利用基準(zhǔn)色調(diào)的大范圍衛(wèi)星影像色彩一致性處理算法

崔 浩，張 力，艾海濱，許 彪，王中輝

1. 蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院，甘肅 蘭州 730070； 2. 中國(guó)測(cè)繪科學(xué)研究院，北京 100830； 3. 甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，甘肅 蘭州 730070

利用基準(zhǔn)色調(diào)的大范圍衛(wèi)星影像色彩一致性處理算法

崔 浩1,2,3，張 力2，艾海濱2，許 彪2，王中輝1,3

1. 蘭州交通大學(xué)測(cè)繪與地理信息學(xué)院，甘肅 蘭州 730070； 2. 中國(guó)測(cè)繪科學(xué)研究院，北京 100830； 3. 甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，甘肅 蘭州 730070

由于季節(jié)、光照、大氣條件等的不同，大范圍衛(wèi)星影像間色調(diào)差異較大，鑲嵌后影像接邊處存在明顯“拼接縫”。針對(duì)此問(wèn)題本文提出了一種衛(wèi)星影像色彩一致性算法，以覆蓋測(cè)區(qū)、色彩一致性較好的低分辨率衛(wèi)星影像為基準(zhǔn)色調(diào)底圖，對(duì)測(cè)區(qū)內(nèi)源影像進(jìn)行自動(dòng)的色彩校正。選取大范圍、時(shí)相差異較大的高分一號(hào)衛(wèi)星影像進(jìn)行試驗(yàn)，經(jīng)本文算法處理，影像鑲嵌后整體視覺(jué)效果較好，接邊處色彩過(guò)渡平滑，影像重疊區(qū)域各項(xiàng)統(tǒng)計(jì)指標(biāo)良好，驗(yàn)證了該算法的有效性和可靠性。

勻色;色彩一致性;相對(duì)輻射校正;鑲嵌;低頻信息

正射影像作為衛(wèi)星影像最為重要的成果資料之一，在測(cè)繪、國(guó)土資源管理、地理國(guó)情監(jiān)測(cè)中發(fā)揮著極為重要的作用。大范圍的正射影像往往由多張衛(wèi)星影像鑲嵌合成，受季節(jié)、光照、大氣條件等影響，同一測(cè)區(qū)衛(wèi)星影像鑲嵌后在視覺(jué)上連續(xù)性較差，表現(xiàn)為一張“大花布”，嚴(yán)重影響了影像的使用。針對(duì)測(cè)繪的衛(wèi)星影像色彩一致性處理，其目的是在不損壞影像紋理信息、不影響影像地物判讀的前提下使測(cè)區(qū)影像的色調(diào)過(guò)渡平滑，美觀自然。目前，衛(wèi)星影像色彩一致性處理方法主要有選取參考影像、基于影像重疊區(qū)域和建立色彩參考數(shù)據(jù)庫(kù)的方法等。

基于參考影像的方法通過(guò)在測(cè)區(qū)選取成像條件良好的影像作為基準(zhǔn)，其他影像與該基準(zhǔn)影像相匹配以達(dá)到改變其色調(diào)的目的。文獻(xiàn)[1—3]利用Wallis濾波的方法使影像不同區(qū)域有相似的均值和方差，勻光軟件GeoDodging使用該策略使不同影像的色彩、亮度趨于一致。文獻(xiàn)[4—5]采用直方圖匹配的方法，通過(guò)改變影像直方圖的形狀使其色調(diào)與基準(zhǔn)影像一致，這是典型的非線性色彩校正方法。上述方法對(duì)于景物內(nèi)容相似的影像可以取得一定效果，但由于衛(wèi)星影像覆蓋范圍廣、場(chǎng)景內(nèi)容差異大，使用上述方法容易造成整體或局部性色偏；基于重疊區(qū)域的方法是目前最為主流的處理方式，這類方法根據(jù)衛(wèi)星影像重疊區(qū)域建立影像間亮度、色彩的對(duì)應(yīng)關(guān)系，對(duì)相鄰影像進(jìn)行校正。文獻(xiàn)[6]采用重疊區(qū)域直方圖匹配的方法改變相鄰影像的色調(diào)。文獻(xiàn)[7—8]通過(guò)統(tǒng)計(jì)相鄰影像重疊區(qū)域的均值和方差，建立影像間線性關(guān)系。文獻(xiàn)[9—12]則通過(guò)在影像重疊區(qū)域提取偽不變特征點(diǎn)(pseudo invariant features，PIF)，對(duì)相鄰影像進(jìn)行相對(duì)輻射校正，但輻射校正的效果與PIF點(diǎn)的質(zhì)量關(guān)系較大，效果不穩(wěn)定。文獻(xiàn)[13]提出使用重疊區(qū)域全部像素參與計(jì)算，通過(guò)尋找“脊”的方式構(gòu)建影像間的輻射校正關(guān)系，該方法對(duì)于時(shí)相差異較小的影像可以取得一定效果。文獻(xiàn)[14—15]則通過(guò)對(duì)影像自動(dòng)分割，構(gòu)建不同地物對(duì)應(yīng)的線性關(guān)系，但該方法復(fù)雜度較高，并且沒(méi)有考慮地物變化帶來(lái)的分割誤差。文獻(xiàn)[16]采用伽馬校正的思路進(jìn)行色彩校正，通過(guò)影像的重疊區(qū)域內(nèi)插出非重疊區(qū)域的校正參數(shù)對(duì)測(cè)區(qū)影像進(jìn)行色彩均衡處理，該方法應(yīng)用于ArcGIS軟件的色彩校正模塊。文獻(xiàn)[17]提出最小二乘區(qū)域網(wǎng)平差的勻色方法應(yīng)用于數(shù)字?jǐn)z影測(cè)量軟件DPGrid中，但該方法存在計(jì)算量大的缺陷。一般經(jīng)上述方法處理后仍需對(duì)影像的接邊處平滑過(guò)渡處理[18-19]，另外，這類方法需要考慮影像間色彩傳遞順序[20]，計(jì)算較為復(fù)雜，且色彩傳遞過(guò)程極有可能帶來(lái)誤差累積，導(dǎo)致遠(yuǎn)離基準(zhǔn)位置的影像出現(xiàn)色差，因此上述方法并不適用于大范圍衛(wèi)星影像的色彩一致性處理；建立參考數(shù)據(jù)庫(kù)的方法是近年來(lái)提出的一種衛(wèi)星影像色彩一致性處理思路。文獻(xiàn)[21—22]通過(guò)對(duì)不同分辨率、不同季節(jié)的衛(wèi)星影像分割處理，統(tǒng)計(jì)各區(qū)域均值、方差，建立參考數(shù)據(jù)庫(kù)，以此為基礎(chǔ)對(duì)待處理影像進(jìn)行色彩平衡，但該方法沒(méi)有考慮影像中地物的變化，并且收集不同分辨率、不同季節(jié)且色彩一致性較好的大范圍衛(wèi)星影像是較為困難的，因此實(shí)用性不強(qiáng)。

