影像增量動態更新與融合技術研究

張新長，唐 鐵

中山大學地理科學與規劃學院，廣東廣州510275

1 引 言

隨著遙感影像數據逐漸成為空間數據的主要來源，如何組織、管理及快速更新影像數據是一個值得深入研究的問題。為切實解決好影像數據庫持續動態更新的關鍵技術問題，建立一套（半）自動化的數據庫增量更新模式是研究的重要方向之一［1－3］。近年來，有關矢量數據的增量動態更新已有一些研究成果，如文獻［4］中提到的基于拓撲聯動的地籍數據庫增量更新，這是一種矢量數據庫的更新；而有關影像數據庫的增量更新方面的研究相對較少，文獻［5］提出基于元數據管理的影像數據更新，以元數據為輔助機制，對影像存儲更新進行組織管理。文獻［6］提出基于影像金字塔的增量更新，通過影像金字塔管理檢索影像實現增量替換更新。文獻［7］提出的影像超分辨率重建中的動態數據更新是一種基于影像局部范圍的更新，利用Delaunay三角網在目標影像的數據源發生變化的情況下劃定更新范圍，然后針對變化范圍重建結果直接進行更新。文獻［8］提出通過衛星影像與車載照片圖像融合的方法來解決高質量道路影像的更新。文獻［9］提出一種在探測影像數據發生變化的基礎上，計算各個波段相對于地物發生變化的敏感性系數，對變化敏感性強的波段和弱的波段采用不同策略實施影像更新。盡管國內外學者已經提出一些關于影像數據的更新方法，但是，目前有關影像更新的方法技術研究投入產出尚不足，難以應用于工程實踐，影像數據庫的增量動態更新仍是迫切需要解決的難題。

筆者在解決影像變化范圍的基礎上，引進影像鑲嵌的方法理論，對原始影像和新影像進行鑲嵌處理，大大降低影像更新的條件和成本，同時也確保了更新后的影像質量，該更新模式主要針對一些變化速率快的區域作增量式的更新處理［10－11］。所謂增量動態更新是指采集數據變化的部分，以增量的方式對原數據進行修正和補充等進行實時地更新處理，確保影像數據庫的現勢性。但是，不同時相的影像數據在色調、紋理乃至地物內容上的變化，會造成同一地區的不同時相的圖像色調上的不統一和紋理上的不連續，致使它們在彼此鑲嵌融合時，出現色調不匹配以及明顯的拼接縫［12］。鑒于此種情況，對原始影像和新影像作色彩均衡化處理，對于鑲嵌邊緣存在的像元突變效應進行基于卷積和距離加權的圖像平滑融合處理。

2 增量動態更新與融合方法

2.1 基于圖幅的更新影像檢索

在輸入新影像前提下，基于圖幅的方式能快速簡捷地找到數據庫中需要更新的圖幅。該方法相比于影像的自動變化檢測方法，具有實現簡單、快速等優點，而相比于一般的通過坐標運算定位更新范圍則更加方便、準確。為了實現基于圖幅的數據更新，需要在數據庫中按影像分幅方式建立數據格網索引圖（接圖表），即按地形圖分幅規則建立覆蓋整個建庫范圍的索引格網。索引圖在數據庫中存儲為一個面要素類，其中的每個面要素對應索引格網的一個單元，即每個面要素對應著一個圖幅。索引圖作為一個面要素類，對應一張屬性表，應在入庫時將圖幅的相應屬性存入屬性表中。圖幅序號記錄了圖幅的次序，可以以行或者列的方式排列所有圖幅的次序，圖幅序號的值是唯一的，每個圖幅對應一個圖幅序號。圖號字段存儲對應圖幅的圖號字段。

