基于圖像熵的冰川遙感數(shù)據(jù)程序化建模

摘 要：【目的】提高使用冰川遙感數(shù)據(jù)進(jìn)行程序化建模的模型精度，降低因遙感圖像RGB色域較窄導(dǎo)致空間矩陣邊緣干擾。【方法】提出基于圖像熵算法構(gòu)建90 m的DEM高精度三維模型法。首先，對(duì)遙感圖像進(jìn)行灰階處理，將RGB信息轉(zhuǎn)化為滿足圖像熵計(jì)算的灰度信息；其次，設(shè)定特定規(guī)格的判定網(wǎng)格，應(yīng)用HALCON平臺(tái)來計(jì)算各網(wǎng)格的熵值，匹配高程噪波；最后，采用視差融合進(jìn)行程序化建模。在建模過程中應(yīng)用高程噪波補(bǔ)償點(diǎn)云來構(gòu)建模型細(xì)節(jié)。【結(jié)果】由仿真結(jié)果可知，在10 m×10 m高程判斷網(wǎng)格下，圖像熵能正確反映出高程噪波。【結(jié)論】該方法能有效提升冰川遙感圖像程序化建模的精度，但要注意的是網(wǎng)格邊緣熵值容易突變，從而影響高程噪波的正確性。

關(guān)鍵詞：圖像熵；遙感圖像；高程；程序化建模

中圖分類號(hào)：P209" " "文獻(xiàn)標(biāo)志碼：A" " 文章編號(hào)：1003-5168（2023）13-0027-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2023.13.005

Programmed Modeling of Glaciers Using Remote Sensing Data Based on Image Entropy

ZHOU Qingwei CHEN Heng YU Mingzhen DENG Tianyu

（Sichuan Tourism University， Chengdu 610000，China）

Abstract：[Purposes] This paper is to improve the accuracy of programmed modeling using glacier remote sensing data and reduce the edge interference of spatial matrix caused by narrow RGB color gamut of remote sensing images.[Methods]A high-precision three-dimensional model method of 90 m DEM based on image entropy algorithm was proposed. Firstly， the remote sensing image is gray-scale processed， and the RGB information is converted into gray-scale information that satisfies the image entropy calculation. Secondly， the judgment grid of specific specifications is set， and the entropy value of each grid is calculated by using the HALCON platform to match the elevation noise wave. Finally， disparity fusion is used for procedural modeling. In the modeling process， the elevation noise compensation point cloud is used to construct the model details.[Findings] It can be seen from the simulation results that the image entropy can correctly reflect the elevation noise under the 10 m × 10 m elevation judgment grid.[Conclusions] Therefore， this method can effectively improve the accuracy of programmed modeling of glacier remote sensing images. However， it should be noted that the entropy of grid edge is easy to mutate， which affects the correctness of elevation noise.

Keywords： image entropy; remote sensing image; altitude; programmatic modeling

0 引言

遙感圖像配準(zhǔn)被廣泛應(yīng)用于目標(biāo)地景驗(yàn)證、精度分析、三維重構(gòu)等領(lǐng)域中［1-2］。其中，提高三維重構(gòu)空間尺度與精度是研究的重點(diǎn)。基于3D-GIS的傾斜攝影可實(shí)現(xiàn)三維地理的信息建模［3］，并能導(dǎo)出FBX標(biāo)準(zhǔn)化數(shù)據(jù)［4］，有著較高精度的三維地形與貼圖斑塊。由于冰川高差在上千米，無人機(jī)拍攝存在困難。因此，可利用衛(wèi)星遙感圖像，采用大范圍數(shù)字正射影像（DOM）和數(shù)字高程模型（DEM）來輔助構(gòu)建三維模型［5］，本研究?jī)H使用DEM數(shù)據(jù)。光學(xué)遙感三維計(jì)算機(jī)模擬是基于TRGM和DART模型對(duì)圖像進(jìn)行判定的［6］，可根據(jù)RGB值來判斷高差信息，但要明確斑塊的邊界。冰川遙感灰度色域較窄，程序化過程極易被干擾。閔杰等［7］提出一種增強(qiáng)型遙感影像的SRGAN算法，可提高三維模型重建的邊緣精度，但采用不同時(shí)間獲取的遙感圖像構(gòu)建的三維模型有著較大的豎向信息差異。