隨著測(cè)區(qū)范圍的增大，覆蓋同一測(cè)區(qū)的影像可能是多源的，由于不同衛(wèi)星成像機(jī)理的差異，影像會(huì)呈現(xiàn)出不同的色調(diào)。即使衛(wèi)星種類相同，由于季節(jié)、光照和大氣條件的不同，影像也會(huì)存在明顯的色調(diào)差異。另外，由于成像系統(tǒng)的不穩(wěn)定性，某些影像甚至?xí)霈F(xiàn)嚴(yán)重的色彩畸變。在實(shí)際的測(cè)繪生產(chǎn)中，經(jīng)上述算法處理后通常仍需使用圖像處理軟件進(jìn)行大量的人工調(diào)色，這種作業(yè)模式工作效率低下，且處理效果受作業(yè)員主觀因素的影響較大，無(wú)法適應(yīng)大范圍衛(wèi)星影像色彩一致性處理要求。本文提出一種以現(xiàn)有或網(wǎng)絡(luò)公開(kāi)低分辨率衛(wèi)星影像為色調(diào)基準(zhǔn)，對(duì)測(cè)區(qū)內(nèi)影像進(jìn)行自動(dòng)色彩校正的算法，以減小大范圍、大時(shí)間跨度衛(wèi)星影像間的色彩差異。

1 利用基準(zhǔn)色調(diào)底圖對(duì)衛(wèi)星影像色彩校正

引起衛(wèi)星影像色調(diào)差異的原因可概括為以下幾類

F=f(E1,E2,E3)

(1)

式中，E1表示不同季節(jié)下由于植被生長(zhǎng)狀況不同造成影像間色彩分布存在差異[13]；E2表示由于光照條件不同或成像系統(tǒng)畸變等原因造成的色調(diào)差異；E3表示云霧干擾對(duì)影像清晰度和色調(diào)的改變。

E1是色彩一致性處理中最復(fù)雜的問(wèn)題，不同季節(jié)下植被覆蓋區(qū)域呈現(xiàn)不同的色調(diào)，理論上需要對(duì)植被做特殊處理，但是由于植被分布的離散性和隨機(jī)性，往往無(wú)法全自動(dòng)地對(duì)植被準(zhǔn)確定位，因此處理較為困難；對(duì)于E2，當(dāng)影像間亮度差異或色彩畸變是整體性發(fā)生時(shí)，可以通用構(gòu)建線性模型對(duì)其亮度、色彩進(jìn)行校正，但當(dāng)這類畸變分布不均勻時(shí)，整體構(gòu)建的線性模型對(duì)影像局部并不完全適用；對(duì)于E3，云霧干擾會(huì)造成影像信息的損失，不同濃度云霧對(duì)影像色彩的干擾程度不同，需要針對(duì)性處理。實(shí)際生產(chǎn)中衛(wèi)星影像可能受上述多重因素交叉干擾，因此，想要用常規(guī)方法解決衛(wèi)星影像的色彩一致性問(wèn)題是較為困難的。

在大數(shù)據(jù)時(shí)代，往往可以找到覆蓋測(cè)區(qū)的歷史成果數(shù)據(jù)，這里稱這些色彩一致性較好的影像為基準(zhǔn)色調(diào)底圖。本文充分利用基準(zhǔn)色調(diào)底圖與源影像色彩分布的空間相關(guān)性，對(duì)測(cè)區(qū)內(nèi)影像進(jìn)行自動(dòng)的色彩校正，使其色調(diào)與底圖一致，進(jìn)而消除影像間的色調(diào)差異。

1.1 基準(zhǔn)色調(diào)底圖的選取

基準(zhǔn)色調(diào)數(shù)據(jù)源的選取需要考慮兩方面因素：第一，基準(zhǔn)色調(diào)底圖本身的色彩一致性較好，且沒(méi)有厚云層等非地面物體干擾；第二，基準(zhǔn)色調(diào)底圖分辨率不能過(guò)高，低分辨率基準(zhǔn)色調(diào)底圖覆蓋同等區(qū)域數(shù)據(jù)量較小，基本可以保證一張影像覆蓋測(cè)區(qū)，不需要分塊存儲(chǔ)，可用圖像處理軟件對(duì)其進(jìn)行整體色彩調(diào)整，模擬各種季節(jié)下的色調(diào)。

