基于多時相遙感影像去除朵云及陰影的改進方法

董保根,秦志遠,楊安紅

(信息工程大學測繪學院,河南鄭州 450052)

基于多時相遙感影像去除朵云及陰影的改進方法

董保根,秦志遠,楊安紅

(信息工程大學測繪學院,河南鄭州 450052)

利用多時相遙感影像進行相應區域替換是一種有效的去除朵云及陰影的方法。針對常規方法存在的不足,對去除過程中的一些關鍵技術進行改進。利用矩形區域表示不規則的云區域進行替換,并給出了矩形區域的確定方法;替換前采用多圖像亮度規格化技術改善兩幅影像的亮度差異;對替換后矩形區域邊界與背景圖像之間的拼接縫進行消除,得到最終去云影像。

多時相;朵云及陰影;矩形區域;多圖像亮度規格化;拼接縫

一、引 言

光學遙感影像是十分重要的遙感數據源,但由于其自身構像機理的限制,成像過程極易受到云及陰影的影響。對于一幅待處理的云覆蓋遙感影像來說,云的類型大致可分為兩種：即薄云和朵云(也叫厚云)。目前,已經有不少國內外專家和學者對遙感影像上云層的去除算法開展了廣泛深入的研究,有專門針對薄云的同態濾波處理,也有根據多光譜圖像不同波段對云層的反射率差異進行云層的檢測和處理[1]。由于薄云和朵云的不同成像原理以及在影像中表現出的不同特點,在去除的過程中所采用的思路和方法也不盡相同。本文重點對朵云及陰影的去除方法進行了研究。由于朵云及陰影總是相伴而生,本文為了方便起見,將朵云及其陰影區域統稱為云區域。

二、基于多時相遙感影像云層去除的基本策略

由于星載傳感器具有固定的回訪周期,可以在不同的時間段內獲得同一地區的遙感衛星影像,這為多時相遙感影像的去云處理提供了可靠的數據源,而去除遙感影像上的朵云及陰影最有效的方法也是在這一背景下產生的,其基本原理如下:

首先獲得同一地區在不同時間拍攝的兩幅遙感影像 I1、I2,假設 I1為有云影像,I2為無云或者有云影像(文獻[2]稱之為輔助影像);以 I1為基準影像,I2為待配準影像對兩幅影像進行配準,得到配準后影像 I2′;然后對 I1和 I2′進行對比融合。這里假設 I2為無云影像,I1、I2′中任意像素 (x,y)有三個可取值,分別為 0(非云非陰像素)、1(云像素)和 2(陰影像素)。對于結果影像 R中任意像素 (x,y),若I1(x,y)≠0,則 R(x,y) =I2′(x,y)。

上述去云的方法實際上是一種替換法,對于去除比較厚的朵云,這種方法目前被廣泛采用,但是在處理過程中存在一定的缺陷。當影像 I1和 I2的亮度以及對比度有明顯差異時,即使在替換過程中使用了直方圖匹配技術,最后的替換結果仍會受到很大影響。造成被替換的區域和整幅影像的亮度(或顏色)不一致,并且由于云區域本身呈現出不規則的形態特征,對于消除這種由不規則曲線構成的閉合區域與周邊區域的拼接縫是一個比較棘手的問題。因此,本文針對朵云成像的特殊性,提出了一種基于多時相遙感影像去云的改進方法。具體表現在以下三個方面:①利用矩形區域代替云及陰影像素進行替換,同時給出了矩形區域的確定方法;②在替換前,使用多圖像亮度規格化技術調整兩幅影像,并且對調整時機作了改進;③利用加權平滑算法從四個方向對矩形云區域的邊界進行拼接縫消除。

三、改進的去云算法

1.矩形云區域的確定

從朵云及陰影的幾何特征來看,各云區域在影像中占有一定的面積比例,而且云與云、云與陰影、陰影與陰影之間基本沒有粘連。因此可以先確定出云區域的最大外接矩形,直接用矩形區域作為云區域,然后再進行替換處理。

(1)自動雙閾值分割

從朵云及陰影的輻射特征來看,它們在影像中分別表現出高亮度和低亮度特征。要達到同時檢測朵云及陰影的目的,影像的閾值分割不失為一種最有效的方法。分割原理如下

式中,v和 u分別對應朵云及陰影的兩閾值 Tcloud和Tshadow。經過多次試驗表明,對于 SPOT、IKONOS、Landsat等衛星影像,Tcloud和 Tshadow可以選擇為

式中,m為圖像的亮度均值;σ為圖像的標準方差。

(2)基于 Freeman鏈碼的輪廓跟蹤技術及矩形云區域自動生成

針對本文研究的內容,應用二值圖像輪廓跟蹤[3]算法對分割后的影像進行跟蹤并且確定矩形云區域的過程:依據“左手準則”跟蹤出圖像中的所有云區域邊界;同時記錄存儲每條邊界的 Freeman鏈碼數據,包括輪廓序列號、輪廓點數、方向碼及各點圖像坐標;利用點數特征剔除大部分的噪聲和非云區域,然后計算各云區域的最大外接矩形。設矩形左上、右下角坐標分別為 (XL,YL),(XR,YR),則XL、XR和 YL、YR分別對應著邊界點圖像坐標在水平和垂直方向上的最小值和最大值。

