森林資源二類調(diào)查中遙感圖像增強(qiáng)技術(shù)應(yīng)用研究

王得印，欒忠平

(吉林省林業(yè)勘察設(shè)計(jì)研究院，吉林 長春 130022)

森林為人類生存發(fā)展提供了重要的物質(zhì)資源，森林在維持生態(tài)圈和生態(tài)平衡中也起到了重要作用［1］。森林資源二類調(diào)查作為森林資源動(dòng)態(tài)監(jiān)測的基礎(chǔ)工作，同時(shí)也是科學(xué)經(jīng)營管理森林資源重要的科學(xué)依據(jù)。利用經(jīng)融合與增強(qiáng)處理后的SPOT－5 遙感圖像對森林進(jìn)行細(xì)致調(diào)查與研究，做到對調(diào)查區(qū)域的森林資源數(shù)量、種類、質(zhì)量等信息能夠及時(shí)、準(zhǔn)確的了解與掌握。遙感技術(shù)為森林資源調(diào)查提供了重要基礎(chǔ)，現(xiàn)如今對遙感圖像進(jìn)行處理的軟件逐步完善，將遙感圖像增強(qiáng)技術(shù)應(yīng)用于森林資源二類調(diào)查工作已取得良好效果。

1 研究區(qū)概況

蛟河林業(yè)實(shí)驗(yàn)區(qū)管理局地處長白山系張廣才嶺南段西坡的吉林省蛟河市前進(jìn)鄉(xiāng)境內(nèi)，該局地理坐標(biāo)43°51'～44°05'N，127°35'～127°51'E。該場地貌多為中低山地貌，東部與吉林省黃泥河林業(yè)局相連，南部與吉林省白石山林業(yè)局相接，西部與吉林省上營森林經(jīng)營局長安林場和蛟河市林業(yè)局太陽林場相毗鄰，北部與黑龍江省五常縣相接壤?？偨?jīng)營面積31 823 hm2。海拔高度在330 ～1 176 m 之間。該林區(qū)屬溫帶大陸性季風(fēng)山地氣候，年平均氣溫3.1℃，全年最高月平均氣溫20.2℃，最低月平均氣溫－22.2℃;年≥10℃活動(dòng)積溫2 350℃;無霜期117 d。年降水量為800 mm 左右，年相對濕度75%。年平均總?cè)照諘r(shí)數(shù)2 111 h。土壤類型主要為暗棕壤。在中國植被區(qū)劃中，該區(qū)屬于長白山紅松沙冷杉針闊混交林區(qū)，屬長白山植物區(qū)系，原地帶性頂極群落為闊葉紅松林。據(jù)不完全統(tǒng)計(jì)，區(qū)內(nèi)有高等植物99 科331 屬643 種。

2 研究方法

2.1 遙感圖像的選擇

2003 年起，我國很多省份將SPOT－5 數(shù)據(jù)引進(jìn)森林規(guī)劃調(diào)查中，對空間分辨率有了更高的要求。這一高分辨率數(shù)據(jù)源的引進(jìn)，有效地加快了林業(yè)數(shù)字化建設(shè)的進(jìn)程，從而提高森林資源管理水平，使我國林業(yè)生產(chǎn)有據(jù)可依，使獲取的森林資源調(diào)查數(shù)據(jù)具有現(xiàn)實(shí)性、準(zhǔn)確性、高效性，進(jìn)而有效地評價(jià)森林資源的質(zhì)量和效益。本研究選取蛟河林業(yè)實(shí)驗(yàn)區(qū)管理局所轄地域的SPOT－5 衛(wèi)星遙感數(shù)據(jù)，拍攝時(shí)間為2005 年5月，一個(gè)全色波段，四個(gè)多光譜波段，其中全色波段分辨率為2.5 m，屬高清晰度遙感數(shù)據(jù)。