生產(chǎn)單位往往保存有同一測(cè)區(qū)的歷史影像數(shù)據(jù)，這些影像入庫(kù)之前都經(jīng)過(guò)了色彩一致性處理，可作為基準(zhǔn)色調(diào)底圖，如果是高分辨率的影像數(shù)據(jù)，對(duì)其降采樣處理即可。另外，互聯(lián)網(wǎng)上有很多衛(wèi)星影像數(shù)據(jù)，如天地圖、百度地圖、GoogleEarth等都有衛(wèi)星影像瀏覽的功能，通過(guò)數(shù)據(jù)流截取的方式可以獲得特定區(qū)域、特定分辨率的衛(wèi)星影像數(shù)據(jù)。GoogleEarth衛(wèi)星影像以Landsat、Digital Global和NOAA為主要數(shù)據(jù)源，80 m以下低分辨率的影像已經(jīng)過(guò)色彩一致性處理且現(xiàn)勢(shì)性較好，是理想的基準(zhǔn)色調(diào)數(shù)據(jù)。由于本文算法通過(guò)濾波的方式提取基準(zhǔn)色調(diào)影像的低頻信息，對(duì)于同樣的濾波效果，基準(zhǔn)色調(diào)影像的分辨率越低所需濾波半徑成比例減小，相應(yīng)的計(jì)算效率呈幾何倍數(shù)提升，但如果分辨率過(guò)低又會(huì)造成對(duì)影像色彩變化趨勢(shì)模擬效果不精細(xì)，因此分辨率的選擇需要兼顧二者需求。綜上，本文推薦使用300 m分辨率影像作為基準(zhǔn)色調(diào)底圖。

1.2 影像色彩分布的空間相關(guān)性

測(cè)區(qū)內(nèi)經(jīng)過(guò)幾何糾正的衛(wèi)星影像和覆蓋測(cè)區(qū)的基準(zhǔn)色調(diào)底圖均帶有地理坐標(biāo)，可以實(shí)現(xiàn)精確的位置對(duì)應(yīng)。衛(wèi)星影像都是在較高的軌道獲取的，對(duì)地觀測(cè)過(guò)程基本是正射向下，因此影像中地物的表現(xiàn)形式基本一致。

在不同的觀測(cè)尺度下地物表現(xiàn)出不同的觀測(cè)特性，從小尺度來(lái)看地物在迅速變化，如房屋的建設(shè)與拆遷、植被的增加與減少等。但在大的觀測(cè)尺度下，地物的空間分布變化較小，如山體、城市等的空間位置、體積大小等幾乎不變。如圖1(a)和圖1(b)分別為降采樣源影像和對(duì)應(yīng)區(qū)域基準(zhǔn)色調(diào)底圖，前者拍攝于植被枯萎的冬季，山體沒(méi)有綠色覆蓋，后者拍攝于植被覆蓋較為豐富的夏季。將二者相減得到圖1(c)，其中綠色、黃色和黑色分別是植被、裸露山體和城市在不同季節(jié)下的色彩差值，藍(lán)色、紅色的噪點(diǎn)是由于地物的變遷引起的色彩差異。這說(shuō)明不同種類地物的色彩差異有其特定的對(duì)應(yīng)關(guān)系，從整體上看圖1(c)的空間分布與圖1(a)和圖1(b)高度相似，表明待處理影像與其對(duì)應(yīng)基準(zhǔn)色調(diào)底圖的色彩分布存在較高的空間相關(guān)性。

從頻譜角度分析，影像可分解為高頻和低頻，高頻信息是由灰度的尖銳過(guò)度造成的，包括影像的粗糙紋理和邊緣等，低頻信息與影像緩慢變化的灰度分量有關(guān)，如影像的色調(diào)、背景等[23]，即影像的低頻信息反映了其色彩的變化趨勢(shì)。如圖1(d)和圖1(e)為經(jīng)過(guò)低通濾波處理后的影像，排除噪點(diǎn)的干擾后，二者有更好的相關(guān)性。圖1(g)和圖1(h)表示低頻信息對(duì)應(yīng)梯度方向圖，二者空間相似度較高，表明影像低頻信息的梯度方向幾乎不變，由于影像低頻部分較為平滑，局部區(qū)域近似一個(gè)平面，因此對(duì)其整體性的替換不會(huì)對(duì)影像的高頻信息產(chǎn)生干擾。

基于此，本文提出用覆蓋測(cè)區(qū)基準(zhǔn)色調(diào)底圖的低頻信息作為色彩控制，將測(cè)區(qū)內(nèi)源影像的低頻信息用對(duì)應(yīng)區(qū)域基準(zhǔn)色調(diào)底圖的低頻信息替換，使其呈現(xiàn)與基準(zhǔn)色調(diào)底圖一致的色調(diào)，同時(shí)可保證相鄰影像重疊區(qū)域低頻信息完全擬合，使相鄰影像接邊處的色調(diào)趨于一致。

2 算法具體流程

算法主要包括3部分內(nèi)容：第一，對(duì)影像低通濾波處理，分離影像低頻信息；第二，將基準(zhǔn)色調(diào)底圖的低頻信息與源影像高頻信息合成調(diào)色后的影像；第三，計(jì)算影像各區(qū)域獨(dú)立的增益系數(shù)，對(duì)源影像高頻信息拉伸處理。

算法主要步驟為：首先，對(duì)源影像Isrc降采樣處理，使其與低分辨率基準(zhǔn)色調(diào)底圖Iref有相同的分辨率，定義降采樣后源影像為Isrcdown；其次，對(duì)降采樣影像和對(duì)應(yīng)區(qū)域的基準(zhǔn)色調(diào)底圖進(jìn)行高斯濾波處理分離二者的高頻和低頻信息，用Iref的低頻信息Lref替換Isrcdown的低頻信息Lsrcdown，重構(gòu)合成調(diào)色后的影像Idstdown，該影像在具有Iref色調(diào)的同時(shí)具有Isrcdown的紋理信息；再次，提取Iref和Isrcdown的亮度分量，計(jì)算得各像素對(duì)應(yīng)的增益系數(shù)得到增益系數(shù)圖a；最后，將Isrcdown、Idstdown和a通過(guò)雙線性插值的方式分別升采樣為L(zhǎng)src、Ldst和A，使用圖2中公式計(jì)算得到色彩校正后的影像Idst。算法流程如圖2。