2.多圖像亮度規格化技術

假設遙感衛星成像時沒有顯著的季節變化,具有不同時相分辨率的兩幅影像 I1、I2會有亮度和對比度差異,由這樣的兩幅影像進行對比融合或者相應云像素和陰影像素的替換后得到的結果影像 R中會出現“補丁”效應。文獻[4]中提出了一種多圖像亮度規格化技術,在進行像素替換前首先將兩幅原始影像 I1、I2的亮度水平調節一致,實現方法為

式中,第一幅影像 I1的平均亮度為M1,標準方差為V1;第二幅影像 I2的平均亮度為 M2,標準方差為V2;Icor為經過規格化校正的第二幅影像。平均亮度及標準方差的計算公式為

上述方法存在的不足是當影像中存在大量的云和陰影時,全局規格化技術中一些統計參數 (例如均值和方差)可能受到極大的影響。因此,為了避免云和陰影對整幅影像亮度的干擾,本文提出了一種改進的方法,具體做法是:先利用經過配準后的影像 I2′對 I1上的云區域進行初次替換,得到結果影像 R′;然后以 R′為基準影像,對 I2′進行亮度規格化;最后利用規格化后的影像 I2″對 R′再次進行替換操作,得到替換結果影像 R。

3.拼接縫消除

本文中,利用影像 I2″上的非云區域替換 I1上的云區域可以看成兩幅影像內部的“局部鑲嵌”,替換區域的邊界可以看成拼接縫。雖然在替換的過程中使用了直方圖匹配和多圖像亮度規格化技術,但這種“局部鑲嵌”的過程仍需要對替換后的影像進行拼接縫的消除處理。目前拼接縫消除的方法有很多,簡便有效且使用較多的是基于影像重疊的加權平滑法。其基本思想為:對拼接縫上任意一點兩側的灰度按如下公式進行處理式中,f(xi,yi)為與拼接縫距離為的任意點 i經平滑處理后得到的像元灰度值;f1(xi,yi)、f2(xi,yi)分別為重疊區域上該位置兩幅影像的像元灰度值;W為平滑寬度;K為權系數。W由用戶給出,其值不大于重疊區域的寬度 L,K在平滑范圍內呈線性反向變化。由于本文使用矩形區域代替云區域進行替換,所以需要從四個方向對矩形區域進行加權平滑,以達到消除拼接縫的目的。圖 1所示的為這一方法原理示意圖。

圖1 消除拼接縫示意圖

四、試驗結果及分析

本文所采用的試驗數據來自 SPOT 5拍攝的上海地區高分辨率衛星遙感影像,有云影像 I1和無云影像 I2的獲取時間分別為2001年和 2000年。由于數據過于龐大,本文采用截圖顯示,原始圖像大小分別為 600像素 ×385像素,684像素 ×454像素。去云的整個過程如圖 2所示。

圖2 去云過程

值得注意的是,圖 2(i)所示的是用常規方法去云的效果。這里的常規方法是指在沒有進行多圖像亮度規格化和拼接縫消除處理的情況下,直接用I2′上的像素替換相應位置的云像素和陰影像素,這樣做的后果導致了圖像上的“補丁”效應,并且很難去除。表1所示是對兩種方法處理結果的比較。

表1

從表 1中可以看出,經本文方法去云后的圖像部分指標有所提高。尤其是影像均值、標準差以及兩種方法處理結果與原始影像的相關系數值,信息熵的下降客觀上是由于輔助影像數據的地面分辨率較低造成的。

五、結束語

基于多時相遙感影像的替換法是去除朵云的一種常用方法,本文在研究該算法的同時,對替換策略及替換過程中的細節作了改進,使得最終去云效果有了較大提高。但是從整體來看,該方法的局限性在于由于需要輔助影像作支持,所以數據來源以及成像質量是個首要問題,這為去云工作帶來了較高成本;其次兩幅影像配準精度也直接影響替換的結果。在上述條件都能滿足的情況下,利用本文方法是切實可行的,有效地提高了遙感資源利用率。

[1] 郭童英,尤紅建.一種基于小波融合的多時相遙感圖像去云方法[J].測繪通報,2007(3)：40-42.

[2] 朱述龍,朱寶山,沙從術,等.利用輔助影像進行 IKONOS圖像的去云處理[J].測繪科學與工程,2004,24 (4)：25-28.

[3] 何斌,馬天予,王運堅,等.Visual C++數字圖像處理[M].北京：人民郵電出版社,2001：435-444.8

[4] 張永生,戴晨光,張云彬,等.天基多源遙感信息融合[M].北京：科學出版社,2005：127-134.

[5] 馬瑾,陳立潮,張永梅.輪廓跟蹤與邊沿檢測的圖像自動識別[J].中北大學學報,2006,27(5)：431-435.

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

[7] 史金霞,王錚.一種拼接縫消除方法[J].現代電子技術,2005,(13)：116-120.

[8] LU D.Detection and Substitution of Clouds/Hazes and Their Cast Shadows on IKONOS Images[J].International Journal of Remote Sensing,2007,28(18)：4027-4035.

[9] LAVREAU J.De-HazingLansat ThematicMapper Images [J].Photogrammetric Engineering&Remote Sensing, 1991,57(10)：1297-1302.

The ImprovedM ethod of C irrus and Shadows Removal Based on M ulti-temporal Remote Sensing Images

DONGBaogen,Q IN Zhiyuan,YANGAnhong

0494-0911(2010)12-0014-03

P237

B

2009-12-22

董保根(1977—),男,河南鶴壁人,博士生,從事遙感圖像處理方面的研究。