根據新影像的范圍檢索出影像數據庫中發生變化的圖幅，即被新影像范圍覆蓋或經過的圖幅。根據新影像文件像素坐標左上角坐標，右下角坐標，換算出實際的地理坐標。通用圖像格式存儲的遙感影像數據，一般帶有坐標信息文件。利用信息文件中的坐標信息，進行像素坐標與實際地理坐標值的轉換。如果新影像文件坐標信息文件中與原影像坐標信息文件中具有不同的空間坐標信息，可以通過以下坐標轉換方法獲得：① 新影像和原始影像內找到三個以上相同的控制點計算坐標轉換的參數；② 提取出圖像坐標定位系數，計算出新的坐標定位系數與幾何重采樣的圖像坐標轉換公式；③ 根據重采樣函數對圖像作圖像重采樣，得到重采樣后的圖像；④ 將新的坐標定位系數輸出到坐標定位文件中，完成遙感圖像的坐標轉換工作。像素坐標與地理坐標轉換公式為x1＝Ax＋By＋C，y1＝Dx＋Ey＋F。其中x是像素所在列數；y是像素所在行數；x1為像素對應的地理東坐標；y1為地理北坐標；A是x方向比例參數；E是y方向比例參數負值；B和D為旋轉參數，分別代表像素因旋轉在東和北方向距離偏移值，一般為0；C和F是影像左上角像素的影像地理坐標［13］。根據上式將影像像素坐標轉換為地理空間坐標，得到新影像左上角地理坐標p1（x1，y1）、右下角p2（x2，y2），原影像的左上角坐標（x0，y0）圖幅的寬Rx、高Ry，且Rx＝Ry＝R0，則：

（1）依據公式（1）、（2）計算得到變化區域左上角和右下角所對應的2—2的分幅號行列坐標（W2－2，H2－2）、4—4的分幅號行列坐標（W4－4，H4－4）

（2）依據公式（3）、（4）可得到變化區域的左上角p3（xP3，yP3）和右下角p4（xP4，yP4）坐標

變化區域以P1P2為對角的矩形區域如圖1所示。

圖1 檢索出需被更新的圖幅數Fig.1 Detect the number of images that need update

2.2 確定更新變化范圍

設給定新影像的左上角地理坐標p1（x1， y1）、右下角p2（x2，y2）。每一個需要更新的分幅的左上角坐標（xtl，ytl），右下角（xrb，yrb），根據如下公式判斷則獲得每個分幅的變化區域左上角（xtl，ytl）和右下角（xrb，yrb）地理坐標：

（1）每個分幅的變化區域左上角坐標求算公式

（2）每個分幅的變化區域右下角坐標求算公式

根據上述公式可以判斷出每個圖幅的變化區域，如圖2所示。

圖2 檢索出圖像的更新變化范圍Fig.2 The detected change areas of the retrieved images

2.3 不同時相影像數據色彩均衡化處理

遙感圖像色調無縫處理關鍵是解決遙感圖像圖幅之間的色彩一致性問題即消除特定區域范圍內不同影像之間在色調、亮度、反差等方面存在的不同程度的差異，從而保證新遙感影像在更新后不出現人眼可分辨的圖幅邊界和色彩差異。

目前存在很多影像色調平衡算法主要包括：基于方差、均值的方法，基于信息熵的匹配算法，基于直方圖規定化的匹配算法，基于一階直方圖平衡算法等。通過案例試驗，采用基于影像信息熵的色調均衡方法［11］對于調整新影像色調與被更新影像色調一致有較好的效果。

以信息熵映射的方法對其中的一景影像進行信息熵的轉換，使新影像和被檢索出影像存在的色調差異趨于一致。假設被檢索影像的最大、最小灰度值和信息熵分別為g1max、g1min和H1，新影像的最大、最小灰度值和信息熵分別為島g2max、g2min和H2。新影像和原始影像中的第i灰度級的百分率分別為P2（i）、P1（i）［14－15］，則

