黃 誠(chéng)，王 皓，王一凱，段偉虎，楊凱悅，王艷霞，李清玉

(西南林業(yè)大學(xué)，云南 昆明650224)

由于林火監(jiān)測(cè)業(yè)務(wù)的特殊性，其對(duì)遙感數(shù)據(jù)的時(shí)間分辨率要求相對(duì)較高。目前，能夠滿足林火監(jiān)測(cè)業(yè)務(wù)需求的遙感數(shù)據(jù)主要來(lái)自氣象衛(wèi)星平臺(tái)。氣象衛(wèi)星具有高時(shí)間分辨率，但是其空間分辨率普遍偏低，由這些低空間分辨率的遙感數(shù)據(jù)制作的衛(wèi)星林火監(jiān)測(cè)專題圖的馬賽克效應(yīng)較明顯，可視效果差。高空間分辨率遙感影像普遍時(shí)間分辨率較低，且價(jià)格昂貴。

目前衛(wèi)星林火監(jiān)測(cè)圖像的制作有兩種方式，(1)在原始遙感影像基礎(chǔ)上制作并生產(chǎn)衛(wèi)星林火監(jiān)測(cè)圖像，由于衛(wèi)星林火監(jiān)測(cè)所采用的遙感影像為低空間分辨率的氣象衛(wèi)星所搭載的傳感器，使用該種原始遙感影像所制作的監(jiān)測(cè)圖像較模糊、效果差;(2)在原始低空間分辨率遙感影像的基礎(chǔ)上，采用亞像元圖像處理技術(shù)將低空間分辨率的遙感影像處理成較高空間分辨率、清晰度好、可讀性強(qiáng)的高質(zhì)量的圖像。隨后，采用經(jīng)過(guò)數(shù)字圖像處理后的、清晰度較好的影像制作衛(wèi)星林火監(jiān)測(cè)圖像。

亞像元技術(shù)可分為兩大類:頻域方法和空間域方法。頻域方法是通過(guò)在頻域內(nèi)消除頻譜混疊來(lái)重建圖像的高頻信息［1～3］。Tsai和Huang提出了基于序列的超分辨率重建的方法，該方法是通過(guò)成像系統(tǒng)模型建立起原始圖像與降質(zhì)圖像之間的函數(shù)關(guān)系［4］。這個(gè)方法依賴三個(gè)準(zhǔn)則，(1)傅里葉變換(FT)的平移性質(zhì)，(2)連續(xù)傅里葉變換 (CFT)與離散傅里葉變換 (DFT)的之間的關(guān)系， (3)設(shè)定多幀高分辨率圖像大小的邊界。國(guó)內(nèi)外不少研究者［5～12］在此基礎(chǔ)上，從算法的角度出發(fā)，進(jìn)一步優(yōu)化算法，提高超分辨率圖像重建的計(jì)算速度?？臻g域方法為，在圖像空間中以長(zhǎng)度 (距離)為自變量直接對(duì)像元值進(jìn)行處理。處理的一般步驟為:①對(duì)圖像施行二維離散傅立葉變換或小波變換，將圖像由圖像空間轉(zhuǎn)換到頻域空間。②在空間頻率域中對(duì)圖像的頻譜作分析處理，以改變圖像的頻率特征。

我國(guó)主要是NOAA/AVHHR衛(wèi)星進(jìn)行衛(wèi)星林火監(jiān)測(cè)，利用NOAA/AVHRR進(jìn)行林火監(jiān)測(cè)在我國(guó)起步早，相關(guān)技術(shù)成熟。張貴等人［13～14］、劉誠(chéng)等人［15］均做過(guò)相關(guān)研究。其缺點(diǎn)是直接使用氣象衛(wèi)星數(shù)據(jù)，分辨率低，對(duì)火點(diǎn)的定位和識(shí)別難度較大，尤其是對(duì)較小火點(diǎn)的識(shí)別，本研究提出基于亞像元分解與增強(qiáng)技術(shù)用以提高M(jìn)ODIS影像的空間分辨率，為林火識(shí)別提供高分辨率影像，同時(shí)以亞像元分解后的圖像作為背景制作衛(wèi)星林火監(jiān)測(cè)專題圖。針對(duì)以上應(yīng)用難題，本研究提出了基于原始衛(wèi)星數(shù)據(jù)、以及其它多源地理信息，開(kāi)展亞像元分解、信息融合、圖像增強(qiáng)處理方法的專門研究，以研究30 m分辨率的亞像元增強(qiáng)形衛(wèi)星林火監(jiān)測(cè)圖像，以圖像產(chǎn)品形式作為補(bǔ)充，以提高衛(wèi)星林火監(jiān)測(cè)的應(yīng)用效率。