2.2 技術(shù)路線

技術(shù)路線如圖1 所示。

圖1 技術(shù)路線Fig.1 Tec hnology route

2.3 遙感圖像融合處理

遙感圖像的融合技術(shù)是信息融合技術(shù)的一部分，是聚集了圖像加工、圖像處理等手段的一種先進(jìn)技術(shù)。圖像融合［2］是指把兩個(gè)或兩個(gè)以上通過傳感器獲取的某個(gè)研究地區(qū)的遙感圖像信息進(jìn)行綜合處理，并合成一個(gè)全新的關(guān)于該研究地區(qū)的數(shù)據(jù)信息處理的過程。

本次對精校正后的SPOT－5 全色和多光譜遙感圖像的融合是利用遙感處理軟件ERDAS9.2進(jìn)行的，融合方法主要有高通濾波融合、乘積變換融合、比值變換融合［3］、IHS 變換融合、主成分變換融合［4］、基于單波段小波變換融合、基于IHS 變換的小波變換融合、基于主成分分析的小波變換融合和Ehlers 融合共9種，得到9 幅融合后的遙感影像。

2.4 遙感圖像輻射增強(qiáng)處理

對經(jīng)過融合后的九幅遙感圖像分別進(jìn)行直方圖均衡化增強(qiáng)處理。直方圖均衡化實(shí)質(zhì)是對遙感圖像進(jìn)行非線性拉伸，重新分配圖像像元值，使一定灰度范圍內(nèi)像元的數(shù)量大致相等;直方圖均衡化目的是使處理后的圖像灰度較為均勻，使頻率最高的像元灰度被拉開，像元數(shù)目較少的灰度區(qū)間被壓縮。

2.5 遙感圖像光譜增強(qiáng)處理

經(jīng)過融合后的9 幅遙感圖像分別進(jìn)行去相關(guān)拉伸增強(qiáng)處理。去相關(guān)拉伸是對圖像的主成分進(jìn)行對比度拉伸處理，而不是對原始圖像進(jìn)行拉伸，從而達(dá)到圖像增強(qiáng)目的［5］。

3 結(jié)果與分析

3.1 遙感圖像質(zhì)量目視判讀

在ERDAS9.2 遙感處理軟件中，源數(shù)據(jù)先進(jìn)行融合處理，然后再對融合結(jié)果進(jìn)行直方圖均衡化增強(qiáng)處理和去相關(guān)拉伸增強(qiáng)處理，結(jié)果得到18 幅增強(qiáng)后的遙感圖像，根據(jù)森林資源二類調(diào)查的需要進(jìn)行目視判讀。在18 幅遙感圖像中，挑選出可以滿足森林資源二類調(diào)查需要(不同地物之間差別明顯、圖像清晰)的3 幅遙感圖像，如圖2 ～圖4，但這3 幅遙感圖像差別不明顯，由于目視判讀進(jìn)行質(zhì)量評價(jià)，受人為因素影響，評價(jià)結(jié)果可能不同，所以要客觀反映圖像質(zhì)量，還需要對其進(jìn)行定量分析，才能確定其質(zhì)量的相對好壞。其他15 幅遙感圖像因?yàn)闊o法滿足森林資源二類調(diào)查的需要，所以可以直接舍去，不對其進(jìn)行定量分析。

圖2 主成分變換－直方圖均衡化Fig 2 Principal component change－h(huán)istogram equalization

圖3 乘積變換－直方圖均衡化Fig.3 Product change－h(huán)istogram equalization

圖4 高通濾波－直方圖均衡化Fig.4 High－pass filtering－h(huán)istogram equalization

3.2 遙感圖像質(zhì)量定量分析

3.2.1 遙感圖像標(biāo)準(zhǔn)差［6］

標(biāo)準(zhǔn)差反映組內(nèi)個(gè)體間的離散程度，離散程度越大，標(biāo)準(zhǔn)差越大，遙感圖像所包含的信息量也就越大，越容易進(jìn)行目視判讀。反之，不容易進(jìn)行目視判讀。各遙感圖像標(biāo)準(zhǔn)差統(tǒng)計(jì)值如表1 所示。

