森林遙感圖像測量數(shù)據(jù)偏差影響分析方法設(shè)計

朱發(fā)財，許濟金

(1.福州理工學院計算與信息科學學院，福建 福州 350506；2.福州理工學院數(shù)字福建車聯(lián)網(wǎng)實驗室，福建 福州 350506；3.福建農(nóng)林大學機電工程學院，福建 福州 350002)

1 引言

資源衛(wèi)星(ZY-1)是一種應(yīng)用較為廣泛的衛(wèi)星，主要用于勘測和研究地球資源，具有極高的分辨率，能夠有效監(jiān)測火山噴發(fā)、河口海岸的變化、河水泛濫以及農(nóng)作物長勢等信息[1]。由于探測地表各物體的探測元件不同，假如探測元件接收到地表反饋時的路徑出現(xiàn)細微差別，即產(chǎn)生配準誤差，則極易造成采集到的數(shù)據(jù)出現(xiàn)偏差。溫度的不穩(wěn)定和采樣元件結(jié)構(gòu)的變化都會造成配準誤差。

波段間向元重合、定位、結(jié)合即為波段配準。波段配準能夠盡可能地降低或消除衛(wèi)星圖像的模糊和雙邊影響[2]。對于資源衛(wèi)星來說，配準的精準度在很大程度上影響著地物分類的精準度和幾何定位的準確性[3-4]。

對遙感圖像測量數(shù)據(jù)的偏差進行控制以及異常診斷始終是一個難點問題。目前，已有部分學者對該項問題展開了研究，設(shè)計了如考慮背光源強度的圖像測量誤差影響分析方法[5]、多重觀測衛(wèi)星圖像無控區(qū)域網(wǎng)平差影響分析方法[6]等研究成果，在很大程度上提高了遙感圖像的測量質(zhì)量。

污染誤差模型可以一定程度調(diào)節(jié)波段偏差校準后的遙感衛(wèi)星圖像[7]。森林地區(qū)的地形既復(fù)雜且多變，因此，其對遙感衛(wèi)星測量數(shù)據(jù)的精準性要求極高。為充分發(fā)揮森林遙感影像的可用性，本研究從波段配準誤差的角度出發(fā)，通過利用污染誤差模型調(diào)整遙感圖像來降低因測量數(shù)據(jù)出現(xiàn)觀測異常而產(chǎn)生的影響，并生成包含配準誤差在內(nèi)的新圖像。在此基礎(chǔ)上，研究污染誤差模型下森林遙感圖像測量數(shù)據(jù)偏差影響，從而為森林遙感圖像的準確監(jiān)測提供有效、可靠的分析依據(jù)。

2 森林遙感圖像測量數(shù)據(jù)偏差影響分析

2.1 研究對象數(shù)據(jù)

本研究選取廣西壯族自治區(qū)隆安縣為監(jiān)測對象，隆安縣平面位置示意圖如圖1所示。

圖1 實驗對象的位置示意圖

隆安縣位于廣西壯族自治區(qū)西南部，林地面積102萬畝，占總面積的30.03%。該地區(qū)森林資源豐富。

近年來，當?shù)卣罅ν苿油烁€林政策，使得該地區(qū)既是重要交通樞紐又是天然氧吧，從地理條件和生態(tài)條件來看，該項退耕還林政策取得了重大成效。本研究利用ZY-1衛(wèi)星采集了該地區(qū)森林資源的多波段資料，并對其圖像測量數(shù)據(jù)加以分析。

2.2 森林遙感圖像處理

2.2.1 污染誤差分析過程

由于受到各種環(huán)境污染的影響，ZY-1資源衛(wèi)星采集的隆安縣地區(qū)森林遙感圖像存在圖像清晰度偏低的問題。為此，本研究運用污染誤差模型對其進行微調(diào)處理。

由于環(huán)境污染形勢復(fù)雜多變，需要對利用ZY-1衛(wèi)星獲取的森林地物遙感觀測圖像展開大量分析。

考慮抗差估計，抗差估計模型中，方差膨脹模型能夠最直觀地把不同的異常污染模型根據(jù)方差-協(xié)方差傳播定律統(tǒng)一歸類為方差-協(xié)方差膨脹模型[8]。

假設(shè)ΔKa和ΔKb分別表示觀測值Ka和實際值Kb的誤差量。其不但受到誤差源Δn影響，還分別受到Δa和Δb獨立誤差的影響。ΔKa和ΔKb的分解如式(1)和式(2)所示

ΔKa=Δa+γaΔn

(1)

ΔKb=Δb+γbΔn

(2)

在式(1)和式(2)中，期望為0的獨立的隨機誤差分別為Δa、Δb和Δn，它們存在如下關(guān)系

N(Δa)=N(Δb+=N(Δn)=1

(3)

(4)

(5)

(6)

式(7)表示Ka和Kb的相關(guān)系數(shù)

(7)