圖1 源影像與基準(zhǔn)色調(diào)底圖空間相關(guān)性Fig.1 The spatical correlation between source image and color reference map

圖2 算法流程Fig.2 Algorithm flow chart

2.1 分離影像低頻信息

對(duì)影像低通濾波處理可分離影像的低頻信息，模擬影像的色彩變化。常用的低通濾波器有均值濾波器、中值濾波器和高斯濾波器等。圖3為示例影像經(jīng)相同半徑的3種濾波器處理后的效果圖。經(jīng)觀察，均值濾波器處理后影像的亮部、暗部被強(qiáng)制“壓平”，影像的色彩空間分布與源影像的擬合度較低；中值濾波器處理后影像亮度分布會(huì)有偏向性，且不同地物交界處梯度較大；高斯濾波處理后影像色調(diào)的整體空間分布與源影像一致性較好，且影像色彩過(guò)渡較為平滑。相對(duì)其他濾波器高斯濾波有其獨(dú)特的優(yōu)勢(shì)：第一，高斯濾波具有旋轉(zhuǎn)不變性；第二，高斯卷積核是線性核，并且是尺度變換唯一的變換核[24]；第三，高斯濾波對(duì)于去除服從正態(tài)分布的噪聲效果較好，而自然界的絕大部分噪聲符合正態(tài)分布。綜上，本文選擇高斯濾波器分離影像的低頻信息。

圖3 不同濾波器處理效果Fig.3 Effect of different filter

關(guān)于高斯濾波器卷積核尺寸的選擇也是需要討論的問(wèn)題，圖3(a)示例影像大小為107×131像素，圖4為該影像經(jīng)過(guò)不同半徑高斯濾波處理后的結(jié)果，隨著濾波半徑的增大影像的模糊度在提高，但同時(shí)會(huì)造成影像色彩分布與源影像的擬合度降低，因此需要尋求一個(gè)使二者綜合達(dá)到最優(yōu)的濾波半徑。經(jīng)試驗(yàn)，本文建議使用影像對(duì)角線長(zhǎng)度的4%左右作為高斯濾波半徑，算法實(shí)現(xiàn)中也可將此參數(shù)作為可調(diào)參數(shù)允許人工干預(yù)，對(duì)于圖3(a)，濾波半徑取5時(shí)濾波效果較好。

圖4 不同濾波半徑效果比較Fig.4 Effect of different filtering radius

2.2 對(duì)降采樣影像色彩校正

源影像的分辨率較高，基準(zhǔn)色調(diào)底圖的分辨率較低，因此需要對(duì)源影像進(jìn)行降采樣處理。這里對(duì)影像進(jìn)行大間隔分塊，以計(jì)算每塊均值的方式對(duì)其降采樣，分塊間隔以使降采樣后影像的分辨率與基準(zhǔn)色調(diào)底圖分辨率一致為準(zhǔn)。

影像的高頻和低頻信息可用數(shù)學(xué)模型描述如下

I=L+H

(2)

式中，I表示影像；L和H分別表示該影像的低頻信息和高頻信息，則降采樣后源影像和對(duì)應(yīng)區(qū)域的基準(zhǔn)色彩底圖可分別表示如式(3)和式(4)

Isrcdown=Lsrcdown+Hsrcdown

(3)

Iref=Lref+Href

(4)

Idstdown=Lref+Hsrcdown

(5)

分別提取Isrcdown的高頻信息和Iref的低頻信息，二者相加得到調(diào)色后的影像Idstdown，如圖5(c)，該影像在具有Isrcdown高頻信息的同時(shí)其低頻信息與Iref完全擬合。

圖5 對(duì)降采樣影像色彩校正Fig.5 Correct the sample image color

2.3 構(gòu)建獨(dú)立線性模型對(duì)源影像色彩恢復(fù)

將Isrcdown和Idstdown通過(guò)雙線性插值的方式升采樣到原始影像大小，由于2.2節(jié)采用大間隔分塊取均值的方式降采樣，因此插值得到的影像較為平滑，并且與源影像的擬合度較好，局部可近似代表該區(qū)域的均值，可認(rèn)為二者分別代表源影像和目標(biāo)影像的低頻信息，分別記為L(zhǎng)src和Ldst。

相對(duì)輻射校正中，認(rèn)為不同時(shí)相的影像之間像素亮度整體滿足線性關(guān)系

Idst(x,y)=a×Isrc(x,y)+b

(6)

式中，Idst(x,y)和Isrc(x,y)分別表示目標(biāo)影像和源影像在(x,y)處的像素值；a、b作為線性模型中的參數(shù)分別表示增益和偏移量。通常a、b是由對(duì)應(yīng)樣本點(diǎn)的DN值(eigital number)確定。但由于影像各部分亮度值存在較大差別，整體構(gòu)建的線性模型影像與各局部并不完全符合，會(huì)造成影像間接邊處清晰度不同?；诖?，本文提出構(gòu)建影像局部獨(dú)立線性模型的方案。對(duì)于影像的局部范圍R，認(rèn)為該區(qū)域所有的像素都滿足線性模型，則有式(7)，兩邊同時(shí)除以R區(qū)域像素個(gè)數(shù)得式(8)

(7)

(8)