1 研究區(qū)概況

西南林區(qū)是我國(guó)第二大天然林區(qū)，其林區(qū)主要分布于我國(guó)西南橫斷山脈、喜馬拉雅山南坡和雅魯藏布江大拐彎地區(qū)，林區(qū)總面積近3 100×104hm2，占全國(guó)森林總面積17．7%。森林覆蓋率達(dá)20．2%，林木總蓄積量達(dá)51．2×108m3，約占全國(guó)1/3。該林區(qū)面積雖不及東北林區(qū)，但在單位材積量和喬木種類上居各林區(qū)之首。西南林區(qū)自然地理環(huán)境復(fù)雜，有高大的雪峰、崎嶇的高原，還有深邃的縱谷。不同的地形、海拔和氣候條件滿足不同類型的物種生存。如川西、滇西北橫斷山脈，谷底可生長(zhǎng)季雨林和亞熱帶常綠闊葉林，海拔由低到高逐漸出現(xiàn)山地溫帶闊葉落葉林、山地中溫帶針葉闊葉混交林、山地寒溫帶針葉林以及高山灌木林。據(jù)不完全統(tǒng)計(jì)，西南林區(qū)喬木約有兩三千種，其中不少都是罕見(jiàn)的特有種［16］。而森林火災(zāi)對(duì)其造成很大的威脅，尤其在人跡罕至的原始林區(qū)起火不易被發(fā)現(xiàn)，撲火工作很難及時(shí)進(jìn)行，一旦失控往往造成很大的經(jīng)濟(jì)損失。因此，西南地區(qū)的森林防火任務(wù)十分繁重，如何有效防范森林火災(zāi)，從根本上把火災(zāi)損失降到最低程度，運(yùn)用高科技的衛(wèi)星遙感技術(shù)監(jiān)測(cè)森林火情已經(jīng)成為一個(gè)重要途徑。

2 研究方法

本研究的技術(shù)路線為，獲取氣象衛(wèi)星監(jiān)測(cè)圖像→亞像元分解→圖像增強(qiáng)→多源數(shù)據(jù)融合→DEM、基礎(chǔ)地理信息→解譯熱點(diǎn)數(shù)據(jù)→監(jiān)測(cè)圖像制作與發(fā)布。

2.1 亞像元分解與增強(qiáng)制圖

亞像元分解與增強(qiáng)流程。

(1)設(shè)原始圖像G1的像元大小為S，結(jié)果圖像的像元大小為D。

(2)選用以下兩種分解方法交替使用，對(duì)G1進(jìn)行亞像元分解，結(jié)果圖像為G2，①利用雙線性內(nèi)插算法或立方卷積內(nèi)插算法，將像元大小為S的圖像分解為像元大小S/3的亞像元圖像。②利用雙線性內(nèi)插算法或立方卷積法，將像元大小為S的圖像分解為大小為S/2的亞像元圖像。

(3)用G1的像點(diǎn)數(shù)值替換G2圖像的某些像點(diǎn)的數(shù)值，與S/3分解或S/2分解所對(duì)應(yīng)，選用以下的方法進(jìn)行替代:將G1(i，j)賦值給G2(3×i，3×j)，即用G1的每個(gè)元素，替換圖像G2的3倍行列點(diǎn)上的元素，得到新圖像G3。

(4)用3×3濾波器，對(duì)G3進(jìn)行平滑處理，得到圖像G4，濾波器結(jié)構(gòu)如下。

(5)用D與S/3或S/2進(jìn)行比較:①如果D小于S/3或S/2，則將G4看成G1，重復(fù) (1)到(5)的處理;②如果D大于或等于S/3或S/2，轉(zhuǎn)入第 (6)步。