以上過程將ZY-1衛(wèi)星對森林遙感圖像的觀測誤差細化為相關(guān)誤差部分和獨立誤差部分，而誤差模型也分為多種。在考慮各種因素影響的基礎(chǔ)上，本研究選用誤差整體膨脹模型。

2.2.2 誤差整體膨脹模型

誤差整體膨脹模型的表達式如式(8)所示

(8)

在此基礎(chǔ)上，得到其方差和協(xié)方差分別如式(9)、(10)所示

(9)

(10)

(11)

由于本研究所運用的模型相關(guān)系數(shù)保持不變，與方差-協(xié)方差矩陣對稱。因此，作為膨脹因子，υaa和υbb要按照誤差確定數(shù)值大小。

森林遙感圖像測量數(shù)據(jù)觀測可信度可以根據(jù)有效的殘差絕對值判斷，以此來減少異常觀測使用效率需運用方差-協(xié)方差膨脹因子，從而控制異常觀測產(chǎn)生的影響，從根本上提高森林遙感圖像觀測結(jié)果的精確性。

2.3 多光譜波段配準圖像誤差模擬過程

森林遙感圖像波段配準圖像誤差需要通過隨機函數(shù)生成，通過多項式擬合、隨機誤差值模擬以及插值重采樣三個過程生產(chǎn)包含新配準誤差的遙感圖像。

由于遙感衛(wèi)星傳回的圖像幾何變換誤差比較小，因此，本研究主要對圖像隨機幾何錯位加以考慮。通過以下過程獲取含有波段配準誤差的模擬衛(wèi)星遙感圖像：

步驟1：插值重新采樣。若要生成多光譜波段配準誤差模擬圖像，需要在標準參考圖像內(nèi)，選擇原始全色以添加配準誤差，從實際波段配準圖像受到1個像元之內(nèi)的配準誤差干擾情況角度展開分析，這也是完成插值重采樣需要分析的重點內(nèi)容。本研究在分析過程中，分別放大ZY-1衛(wèi)星收集的多光譜波段數(shù)據(jù)元素原始像元以及全色波段到30倍和6倍，并設(shè)置0.18m作為圖像空間分辨率插值，從而實現(xiàn)對1個像元內(nèi)的錯位以及扭曲等配準誤差的有效模擬[9]。

步驟2：將隨機誤差值添加到利用ZY-1衛(wèi)星獲取的多光譜圖像中。在多光譜圖像中采集均衡排列的控制點處，結(jié)合曲面擬合多項式，利用采集的控制點配準多光譜以及幾何校正后的全色圖像，從而確保配準誤差低于0.4個像元[10]?；诖?，修正控制點的像元，確保配準誤差達到0.1～0.6像元。從全色和多光譜圖像中采集的子圖像尺寸為6000×6000像元。

在這一過程中，配準誤差模擬圖像生成需用到曲面擬合多項式模型如式(12)所示：

(12)

式(12)中，多項式系數(shù)分別為oij和pij。在模型中模擬產(chǎn)生新的圖像，該圖像具備配準誤差，誤差的像元坐標分別是c′與d′，多項式次數(shù)為M，以c和d作為像元坐標，該坐標屬于含有隨機誤差圖像控制點。在此基礎(chǔ)上，利用式(13)計算總均方根

(13)

式(13)中，C和D均表示圖像控制點的標準坐標，h表示控制點數(shù)。

步驟3：為得到不同配準誤差的融合圖像數(shù)據(jù)，本研究對全色波段和差異配準誤差下多光譜波段展開融合，并通過迭代自組織數(shù)據(jù)分析方法得到非監(jiān)督分類融合結(jié)果[11-12]。

假設(shè)所有參數(shù)一致，將隆安縣地區(qū)森林資源劃分為四種地理類型，分別為森林、水域、裸地和農(nóng)田。然后分別統(tǒng)計各配準誤差模擬圖像和標準參考圖像的分類面積，從而研究在存在差異配準誤差的情況下，四種地類分類面積同匹配誤差間的關(guān)聯(lián)關(guān)系，并重點分析研究森林面積的變化情況。

2.4 圖像幾何精校正分析

幾何校正在圖像處理的過程中，為使得圖像幾何精度大幅度提高，本研究對多因素產(chǎn)生的幾何畸變實施全面校正，從而使得解釋制圖以及幾何量測的精度大大提升，為后期的多元遙感信息復(fù)合與不同圖像配準奠定有效的基礎(chǔ)。

為了探析差異波段配準誤差對圖像幾何精校正的干擾，本研究將標準參考圖像設(shè)置為原始圖像，在此基礎(chǔ)上，通過幾何精校正對多項式擬合形成的差異配準誤差圖像實施處理。

對圖像展開幾何精校正后產(chǎn)生的配準RMS總誤差如表1所示。

表1 波段配準誤差模擬圖像校正模型RMS

根據(jù)表1所示結(jié)果可知，當配準誤差保持低于0.25像元時，幾何精校正后的總RMS始終低于0.10；而當配準誤差高于0.35時，幾何精校正后的總RMS升高至0.143，變化幅度較大。

