卫星数据图像预处理方法分析研发.docx
《卫星数据图像预处理方法分析研发.docx》由会员分享，可在线阅读，更多相关《卫星数据图像预处理方法分析研发.docx（30页珍藏版）》请在冰豆网上搜索。
卫星数据图像预处理方法分析研发
日本ALOS卫星数据图像预处理方法研究－⑴
RS应用2010-10-0815:
39:
22阅读107评论0 字号：
大中小 订阅
引言
随着航天遥感技术的发展，多星种、多波段、多分辨率的卫星影像数据不断出现，人们对高分辨率遥感数据的使用，已经有了很大的选择空间。
为了更好的开发利用遥感数据图像信息，提高对多源遥感数据的认知能力，需要对各类遥感图像数据进行处理方法的研究，日本ALOS卫星数据就是其中之一。
关键词：
有效灰阶动态度，色强度空间变换模式，线性加权乘积变换模式，乘积变换模式，主分量组分变换模式，三次卷积算法，双线性内插算法，波段同步性，曲向错位。
一.ALOS卫星简介
ALOS卫星又称高级陆地观测卫星（AdcancedLandObseringSatellite，以下简称ALOS），是日本宇航研究开发机构于2006年1月，在日本南部的种子岛航天发射中心（TanegashimaSpaceCenter，NTSC）发射的一颗陆地观测卫星，是日本在1992年发射的地球资源卫星1号和1996年发射的改进型地球观测卫星之后，发射的又一颗自称“更加先进的”陆地观测技术卫星。
ALOS卫星携带有三种遥感传感器：
①全色立体测图传感器（PRISM），具有2.54米的空间几何分辨率，能分别沿轨道方向的前视、垂直下视、和后视快速获取高精度的地面立体信息；
②新型可见光和近红外辐射计（AVNIR-2），具有10.00米的空间几何分辨率、0.42～0.69μm可见光谱段波谱分辨率，以及0.76～0.89μm近红外谱段波谱分辨率，主要用于地表面覆盖观测；
③相控阵型L-波段合成孔径雷达（PALSAR），具有24.00～89.00米微波谱段极化分辨率，主要用于全天候陆地观测。
PRISM具有独立的三个观测相机，分别用于星下点、前视和后视观测，沿轨道方向获取立体影像，星下点空间分辨率为2.54米。
其观测区域在北纬82°至南纬82°之间，其数据主要用于建立高精度的数字高程模型。
表1.PRISM基本参数
波段数
1（全色）
波长
0.52～0.77μm
观测镜
3（星下点成像、前视成像、后视成像）
基高比
1.0（在前视成像与后视成像之间）
空间分辨率
2.5m（星下点成像）
幅宽
70km（星下点成像模式） 35km（联合成像模式）
指向角
-1.5度to+1.5度
观测模式
模式1
星下点、前视、后视（35km）
模式2
星下点（70km）+后视（35km）
模式3
星下点（70km）
模式4
星下点（35km）+前视（35km）
模式5
星下点（35km）+后视（35km）
模式6
前视（35km）+后视（35km）
模式7
星下点（35km）
模式8
前视（35km）
模式9
后视（35km）
新型AVNIR-2传感器的观测区域在北纬88.40°至南纬88.50°之间，主要用于陆地和沿海地区观测，为区域环境监测提供土地覆盖图和土地利用分类图。
为了灾害监测的需要，AVNIR-2还提高了交轨方向的指向能力，侧摆指向角度为±44°，从而缩短了重访周期，能够及时观测受灾地区。
PALSAR是一种主动式微波传感器，它不受云层、天气和昼夜影响，可全天候对地观测。
波长为22厘米，这一波段被定义为L波段，该波段特点是可以穿透树叶和树干，适用于森林监测。
在侧视角度为41.50°时，PALSAR观测区域在北纬87.80°～南纬75.90°之间。
表3.PALSAR传感器的基本参数
模式
高分辨率模式
扫描式合成孔径雷达
极化（试验模式）
中心频率
