遥感图像质量提升理论与方法

第1章 绪论 1.1 研究意义和背景 遥感图像的成像质量及分辨率的高低是衡量卫星遥感能力的一个重要指标。进入21世纪以来，各国都在努力提高遥感卫星图像的空间分辨率、时间分辨率、光谱分辨率和辐射分辨率等。其中空间分辨率的改善*为明显。一方面，各空间机构通过各种技术手段提高遥感卫星的空间分辨率，例如发射分辨率高于1m的卫星；另一方面，科研机构与应用部门通过地面图像处理的技术手段设法提高已获取图像的实际分辨能力。 直接在卫星上改善成像质量、提高分辨率面临很多制约。*先，实际成像光学系统的研制始终存在各种制约。例如，理想状态点扩展函数(point spread function， PSF)的成像光学系统目前在技术上还难以达到。其次，增加成像器件上感光单元密度存在各种制约。例如，对于空间分辨率，减小像素尺寸可以提高单位面积上的像素个数，但随着像素尺寸的减小，光电转换获取的光强能量也会减小，这时很小的噪声就会导致图像质量恶化；通过增加成像芯片的尺寸可以增加成像的总像素数，但这会导致电容增大，影响电荷交换速度，同时导致芯片体积过大，难以在星上传感器中使用。对于时间分辨率，往往很难在保证空间分辨率的前提下获得非常高的回访频率。实际上，空间分辨率、时间分辨率、光谱分辨率、辐射分辨率很难同时达到*优。星上传感器体积不能无限大，卫星的供电能力也不能无限大。 除了制造工艺和回访周期等方面的制约，卫星获取图像时有很多因素会影响实际成像质量，如大气扰动、卫星运动、散焦、成像设备老化等。一般来说，经过一系列复杂的成像过程才能产生光学图像。*先是大气扰动。各种波段的电磁波在穿过大气层时，大气湍流会导致图像模糊，而且大气中包含的水蒸气或薄雾也会使传感器接收到的地物反射或辐射的电磁波信息模糊和失真。其次是卫星的运动。卫星的运动会导致运动模糊，同时卫星的高度和角度也会影响图像的空间分辨率。*后是成像设备的老化，可能使图像的辐射特性改变，也可能使相关参数变差。此外，成像设备本身也会经常出现问题，如像元的缺失、像元制造工艺的误差和噪声等。这些因素都会造成遥感图像的小范围缺失，从而影响图像质量。目前遥感图像的空间分辨率越来越高，较高的建筑物或云都会产生阴影。这也是影响遥感图像质量的重要因素之一。 综上所述，从技术实现的角度，卫星获取高质量的遥感图像面临两个主要的难题，一是成像系统难以获得具有理想PSF的成像光学系统，以及具有高信噪比的高密度图像传感器；二是大气扰动、运动、散焦等对图像实际分辨率的影响。总的来看，成像过程中各种原因造成的模糊、降采样、噪声、光电转换不理想，阴影和薄云等都会降低遥感图像的质量和实际分辨率。 既然直接在卫星上改善图像质量或提高分辨率面临很多难题，那么通过地面图像处理的技术手段从成像模型和数据处理的角度改善图像质量显然更有意义。近年来，基于更先进的数字图像处理算法来提高图像质量的方法逐渐在国际上流行。各空间机构均在研究地面与空中相结合、成像过程与数据处理技术相结合的改善成像质量，以及提高卫星遥感分辨率的技术途径与方法。 从图像处理的角度来看，遥感图像质量改善与分辨能力增强属于图像增强和图像复原技术范畴，可以采用各种常规方法获得一定的效果。但是，如果没有很好地考虑引起遥感图像实际降晰的关键因素，或者仅采用某种近似的图像模型来表征退化因素就难以获得更好的效果。尤其是，算法常常对图像的具体内容依赖性强，难以形成针对大多数遥感图像或某一类传感器图像的通用处理算法。实际上，造成遥感图像质量下降的关键因素存在于成像过程中。基于成像模型进行相应的图像处理才是遥感图像质量改善的关键。 在地面处理过程中，可以基于成像模型和图像处理算法提高遥感图像的实际分辨能力。成像模型改善图像质量的方法显然具备很多的优点。*先，基于成像模型提高图像质量更加经济，因为改变硬件质量需要高昂的研发成本，而且技术周期比较长。