(9)

(10)

以對(duì)源影像降采樣的分塊間隔代表區(qū)域R，則增益系數(shù)a可根據(jù)Isrcdown和Idstdown對(duì)應(yīng)像素的亮度值計(jì)算得到。同時(shí)為防止對(duì)雪地、冰面、云朵等高亮物體拉伸造成灰度值越界產(chǎn)生亮度爆點(diǎn)，規(guī)定這些區(qū)域增益系數(shù)為1，高亮地物的分割閾值通過(guò)統(tǒng)計(jì)的方式確定，計(jì)算影像的亮度平均值，認(rèn)為大于該平均值3倍的地物為高亮地物。如圖6(a)、(b)分別表示Isrcdown和Idstdown的亮度分布，圖6(c)表示計(jì)算得到的增益系數(shù)a乘以50得到的分布圖，對(duì)該影像同樣用雙線性插值的方式升采樣，即可得到與源影像像素對(duì)應(yīng)的增益系數(shù)圖A。

圖6 增益系數(shù)Fig.6 Gain coefficient map

對(duì)式(6)變形可得式(11)

Idst=A×(Isrc-Lsrc)+A×Lsrc+b

(11)

由于b相對(duì)于A×Lsrc是個(gè)微小量，將式(10)代入式(11)可得

Idst=A×(Isrc-Lsrc)+Ldst

(12)

根據(jù)式(12)計(jì)算可得到色彩校正后的影像，即目標(biāo)影像為高頻、低頻兩部分的組合，其高頻信息為經(jīng)過(guò)拉伸的源影像高頻信息，其低頻信息為色彩校正后的低頻信息。如圖7為一組模擬圖像信號(hào)的示意圖，圖7(a)表示源影像模擬信號(hào)，其中曲線Lsrc表示源圖像低頻信息，折線表示其高頻信息，圖7(b)表示色彩映射后的影像，其低頻信息替換為L(zhǎng)dst，高頻信息得到相應(yīng)拉伸。

3 試驗(yàn)分析

本文使用Visual Studio 2010 C++編寫程序，對(duì)240景高分一號(hào)多光譜影像進(jìn)行色彩一致性處理，計(jì)算機(jī)CPU型號(hào)為Intel(R)Xeon(R) X5650 2.6 GHz，內(nèi)存16 GB，耗時(shí)34 min。試驗(yàn)中對(duì)影像的正射糾正和鑲嵌處理均使用PixelGrid軟件完成。為進(jìn)行對(duì)比試驗(yàn)，本文采用經(jīng)典的圖像回歸法(IR，image regression)[26-27]，根據(jù)源影像與基準(zhǔn)色調(diào)底圖均值、方差構(gòu)建影像間的線性模型對(duì)源影像進(jìn)行色彩校正。

圖7 模擬影像信號(hào)Fig.7 Analog image signal

3.1 試驗(yàn)數(shù)據(jù)

本文選取240景高分一號(hào)多光譜影像作為試驗(yàn)數(shù)據(jù)，覆蓋范圍包括北京、天津以及河北、山西大部，內(nèi)蒙古、山東局部近20萬(wàn)km2，分布年份為2013年和2014年，時(shí)相分布為5月到次年2月，完整覆蓋夏、秋、冬3個(gè)季節(jié)，如圖8所示。

圖8 影像時(shí)相分布Fig.8 The time and phase distribution of images

該測(cè)區(qū)同時(shí)包括植被茂盛和植被稀少的區(qū)域，影像質(zhì)量參差不齊，部分影像存在云霧干擾，個(gè)別影像是非常有代表性的大范圍、大時(shí)間跨度衛(wèi)星影像色彩一致性測(cè)試數(shù)據(jù)。圖9(a)為覆蓋該區(qū)域的300 m分辨率GoogleEarth影像，僅占用內(nèi)存29 MB，該影像整體色彩分布均衡，綠色的分布范圍整體符合該區(qū)域植被夏季的空間分布，是理想的基準(zhǔn)色調(diào)數(shù)據(jù)。衛(wèi)星影像和基準(zhǔn)色調(diào)底圖均為WGS-84坐標(biāo)系統(tǒng)，圖9(b)表示源影像與基準(zhǔn)色調(diào)底圖的疊加示意圖。

3.2 試驗(yàn)結(jié)果評(píng)價(jià)與分析

3.2.1 主觀評(píng)價(jià)

圖10(a)為未經(jīng)處理的原始影像鑲嵌結(jié)果，相鄰影像之間色調(diào)差異巨大，影像拼接處存在明顯色調(diào)差異，部分影像呈現(xiàn)紫色、藍(lán)色、粉紅等與實(shí)際情況不符的色調(diào)，影像間的亮度差異較大。圖10(b)表示IR法處理后的結(jié)果，可以發(fā)現(xiàn)影像色彩校正結(jié)果與對(duì)應(yīng)基準(zhǔn)色調(diào)底圖“貼合度”不高，這是由于不同種類地物對(duì)應(yīng)不同的線性關(guān)系，導(dǎo)致影像整體構(gòu)建的線性模型不準(zhǔn)確造成的。圖10(c)表示經(jīng)本文算法處理后的鑲嵌結(jié)果。測(cè)區(qū)內(nèi)影像的色調(diào)得到校正，與對(duì)應(yīng)區(qū)域基準(zhǔn)色彩底圖相一致，整個(gè)測(cè)區(qū)影像的色彩一致性較好，影像接邊處不存在明顯色調(diào)差異，整體符合該測(cè)區(qū)夏季色彩的空間分布。細(xì)節(jié)1中個(gè)別影像被厚度不均勻的云霧干擾，本文算法處理后，視覺(jué)上已不存在明顯云霧痕跡，對(duì)于受大范圍云霧干擾的影像，本文算法可以將其色彩校正為基準(zhǔn)色調(diào)底圖對(duì)應(yīng)的色調(diào)，并且可在一定程度上提高其清晰度。細(xì)節(jié)2展示了在水體拼接處的處理效果，本文算法處理后水體接邊處已不存在明顯視覺(jué)差異。細(xì)節(jié)3展示了對(duì)于亮度差異較大影像的處理效果，影像中存在城區(qū)，由于本文算法使用源影像高頻信息， 因此對(duì)源影像的紋理保護(hù)較好， 即使對(duì)于