1270MHz（L波段）
线性调频宽度
（ChirpBandwidth）
28MHz
14MHz
14MHz,28MHz
14MHz
极化方式
HHorVV
HH+HVorVV+VH
HHorVV
HH+HV+VH+VV
入射角
8to60°
8to60°
18to43°
8to30°
空间分辨率
7～44m
14～88m
100m
24～89m
（多视）
幅宽
40～70km
40～70km
250～350km
20～65km
量化长度
5bit
5bit
5bit
3或5bit
数据传输速率
240Mbps
240Mbps
120Mbps,240Mbps
240Mbps
ALOS卫星在亚太地区以上行太阳同步轨道方式提供观测数据。
二.对ALOS影像数据的预处理
我们以ALOS数据B1产品为试验对象，在ERDASIMAGINE、PHOTOSHOP图像处理系统上进行ALOS影像数据的预处理，并对其原数据进行了基本的测试分析。
1.ALOS卫星原始影像数据的特点：
ALOS卫星数据有两个获取源，一是通过日本官方媒介直接获取，二是通过中国科学院地面卫星接收站获取。
源数据皆以1B格式提供，同时随附概要说明，指示每一景数据的接收日期、轨道编号、观测模式、行列数目、存储深度等参数。
源数据在到达用户手中时，已经进行了必要的大气辐射订正和必要的地理坐标定位，提供每一景数据的廓角经纬度和中心点经纬度。
以下以ALOS卫星的全色立体测图传感器（PRISM）、可见光和近红外辐射计（AVNIR-2）数据预处理为例，进行简要说明。
⑴．全色立体测图传感器（PRISM）数据：
PRISM数据为全色影像，光谱范围在0.52～0.77μm可见光波谱段，空间几何分辨率为2.54米，提交给用户时，被重新采样为2.50米。
PRISM是四带光栅扫描式CCD传感器，CCD构像密度为7000点阵即4900万像素，每一扫描带宽为5090个像元，共20360个像元，由于CCD传感器点阵宽度的限制，按星轨运动方向从左边起算：
从图1分析：
第一扫描带分为四个数据段：
0～33个像元为系统噪声，34～3551个像元为空信号，3552～5025个像元为影像数据，5026～5090个像元为系统噪声。
第二扫描带分为三个数据段：
0～33个像元为系统噪声，34～5025个像元为影象数据，5026～5090个像元为系统噪声。
第三扫描带分为三个数据段：
0～33个像元为系统噪声，34～5025个像元为影象数据，5026～5090个像元为系统噪声。
第四扫描带分为四个数据段：
0～33个像元为系统噪声，34～3169个像元为影像数据，3170～4986个像元为空信号，4987～5090个像元为系统噪声。
因此，PRISM提供的有效影像数据扫描宽度为14590个像元，按其像素的空间几何分辨率尺度计算，覆盖宽度为37058.60米，即37公里。
产品化保障性覆盖宽度为35公里。
单景轨向长度为16000个像元，去除首尾各一个像元，按其像素的空间几何分辨率尺度计算，覆盖长度为40634.92米，即40.5公里。
产品化保障性覆盖长度为40公里。
每一景全色波段影像的理论地表覆盖面积为1400平方公里，为同景多光谱波段影像的25％即四分之一。
⑵．可见光和近红外辐射计（AVNIR-2）数据：
AVNIR-2数据为四波段多光谱影像，其中光谱范围在0.42～0.69μm分为蓝、绿、红三个可见光波谱段，空间几何分辨率为10.00米；光谱范围在0.76～0.89μm为一个近红外波谱段，空间几何分辨率也为10.00米；
AVNIR-2是光栅扫描式PMOS传感器，PMOS构像密度也为7100点阵即5041万像素，每一扫描带宽为7100个像元。
AVNIR-2实际提供的影像宽度为7100个像元，按其像素的空间几何分辨率尺度计算，覆盖宽度为71000.00米，即71.00公里。
