衛星影像數據質量檢驗方法研究

丁宏毅，周致迎，趙育良

（海軍航空工程學院青島校區，山東 青島 266041）

衛星影像數據質量檢驗方法研究

丁宏毅，周致迎，趙育良

（海軍航空工程學院青島校區，山東 青島 266041）

隨著衛星遙感技術的深入發展，所獲得的影像分辨率越來越高，偵照目標越來越清晰。本文基于熵作為信息量的測度，來研究合理利用影像數據的一種檢驗方法，并利用研究結果對影像進行實驗分析。

衛星影像；熵；數據質量

在對衛星影像的實際使用中，經常使用多波段融合影像，融合后的影像灰度級往往會大大增加。這不僅對影像數據處理算法提出了挑戰，還對影像數據質量的檢驗評價研究提出了新的要求。判定衛星影像構像質量的傳統檢查方式，基本上還是依靠人眼進行，這種檢查方式對操作者的經驗要求非常高,而且極耗費人力。經過對影像質量評定標準的研究發現，可以選取影像的熵作為一種重要的影像數據質量檢驗研究方法。

1 影像熵的基本理論

熵是用來描述衛星影像信息量的一個重要指標，熵越大則影像包含的信息量越大。在對衛星影像數據質量的評定研究中，雖然有不少采用熵來進行評價，但由于不考慮影像相關的問題，所以也就難以評價其方法的正確性和優勢。通常采用統計信息量來表示一幅影像的不確定度，也就是影像的熵。

設X為取值于S={x1，x2，…，xn}的一個隨機變量。如果P( X=xi)=p( xi)，則隨機變量X的熵定義為：

注，它和系統S的熵的定義一樣。

設X和Y分別取值于S1={x1，x2，…，xn}和S2={y1，y2，…，ym}的兩個隨機變量。如果P( X=xi, Y=yj)=p( xi, yj)，則X和Y的聯合熵定義為

隨機向量X=（X，Y）的熵定義為：

H( X)=H( X, Y )

顯然，H( X, Y)與H( Y, X)相等。

熵有若干特性，考慮到算法的可靠性和健壯性，在實驗中利用熵的可加性來完成算法設計。

設{p1,…,pn, q1,…qm}為一個概率分布。如果a=p1+p2+…+pn，且0＜a＜1，則

本文中所討論的熵模型是影像灰度熵，考慮到熵及聯合熵的特征與性質，決定通過雙字節影像熵算法設計，進行基于兩波段聯合熵求解的影像分析，驗證算法的效果，為熵特征在衛星影像數據質量評價的應用提供有效可行的辦法。

2 實驗過程

用來實驗的原始數據是MODIS的七個波段的雙字節影像（unsigned16bits），是tif格式的，相對而言，tif格式的影像編程處理比較麻煩，因此選擇將tif格式轉換為raw格式后再進行處理。在此步驟，應用衛星影像處理軟件ENVI來進行數據轉換。然后對通過變換去相關性前后的單波段衛星影像的熵及直方圖進行求解。所處理影像的大小均為512×512。對MODIS的7個波段影像，進行變換（消除相關性）前后的熵及聯合熵的計算，通過解算發現第一、第二波段的灰度直方圖的灰度范圍較小，大概存在4000多個灰度級。第六、第七波段的灰度范圍較大，都達到了10000多個灰度級。中間幾個波段的灰度范圍處于中等水平。接下來，討論MODIS七個波段經過余弦變換前后的熵，見表1。

表1 變換前后影像熵的比較

對于聯合熵的解算，根據相關性分析檢查變換后的波段間相關性，如果相關性小就可直接求和計算，而不采用聯合熵計算。可以看出，經過頻域變換后，各個波段的熵都減小了，證明去相關后，單波段影像的信息量減小了。

對于雙波段衛星影像聯合熵求解，需要處理的數據量較大，所以采取了先求出最大、最小灰度，然后在這個區間范圍內，開二維數組的方法。根據上一部分的試驗結果，發現所處理的七個波段影像中擁有最大的灰度范圍的是第六、第七波段，有一萬多個灰度級，最小的有四千多個灰度級，這樣以來，所開數組范圍已大量減小，又利用公式（3）分段來解求聯合熵，而且處理的影像是512×512大小的，在此基礎上程序調試成功。部分主要代碼如下：

arrHist1=GetHistogram(pBuffer1,nWidth,nHeig ht,nHistNum1,nMinGray1,nMaxGray1);

in_file1.close();

in_file2.close();

GetMinAndMax(pBuffer2,nDim,nMinGray2,nM axGray2);

doubledAdjEntropy=0;

doubleaux=0;

for(inti=0;i＜nHistNum1;i++)

{

doubledpi=((double)arrHist1[i]/(double)nDim);

arrHist2=GetHistogramAux(pBuffer1,i+nMinGra y1,pBuffer2,nWidth,nHeight,nHistNum2,nMaxGray2 ,nMinGray2);

aux=dpi;

dAdjEntropy+=dpi*ComputeEntropyAux(arrHis t2,nHistNum2,nTotal,aux);

delete[]arrHist2;

}

dAdjEntropy+=ComputeEntropy(arrHist1,nTota l,nHistNum1);

delete[]arrHist1;

delete[]pBuffer1;

delete[]pBuffer2;

returndAdjEntropy;

下面對變換前后該七個波段的相關性進行分析，見表2、3、4。

表2 影像變換前后自相關系數

表3 影像變換前兩兩互相關系數

表4 影像變換后兩兩互相關系數

3 實驗結果

根據實驗數據不難看出自相關系數和波段之間互相關系數在變換后都有了很大的削減，這說明經過頻域變換影像的相關性確實得到了減小。頻域變換后有的聯合熵增大了，是因為原始MODIS數據的灰度分布很不均勻，中間灰度級存在很多為零，但經過余弦變換后，由于變換中有加權計算的過程，導致在原來為零的灰度級上添加了灰度非零的像素，導致部分聯合熵增大。對于原始相關性不高，變換后相關性更低的波段聯合熵可直接取兩影像熵之和。同時，也解決了兩波段影像的聯合熵在變換后為什么會減小的問題。因為這些原始MODIS數據的相關性比較大，經余弦變換后，相關性減弱，所以有的聯合熵減小了。

4 結語

實驗結果表明，熵和聯合熵是衛星影像信息量比較有效的測度，也是檢驗衛星影像數據質量的有效尺度。它可以檢查單幅影像的數據質量，也可以對多波段衛星影像融合前后的數據質量進行檢查。本文研究的多波段聯合熵計算采用熵的可加性算法，計算速度大大提高，便于進行實時處理。

[1]陳浩光，廖學軍，李云芝.基于證據熵的衛星偵察影像質量評估研究，軍事運籌與系統工程，2004,18(2):48～52.

[2]吳援明，梁恩志.一種基于熵的放大后影像質量的評價方法，信號處理，2004,20(2):201～203.

P237

A

1671-0711（2016）12（下）-0073-02