城區(qū)邊界變化較快的影像，由于本文算法采用較大半徑的低通濾波提取影像低頻信息，對(duì)高頻信息變化并不“敏感”，可保證影像城區(qū)與非城區(qū)的色調(diào)平滑過(guò)渡。

圖9 試驗(yàn)數(shù)據(jù)Fig.9 Experimental data

圖10 試驗(yàn)結(jié)果鑲嵌圖Fig.10 The mosaic result of experiment result

3.2.2 定量評(píng)價(jià)

為對(duì)處理效果進(jìn)行定量評(píng)價(jià)，本文選取幾組典型的色彩差異影像對(duì)其重疊區(qū)域進(jìn)行統(tǒng)計(jì)分析，如表1。試驗(yàn)1是由于季節(jié)原因造成的色調(diào)差異，如圖11(a)，左半部分影像拍攝于植被較為茂盛的8月并且影像整體偏藍(lán)色，右半部分影像拍攝于農(nóng)作物收割后的11月整體偏棕色，二者地物類型差別明顯，經(jīng)處理后影像整體色調(diào)趨于一致，右側(cè)影像由原來(lái)的棕色轉(zhuǎn)變?yōu)檩p微偏綠，但地物的可辨識(shí)度并沒(méi)有降低，房屋、農(nóng)田等地物可清晰區(qū)分；試驗(yàn)2是由于光照條件的不同造成的色調(diào)差異，如圖11(d)，上半部分整體偏暗，從表2中也可看出二者均值差別較大，經(jīng)處理后上半部分影像亮度有較大提升，整體已不存在亮度差別；試驗(yàn)3是由云霧干擾造成影像之間的色彩差異，如圖11(g)，左半部分成像清晰，右半部分影像存在云霧干擾，信息損失嚴(yán)重，經(jīng)處理后影像清晰度明顯提高，色彩得到恢復(fù)；試驗(yàn)4是由多種原因綜合造成的色調(diào)差異，如圖11(j)，左半部分影像偏紫色右半部分影像偏棕色，經(jīng)處理后二者整體色調(diào)趨于一致，已不存在明顯色調(diào)差異。

圖11 鑲嵌效果對(duì)比Fig.11 Comparison of image mosaic

影像信息影像日期色差原因試驗(yàn)1(季節(jié))影像12013?08?14影像22013?11?23季節(jié)不同試驗(yàn)2(光照)影像12013?08?10影像22013?08?10光照條件差異試驗(yàn)3(云霧)影像12013?11?07影像22014?01?27云霧干擾試驗(yàn)4(綜合)影像12013?09?15影像22013?09?03成像系統(tǒng)畸變等原因

試驗(yàn)中分別統(tǒng)計(jì)了上述影像重疊區(qū)域R、G、B 3個(gè)波段的均值、標(biāo)準(zhǔn)差、均方根誤差和直方圖相似度等參數(shù)。均值可以反映影像的整體色調(diào)，標(biāo)準(zhǔn)差反映了影像紋理特征的清晰度，二者均是越接近越好；均方根誤差可反映影像間紋理的貼合度，按式(13)計(jì)算，該參數(shù)越小表明二者貼合度越好；直方圖相似度可反映影像色彩的整體分布規(guī)律，按式(14)計(jì)算，該參數(shù)越大表示影像重疊區(qū)色調(diào)越接近。由表2可看出本文算法處理后重疊區(qū)域各項(xiàng)統(tǒng)計(jì)指標(biāo)明顯偏好，表明影像的重疊區(qū)域色彩分布相似度顯著提高。

表2 試驗(yàn)結(jié)果統(tǒng)計(jì)

續(xù)表2

(13)

(14)

4 結(jié)束語(yǔ)

針對(duì)測(cè)繪生產(chǎn)中衛(wèi)星影像間存在色彩差異的問(wèn)題，本文提出以色彩一致性較好的現(xiàn)有或網(wǎng)絡(luò)公開(kāi)衛(wèi)星影像作為基準(zhǔn)色調(diào)底圖，對(duì)測(cè)區(qū)影像全自動(dòng)色彩校正的算法。以對(duì)應(yīng)區(qū)域基準(zhǔn)色調(diào)底圖的低頻信息替換降采樣源影像的低頻信息，并且構(gòu)建影像獨(dú)立的線性模型對(duì)源影像進(jìn)行色彩恢復(fù)處理。選取240景高分一號(hào)多光譜影像進(jìn)行試驗(yàn)，本文算法處理后影像的整體色彩一致性較好，影像接邊處不存在明顯色調(diào)差異。另外該算法不需考慮影像間的位置關(guān)系，且不存在色彩傳遞造成的誤差累積問(wèn)題，適用于大范圍、大時(shí)相跨度衛(wèi)星色彩一致性處理。

[1] 張力，張祖勛，張劍清.Wallis濾波在影像匹配中的應(yīng)用[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，1999，24(1)：24-27，35.

ZHANG Li，ZHANG Zuxun，ZHANG Jianqing.The Image Matching Based on Wallis Filtering[J].Journal of Wuhan Technical University of Surveying and Mapping (Wtusm)，1999，24(1)：24-27，35.

