ERDAS空間建模應(yīng)用研究

馬 晶，邱發(fā)富，吳鐵嬰，劉 森，程春泉

(1．長(zhǎng)春工程學(xué)院，吉林長(zhǎng)春130021;2．吉林省水利水電勘測(cè)設(shè)計(jì)研究院，吉林長(zhǎng)春130012;3．中國(guó)電視劇制作中心，北京100055;4．中國(guó)測(cè)繪科學(xué)研究院，北京100830)

一、引 言

在獲取圖像的過(guò)程中，由于多種因素的影響，導(dǎo)致圖像質(zhì)量多少會(huì)有所退化。為了能夠最大限度地從遙感影像上獲取有價(jià)值的信息，必須對(duì)遙感圖像進(jìn)行處理。通過(guò)圖像處理，可以改善圖像質(zhì)量，突出需要的信息，抑制一些無(wú)用的信息，壓縮圖像數(shù)據(jù)量，提高圖像的使用價(jià)值[1]。無(wú)論是何種目的的圖像處理，都需要由計(jì)算機(jī)和圖像專用設(shè)備組成的圖像處理系統(tǒng)對(duì)圖像數(shù)據(jù)進(jìn)行輸入、加工和輸出。遙感專業(yè)圖像處理軟件ERDAS IMAGINE提供了空間建模(spatial modeler)工具，這是一個(gè)面向目標(biāo)的可視化模型語(yǔ)言環(huán)境，用戶可以在這個(gè)環(huán)境中應(yīng)用直觀的圖形語(yǔ)言在一個(gè)頁(yè)面上繪制流程圖，并定義輸入數(shù)據(jù)、操作環(huán)境、運(yùn)算規(guī)則和輸出數(shù)據(jù)，從而生成一個(gè)空間模型。通過(guò)編寫圖形語(yǔ)言程序集成各種遙感圖像處理功能，就能一鍵實(shí)現(xiàn)最終的處理目標(biāo)，減少中間處理圖形存儲(chǔ)的內(nèi)存，提高工作效率，使圖像處理工作化繁為簡(jiǎn)。

二、空間建模簡(jiǎn)介

ERDAS IMAGINE是美國(guó)ERDAS公司開(kāi)發(fā)的遙感圖像處理系統(tǒng)。它具有先進(jìn)的圖像處理技術(shù)，友好、靈活的用戶界面和操作方式，可面向廣闊應(yīng)用領(lǐng)域的產(chǎn)品模塊，以及服務(wù)于不同層次用戶的模型開(kāi)發(fā)工具及高度的RS/GIS集成功能等優(yōu)點(diǎn)。

Modeler是ERDAS下的一個(gè)模塊，是一個(gè)面向目標(biāo)的模型語(yǔ)言環(huán)境，由空間建模語(yǔ)言(SML)、模型生成器(Model Maker)和空間模型庫(kù)(Model Library)組成[2-3]，這是一個(gè)面向目標(biāo)的圖形模型語(yǔ)言，即用直觀的圖形語(yǔ)言將一個(gè)具體的過(guò)程用模型表達(dá)出來(lái)。在這個(gè)模型中，分別定義不同的圖形代表輸入數(shù)據(jù)、輸出數(shù)據(jù)、空間處理工具，它們以流程圖的形式組合并且可以執(zhí)行空間分析操作功能。用戶可據(jù)此設(shè)計(jì)出高級(jí)的空間分析模型，實(shí)現(xiàn)復(fù)雜的分析和處理功能。整個(gè)過(guò)程只需用其提供的工具欄在窗口中繪出模型的流程圖，指定流程圖的意義、所用參數(shù)等，即可完成模型的設(shè)計(jì)，無(wú)需進(jìn)行具體而復(fù)雜的編程過(guò)程。ERDAS IMAGINE為用戶提供了高層次的設(shè)計(jì)工具和手段，以便用戶將更多的精力集中在專業(yè)領(lǐng)域的研究。