以原影像為參考，對新影像進行映射，則映射的計算公式如下

式中，g2＇（i，j）為映射后的結果；g2（i，j）是新影像（i，j）的灰度值。這種處理方式的計算量較小，運算速度快。

2.4 影像融合及接邊處理

通過求出分幅的變化區域左上角坐標（xtl，ytl）和右下角坐標（xrb，yrb），然后把新影像的變化信息寫到原影像的對應區域中。針對影像增量更新情況下的影像接邊縫處理要求大致可以分為以下兩點：① 影像更新后無明顯的接邊縫隙，即要求原始影像與新影像之間為平滑自然地過渡；② 在平滑過渡區域也要盡可能保證圖像真實性，即過渡區域不能選擇太大，而且平滑圖像的模糊程度不能過高。在兩幅影像的相交邊緣處往往因為兩幅影像突變的像元差異，產生一條明顯的拼接縫，因此，如何消除這條拼接縫，并且使得新影像和原始影像之間實現自然平滑地過渡，消除像元突變效應即是影像鑲嵌的關鍵問題所在［14－16］。

如圖3所示，在重疊區內選取長為l的區域作為過渡區域帶，像點距離過渡區域左邊緣越遠則左邊圖像的距離權重越小，相應地，右邊圖像的距離權重越大。

圖3 影像更新變化過渡范圍示意Fig.3 The transition regions of images that need update

過渡區域帶的像元值計算公式是

式中，d是圖像點距離過渡區域左邊緣的長度，單位為像素單元大?。粀a為原影像像元Ia的權重；wb為新影像像元Ib的權重。

但是，在新的影像疊加到原始影像的過程中，往往因為實際地物地表的物理變化，兩幅影像鑲嵌邊緣處存在像元的突變效應。從信號頻譜分析的知識得知，信號的慢變部分在頻率域屬于低頻部分，而信號的快變部分在頻率域是高頻部分。對于圖像來說，它的邊緣以及噪聲干擾的頻率分量都處于空間頻率域較高的部分，因此可以采用低通濾波的方法去除噪聲，而頻域的濾波又很容易用空間域的卷積來實現，為此只要適當地設計空間域系統的單位沖激響應矩陣就可以達到濾除噪聲的效果。

式中，F（m，n）為m×n模板；H（x－m＋1，y－n＋1）為卷積模板；G（x，y）為平滑處理后中心像元的值。

根據空間自相關性定律，距離越近的空間相關性越大，距離越遠的空間相關性越小。在空間域上對圖像進行鄰域檢測，選定一個卷積函數，又稱為模板，實際上是在圖像上開一個m×n的圖像窗口，窗口形狀一般設置為奇數正方形，如3× 3，5×5，7×7等。針對圖像重疊區域，利用卷積算法來處理兩幅圖像的重疊區域?？紤]到實現效率，本文采用3×3模板卷積運算消除因為兩幅圖像之間像元差異，低通卷積掩模H＝故基于空間域低通濾波距離加權的函數為

式中，Ii為處理后的像元值；Iai為原始影像的像元值；Ibi為新影像的像元值；d為當前點距新影像邊緣的大?。籰為平滑過渡區域帶。

為實現不同時相影像的自然平緩過渡，過渡區域帶的平滑算法是將卷積運算與距離加權運算相結合，針對邊緣處灰度差異大的問題，采取低通濾波來消除灰度的突變效應，采用像元距離加權來實現兩者之間的無縫集成。但是，低通濾波會造成邊緣信息的損失，而不采用這種方法又會由于某些差異較大的新舊像元影響而形成明顯的接邊縫，所以這里采取損失一小部分邊緣信息量，以保證更新后影像的質量。同時，低通濾波模板選取的也不是簡單的平均值，而是考慮臨近像元效應，對于距離中心像元不同長度的像元給予不同的權重。

綜上所述，變化區域像元的計算公式為

3 試驗案例

本試驗采用的數據是廣州增城市高分辨率數據，采用VS2008開發環境。數據包括2003年和2008年兩個時期的彩色航片影像（3km×3km，分辨率0.4m）。數據格式為經過坐標配準的航空攝影航片格式，本試驗根據算法的需要，已將其轉換為TIFF圖像格式以供程序使用，如果原始影像與新影像的分辨率不同，更新前需要把新影像分辨率重采樣和原影像分辨率相同，本試驗所用新影像數據與原影像分辨率相同。試驗中對增城市多處地方進行增量動態更新，下面的試驗數據為增城市新塘鎮某地區。