(6)對(duì)G4進(jìn)行拉普拉斯增強(qiáng)處理。

(7)規(guī)定像元大小為D，再用雙線性內(nèi)插算法對(duì)G4進(jìn)行處理，得到像元大小為D的目標(biāo)圖像，處理過(guò)程結(jié)束［17］。

之后在使用3×3濾波器，對(duì)圖像進(jìn)行平滑處理，濾波器結(jié)構(gòu)如下，

用拉普拉斯算子對(duì)最終圖像進(jìn)行增強(qiáng)處理。本研究采用拉普拉斯算法進(jìn)行圖像增強(qiáng)處理。拉普拉斯算法是基于二階微分的圖像增強(qiáng)算法，一個(gè)二元圖像函數(shù)f(x，y)的拉普拉斯變換定義如下。

如果所使用的拉普拉斯算子定義具有負(fù)的中心系數(shù)，那么必須將原始圖像減去經(jīng)拉普拉斯變換后的圖像，而不是加上它，從而得到銳化的結(jié)果［17］。所以，使用拉普拉斯變換對(duì)圖像增強(qiáng)的基本方法表示如下。

2.2 多源數(shù)據(jù)融合

2．2．1 DEM 融合

因單一數(shù)據(jù)源DEM數(shù)據(jù)存在表達(dá)信息較單一、數(shù)據(jù)表達(dá)尺度有一定的不足，故需要對(duì)多源DEM數(shù)據(jù)進(jìn)行融合處理以使DEM數(shù)據(jù)具有更加豐富的信息、數(shù)據(jù)表達(dá)更加精細(xì)、可視效果更佳的目的。在種類繁多的DEM數(shù)據(jù)中，最常用的還是規(guī)則格網(wǎng)DEM(GRID)與不規(guī)則格網(wǎng)DEM(TIN)。規(guī)則格網(wǎng)DEM與不規(guī)則格網(wǎng)DEM相對(duì)于其他類型的DEM數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)單，易于構(gòu)建拓?fù)潢P(guān)系，也易于構(gòu)建三維立體可視化模型并用于相關(guān)分析與顯示。

多源DEM數(shù)據(jù)融合流程包括:數(shù)據(jù)精度提高，數(shù)據(jù)抽稀;數(shù)據(jù)分塊;數(shù)據(jù)三角化;數(shù)據(jù)柵格化處理;坐標(biāo)轉(zhuǎn)換;投影轉(zhuǎn)換;公共區(qū)域處理。

2．2．2 行政區(qū)疊加

為增強(qiáng)專題地圖或者地圖可視化的可讀性以及便于森林防火部門的基層應(yīng)用，需要在原始背景地圖的基礎(chǔ)之上疊加相關(guān)的地理參考，如:省、市等行政區(qū)劃邊界，行政中心所在地及其名稱，城鎮(zhèn)所在地名稱及位置范圍等信息。行政區(qū)劃疊加效果見(jiàn)圖1。

圖1 行政區(qū)劃Fig．1 Administrative map

2．2．3 立體可視化背景融合

平面地圖與專題信息的疊加顯示能夠表達(dá)專題圖所需要的基本地理參考以及專題信息，但是這種平面化的地圖可視效果比三維立體可視化的地圖要差。因此本研究的圖像最終將以三維立體圖像進(jìn)行表達(dá)。

立體可視化制圖需要對(duì)基礎(chǔ)地圖與立體可視化背景圖進(jìn)行融合處理，最終以三維立體形式表達(dá)專題地圖的要素信息以及專題信息。

基礎(chǔ)地圖與立體可視化背景圖的融合方法如下。

(1)將不同投影坐標(biāo)系統(tǒng)、不同數(shù)據(jù)源的多源數(shù)據(jù)的投影坐標(biāo)系統(tǒng)轉(zhuǎn)換成統(tǒng)一的投影坐標(biāo)系統(tǒng)。

