鐵路工程地質遙感圖像處理系統設計研究

丁小軍

摘要：文章針對鐵路工程缺少專業的地質遙感圖像處理系統需求，設計支持圖像融合評價、波段運算等功能的系統。在闡述系統的結構基礎上，詳細介紹系統圖像文件管理、圖像融合、圖像增強等功能的設計。同時，選取部分實例測試系統功能，研究結果表明，根據光譜逼真度及其紋理清晰度可以定量評價圖像融合結果，從而挑選最合理的融合算法，提升遙感影像可判釋能力;水體指數法可以展現良好的細節信息，適用于平坦地域水體信息提取;譜間信息法可以把水體和陰影進行區分，適合用在陡峻山區信息提取。

關鍵詞：鐵路工程;地質遙感;圖像處理系統;設計

中圖分類號：U212.22，TQ015.9

文獻標識碼：A

文章編號：1001-5922（2019）08-0036-04

遙感是現代信息技術中一種重要的技術，主要用來采集地球空間信息及動態變化資料，成為廣泛用于資料環境、測繪勘察、農業水利等領域開展科學研究的主要方法。近些年，隨著遙感技術的迅速發展，高空間及光譜分辨率的衛星影像被廣泛用于工程地質工作中。衛星影像除具備幾何校正等功能外，還能依據地質判釋情況完成圖像增強、融合等處理。基于此，本文針對傳統遙感圖像處理軟件所欠缺的功能，設計一款功能齊全的遙感圖像處理系統，以滿足鐵路工程圖像融合、圖像特征增強等信息提取需要。

1 系統業務流程分析

與一般圖像處理系統相比較，遙感圖像處理系統不同之處表現在下列方面：遙感圖像具有復雜、多樣化特征;遙感圖像實施處理時，要求數據有較小的損失量，且對數據處理精度提出更高的要求[1]。因此，遙感圖像處理系統在構建與實現過程中均有一定的復雜性，采用這種系統提取專題信息，不僅要求操作人員具有一定的專業知識，也要求采用部分特殊的數據分析方法，便于用戶理解、使用該系統各項功能。該系統業務流程如下：挑選系統內需要處理的遙感圖像文件，若通過applet方法執行，必須對其進行授權，方可支持客戶端訪問本地資源。挑選需要處理的文件后，將遙感圖像基本信息輸入在內，包含尺寸、文件格式、灰度等[2][3]。程序對圖像文件進行加載后，會利用原始大小顯示這一圖像。操作人員依據選擇對圖像開展各種處理，包含復原、增強等不同的操作，如圖1所示。

2 系統功能結構設計

依據鐵路工程開展地質遙感判釋工作的實際需要，設計系統主要功能包含圖像融合、圖像增強運算等，如圖2所示。

波段組合方法與處理：利用對多光譜數據展開統計分析，求解波段組合中的最佳指數，給出最合理的波段組合方法及其相應計算參數，完成波段組合處理操作[4]。

圖像文件管理：該模塊包含文件輸入、輸出及文件格式轉換功能。該系統需要對不同格式的遙感圖像及文件格式進行處理，包含：BMP、GIF、JPG等，因遙感圖像主要為BSQ及BIL格式，因此，本系統重點關注這兩種格式。對這兩種數據格式進行讀人時，必須輸入相應地基本信息，如：圖像尺寸、總波段數等，并挑選三個波段當做RGS顯示出來。輸入上述數據后，系統需要開展相應地信息監測，判定上述數據是否合理。若存在不合理的數據，系統則彈出相應地提示信息，并停止操作[5]。如果全部數據均合理，系統會采用圖像原始大小及所選RCB波段進行處理。文件輸入操作流程如圖3所示。必須注意，文件輸出則是在獲取圖像對應的一維數組，隨之，將其寫入在內存流內，執行寫入文件操作同。一般情況下，所用遙感圖像格式大多為BIL、BSQ，因此，系統需要順利實現這兩種格式間的轉換。