三、圖像處理基本原理

遙感圖像數(shù)字處理是應(yīng)用計(jì)算機(jī)對(duì)遙感圖像進(jìn)行加工處理，以改善圖像質(zhì)量、增強(qiáng)有關(guān)信息的一種技術(shù)方法[4-5]。與光學(xué)圖像處理相比，數(shù)字圖像處理簡(jiǎn)捷、快速，并且可以完成一些光學(xué)處理方法所無(wú)法完成的各種特殊處理[5]，因此數(shù)字圖像處理已成為圖像處理的主流。早期圖像處理的目的是改善圖像的質(zhì)量，以改善人的視覺(jué)效果。近年來(lái)計(jì)算機(jī)識(shí)別、理解圖像的技術(shù)發(fā)展很快，圖像處理的目的除了直接供人觀看外，還進(jìn)一步發(fā)展了與計(jì)算機(jī)視覺(jué)有關(guān)的應(yīng)用。

根據(jù)遙感數(shù)字圖像處理目的的不同，圖像處理的內(nèi)容主要涵蓋了圖像變換、圖像校正、圖像增強(qiáng)、多源信息復(fù)合、計(jì)算機(jī)解譯處理等多個(gè)方面。筆者主要運(yùn)用ERDAS IMAGINE的空間建模工具對(duì)遙感圖像進(jìn)行各種運(yùn)算，以達(dá)到圖像增強(qiáng)的目的。通過(guò)改善圖像的視覺(jué)效果，將圖像轉(zhuǎn)換成一種更適合人或機(jī)器分析處理的形式，有選擇地突出用于分析的信息，抑制不感興趣的特征，提高圖像的使用價(jià)值。

四、圖像處理實(shí)踐

1．圖像灰度反轉(zhuǎn)

灰度反轉(zhuǎn)(brightness inverse)是對(duì)圖像灰度范圍進(jìn)行線性或非線性取反，產(chǎn)生一幅與輸入圖像灰度相反的圖像，其結(jié)果是原來(lái)圖像亮的地方變暗，原來(lái)暗的地方變亮。灰度反轉(zhuǎn)有兩種基本算法。

1)條件反轉(zhuǎn)，其表達(dá)式為

式中，Din為輸入圖像，且已歸一化(0～1);Dout為輸出的灰度反轉(zhuǎn)圖像。

2)簡(jiǎn)單反轉(zhuǎn)，其表達(dá)式為

針對(duì)表達(dá)式中的條件判斷，考慮到分母為0的情況，避免運(yùn)算結(jié)果出現(xiàn)溢出，在Modeler中采用以下判斷語(yǔ)句

Either＜arg1＞if(＜test＞)or＜arg2＞Otherwise

此語(yǔ)句的語(yǔ)法描述是：如果測(cè)試條件＜test＞成立，則返回＜arg1＞的值;如果條件＜test＞不成立，則返回＜arg2＞的值。

條件反轉(zhuǎn)是輻射增強(qiáng)的一種方式，該方法通過(guò)改變圖像的灰度范圍來(lái)提高圖像的對(duì)比度，強(qiáng)調(diào)輸出圖像中灰度較暗的部分。簡(jiǎn)單反轉(zhuǎn)算法表示簡(jiǎn)單取反，輸出圖像與輸入圖像等量相反。由于簡(jiǎn)單反轉(zhuǎn)算法比較簡(jiǎn)單，故主要給出采用條件反轉(zhuǎn)算法建立的模型(如圖1所示)。

在上述灰度條件反轉(zhuǎn)模型中，對(duì)輸入的原始圖像進(jìn)行灰度值歸一化處理用到的Either條件判斷語(yǔ)句具體設(shè)置如下

其中，GLOBAL MAX/MIN是求一幅圖像灰度值的最大值與最小值函數(shù);$n1_20010915spot是輸入的原始SPOT圖像。此語(yǔ)句執(zhí)行的功能為：如果原始圖像灰度的最大值-其灰度的最小值等于0，則生成的圖像文件此點(diǎn)灰度值為0;否則，生成的圖像文件此點(diǎn)灰度值執(zhí)行原始圖像灰度值與其灰度最小值的差值/其灰度最大值與該點(diǎn)圖像灰度值的差值。