保障性覆盖宽度为70.00公里。
AVNIR-2提供的多光谱影像数据，单景在轨向的长度为8000个像元，按其像素的空间几何分辨率尺度计算，覆盖长度为80000.00米，即80.00公里。
每一景ALOS可见光全色波段影像覆盖地表的理论面积为5600平方公里，为同景全色波段影像的400％即四倍。
⑶．全色波段影像数据质量：
据ALOS卫星数据提供商介绍，源数据在到达用户手中时，已经进行了必要的大气辐射订正。
但我们在分别比较了分别来自中国科学院卫星地面站和日本RESTEC公司所提供的安徽芜湖、广东汕头的同景ALOS与SPOT5数据后，发现其源数据并不像其所介绍得那样好。
①源影像的数据动态范围检测：
分别观察来自中国科学院卫星地面站与日本RESTEC公司所提供的安徽芜湖、广东汕头的同景ALOS卫星PRISM影像全色波段数据，其共同特点均是灰度动态范围极小，在信息处理的过程中，其可量化的空间比较狭窄：
分析ALOS卫星源影像的灰度值范围，我们将源影像进行了分步处理，包括对原始数据、镶嵌数据两方面的分析，从中发现：
从图2观察，进行了镶嵌后的原始影像，像面灰朦如（a），将其按实际像素尺度放大如（b）后，灰度层次不明显，再放大到极限即扫描线可视的状态如（c）后，其局部灰度无显著视觉改善。
分析其灰度直方图，其有效灰度值均集中在10～155之间，动态度仅有56.86％。
观察如此全色波段数据，直接感觉就似未进行过任何大气订正的数据。
回复分析原始分带扫描数据，从第一扫描带至第四扫描带，其灰度直方图分别表现为图3所示：
观察从第一至第四扫描带影像并计算其各自的灰度值范围，分别为62～110、55～135、60～148、60～125，即相对的灰阶动态度分别为32.50％、31.37％、34.51％、35.72％，其动态度的表现平均为33.53％，加权后为52.16％，与镶嵌后的全景有效灰阶动态度56.86％基本一致。
显然，比对同景范围SPOT5全色波段数据的76.47％有效灰阶动态度来说，ALOS卫星影像全色波段源数据所表现的信息承载能力比较差，见图4（a）、（b）。
②源影像数据的表面噪声检测：
将源数据放大至象元级进行观察，在软件系统默认的实际像素分辨尺度下，能够观察到ALOS卫星PRISM传感器在成像过程中的扫描痕迹，其扫描间隔恰好是隔行痕迹。
对比同景的SPOT5卫星影像，其痕迹噪声十分明显，见图5（a）、（b）。
由于这种信号噪声的性状是属于高频系列的，因此，在数据预处理过程中几乎无法予以消除。
虽然我们并不对卫星数据本身提出质疑，但这种信号噪声的确影响ALOS数据的深度应用，根据剖析过若干种卫星传感器的专家分析，这类信号噪声的产生原因，当主要是PRISM传感器在成像过程中，由于扫描光栅的机械抖动所造成。
其AVNIR-2的各波段也有相同的问题。
在常规的“变化信息提取”所需要的屏幕显示尺度即极限像素尺度下（一般为1:
2000～1:
4000），其扫描痕迹就更加明显，见图6：
这种扫描痕迹所带来的结果，就是使得在今后遥感图像数字化处理的实际应用过程中，无法对ALOS卫星数据进行计算机自动分类和其它模式识别一类的运算。
⑷．多光谱波段影像的数据质量：
①源影像的数据动态范围检测：
仔细观察分别来自中国科学院卫星地面站与日本RESTEC公司所提供的安徽芜湖、广东汕头的同景ALOS卫星影像多光谱波段数据，能够发现其与全色波段数据有相同的问题，即灰阶实际上分布在十分狭小的值域范围内，无信噪声十分明显。
这说明，ALOS卫星影像的源数据在大气辐射订正方面有十分明显的缺陷，见图7。
从图7（d）中可以观察到，灰度值域从0～34基本无值，这是造成ALOS卫星影像数据质量差的原因之一。
