉承平.模糊數(shù)學(xué)方法及其應(yīng)用［M］.武漢：華中科技大學(xué)出版社，2005.

An Overview on Radiation Quality Evaluation Methods of Remote Sensing Imagery

WANG Rong－bin1，2，LI Ping－xiang1，JI Hong－wei2，ZHANG Jia2
（1.The State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079；2.China Land Surveying and Mapping Institute，Beijing100035）

The traditional method is mainly depending on manual inspection，which is lacking of objective and feasible criteria.And the existing quantitative evaluation methods only consider several aspects of the radiation quality which cannot fully assess the radiation quality of an integral image.Considering the degrade factors of radiation quality in the image capture process，after summarizing and developing the existing methods，we demonstrated the evaluation methods based on image grayscale distribution，entropy，clarity，resolution，noise，cloud，invalid pixel and other factors.At the same time，we also summarized the methods in the cases with reference images.In the end，we introduced the multi－index based comprehensive evaluation methods.

remote sensing image；radiation quality；quantitative evaluation；multi－index based comprehensive evaluation method

10.3969／j.issn.1000－3177.2015.02.002

P407

A

1000－3177（2015）138－0010－08

2014－05－05

2014－06－29

王榮彬（1976～），男，博士，研究方向為遙感圖像處理。

E－mail：wrbwf＠sina.com