圖1 條件反轉(zhuǎn)圖形模型

執(zhí)行灰度條件反轉(zhuǎn)，利用Either語(yǔ)句進(jìn)行條件判斷的具體設(shè)置如下

其中，$n3_memory為經(jīng)過(guò)歸一化處理之后的圖像。此語(yǔ)句執(zhí)行的功能為：如果輸入的圖像灰度值介于0與0．1之間，則生成的圖像文件此點(diǎn)灰度值與輸入的圖像灰度值一致;否則，生成的圖像文件此點(diǎn)灰度值為0．1與輸入的圖像灰度值之商。

從圖2顯示的試驗(yàn)結(jié)果看，設(shè)計(jì)的圖形模型達(dá)到了反轉(zhuǎn)的目的。同時(shí)為了顯示更多的細(xì)節(jié)，在設(shè)計(jì)條件反轉(zhuǎn)模型時(shí)還對(duì)反轉(zhuǎn)結(jié)果作了灰度拉伸，使圖像經(jīng)過(guò)反轉(zhuǎn)后包含的信息更為豐富，尤其是強(qiáng)調(diào)了原始圖像中原本較暗部分的信息。

圖2 灰度反轉(zhuǎn)處理結(jié)果對(duì)比圖

2．圖像邊緣檢測(cè)

由于邊緣檢測(cè)本身所具有的難度及對(duì)邊緣檢測(cè)要求的提高，人們除了不斷將新的理論結(jié)合到邊緣檢測(cè)中外，也對(duì)原有的算法進(jìn)行了更深入的研究分析，并對(duì)這些算法的某些環(huán)節(jié)作了改進(jìn)[6-8]。同時(shí)，人們也逐漸認(rèn)識(shí)到現(xiàn)有的任何一種單獨(dú)的邊緣檢測(cè)算法都難以從圖像中檢測(cè)到令人滿意的圖像邊緣，因而更加重視把各種方法綜合起來(lái)運(yùn)用。在這樣的指導(dǎo)思想下，本文詳細(xì)研究了 Sobel算子和Laplacian算子在邊緣檢測(cè)中的特點(diǎn)[9]，借鑒文獻(xiàn)[10]中提出的基于梯度相乘的邊緣檢測(cè)算法，設(shè)計(jì)了基于梯度相乘的邊緣檢測(cè)方法，其算法流程如圖3所示，而依據(jù)上述思想建立的邊緣檢測(cè)模型結(jié)構(gòu)如圖4所示。

圖3 基于梯度相乘的邊緣檢測(cè)算法流程圖

應(yīng)用圖4所示的模型經(jīng)過(guò)反復(fù)試驗(yàn)測(cè)試，發(fā)現(xiàn)基于梯度相乘的邊緣檢測(cè)算法得到的結(jié)果影像內(nèi)容很混亂(如圖6(c)所示)，并沒(méi)有達(dá)到預(yù)期的理想效果，這主要是因?yàn)長(zhǎng)aplacian算子對(duì)影像內(nèi)部結(jié)構(gòu)也有一定的檢測(cè)作用，致使結(jié)果影像整體很冗雜，處理后的影像反倒模糊了。而后改進(jìn)圖形模型結(jié)構(gòu)，只結(jié)合Sobel算子和二階導(dǎo)數(shù)進(jìn)行邊緣檢測(cè)，得到的影像效果很好，最終建立的邊緣檢測(cè)模型結(jié)構(gòu)如圖5所示。

圖6(a)是原始試驗(yàn)影像;圖6(b)是基于ERDAS軟件Interpreter/Spatial Enhancement/Non-directional Edge模型得到的邊緣檢測(cè)結(jié)果;圖6(c)是先將原始影像進(jìn)行二階導(dǎo)數(shù)處理，然后再分別同時(shí)利用Sobel算子和Laplacian算子進(jìn)行邊緣增強(qiáng)，得到基于梯度相乘的邊緣檢測(cè)結(jié)果影像;圖6(d)是改進(jìn)模型結(jié)構(gòu)后，只結(jié)合Sobel算子和二階導(dǎo)數(shù)進(jìn)行邊緣檢測(cè)得到的結(jié)果影像。從以上結(jié)果影像對(duì)比分析看，圖6(c)的邊緣檢測(cè)效果最差，圖6(b)和圖6(d)效果都比較明顯，都能將地物信息的邊緣輪廓清晰顯示出來(lái)，但圖6(d)比圖6(b)圖面效果更平滑，尤其是城區(qū)建筑物邊緣的輪廓更清晰，顯示效果更為強(qiáng)烈，效果更佳。