本研究提出基于圖像熵決策遙感信息的方法，用衛(wèi)星遙感非均勻性參數(shù)來校正圖像灰度噪聲，從而判斷熵值大小。在匹配冰川后，在不同灰度值下處理遙感圖像的地形高程信息，從而實(shí)現(xiàn)單位面積的高程噪波。同時(shí)，后處理圖像熵可用于判斷高精度圖像微動(dòng)，而這取決于DEM圖像的分辨率。分析確定時(shí)間范圍內(nèi)的熵值變化，獲得15 dB以上的信噪波動(dòng)，可提高冰川遙感灰度圖的高程判定和冰川地形程序化建模的準(zhǔn)確性。

1 研究方法

1.1 圖像熵決策遙感信息特征

DEM遙感圖像為三通道RGB彩色，存在冰川斑塊邊際干擾和色域較窄的問題。利用圖像熵灰度梯度矩陣對(duì)DEM的像素信息進(jìn)行熵值分布?xì)w納，可降低在90 m圖像精度下計(jì)算空間矩陣時(shí)的邊緣干擾，從而判定閾值斑塊下的高程數(shù)值，提高遙感圖像視差融合精度。

高程變化可用熵值反應(yīng)的灰度變化程度來表示。在程序化建模過程中，熵值越大，地形變化也越激烈，反之則地形越平緩。單位網(wǎng)格內(nèi)像素的數(shù)量決定著圖像灰度噪聲、單位時(shí)間內(nèi)信噪波動(dòng)及可用于控制點(diǎn)云的數(shù)量。網(wǎng)格內(nèi)像素越多，點(diǎn)云越稀疏，修正錯(cuò)誤點(diǎn)云的能力越高；反之點(diǎn)云越密集，修正錯(cuò)誤點(diǎn)云的能力越低。

1.2 遙感圖像視差融合程序化建模

通過多視角DEM視差數(shù)據(jù)融合可實(shí)現(xiàn)對(duì)三維結(jié)構(gòu)的推斷［9］，即利用遙感圖像程序化建模來實(shí)現(xiàn)大場(chǎng)景三維地形建模，如圖2所示。

1.3 虛幻引擎仿真

本研究涉及的程序化模型要實(shí)時(shí)演算數(shù)萬個(gè)頂點(diǎn)，因此選擇基于GPU運(yùn)算的虛幻引擎對(duì)冰山場(chǎng)景模型進(jìn)行實(shí)時(shí)渲染仿真。渲染管線包括頂點(diǎn)運(yùn)算、實(shí)時(shí)光照、材質(zhì)與貼圖、LOD等。通過虛幻引擎的地編系統(tǒng)對(duì)FBX標(biāo)準(zhǔn)地形模型進(jìn)行實(shí)時(shí)運(yùn)算，其中頂點(diǎn)運(yùn)算負(fù)載較大。如果點(diǎn)云過于復(fù)雜，模型頂點(diǎn)的數(shù)量超過1億，則要進(jìn)行LOD優(yōu)化，從而保證在同一畫面中顯示的多邊形數(shù)量合適。此外，基于遙感圖像構(gòu)建的三維模型所含材質(zhì)與貼圖信息極少，要在現(xiàn)場(chǎng)獲取圖像，并基于FBX標(biāo)準(zhǔn)對(duì)模型的材質(zhì)與貼圖進(jìn)行補(bǔ)充，以提高實(shí)時(shí)運(yùn)算下冰山模型的畫面仿真程度。技術(shù)流程如圖3所示。

采用FBX建模標(biāo)準(zhǔn)來繪制多邊形。首先，進(jìn)行現(xiàn)場(chǎng)踏勘、遙感三維建模、3D掃描等，從而獲得空間信息；其次，完成FBX標(biāo)準(zhǔn)模型構(gòu)建；最后，進(jìn)行UE4浮點(diǎn)測(cè)試。

采用PBR基于物理渲染貼圖。首先，選取基礎(chǔ)模型對(duì)標(biāo)準(zhǔn)材質(zhì)（至少包含法線、反射、光澤）進(jìn)行制作；其次，計(jì)算光照，記錄物理渲染信息，將渲染結(jié)果的色相、飽和度、明度等進(jìn)行矯正，疊加計(jì)算AO；最后，在UE4環(huán)境中進(jìn)行LOD配置與貼圖測(cè)試。

2 試驗(yàn)與分析

截取1 km×1.4 km、90 m的DEM數(shù)據(jù)（來自地理空間數(shù)據(jù)云），經(jīng)視差融合后構(gòu)建低密度點(diǎn)云，并繪制10 m精度的地形模型，用圖像熵來處理遙感數(shù)據(jù)，建立高程噪波，補(bǔ)充等高切片的地形高程細(xì)節(jié)。