在用戶輸入新影像數據的情況下，該算法通過坐標變換，定位到原影像的變化區域，在現勢數據庫中搜索出關聯圖幅，然后對這些圖幅的變換區域進行更新替換，快速地實現了變化區域的增量更新，并且針對不同時相影像數據之間存在的由于不同條件下獲取所引起的色差以及由于鑲嵌邊緣處存在的像元突變效應作了有效的處理，更新后的影像將保存至現勢數據庫中，而原始影像也將移至歷史數據庫中。更新方法及過程如圖4所示。

從試驗結果可以看出：基于圖幅的增量動態更新實現了從輸入一幅新影像到搜索匹配獲取更新數據及變化區域，影像色調一致性處理和新影像與原始影像的鑲嵌融合處理，并且影像的更新處理結果達到了較好的效果，整個過程耗時短，運算便捷快速。由于影像管理存儲是基于ArcSDE的，所以在影像的讀寫操作花費時間相對后面融合處理時間久，實例檢索時間為68.56s，而更新處理時間為45.16s。更新后的影像，整體亮度均勻、色彩反差適中、紋理色彩信息豐富、地物分異明顯；且沒有出現重影或模糊不清，色調基本達到自然真彩色的效果。

圖4 基于圖幅的影像增量動態更新與融合示意Fig.4 Schematic diagram of incremental dynamic image update and fusion based on map sheet system

4 結束語

在分析有關空間地理信息數據庫更新的國內外已有研究成果基礎之上，提出基于圖幅模型的影像增量動態更新與融合方法，并實際應用于廣東省增城市空間地理信息數據庫影像數據的快速增量動態更新。該方法首先是利用圖幅接合表，在用戶輸入新影像的前提下幫助用戶快速定位找出原影像的變化范圍與圖幅，針對不同時相影像數據的色彩差異及接邊問題，引入影像鑲嵌理論，而非直接替換原始數據，通過對不同時相影像間的色差、像元突變效應的處理，提升影像更新后的數據質量，整個實現過程簡潔明了。試驗結果表明：本模型具有實現方法簡單，處理速度快，局部增量動態更新的特點，而且影像更新后數據質量令人滿意。

但對于不同時相遙感圖像更新的主要困難是：在獲取時間不同的圖像上，對季節變化十分敏感的植被、水體等地物的色調和形態都會有所不同，隨著時間推移而發生自然變遷的地物以及人類活動造成的人文標志的變化，也都會造成同一地區圖像在色調、紋理和地物內容上的變化。這一系列變化必然造成不同時相圖像色調上的不統一和紋理上的不連續，致使在更新時，新影像與周邊影像色調的不一致以及邊緣地區會出現明顯的接縫。雖然本文采用色彩均衡處理和距離加權的卷積運算將處理色調及接邊縫，但是，從視覺效果上看，同樣會存在少許差異，因此如何更好地解決或者減少因時相問題帶來的色彩差異還值得深入研究與討論，如可能通過針對各類分類地物實施數據的增量更新等；而且基于圖幅方式的增量更新還是具有一定的局限性，對于普及適用有一定的限制，它是以需要圖幅接合表索引以及分塊存儲影像為附加條件而提高搜索效率，所以，以上問題將是今后的研究重點。

［1］ CHEN Jun，LI Zhilin，JIANG Jie，et al.Key Issues of Continuous Updating of Geo－spatial Databases［J］.Geomatics World，2004，2（5）：1－5.（陳軍，李志林，蔣捷，等.基礎地理數據庫的持續更新問題［J］.地理信息世界，2004，2（5）：1－5.）

［2］ JIANG Jie，CHEN Jun.Some Consideration for Update of Fundamental Geo－information Database［J］.Bulletin of Surveying and Mapping，2000（5）：1－3.（蔣捷，陳軍.基礎地理信息數據庫更新的若干思考［J］.測繪通報，2000（5）：1－3.）

［3］ COOPER A，PELED A.2 0 0 1，Incremental Updating and Versioning［C］∥Proceedings of the 20th International Cartographic Conference.Beijing：［s.n.］，2001：2806－2809.