圖4 結(jié)合Sobel、Laplacian算子的邊緣檢測(cè)圖形模型

圖5 改進(jìn)的邊緣檢測(cè)圖形模型

圖6 結(jié)合不同算子進(jìn)行邊緣檢測(cè)得到的結(jié)果影像效果對(duì)比圖

五、結(jié)束語(yǔ)

本文主要討論了利用ERDAS IMAGINE空間建模工具，通過(guò)構(gòu)建不同的圖形模型程序集成各種遙感圖像處理功能，從而快捷實(shí)現(xiàn)最終的處理目標(biāo)。文中主要論述了關(guān)于圖像灰度反轉(zhuǎn)、圖像邊緣檢測(cè)的圖形建模研究，并通過(guò)實(shí)踐進(jìn)一步證實(shí)了ERDAS空間建模工具直觀、操作簡(jiǎn)便、功能強(qiáng)大等特點(diǎn)，既可以按自己的需求進(jìn)行很簡(jiǎn)單的圖形應(yīng)用編程，還可以將用戶多年積累的經(jīng)驗(yàn)運(yùn)用該工具提供的模型表現(xiàn)出來(lái)，為遙感圖像處理提供了良好的條件。由Model Maker產(chǎn)生的空間圖形模型還可以轉(zhuǎn)換成SML程序模型，使用空間建模語(yǔ)言SML進(jìn)行解譯，以產(chǎn)生最適合數(shù)據(jù)特征和應(yīng)用目標(biāo)的算法。

另一方面也有不足之處，例如定義函數(shù)時(shí)，函數(shù)語(yǔ)句之間的間隔設(shè)置若有多個(gè)空格、少個(gè)空格或者疏漏了分母為0的情況，程序都不會(huì)運(yùn)行，將出現(xiàn)錯(cuò)誤提示。這就需要認(rèn)真檢查，直至錯(cuò)誤全部被排查才能得到正確的運(yùn)行結(jié)果。在使用條件判斷語(yǔ)句時(shí)，選擇一個(gè)合理的邊界區(qū)間也很重要，假若選取不恰當(dāng)，運(yùn)行之后對(duì)影像的某種處理可能無(wú)法達(dá)到預(yù)期目的。

[1]賈永紅．?dāng)?shù)字圖像處理[M]．武漢：武漢大學(xué)出版社，2003．

[2]黨安榮，王曉棟，陳曉峰，等．ERDAS IMAGINE遙感圖像處理方法[M]．北京：清華大學(xué)出版社，2003．

[3]楊昕，湯國(guó)安，鄧?guó)P東，等．ERDAS遙感數(shù)字圖像處理實(shí)驗(yàn)教程[M]．北京：科學(xué)出版社，2009．

[4]韋玉春，湯國(guó)安，楊昕，等．遙感數(shù)字圖像處理教程[M]．北京：科學(xué)出版社，2007．

[5]孫家抦．遙感原理與應(yīng)用[M]．武漢：武漢大學(xué)出版社，2003．

[6]張莉，賈永紅，程剛．基于數(shù)學(xué)形態(tài)學(xué)的遙感影像邊緣檢測(cè)研究[J]．地理信息空間，2006，4(4)：52-54．

[7]PI Q L，HU J Y．Analysis of Sea Surface Temperature Fronts in the Taiwan Strait and Its Adjacent Area Using an Advanced Edge Detection Method[J]．Science China(Earth Sciences)，2010，53(7)：1008-1016．

[8]米林，馬亞洲，郝建軍，等．一種基于Canny理論的邊緣提取改進(jìn)算法[J]．重慶理工大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，24(5)：54-58．

[9]雷麗珍．?dāng)?shù)字圖像邊緣檢測(cè)方法的探討[J]．測(cè)繪通報(bào)，2006(3)：40-42．

[10]陳宇云．灰度圖像的邊緣檢測(cè)研究[D]．成都：電子科技大學(xué)，2009．