其次，基于成像模型改善图像质量的方法更加灵活。卫星上的设备体积不能太大，而且耗电也不能无限多，这就限制了成像设备的应用。基于成像模型改善图像分辨能力不需要在太空完成，很多算法都可以在地面完成。地面处理系统各方面限制都很小，因此时间复杂度高的算法的实施就更加容易。*后，星上成像设备的各种分辨率是有限的，基于成像模型提高图像质量可以突破现有的图像分辨率极限、挖掘现有卫星图像的潜力，为更高分辨率成像设备的研发提供理论支持。 由此可见，在确定的传感器硬件和图像观测条件下，考虑成像模型结合数据处理技术来改善和提高卫星图像质量，以及实际分辨能力的研究有非常重要的意义。采用先进图像处理方法和技术，提高各类卫星遥感图像的实际分辨能力，扩展卫星遥感的应用范围，是我们面临的急迫任务和必须解决的问题。本书研究不同类型的图像降晰模式，重点阐述基于成像模型改善成像质量和提高图像分辨能力的算法，并对各种模型的特点提出改进的方案。 1.2 本领域的发展概况 在地面处理系统中，依靠软件和图像处理算法来改善遥感图像质量的各种技术手段发展非常迅速。 为了改善图像质量，获得更高的图像分辨率，人们尝试了各种方法，但是很多做法仍然是对有限分辨率的原始成像进行像素内插，本质上并不能提高图像的空间分辨率。因此，人们开始求助于建立简单的成像模型，希望针对降晰环节的特性进行补救，进而通过对降晰图像进行处理来提高其实际分辨率。*常见的方法是利用成像光学系统的PSF进行反卷积，去除光学系统的影响，增加图像的细节，同时在处理过程中去除成像系统的噪声等。这种技术就是传统的图像复原。经过这些处理，图像的分辨率可以得到改善，但获得的并不一定是真实的高分辨率图像，而是对高分辨率图像的某种估计。总体来看，早期的图像复原都是要把模糊的图像变得更加清晰。这种处理从成像模型的角度解释是成像过程中的模糊环节。模糊环节包括运动模糊、大气模糊、光学模糊、电子系统导致的模糊等。 显然，去模糊简捷有效，但它只是对模糊现象有一定的效果。去模糊的算法并不适用图像降采样的情况，因为它们是完全不同的降晰模式，需要不同的成像模型。降采样是导致图像退化*重要的原因之一。自然场景是连续、无限可分的，但数字图像是离散、有限带宽的。从连续的自然场景到离散的数字图像必然要丢失一些信息，高分辨率的传感器只能保留更多的信息而不是全部。对于一幅单一的图像，如果没有额外的先验信息，无论PSF多精确，抑制噪声的手段多么高超，都不能恢复出因为降采样而丢失的信息。随着科技的进步，对同一场景获取多幅遥感图像已经不是什么困难的事情。多幅同一场景的序列图像拥有更多的信息量，在一定程度上使克服降采样成为可能。具有广阔前景的方法是采用信号处理技术从多帧低分辨率(low resolution， LR)图像中重建高分辨率图像。这也是目前图像处理领域特别活跃的超分辨率重建技术，其主要优点是成本低廉且现有的成像系统仍可利用。成像系统相当于一个低通滤波器，具有一定的截止频率。图像的超分辨率重建就是希望尽可能地在一定限度上挽回图像的分辨率损失，以弥补其不足，即在保证通频带内图像低频信息复原的基础上，对截止频率以上的高频信息进行复原，使重建图像获得更多的细节和信息，从而更加接近理想图像。超分辨率重建可以去除成像系统的降晰(散焦降晰、运动降晰等)，在一定程度上消除降采样带来的图像退化，复原超出光学系统衍射极限的空间频率信息。但是，超分辨率的算法从诞生起就面临难以逾越的难题，目前制约其走向实用的仍然是精确配准多幅图像的问题。真正实用的超分辨率算法仍然要靠众多的研究者不懈地探索。除了基于序列图像的重建，还有一个十分活跃的研究领域，即利用图像融合提高分辨率。在遥感领域，一颗卫星上往往带有多种传感器，或者多种卫星多种传感器都对同一场景采集了数据，为了更好地提高图像的可利用性，利用不同传感器之间的信息互补提高图像分辨能力也是非常有效的方法。