［4］ CHEN Jun，ZHOU Xiaoguang.Incremental Updating of Spatial Database Based on Topological Linkage－taking Cadastral Database as an Example［J］.Acta Geodaetica et Cartographica Sinica，2008，37（3）：323－329.（陳軍，周曉光.基于拓撲聯動的增量更新方法研究：以地籍數據庫為例［J］.測繪學報，2008，37（3）：323－329.）

［5］ ZHENG Qunying，ZHOU Xiaoguang，LUAN Zhuxiao.Method for Incremental Organization and Updating of Image Pyramid［J］.Geospatial Information，2009，7（5）：38－41.（鄭群英，周曉光，欒柱曉.影像金字塔增量更新方法［J］.地理空間信息，2009，7（5）：38－41.）

［6］ HAO Sibao.Research on the Key Technologies of Building Digital Orthophoto Map Database［D］.Nanjing：Nanjing Normal University.2007.（郝思寶.數字正射影像建庫關鍵技術研究［D］.南京：南京師范大學，2007.）

［7］ TAN Bing，GUO Jianxing，XING Shuai，et al.Dynamic Data Updating Algorithm for Image Super Resolution［J］.Editorial Board of Geomatics and Information Science of Wuhan University，2005，30（12）：1067－1070.（譚兵，郭建星，邢帥，等.影像超分辨率重建中的動態數據更新算法［J］.武漢大學學報：信息科學版，2005，30（12）：1067－1070.）

［8］ MASAFUMI NODA，TOMOKAZU TAKAHASHI，DAISUKE DEGUCHI，et al.Road Image Update Using in Vehicle Camera Images and Aerial Image［C］∥Proceedings of 2011IEEE Intelligent Vehicles Symposium.Baden－Baden：［s.n.］，2011：5－9.

［9］ MAMUN M A，JIA Xiuping，RYAN M.Adaptive Data Compression for Efficient Sequential Transmission and Change Updating of Remote Sensing Images［C］∥Proceedings of 2009IEEE International Geoscience and Remote Sensing Symposium，IGARSS.Cape Town：［s.n.］，2009：12－17.

［10］ FAN Y T，YANG J Y，ZHANG C，et al.A Event－based Change Detection Method of Cadastral Database Incremental Updating［J］.Mathematical and Computer Modelling，2010，51：1343－1350.

［11］ LIN Na，WANG Bin.Study on Incremental Updating Mechanism of Spatial Database［J］.Science of Surveying and Mapping，2008，33（3）：198－200.（林娜，王斌.空間數據庫增量式更新機制的研究［J］.測繪科學，2008，33（3）：198－200.）

［12］ CAPEL D.Image Mosaicing and Super－resolution［M］.New York：Springer－Verlag，2004.

［13］ WANG Qiang，SHU Jiong，ZHANG Xiaohu.A Method of Coordinate Transformation of Remote Sensing Images［J］.Science of Surveying and Mapping，2006，31（4）：137－140.（王強，束炯，張曉滬.一種遙感圖像的坐標轉換方法［J］.測繪科學，2006，31（4）：137－140.）

［14］ YANG Hongwei.Study on the Images Fusion，Mosaic and Map Based on the Remote Sensed Image with High Spatial Resolution and Multi－sources［D］.Lanzhou：Lanzhou University，2010.（楊紅衛.高分辨率多源遙感影像融合與鑲嵌、制圖研究［D］.蘭州：蘭州大學，2010.）

［15］ JIANG Hongchen.A Study and Design on More Remote Sensing Images Mosaicing System［D］.Beijing：Institute of Remote Sensing Applications Chinese Academy of Sciences，2004.（蔣紅成.多幅遙感圖像自動裁剪鑲嵌與色彩均衡研究［D］.北京：中國科學院遙感應用研究所，2004.）

［16］ HUANG Wenli，ZHU Shulong，CHEN Hong.Seamline Removing in Mosaicked Image［J］.Journal of Insititute of Surveying and Mapping，2000，17（1）：31－33.（黃文莉，朱述龍，陳虹.鑲嵌圖像上拼接縫的消除方法［J］.測繪學院學報，2000，17（1）：31－33.）