圖像融合功能：在于支持遙感圖像實施多種融合處理，包含PCA變換融合、HPF變換融合等，并利用平均地區、相關系數、信息熵等參數對融合結果展開定量評價，挑選合理地圖像融合算法，從而獲取良好的融合效果[8][9]。

圖像增強功能：該功能模塊是系統算法中最主要的一個模塊，一般情況下，一幅沒有通過處理的遙感圖像象素間對比度較差，很難精確分辨圖像代表的地物細節。利用圖像增強方式，不僅能增強圖像對比度，也可以達到合理分辨地物細節的效果[10][11]。該功能模塊具體功能，如圖4所示。

信息提取功能：該模塊功能支持通過計算機輔助提取水體、斷裂構造等信息，有利于提升地質遙感判釋效率。在鐵路工程中開展勘察設計時，需要采用不同時期的衛星圖像獲得沿線不同類型河流特征及其地貌單元，深入研究河道演變規律，用于更好地指導做好現場調查及選線設計工作[12]-[14]。地表井等調查工作也是地質遙感日常工作內容之一。現階段，通過衛星遙感影像可以順利完成自動提取水體信息操作，而差值法、水體指數法等相繼得到廣泛的應用。其中，譜間信息法、水體指數法發展更為成熟，且效果好。前一種方法通過波段之間的光譜差異特征提取水體信息。依據水體特殊的多波段譜間關系特點，有學者提出創律譜間信息法模型：

B5/B2

（2）

上述式子中，B2、B3分別代表綠、紅波段;a表示閥值;B4代表近紅外;B5表示短波紅外。可利用公式（1）把水體與陰影當做一類，與其它地物實施分離處理;式子（2）把水體和陰影進行分開。

后一種方法則要考慮水體的波譜特征，就是在綠波段展現出較強的投射型，短波紅外處在水吸收帶之內，真實展現地表所含水量敏感情況。因此，使用綠波段和短波紅外波之間的差值與這兩個波段數值之和比值當做歸一化書體指數NDWl，如果滿足NDWI>O這個條件，提取的地物是水體[15][16]。歸一化水體指數求解公式如下：

NDWI= （B2+ Bs）/（B2- B5）

（3）

上述式子內，B2代表綠波段;B5表示短波紅外波段。

3 系統部分功能應用實例

3.1 圖像融合效果評價

選取我國河南省的洛寧縣一韓城縣的ALOSlOm多光譜影像及2.5m全色影像相互融合為研究對象，以此展開相應地評價試驗。圖像實施融合前必須展開輻射校正、圖像配準等處理。波段組合使用321組合方法，影像配準選定全色數據作為基準，并把多光譜和全色數據進行合理地配準。除系統軟件自身配置的PCA轉換、HPF變換等融合算法之外，還需要加入IHS變換、乘積變換等融合算法展開評價。

根據融合結合和原始圖像所對應波段一系列參數進行計算，后采用平均值當做融合結果評價標準。ALOS數據所用不同融合方式效果評價參數，如表l所示。從相關性視角分析，小波變換能夠獲得良好的效果，其次分別為HPF、乘積這兩種變換方法。由信息熵層面分析，小波變換能夠獲取最佳的結果，隨之分別為Brovey及HPF變換;從偏差系數分析，HPF變換能獲得更好地效果，其次分別是小波、Brovey變換。根據紋理清晰程度可知，小波變換效果更理想，隨之依次為HPF和Brovey這兩種變換;分析光譜逼真程度可知，HPF變換可以獲取最佳的效果，其次分別是小波和Brovey變換。綜合分析光譜逼真度及紋理清晰度可知，小波及HPF變換會獲取最佳的效果，可當做地質判釋遙感圖像融合優先選取的方法。

根據圖像融合評價結果可知，對同一種數據源，采用不同算法獲取的融合效果存在一定的差異。因數據源類型、區域等指標存在差異，在鐵路工程進行地質遙感判釋操作前，需要對圖像融合效果展開評價，找到最優的融合算法，并實施融合處理。