我们分析，这主要是由垂直大气通道内的米氏散射现象所造成的，而其灰度分布曲线的“驼峰”曲象，则主要是与垂直大气通道前后交叉的瑞利散射所造成的。
因此，唯一可解释的，就是以日本方面所提供的ALOS卫星0.7633透视参量进行大气辐射订正，仅适于海洋性区域的大气通道，而对内陆地区的大气通道状况则有所不逮。
对于ALOS卫星的大气辐射订正缺陷，除了我们，一些有关方面如台湾省“国立中央大学太空及遥测研究中心”的李国光教授等人在内的其他业内人士，也都发现了此问题。
②源数据的波段同步性检测：
在相同的原始影像数据坐标下，检查ALOS卫星多波段影像中四个波段的原像素坐标的一致性，以确认各波段数据的同步性能。
经检查发现，不论是安徽芜湖景，还是广东汕头景，其红光波段（第三波段）与蓝光波段（第一波段）、绿光波段（第二波段）、红外波段（第四波段）的数据均不同步，可造成15～25米的地表面距离差，因此，在合成的彩色影像上有明显的几何位置曲向错位即“双眼皮”现象，其错位方向：
Y方向即星轨运动方向超前2个像元，X方向的光栅回程扫描成像方向滞后1个像元，使得整体影像在第一象限45°角北东方向超前1个像元，在第四象限315°角北西方向上超前2.24个像元，使彩色合成影像整体在北东、北西方向上出现绿光曲向错位，见图8。
2．ALOS卫星原始影像数据的预处理：
对ALOS卫星原始影像数据的预处理包括四个方面：
①对四个全色波段影像数据进行线性归一化灰度值量化；②准确进行“四带镶嵌”，既进行四个全色波段影像数据的拼接；③重新调整第二波段影像的几何位置，使之与其它波段同步；④对多光谱波段影像数据进行灰度值进行线性归一化灰度值量化。
以下分别予以简述。
⑴．对四个全色波段影像数据进行归一化灰度值量化：
在将四个扫描带的影像镶嵌起来之前，必须检查各扫描带的影像灰度值域范围，并将其统一到同一的灰度值动态度上，否则，后面拼接起来的整景全色波段影像就会成为“大条花布”，如图9：
第一扫描带的灰度值域与第二、三扫描带的灰度值域量化得不一致，因此就形成了明显“亮”与旁边影像的“大条花布”情形。
①分析灰度值：
在裁取了各扫描带的有效数据后，即可进行各带扫描数据的灰度值分析。
工程化分析可以仅注意三个基本参数：
第一是有效灰度的起始阈值Gmin，第二有效灰度的终止阈值Gmax，第三是有效灰阶动态度Gd。
为一百分比值，为无量纲系数，其值愈高，说明影像数据的灰度质量愈好，信息承载量也就愈大。
②灰度值量化：
在裁取了各扫描带的有效数据后，就可以进行各带影像数据的灰度值统一归一化量化处理了。
这个处理过程可以在普通的PHOTOSHOP图象处理系统中进行。
处理过程中要注意使各扫描带的影像数据的有效灰阶动态度Gd一致。
Gd为：
Gd＝[（Gmax－Gmin）/g（S1∽S2）]·100％
其中：
Gmax为截取的最大灰度阈值
Gmin为截取的最小灰度阈值
g（S1∽S2）为根据需要攫取的0～255值域。
具体的量化处理方法是：
设G1、G2为输入影像的嵌位控制值，S1、S2为拉伸后影像的最低、最高灰度值，如图7，于是输入影像的灰度值域G1∽G2被拉伸至S1∽S2区间范围，其中输入灰度0∽G1及G2∽255分别被变换为S1、S2，如果S1＝0、S2＝255，则扩大了输入影像的灰度值的动态范围，从而使影像的信息得到增强。
这是嵌位控制的结果，基本上保持了与原输入影像的线性关系：
余不赘述。
⑵．进行四个全色波段影像数据的拼接：
①裁取源影像：
在对四个全色波段影像数据进行归一化灰度值量化之前，必须将各扫描带中的有效影像裁剪出来，这可以在任何图像处理系统软件中进行。
各扫描带的影像扫描宽度是一致的，但有效影像的尺寸大小是不同的，因此要非常仔细地将有效影响裁剪出来。