表1 三幅圖像處于不同波段的標(biāo)準(zhǔn)差及標(biāo)準(zhǔn)差平均值Tab.1 The standard deviation and standard deviation average value of 3 images with different band

從表1 中可以看出，三幅增強(qiáng)后的遙感圖像標(biāo)準(zhǔn)差由大到小依次為高通濾波－直方圖均衡化＞主成分變換－直方圖均衡化＞乘積變換－直方圖均衡化，其中高通濾波－直方圖均衡化與主成分變換－直方圖均衡化的結(jié)果相差不大。

3.2.2 遙感圖像信息熵

遙感圖像信息熵是從整個(gè)信息源的統(tǒng)計(jì)特性來考慮的，它是從評價(jià)意義上來表征信息源的總體特征，它描述了圖像信息源的平均信息量。所以，信息熵越大，遙感圖像所包含的平均信息量也就越大，越容易進(jìn)行目視判讀。反之，則不利于進(jìn)行目視判讀［7，8］。各遙感圖像信息熵統(tǒng)計(jì)值如表2 所示。

表2 三幅圖像處于不同波段的信息熵及信息熵平均值Tab.2 The information entropy and information entropy average value of 3 images with different band

從表2 中可以看出，三幅增強(qiáng)后的遙感圖像信息熵由大到小依次為高通濾波－直方圖均衡化＞主成分變換－直方圖均衡化＞乘積變換－直方圖均衡化。

4 結(jié)論

通過對精校正后的SPOT－5 全色遙感圖像和SPOT－5 多光譜遙感圖像先進(jìn)行圖像融合，然后再對融合結(jié)果進(jìn)行增強(qiáng)處理。增強(qiáng)處理的結(jié)果先根據(jù)森林資源二類調(diào)查的需要進(jìn)行目視判讀，再對質(zhì)量較好的遙感圖像用ENVI5.0和MATLAB7.0 軟件進(jìn)行定量分析，通過圖像標(biāo)準(zhǔn)差和圖像信息熵的對比分析，結(jié)果表明:對于SPOT－5 遙感圖像先進(jìn)行高通濾波融合，然后再對融合結(jié)果進(jìn)行直方圖均衡化增強(qiáng)處理，圖像所包含的信息量最大，最能滿足森林資源二類調(diào)查進(jìn)行目視判讀的需要，判讀的結(jié)果也會(huì)最高。此研究為今后森林資源二類調(diào)查中SPOT－5 遙感圖像的處理工作提供借鑒。

［1］周麟.森林資源二類調(diào)查技術(shù)新頒規(guī)定的應(yīng)用與分析［D］.南京:南京林業(yè)大學(xué)，2006.

［2］POHL C，Van Genderen J L. Multisensor image fusion in remote sensing concepts，methods and applicat ion［J］.International Journal of Remote Sensing，1998，19(5):823－854.

［3］孫丹峰.IKONOS 全色與多光譜數(shù)據(jù)融合方法的比較研究［J］.遙感技術(shù)與應(yīng)用，2002，1(17):41－44.

［4］賈永紅.基于像元的遙感影像融合方法的比較［J］.測繪信息與工程，1997，(4):29－30.

［5］黨安榮，賈海峰，陳曉峰，等.ERDAS IMAGINE 遙感圖像處理教程［M］.北京:清華大學(xué)出版社，2010.

［6］方麗玲，吳立新，周廣明，等.IS 支持下水質(zhì)模型的應(yīng)用［J］.新疆環(huán)境保護(hù)，1999，21(3):1－8.

［7］張淑芬，邢艷秋，艾合買提江·阿不都艾尼，等. 基于TM 遙感影像的森林類型分類方法比較［J］.森林工程，2014，29(1):18－21.

［8］李雙福，劉慶忠，蘆靜，等. 基于DGPS 的SPOT5 遙感影像幾何精校正研究［J］. 吉林林業(yè)科技，2013，42(1):26－29.