(2)按照像元一一對(duì)應(yīng)融合方式:即將不同空間分辨率大小的圖像處理成像元大小一致多幅圖像，之后將多幅圖像進(jìn)行融合。

按照地物匹配方式進(jìn)行融合:將基礎(chǔ)數(shù)據(jù)圖像與背景圖像按照地理位置進(jìn)行匹配 (如溝谷線的拐點(diǎn)與交叉點(diǎn))，之后進(jìn)行多幅圖像融合。

2.3 數(shù)據(jù)說(shuō)明

本研究以2013年2月6日16時(shí)許，云南省大理市下關(guān)鎮(zhèn)吊草村委會(huì)黃家村森林火災(zāi)為背景，挑選該區(qū)域火災(zāi)前后的多幅遙感影像進(jìn)行試驗(yàn)研究。

本研究選用的遙感影像選用來(lái)自TERRA衛(wèi)星上搭載的MODIS(中分辨率成像光譜儀)傳感器所獲取的數(shù)字影像。MODIS儀器與NOAA衛(wèi)星和陸地衛(wèi)星相比，有以下特點(diǎn)和優(yōu)勢(shì)。

(1)空間分辨率大幅提高?？臻g分辨率提高了一個(gè)量級(jí)，由NOAA的千米級(jí)提高到了MODIS的百米級(jí)。

(2)時(shí)間分辨率有優(yōu)勢(shì)。一天可過(guò)境4次，對(duì)各種突發(fā)性、快速變化的自然災(zāi)害有更強(qiáng)的實(shí)時(shí)監(jiān)測(cè)能力。

(3)光譜分辨率大大提高。有36個(gè)波段，這種多通道觀測(cè)大大增強(qiáng)了對(duì)地球復(fù)雜系統(tǒng)的觀測(cè)能力和對(duì)地表類型的識(shí)別能力。

2.4 研究區(qū)數(shù)據(jù)預(yù)處理

本研究采用遙感圖像處理軟件ENVI對(duì)MODIS數(shù)據(jù)進(jìn)行預(yù)處理。

對(duì)MODIS數(shù)據(jù)進(jìn)行預(yù)處理的流程圖如下:原始數(shù)據(jù) (遙感影像和控制點(diǎn))→模型校正→控制點(diǎn)選取→誤差檢查→重采樣→圖像鑲嵌→使用矢量邊界進(jìn)行裁剪→得到預(yù)處理后的圖像。

3 結(jié)果與分析

亞像元分解前后的影像如圖2所示。

圖2 亞像元分解前后圖像區(qū)域放大對(duì)比Fig．2 Comparison of the initial image and the sub-pixel processed image with zooming

從圖2可知，經(jīng)過(guò)亞像元分解之后的圖像比原始圖像在空間分辨率上有了明顯的提高，其柵格大小明顯變小。柵格圖像空間分辨率的提高，使得圖像在細(xì)節(jié)的表達(dá)上更加豐富和細(xì)致;整幅圖像整體變得過(guò)度流暢，像素間不連續(xù)現(xiàn)象減少，圖像的可視效果佳。尤其是經(jīng)融合處理后的DEM數(shù)據(jù)與地形圖疊加時(shí)立體效果好，可讀性強(qiáng) (圖3)。

目前，已經(jīng)在衛(wèi)星林火監(jiān)測(cè)中心內(nèi)部網(wǎng)站上發(fā)布利用本研究成果生產(chǎn)的超分辨率遙感影像圖制作的衛(wèi)星林火監(jiān)測(cè)圖像 (圖4)，并取得較好的應(yīng)用效果。

圖3 處理后地形地貌圖Fig．3 Geomorphologic map after technical treatment

圖4 利用亞像元分解與增強(qiáng)圖像發(fā)布熱點(diǎn)專題圖注:為2014年4月24日衛(wèi)星熱點(diǎn)分布圖，圖中YN-33(12)編號(hào)中，YN是云南省代碼，33為當(dāng)天云南省發(fā)現(xiàn)的第33號(hào)火點(diǎn)，12為該火點(diǎn)的像元個(gè)數(shù)，根據(jù)像元個(gè)數(shù)可以預(yù)測(cè)活在大小，其他編號(hào)類似。圖中YN-33(12)號(hào)點(diǎn)位于麗江縣金山鄉(xiāng)，YN-13(4)位于云南省寧蒗縣戰(zhàn)洞區(qū)，YN-15(2)位于寧蒗縣永興區(qū)Fig．4 Hotspots thematic map by using the sub-pixel decomposition and enhancement of images

