面向地图制图Wallis匀光算法研究.docVIP

面向地图制图Wallis匀光算法研究 　　摘 要：利用遥感影像进行地图制图过程中影像调色及相关处理是主要制作工序之一，实际处理主要依靠人工操作甚至不处理。事实上，国内外已经对遥感影像匀光算法展开了深入研究，其中Wallis滤波匀光算法是鲁棒性最好、最实用的一种方法。文章针对Wallis滤波匀光中的“分块效应”问题以及制图过程中选择多光谱影像特征波段试验匀光参数的方法展开了研究，提出利用光谱最佳指数（OIF）选择特征波段试验Wallis匀光参数，然后基于矩匹配平衡算法的改进型Wallis滤波匀光算法。 　　关键词：Wallis滤波；OIF；矩匹配；遥感影像 　　引言 　　遥感数据作为空间数据的一种形式，在地图制图中占有重要的地位。在遥感影像的获取过程中，由于摄影器材、摄影时间、摄影角度、光照条件等复杂因素的影响，使得获取到的遥感影像图幅之间普遍存在色调不一致的现象[1]。这给影像判读、影像解译、影像地图制作、三维空间场景仿真带来了巨大困扰。因此，为了提高遥感影像的利用率和地图的可视化效果，对于遥感影像间的匀光处理研究具有较大的理论和实用价值。 　　常见的遥感影像间匀光处理一般是基于相邻影像的重叠区域，应用Photoshop人工操作完成[2]；或者应用Erdas、Envi等专业遥感软件人工干预调节。影像间自动化的匀光处理算法包括有线性拉伸法、基于直方图的灰度匹配法、基于信息熵的匹配法、基于Wallis滤波匀光法和基于矩匹配的匀光法[3]，其中应用最多的方法是基于Wallis滤波匀光法和基于矩匹配的匀光法。由于这些算法各自的缺陷，专业遥感软件中没有提供相应功能和完整的解决方案，这给实际的应用特别是批量处理带来了很大困难。文章将在对基于Wallis滤波匀光法和基于矩匹配的滤波匀光法特性分析的基础上，提出面向地图制图的遥感影像间匀光处理完整的解决方案。 　　1 典型匀光算法分析 　　1.1 Wallis滤波特性 　　Wallis滤波（见公式1）实质是一种局部影像变换。它将影像不同位置处的灰度方差和灰度均值都映射到相应定值，使得影像局部区域灰度方差和灰度均值都近似相等。即影像反差下的区域反差增大，而影像反差大的区域反差减小[4]。这一特性使得影像间灰暗区域的亮度和对比度容易达到一致。 　　（1） 　　式中，g（x，y）为输入影像在（x，y）处的灰度值；f（x，y）为经Wallis变换后输出影像在（x，y）处的灰度值；mg为输入影像局部灰度均值；mf为变换后影像局部灰度均值的目标值；Sg为输入影像局部灰度的均方差；Sf为变换后影像局部灰度的目标均方差。C∈[0，1]为影像方差扩展扩展常数，一般它随着局部窗口的的增大而增大；b∈[0，1]为影像亮度系数，为了尽量保持目标影像的灰度均值，应使用较小的b值。 　　Wallis滤波的特殊性是它易于增强输入影像中存在的弱纹理。处理后的影像间虽然在灰度上可达成一致，但视觉上易于感觉噪声。由于局部窗口的灰度差异和图像处理计算离散误差的影响，整体上局部区域间容易出现“分块”。由式（1）知，Wallis匀光滤波的困难更在于参考影像的选择与参数的确定。 　　1.2 矩匹配滤波特性 　　矩匹配（见公式2）可以看成Wallis滤波的一种特殊形式，即在b=1，c=1时的Wallis滤波处理。特别的当输入影像与目标影像的均值和方差一致时，采用矩匹配不会引起输入影像灰度的改变。矩匹配处理后的影像完全向目标灰度和对比度靠拢，整体上视觉易于一致。但矩匹配的强制性，会出现调色效果不明显甚至灰度失真。 　　（2） 　　2 面向制图的Wallis匀光算法改进 　　地图制图中一般采用多光谱遥感影像，如ETM影像（八波段）、SPOT5影像（四波段）、IKONOS影像（四波段）、WorldView-2影像（八波段）等。但地图显示只需三波段，因此制图匀光前首先应选择制图波段。制图波段直接影响匀光参考影像的选择和匀光参数的确定。同时，如2.1节所述简单的Wallis匀光处理不仅不能满足地图制图的需求，还会使得地图中产生明显视觉噪声，甚至是“分块线”。因此，文章提出制图匀光解决方案如图1： 　　2.1 基于OIF特征波段的选择 　　波段衡量的一种常用指标是波段最佳指数（OIF，Optimal Index Factor，见公式3），这是由美国学者查维茨提出的。它综合考虑影像数据的标准差和相关性，标准差越大，影像包含信息量越多；波段相关系数越小，信息冗余度越低。 　　（3） 　　式中Si为第i个波段的标准差，Rij为i、j两个波段的相关系数（i≠j）， Rij的数学表达式如下： 　　（4） 　　式中Si和Sj为波段i和波段j的标准差，S■■是第i波段与第j波段的协方差。地图制图中遥感影像最佳波段组合应