3.2 水體信息提取

選取新建設的浦梅線局部區域Landsat8多光譜影像為研究依據，開展水體信息提取分析。原始圖像合成效果中水體顯示為藍色，能夠看出有大河流、湖泊輪廓。根據提取的信息可知，影像內大規模的水體信息已經基本提取出來，與譜間信息法提取結果比較，水體指數法所提取的河流信息更為連續，小湖泊等信息提取效果更加豐富，表明水體指數法對于小型水體信息提取具有更好地效果。必須注意，圖像右下角存在少量陰影及云覆蓋，利用譜間信息法可以有效分離陰影和水體，水體指數法則會這些信息混為一體。

4 結語

綜上所述，根據鐵路工程開展地質遙感判釋工作實際需求，設計一款用于鐵路工程的遙感圖像處理系統軟件，以此完成圖像融合評價、專題信息提取等功能。在此基礎上，對系統部分功能展開應用測試，測試結果證實，依托光譜逼真度及其紋理清晰度評估圖像融合結果，可以挑選出最佳的融合算法，提升圖像可判釋能力。同時，采用水體指數法提取平坦區域的水體信息，其細節顯示效果優于譜間信息法，而譜間信息法有利于準確區分水利和陰影，滿足陡峻山區提取水體信息需求。

參考文獻

[1]劉桂衛，全德武，鐵路工程地質遙感圖像處理系統設計與實現[J].鐵道工程學報，2017，34（8）：11-15+52.

[2]彭檢貴，張良，李維良，等，桌面遙感圖像處理系統并行處理架構選擇與實驗分析[J].軟件導刊，2017，16（4）：201-204.

[3]明冬萍，邱玉芳，周文，等，遙感模式分類中的空間統計學應用——以面向對象的遙感影像農田提取為例[J].測繪學報，2016，45 （7）：825-833.

[4]陳穎，王天陽，劉倩，等.遙感圖像處理技術在土地勘測中的應用[J].民營科技，2016，（10）：70.

[5]韓岳松.專家系統在遙感圖像處理中的應用探討[J].西部探礦工程，2014，26（7）：107-111.

[6]趙爽，李學軍，劉濤，等，構建基于自主可控平臺遙感影像處理應用系統關鍵技術[J].飛行器測控學報，2016，35（5）：385-391.

[7]張元軍，基于雙邊濾波與小波閾值法的礦區遙感圖像處理[J].金屬礦山，2017，（9）：170-173.

[8]曹洪濤，李明，李器宇，等.ARCENGINE結合MAT-LAB的遙感圖像處理技術[J].測繪與空間地理信息，2015.（10）：147-150.

[9]秦緒佳，洪夏陽，王慧玲，等政進的遙感圖像SURF特征匹配算法[J].小型微型計算機系統，2016，37（2）：327-331.

[10]王鑫，遙感圖像信息提取系統的設計與實現[J].自動化技術與應用，2018，37（1）：93-96.

[11]劉揚，付征葉，鄭逢斌，等.高分辨率遙感影像目標分類與識別研究進展[J].地球信息科學學報，2015，17（9）：1080-1091.

[12]李亞飛，董紅斌，基于卷積神經網絡的遙感圖像分類研究[J].智能系統學報，2018，13（4）：550-556.

[13]譚翔，毛海穎，支曉棟，等，基于無人機紅外光譜技術的影像數據匹配方法研究[J].光譜學與光譜分析，2018，38（2）：413-417.

[14]李思瑤，周海芳，方民權，等，基于web的遙感影像并行系統設計[J].中國科技信息，2017，（9）：93-94.

[15]潘博陽，楊鶴猛，伍小潔，等，基于SIFT和AffinityPropagation的遙感圖像配準算法[J].信息技術，2014，（12）：25-28+32.

[16]劉福魁，劉麗，曹世欣，等，遙感圖像結合MapGIS在省級礦山衛片執法檢查中的應用[J].國土資源遙感，2014.（ 3）：166-169.