4 結(jié)論與討論

本研究提出的基于亞像元分解與增強(qiáng)的衛(wèi)星林火監(jiān)測(cè)制圖技術(shù)，生產(chǎn)出30 m分辨率的衛(wèi)星林火監(jiān)測(cè)遙感圖像，能夠?qū)⒌头直媛蔬b感影像處理成超分辨率的遙感圖像。基于亞像元分解與增強(qiáng)方法生產(chǎn)的超分辨率影像，分辨率比原始遙感影像分辨率有明顯提高，圖像清晰度增強(qiáng)，對(duì)比度增加。在本研究的基于亞像元分解與增強(qiáng)技術(shù)的基礎(chǔ)上，將該技術(shù)應(yīng)用于衛(wèi)星林火監(jiān)測(cè)領(lǐng)域，并結(jié)合GIS技術(shù)、多元數(shù)據(jù)融合等方法制作三維立體、可視化效果強(qiáng)的專題圖。本研究的一個(gè)重要內(nèi)容即是利用本研究中的亞像元分解與增強(qiáng)技術(shù)、立體可視化顯示與制圖技術(shù)在西南衛(wèi)星林火監(jiān)測(cè)中心的監(jiān)測(cè)數(shù)據(jù)發(fā)布中進(jìn)行應(yīng)用試驗(yàn)。

本研究利用亞像元分解與增強(qiáng)技術(shù)生產(chǎn)超分辨率遙感圖像，并利用現(xiàn)有多源數(shù)據(jù)與超分辨率影像進(jìn)行融合，生產(chǎn)出適用于衛(wèi)星林火監(jiān)測(cè)圖像發(fā)布的具有清晰度高、可讀性強(qiáng)、便于基層防火部門應(yīng)用的衛(wèi)星林火監(jiān)測(cè)預(yù)警專題圖。這是亞像元分解與增強(qiáng)技術(shù)應(yīng)用于林業(yè)衛(wèi)星林火監(jiān)測(cè)領(lǐng)域一次有效的嘗試，并取得了較好的應(yīng)用效果。

遙感圖像亞像元分解與增強(qiáng)技術(shù)的優(yōu)勢(shì)在于它能夠利用現(xiàn)有的低分辨率遙感圖像生產(chǎn)出高分辨率的遙感圖像，該技術(shù)能夠克服現(xiàn)有一些遙感傳感器空間分辨率不足，以最低的費(fèi)用支出來(lái)滿足高分辨率遙感圖像的應(yīng)用需求。此外，國(guó)外遙感衛(wèi)星，資源三號(hào)等國(guó)內(nèi)遙感衛(wèi)星均能夠?qū)崿F(xiàn)對(duì)地物的立體像對(duì)拍攝，從而在同一場(chǎng)景上能提供不少于兩幅的遙感圖像用于重建，又由于這些圖像采集于相同的時(shí)間，不存在空間上的差異;這些圖像來(lái)源于相同的傳感器，不存在光譜上的差異，這為遙感圖像的亞像元分解與增強(qiáng)提供了更好的數(shù)據(jù)源。

當(dāng)前亞像元分解與增強(qiáng)技術(shù)仍需解決的主要問(wèn)題是:實(shí)驗(yàn)過(guò)程中部分算法的計(jì)算效率過(guò)低，耗時(shí)較長(zhǎng)，如基于概率論亞像元分解算法等。在面對(duì)海量的遙感數(shù)據(jù)時(shí)，這些算法可以與云計(jì)算、并行計(jì)算等技術(shù)結(jié)合以適應(yīng)遙感數(shù)據(jù)大數(shù)據(jù)量的流程化處理需求。