利用这种方法提高分辨率特性已经很流行，但是这种方法的成像模型却没有受到重视。 如上所述，图像复原、图像融合和图像重建这三类提高图像分辨能力的方法都涉及成像模型。它们都是针对成像过程中的某个特殊环节。图像复原侧重于消除图像的模糊现象，如运动模糊、散焦模糊、大气湍流等。图像融合侧重的是利用不同传感器内部成像差异的互补特性，如光谱响应函数不同，电荷耦合器件(charge coupled device， CCD)内部的电压分级机制不同等。融合算法的成像模型一般不涉及大气模糊或光学系统模糊等，也不直接解释图像的降采样。序列图像的超分辨率重建侧重的是消除图像降采样产生的图像退化，同时兼顾各种模糊现象。因此，三类算法虽然都是针对提高遥感图像分辨率特性，但是它们的成像模型却各有其侧重点。 图像复原、图像融合和图像重建主要针对噪声、模糊、降采样、缺失等遥感图像降晰模式。这些降晰模式主要由成像过程中的内在原因造成，如设备老化、制造工艺不佳、回访周期长等。阴影和薄云则是由遥感成像过程中的外部不利因素导致的降晰结果，需要相应的成像模型和数据处理手段进行补救。 基于成像模型改善卫星图像质量的关键技术有待进一步突破。国内的研究也已经有一定的进展。例如，李金宗等完成的“卫星图像复原及超分辨率处理技术研究”在不改变星载成像系统硬件的情况下，采用地面图像处理方法，大幅度增强了卫星图像的分辨率、对比度和清晰度。在星上相机设计与地面信息处理相结合模式方面，刘新平等[1]也进行了这方面的研究，对4幅相同空间分辨率的图像进行图像重建后，新的空间分辨率是4幅图的1.8倍左右。郝鹏威等[2]从分辨率低的欠采样图像会导致相应频域频谱混叠的理论出发，给出多次欠采样图像在频域混叠的更一般公式，提出一种针对不同分辨率图像解频谱混叠的逐行迭代方法。仿真实验证明，他的方法在有噪声的情形下也有很好的收敛性。 这里必须强调的一点是，很多国内涉及改善图像质量和提高图像分辨率的研究出于技术保密原因，较少在国际上著名的期刊上发表高水平的文章。因此，本书对国内成果的介绍不代表本书观点。 参考文献 [1] 刘新平， 高瞻， 邓年茂， 等. 面阵CCD作探测器的“亚象元”成象方法及实验. 科学通报， 1999， (15): 1603-1605. [2] 郝鹏威， 徐冠华， 朱重光. 数字图像空间分辨率改善的频率域方法. 中国科学: 技术科学， 1999， (3): 235-244. 第2章 遥感系统成像模型与图像降质分析 2.1 成像系统的基本原理 本书涉及的光学遥感图像是指在电磁波(紫外线到微波)范围内，利用传感器直接或间接得到与目标物体电磁辐射特性相对应的形象图像和能够转化为形象图像的数据资料的统称，如航空摄影仪的各种照片、陆地卫星多光谱扫描仪(multi spectral scanner， MSS)图像、返束光导摄像管(return beam vidicon， RBV)图像、航天飞机和航空侧视雷达图像，以及众多的数字图像等。无论是紫外线、可见光、红外线、微波的哪个波段范围，也无论是哪种成像方式，凡是直观图像的资料都统称为图像。遥感图像的划分，从不同的角度有不同的划分方法。所有通过传感器得到目标物遥感图像的过程都是遥感图像的成像过程。遥感图像成像的原理主要涉及各种遥感成像条件、成像器材、成像机理、成像过程及有关系统。这是一个涉及范围广泛且技术更新迅速的学科。 对于不同的成像过程一般采用不同的成像模型来研究。本书不但讨论图像各个种类中的个性问题，而且考虑成像过程中的共性问题，重点研究光学遥感图像。 一般来说，场景经过一系列复杂的成像过程才能产生光学图像，如图2.1所示。 图2.1 从场景到图像总的过程 任何光学遥感成像都要经过大气才能成像。大气对遥感的影响主要体现在其对电磁波辐射的各种影响上。遥感传感器接受的是地物反射或辐射的电磁波。各种波段的电磁波在穿过大气层时，由