對(duì)遙感圖像進(jìn)行灰度處理，結(jié)果如圖4所示。設(shè)置10 m×10 m高程判斷網(wǎng)格，結(jié)果如圖5所示。在HALCON平臺(tái)中計(jì)算固定網(wǎng)格熵值，并根據(jù)上述研究方法來繪制熵值匹配的高程噪波圖，結(jié)果如圖6所示。

熵值是用來反映灰階集合的比特頻率，即灰度變化程度。因此，計(jì)算時(shí)將熵值范圍設(shè)定為0～10。由于高程的噪波值與圖像熵的灰度值成正相關(guān)，當(dāng)噪波值接近1時(shí)，高差接近無限，故設(shè)定高程噪波值范圍為0～0.5。部分熵值與高程噪波對(duì)比見表1，繪制出的部分熵值與高程噪波對(duì)比如圖7所示。根據(jù)10 m×10 m灰度網(wǎng)格劃分下的熵值和各向異性系數(shù)判斷出熵值越接近最大值（9.035 4），高程變化越大；越接近最小值（0.057 9），高程變化越小。

由圖7可知，熵值與高程噪波程曲線成正相關(guān)，各向異性系數(shù)無參照意義。因此，在將熵值高程噪波附加點(diǎn)云網(wǎng)格進(jìn)行計(jì)算時(shí)，可得到高精度程序化模型。附加高程噪波前后程序化模型如圖8、圖9所示。

3 結(jié)語

一般方法在用大尺度DEM數(shù)據(jù)進(jìn)行程序化建模時(shí)，要用到超高精度的遙感圖像，且容易忽略高程細(xì)節(jié)。本研究采用圖像熵計(jì)算單位網(wǎng)格下的高程噪波信息，在程序化建模中補(bǔ)充點(diǎn)云空間密度，同時(shí)遙感圖像灰度化能有效避免冰川斑塊邊際干擾和規(guī)避RGB色域較窄的問題，從而實(shí)現(xiàn)使用90 m的DEM數(shù)據(jù)完成復(fù)雜地形建模。網(wǎng)格細(xì)分后的遙感圖像易受邊界像素的影響，使得部分網(wǎng)格熵值突變，對(duì)高程噪波的正確性造成影響。雖然手動(dòng)篩查可以修正，但工作量巨大，且極易出現(xiàn)錯(cuò)誤。因此，要改進(jìn)方法來消除邊界像素的干擾。

參考文獻(xiàn)：

［1］喬川，丁亞林，許永森，等.基于地理位置信息的圖像配準(zhǔn)方法及精度分析［J］.光學(xué)學(xué)報(bào)，2017（8）：325-335.

［2］袁俊鵬，安維勝，茍鵬.基于圖像熵的自適應(yīng)閾值配準(zhǔn)算法［J］.計(jì)算機(jī)與數(shù)字工程，2022（6）：1354-1358，1370.

［3］趙坤，張海軍，田騫.基于傾斜航空攝影技術(shù)的三維實(shí)景建模研究［J］.能源與環(huán)保，2022（9）：143-149.

［4］白畯文，李念容，鄭永新，等.城市級(jí)三維GIS場(chǎng)景快速構(gòu)建及應(yīng)用實(shí)踐［J］.國(guó)土資源信息化，2021（2）：54-59.

［5］曹明振，李巖松，王江悅.無人機(jī)實(shí)景建模輔助BIM+3DGIS在建筑改造設(shè)計(jì)中的應(yīng)用研究［C］//中冶建筑研究總院有限公司.2020年工業(yè)建筑學(xué)術(shù)交流會(huì)論文集（中冊(cè)）.北京：工業(yè)建筑雜志社，2020：399-402

［6］蒙肖雷.光學(xué)遙感三維計(jì)算機(jī)模擬模型的應(yīng)用分析［J］.電子測(cè)試，2022（16）：61-63，87.

［7］閔杰，張永生，于英，等.增強(qiáng)型遙感影像SRGAN算法及其在三維重建精度提升中的應(yīng)用［J］.地球信息科學(xué)學(xué)報(bào)，2022（8）：1631-1644.

［8］李鎮(zhèn)鋒，陳曉榮，陳夢(mèng)華，等.基于圖像熵和傅里葉變換的復(fù)雜背景分割［J］.軟件工程，2021（11）：19-23.

［9］陳立家，王凱，李世剛，等.基于航空影像的航海模擬器視景快速建模方法［J］.系統(tǒng)仿真學(xué)報(bào)，2021（7）：1565-1573.