每个扫描带的第一行、最末行是无效数据，要裁剪掉；有效影象的第一列、最末列都紧挨着系统噪声或空信号，也要裁剪掉；这样裁取出来的有效影像，除了列数不同外，其起始位置和终结位置在成像扫描行上都是相同的行位。
实验中要注意的是：
第一，不能在列上过多裁剪，因为各扫描带之间仅有20列的重叠区，裁剪过多，一是镶嵌不上，二是给镶嵌操作带来不易进行位置判断的问题。
第二，必须裁剪掉紧挨非有效影象的那一列（第一、最末列），否则会因为噪声、空信号的交互影响（积分效应影响），在镶嵌接线的列位置上形成一条黑线，见图12（a）～（e）。
第三，不得在裁取有效影响数据的过程中进行任何尺寸、分辨率变换等重采样处理，保持源数据的原始性。
②影像镶嵌：
四带影像数据的镶嵌（拼接）工作可以在类如PHOTOSHOP之类的图像处理软件系统中进行。
在镶嵌过程中，先至少要将成果“画布”的宽度定义为四倍扫描成像带宽，即5090×4＝20360个像元，高度则固定在16000个像元，这样在逐带进行影像镶嵌的时候，非常容易准确第确定垂直位置，只需调整各带影像的左右位置即可。
每镶嵌上一带影像，即应予以画板合并，直至全景影像镶嵌完毕。
最后，进行有效影像数据的剪取后，即可存储为最终成果。
要注意的是：
切不可在镶嵌拼接过程中，随意修改某一扫描带影像数据的像元参数，类如分辨率、灰度等。
余略。
⑶．重新调整第三波段影像的几何位置：
据我们分析，造成多光谱第三波段影像与其它波段影像不同步的原因，主要是多光谱成像扫描设备的第三扫描光栅在回扫过程中与其它扫描光栅不同步所造成，无法再进行预先弥补了。
只有在对其数据的预处理过程中予以修订。
由于第三波段的错位偏差为非线性的，其成像偏差可以用一个正切三角的函数描述，所以不能简单地用坐标平移的算法进行复位操作。
以ALOS卫星轨道方向为基准，其错位偏差函数为：
其中：
Xd为传感器回扫方向的偏差量，Yd为星轨运动方向的偏差量。
我们提出的第三波段纠偏方法是：
在专业遥感图像处理软件中，先将ALOS卫星AVNIR-2多光谱影像数据中的第三波段数据分离出来，然后以其它波段数据为基准，使用二次多项式算法对其进行一次像元坐标的几何重配准，之后再将其合成回原多波段数据中，即可解决此问题。
在进行几何配准的过程中，尤其要注意控制点应按“三角网”模式均匀布设，以保障第三波段的影像数据不产生几何位置失真，见图13。
在几何校正的过程中，必须均匀布设“零差控制点”，然后按误差中数控制法则，将各控制点向原控制点的tgα方向进行F（d）函数量的调整，进行校正计算后重新进行多波段合成操作。
要注意的是，须仍然保障校正后的各波段影像数据的像元几何尺度与原数据一致。
见图14。
⑷．对多光谱波段影像数据进行灰度值量化处理：
在前述中，分析过ALOS卫星多光谱影像原数据质量问题的主要原因，这从图7（d）中可以观察到，因此，可以采用如同对全色波段数据进行灰度值归一化处理一样的方法，对多光谱数据进行灰度值域线性量化，以改善多光谱影像数据质量，见图15，量化后的ALOS多光谱波段影像的灰阶动态度为84.23％。
三．影像数据融合处理
1.数据融合中对计算机处理与存储数位的确定：
我们在应用计算机进行遥感影像数据的融合处理中，对信息数位（Bit）的确定有几种基本的选择，那就是：
有/无符号8位数位、有/无符号16位数位、有/无符号32位数位、单/双精度实数数位、单/双精度复数数位等。
对于两个以上乃至七个波段的数据融合，本文以选取无符号8位数位来进行成果存储。
但在使用计算机专用图像处理软件平台如ERDASIMAGINE、ENVI、PCI、GeoImage等进行数据融合的操作过程中，若直接使用无符号8位数位进行数据操作，则由于上述诸软件平台对数据融合的关键算法是在两个8位数位存储交换层面上进行的，实际上对SPOT-V、IKONOS-Ⅱ、QuickBird-I影像数据使用的是16位数位的逻辑运算交换深度来支持各类运算，因此会对数据融合结果造成较大的信息压缩，如对小数位表达的数值予以取整或忽略，这种结果将给后续的融合数据应用带来无法估量的损失。