[2] 李德仁，王密，潘俊.光學(xué)遙感影像的自動(dòng)勻光處理及應(yīng)用[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2006，31(9)：753-756.

LI Deren，WANG Mi，PAN Jun.Auto-Dodging Processing and Its Application for Optical Rs Images[J].Geomatics and Information Science of Wuhan University，2006，31(9)：753-756.

[3] SUN M W，ZHANG J Q.Dodging Research for Digital Aerial Images[J].International Archives of the Photogrammetry，2008(37)：349-353.

[4] HORN B K P，WOODHAM R J.Destriping LANDSAT MSS Images by Histogram Modification[J].Computer Graphics and Image Processing，1979，10(1)：69-83.

[5] WEINREB M P，XIE R，LIENESCH J H，et al.Destriping GOES Images by Matching Empirical Distribution Functions[J].Remote Sensing of Environment，1989，29(2)：185-195.

[6] HELMER E H，RUEFENACHT B.Cloud-Free Satellite Image Mosaics with Regression Trees and Histogram Matching[J].Photogrammetric Engineering and Remote Sensing，2005，71(9)：1079-1089.

[7] CRESSON R，SAINT-GEOURS N.Natural Color Satellite Image Mosaicking Using Quadratic Programming in Decorrelated Color Space[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8(8)：4151-4162.

[8] 肖甫，吳慧中，肖亮，等.一種光照魯棒的圖像拼接融合算法[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12(9)：1671-1675.

XIAO Fu,WU Huizhong，XIAO Liang，et al.An Ambient Light Independent Image Mosaic Algorithm[J].Journal of Image and Graphics，2007，12(9)：1671-1675.

[9] DE CARVALHO O A，GUIMARES R F，SILVA N C，et al.Radiometric Normalization of Temporal Images Combining Automatic Detection of Pseudo-Invariant Features from the Distance and Similarity Spectral Measures，Density Scatterplot Analysis，and Robust Regression[J].Remote Sensing，2013，5(6)：2763-2794.

[10] CANTY M J，NIELSEN A A，SCHMIDT M.Automatic Radiometric Normalization of Multitemporal Satellite Imagery[J].Remote Sensing of Environment，2004，91(3-4)：441-451.

[11] CANTY M J，NIELSEN A A.Automatic Radiometric Normalization of Multitemporal Satellite Imagery with the Iteratively Re-Weighted MAD Transformation[J].Remote Sensing of Environment，2008，112(3)：1025-1036.

[12] YANG Xiaojun，LO C P.Relative Radiometric Normalization Performance for Change Detection from Multi-Date Satellite Images[J].Photogrammetric Engineering and Remote Sensing，2000，66(8)：967-980.

[13] 吳煒，沈占鋒，李均力，等.聯(lián)合概率密度脊提取的影像鑲嵌色彩一致性處理方法[J].測(cè)繪學(xué)報(bào)，2013，42(2)：247-252.

WU Wei，SHEN Zhanfeng，LI Junli，et al.Ridge of Joint Probability Density Based Color Normalization Method for Image Mosaic[J].Acta Geodaetica et Cartographica Sinica，2013，42(2)：247-252.

[14] ZHANG Liangpei，WU Chen，DU Bo.Automatic Radiometric Normalization for Multitemporal Remote Sensing Imagery With Iterative Slow Feature Analysis[J].IEEE Transactions on Geoscience and Remote Sensing，2014，52(10)：6141-6155.

[15] 陳旭，林宏，強(qiáng)振平.基于自分類和顏色空間變換的遙感圖像色彩校正方法[J].遙感學(xué)報(bào)，2009，13(5)：816-826.

CHEN Xu，LIN Hong，QIANG Zhenping.Color Calibration of Remote Sensing Imagery based on Automatic Classification and Color Space Transformation[J].Journal of Remote Sensing，2009，13(5)：816-826.

[16] ZHOU Xiuguang.Multiple Auto-Adapting Color Balancing for Large Number of Images[J].International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2015(XL-7/W3)：735-742.

[17] 孫明偉，張祖勛，張劍清.一種航空遙感影像的最小二乘區(qū)域網(wǎng)勻色方法：CN，CN201110044025.8[P].2011-07-20.

SUN Mingwei，ZHANG Zuxun，ZHANG Jianqing.Least Square Area Network Color-Homogenizing Method of Aerial Remote Sensing Image：CN，CN201110044025.8[P].2011-07-20.

[18] 王建忠，肖紹良，楊云夏.圖像鑲嵌及其邊界處理[J].模式識(shí)別與人工智能，1993，6(3)：189-195.

WANG Jianzhong，XIAO Shaoliang，YANG Yunxia.Image Mosaic and Its Boundary Problems[J].Pattern Recognition and Artificial Intelligence，1993，6(3)：189-195.

[19] 朱述龍，錢曾波.遙感影像鑲嵌時(shí)拼接縫的消除方法[J].遙感學(xué)報(bào)，2002，6(3)：183-187.

ZHU Shulong，QIAN Zengbo.The Seam-line Removal under Mosaicking of Remotely Sensed Images[J].Journal of Remote Sensing，2002，6(3)：183-187.

[20] CHEN Chong，CHEN Zhenjie，LI Manchun，et al.Parallel Relative Radiometric Normalisation for Remote Sensing Image Mosaics[J].Computers & Geosciences，2014(73)：28-36.

[21] YU Lei，ZHANG Yongjun，SUN Mingwei，et al.Colour Balancing of Satellite Imagery based on A Colour Reference Library[J].International Journal of Remote Sensing，2016，37(24)：5763-5785.

[22] ZHANG Yongjun，YU Lei，SUN Mingwei，et al.A Mixed Radiometric Normalization Method for Mosaicking of High-Resolution Satellite Imagery[J].IEEE Transactions on Geoscience and Remote Sensing，2017，55(5)：2972-2984.