3 實驗結(jié)果與分析

為驗證本研究設(shè)計的基于污染誤差模型的森林遙感圖像測量數(shù)據(jù)偏差影響分析方法的可行性和有效性。設(shè)計如下實驗。

3.1 融合圖像分類實驗分析

為了獲取不同配準誤差的廣西壯族自治區(qū)隆安縣森林融合圖像數(shù)據(jù)，本研究融合差異配準誤差的ZY-1全色圖像和多光譜圖像，并且為了分析差異配準誤差的全色圖像融合后對圖像分類產(chǎn)生的不利干擾，應(yīng)通過迭代自組織數(shù)據(jù)分析方法非監(jiān)督分類存在配準誤差的圖像數(shù)據(jù)。融合圖像平均面積變化率情況如圖2所示。

圖2 融合圖像平均面積變化率

根據(jù)圖2所示結(jié)果可知，當配準誤差在0.1-0.3像元范圍時，平均面積變化率在9%-16%之間；當配準誤差為0.3像元時，平均面積變化率達到了16%。產(chǎn)生這一結(jié)果的原因可能是因為某些地物具有漸變特性。當配準誤差高于0.4像元后，面積變化率突增。

綜合上述結(jié)果可知，當配準誤差≤0.3像元時，面積變化率<25%；當配準誤差>0.3像元后，面積變化率突增后保持在45%左右。

3.2 圖像的幾何精校正分析

實驗研究在受到不同配準誤差全色圖像的干擾的情況下本文方法的幾何精校正效果。獲取配準誤差同差異配準誤差狀態(tài)下的森林遙感圖像配準RMS總誤差分布情況，結(jié)果如圖3所示。

圖3 RMS在不同配準誤差下的變化

根據(jù)圖3所示結(jié)果可知，配準誤差和配準RMS總誤差存在正比例關(guān)系。當配準誤差高于0.3像元后，總RMS突增，其變化幅度較大。但當配準誤差高于0.4像元后，森林遙感圖像的配準RMS總誤差開始趨于穩(wěn)定。

3.3 多光譜波段配準誤差分析

在不同配準誤差下，隆安縣森林區(qū)域不同地物(森林、裸地、水域、農(nóng)田)面積變化率不同，其結(jié)果如圖4所示。

圖4 不同配準誤差下不同地物類型的面積變化率變化結(jié)果

根據(jù)圖4所示的隆安縣森林各地物趨勢可以看出，分類面積變化率受配準誤差的影響很大。伴隨著配準誤差的增大，地物中的裸地、水域和農(nóng)田分類面積逐漸減小，地物中的森林面積則正好相反，配準誤差越大，其分類面積變化率越高。

觀察圖(a)和圖(b)可以看出，分類面積變化率最大的是森林與水域，當配準誤差從0.1像元升高至0.3像元后，森林分類面積變化率從1.5%突然升高至3%。因此，若想要面積變化率低于3%，則需要控制配準誤差低于0.3像元。

由于隆安縣森林環(huán)境特殊性，森林區(qū)域遙感圖像的影響色調(diào)為漸變狀態(tài)，配準誤差越大邊界混淆越嚴重，分類結(jié)果的準確性受到干擾。因此，當在配準誤差高于0.3以后，分類面積變化率在4%的范圍內(nèi)趨于平穩(wěn)。當多光譜配準誤差低于0.3像元時，遙感衛(wèi)星對森林進行監(jiān)測的效果可以達到最好。

綜上所述，當ZY-1全色多光譜圖像配準誤差大于0.3像元時，融合遙感圖像的平均面積變化率突然升高；當多光譜配準誤差大于等于0.4后，配準總誤差趨于穩(wěn)定；當多光譜配準誤差低于0.3像元時，森林遙感圖像的監(jiān)測效果最佳。

4 結(jié)束語

1)本研究設(shè)計了一種基于污染誤差模型的森林遙感圖像測量數(shù)據(jù)偏差影響分析方法，首先通過污染誤差模型對森林遙感圖像進行調(diào)整，從根本上提高森林遙感圖像的精確度。在此基礎(chǔ)上，從多光譜波段配準圖像誤差、對圖像展開幾何精校正后產(chǎn)生的配準誤差出發(fā)，分析森林遙感圖像測量數(shù)據(jù)偏差。

2)經(jīng)實驗分析結(jié)果可知：若ZY-1全色多光譜圖像間配準誤差大于0.3像元，會給森林遙感圖像融合和幾何精校正帶來較大影響。當配準誤差低于0.3像元時，森林遙感圖像測量數(shù)據(jù)受到的影響最小，成像效果最佳。

3)綜合分析實驗部分可知，隨著遙感圖像的配準誤差的增加，其對測量數(shù)據(jù)偏差的影響也會增大。而利用本文方法能夠?qū)ι诌b感圖像測量數(shù)據(jù)偏差的影響進行可靠的分析。