因此，我们在这里提出使用单精度实数位进行数据融合操作，然后再将其结果转换到无符号8位数位进行成果存储的方法，由此能够将源数据光谱信息的损失量降至最小。
通过对融合结果进行分波段直方图分析，可以在比较这两种处理方法中发现：
⑴.使用8位数位进行数据融合：
直接使用8位数位进行数据融合处理时，由于各类目前软件系统算法器的限位作用，原始信息的灰度值值域经处理后被强行压缩了，见下图16中多光谱各波段的灰度值域在处理过程中的显现：
从上可见，在以绿光波段与全色波段数据融合的情况下，绿光波段信息损失量δg＝16.38％，蓝光波段信息损失量δb＝22.53％，红光波段信息损失量δr＝21.65％，总的光谱信息损失量ζd为：
对照使用融合处理中不同的数据交换作业波段，例如，分别使用红光波段、蓝光波段与全色波段进行数据融合，也可以观察到与上述检测结果类似的情况，其各自波段光谱信息的损失量有所不同，但信息的总损失量基本上是一个比较接近的数量值。
这种结果在处理后的影像目视过程中，会发现整体影像面有灰暗的观感。
当数据交换作业波段如绿光波段，其高灰度值信息被压缩得愈严重，则融合后的影像则显现得愈加暗淡，而低灰度值信息被压缩得愈严重，则融合后的影像则显现得愈灰朦即模模糊糊。
但相对而言，由于绿光波段处于可见光谱波谱段的峰值频段，作为融合处理的数据交换作波段，相对于其它光谱波段信息损失最小，因此，进行光谱信息与全色信息的数据融合，以绿光波段作为融合对象为好。
⑵.使用实数数位进行数据融合：
使用单精度实数数位进行数据融合操作，然后再将其结果转换到无符号8位数位，由于软件平台的算法器不对实数数位进行限制，保留了源信息的数位，因此，其结果没有明显的光谱信息损失，见图17所示相同的影像数据三个波段处理后的灰度值域：
比照直接使用8位数位的数据融合处理方法，采用实数数位处理后转换为8位数位的红、绿、蓝三个光波段的信息损失量，对于不同融合物理模式略有不同，但均极其微少，总的光谱信息基本无损失。
因此，采用这种方法，能够尽可能完整地保留数据融合前源数据的光谱信息。
这里要提请注意的是，使用这种数位置换方法进行数据融合，需要增加至少四倍以上的计算机逻辑运算空间和物理存储空间。
2．数据融合的物理模式与数学算法选择：
使用不同的物理模式，会对同一遥感影像的数据融合结果产生不同的效果。
我们在实验中所使用的影像数据融合物理模式主要有：
①色强度空间变换模式（IHS），②乘积变换模式（MM），③线性加权乘积变换模式（BTM），④主分量组分变换模式（PCM）等。
⑴.色强度空间变换模式（IHS，IntensityHueSaturationMode）：
色强度空间变换模式（IHS）是一种基于HIS色彩模型的影像数据融合变换方法。
HIS色彩模型是不同于RGB色彩模型的另一种色彩模型系统，其物理原理是将源影像的颜色与红、绿、蓝三原色（RGB）脱离，分割为色相H、色彩强度I和色饱和度S三个分量，对色彩的描述则根据色相、强度和饱和度三个要素来实现。
色强度I表示单色光强度的大小，色度H表示单色的纯度，而色饱和度S表示具有相同亮度的单色离开中性值即灰度的强度。
由于IHS的数学编码能把色彩强度和颜色分开，因此，色强度空间变换模式能有效地将RGB色彩模型系统中影像光强度I与其光谱信息H、S相分离，这与人类眼睛视网神经的颜色感知函数密切相关，其模型见图18a、18b。
我们的实验采用圆锥IHS变换模型。
对于国土资源遥感应用来说，本实验使用以绿光波段数据作为色强度变换的操作对象，其最常用的波段组合
升级会员 