[23] GONZALEZ R C，RAFAEL C，WOODS R E，et al.Digital Image Processing[J].Prentice Hall International，1977，28(4)：484-486.

[24] BURT P J，ADELSON E H.The Laplacian Pyramid as A Compact Image Code[M].San Francisco，CA，USA：Morgan Kaufmann Publishers Inc.1987.

[25] LINDEBERG T.Scale-Space Theory：A Basic Tool for Analyzing Structures at Different Scales[J].Journal of Applied Statistics，1994，21(1-2)：225-270.

[26] 丁麗霞，周斌，王人潮.遙感監(jiān)測(cè)中5種相對(duì)輻射校正方法研究[J].浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版)，2005，31(3)：269-276.

DING Lixia，ZHOU Bin，WANG Renchao.Comparison of Five Relative Radiometric Normalization Techniques for Remote Sensing Monitoring[J].Journal of Zhejiang University (Agriculture & Life Sciences)，2005，31(3)：269-276.

[27] YANG Xiaojun，LO C P.Relative Radiometric Normalization Performance for Change Detection from Multi-Date Satellite Images[J].Photogrammetric Engineering and Remote Sensing，2000，66(8)：967-980.

[28] 張鵬強(qiáng)，余旭初，劉智，等.多時(shí)相遙感圖像相對(duì)輻射校正[J].遙感學(xué)報(bào)，2006，10(3)：339-344.

ZHANG Pengqiang，YU Xuchu，LIU Zhi，et al.A Study on Relative Radiometric Correction of Multitemporal Remote Sensing Images[J].Journal of Remote Sensing，2006，10(3)：339-344.

[29] 韓杰，謝勇.GF-1衛(wèi)星WFV影像間勻色方法[J].測(cè)繪學(xué)報(bào)，2016，45(12)：1423-1433.DOI：10.11947/j.AGCS.2016.20160248.

HAN Jie，XIE Yong.Image Dodging Algorithm for GF-1 Satellite WFV Imagery[J].Acta Geodaetica et Cartographica Sinica，2016，45(12)：1423-1433.DOI：10.11947/j.AGCS.2016.20160248.

[30] 張友水，馮學(xué)智，周成虎.多時(shí)相TM影像相對(duì)輻射校正研究[J].測(cè)繪學(xué)報(bào)，2006，35(2)：122-127.DOI：10.3321/j.issn:1001-1595.2006.02.006.

ZHANG Youshui，F(xiàn)ENG Xuezhi，ZHOU Chenghu.Relative Radiometric Correction for Multitemporal TM Images[J].Acta Geodaetica et Cartographica Sinica，2006，35(2)：122-127.DOI：10.3321/j.issn:1001-1595.2006.02.006.

Large Collection Satellite Images Color Normalization Algorithm Based on Tone Reference Map

CUI Hao1,2,3，ZHANG Li2，AI Haibin2，XU Biao2，WANG Zhonghui1,3

1. Faculty of Geomatics，Lanzhou Jiaotong University，Lanzhou 730070，China； 2. Chinese Academy of Surving and Mapping，Beijing 100830，China； 3. Gansu Provincial Engineering Laboratory for National Geographic State Monitoring，Lanzhou 730070，China

For a large collection of satellite images，because of the differences in season，light，atmospheric conditions and so on，adjacent satellite images may have different color and there will be obviously “seam-line” in mosaic satellite image.In this paper，a method of satellite image color normalization was proposed，it was implemented to correct the color of image automatically based on better color low resolution satellite imagery which covered the mapping area.We selected a large collection and long time interval GF-1 satellite images as experiment data,results show that the mosaic image have a good visual effect，the color transition of two images smoothly，statistical indicators of overlap area obviously improved，all of those verified the validity and reliability of the algorithm.

image dodging；color normalization；relative radiometric correction；image mosaic；low frequency information

The Fundamental Research Funds for CASM(No. 7771608)；The Special Scientific Research Funds of Public Welfare Profession of China(No. 201511078)；The National Natural Science Foundation of China(No. 41561090)；The Fundamental Research Funds for Gansu Provincial Finance Department(No. 214146)；The National Key Research and Development Program(No. 2017YFB0503004)

CUI Hao(1992—)，male，postgraduate，majors in satellite image color calibration and verification.

ZHANG Li

E-mail： zhangl@casm.ac.cn

崔浩，張力，艾海濱，等.利用基準(zhǔn)色調(diào)的大范圍衛(wèi)星影像色彩一致性處理算法[J].測(cè)繪學(xué)報(bào)，2017,46(12)：1986-1997.

10.11947/j.AGCS.2017.20170402.

CUI Hao，ZHANG Li，AI Haibin，et al.Large Collection Satellite Images Color Normalization Algorithm Based on Tone Reference Map[J]. Acta Geodaetica et Cartographica Sinica,2017,46(12):1986-1997. DOI:10.11947/j.AGCS.2017.20170402.

P237

A

1001-1595(2017)12-1986-12

中國(guó)測(cè)繪科學(xué)研究院基本科研業(yè)務(wù)費(fèi)(7771608);測(cè)繪地理信息公益性行業(yè)科研專項(xiàng)(201511078)；國(guó)家自然科學(xué)基金(41561090)；甘肅省財(cái)政廳基本科研業(yè)務(wù)費(fèi)(214146)；國(guó)家重點(diǎn)研發(fā)計(jì)劃(2017YFB0503004)

張艷玲)

2017-07-12

2017-10-18

崔浩(1992—)，男，碩士生，研究方向?yàn)樾l(wèi)星影像色彩一致性處理。

E-mail： cuihaocasm@163.com

張力