在多幅圖像的圖像亞像元分解技術(shù)領(lǐng)域，每個(gè)步驟都有相關(guān)的解決方案，由于遙感圖像局部變形和光譜具有一定的復(fù)雜性，在配準(zhǔn)和圖像重建方法中仍需進(jìn)一步的深入研究。

亞像元制圖問(wèn)題一直在理論技術(shù)和方法上不斷改進(jìn)和完善。新的方法和理論的提出使得亞像元分解與增強(qiáng)制圖精度不斷提高，并使亞像元制圖的結(jié)果不斷地逼近真實(shí)的地物覆蓋分布情況。亞像元制圖技術(shù)將為遙感技術(shù)發(fā)展和應(yīng)用提供更好的解決方法。但是如何找出這個(gè)特定問(wèn)題的最優(yōu)解，仍然需作進(jìn)一步研究。

此外，亞像元制圖技術(shù)應(yīng)用于遙感衛(wèi)星林火監(jiān)測(cè)領(lǐng)域?qū)?huì)大大促進(jìn)森林防火預(yù)警的工作效率，提高森林防火預(yù)警的可靠性與準(zhǔn)確性。但是目前亞像元制圖技術(shù)應(yīng)用于森林防火監(jiān)測(cè)領(lǐng)域還不普遍，有待于進(jìn)一步的推廣。亞像元制圖技術(shù)在衛(wèi)星林火監(jiān)測(cè)領(lǐng)域的應(yīng)用還有待于進(jìn)一步的研究，以便提供更高精度、更經(jīng)濟(jì)實(shí)用的方法。

［1］譚 兵．多幀圖像空間分辨率增強(qiáng)技術(shù)研究［D］．合肥:中國(guó)人民解放軍信息工程大學(xué)測(cè)繪學(xué)院，2004．

［2］拜麗萍，李慶輝，王炳建，等．基于序列圖像處理技術(shù)的高分辨率紅外圖像重建方法［J］．紅外技術(shù)，2002，24(6):58-61．

［3］譚 兵，徐 青，耿則勛，等．超分辨率圖像重建技術(shù)發(fā)展現(xiàn)狀［J］．信息工程大學(xué)學(xué)報(bào)，2004，4(4):93-97．

［4］楊 玲，劉怡光，黃蓉剛，等．新的基于稀疏表示單張彩色超分辨率算法［J］．計(jì)算機(jī)應(yīng)用，2013(2):472-475．

［5］BaikunW，Hongmei Z，Weibo Y，et al．Super resolution reconstructionbased ontotal variation regularization［C］．2010:1194-1199．

［6］Hung E M，De Queiroz R L，Brandi F，et al．Video Super-Resolution Using Codebooks Derived From Key-Frames［J］．Circuits and Systems for Video Technology，IEEE Transactions on．2012，22(9):1321-1331．

［7］Ben-Ezra M，Zomet A，Nayar S K．Video super-resolution using controlled subpixel detector shifts［J］．Pattern Analysis and Machine Intelligence，IEEE Transactions on．2005，27(6):977-987．

［8］Zheng H，Wei L，Qinggang T，et al．Face Super Resolution by Patch-Based Sparse Coding［C］．2012:1522-1525．

［9］劉良云，李英才，相里斌．超分辨率圖像重構(gòu)技術(shù)的仿真實(shí)驗(yàn)研究［J］．中國(guó)圖象圖形學(xué)報(bào)，2001，6(7):629-635．

［10］劉揚(yáng)陽(yáng)，金偉其，蘇秉華，等．超分辨力圖像處理技術(shù)進(jìn)展及在遙感中的應(yīng)用［J］．紅外與激光工程，2005，34(1):70-73．

［11］Li Xiaoliang，Lam K M，ShenLansun．An Image MagnificationAlgorithm Using the GVF Constraint Model［J］．Journal ofElectronics(China)，2008，25(4):565-571．

［12］Park S K，Schowengerdt R．Image sampling，reconstruction，and the effect of sample-scene phasing［J］．APPLIED OPTICS，1982，21(17):3142-3151．

［13］覃先林．遙感與地理信息系統(tǒng)技術(shù)相結(jié)合的林火預(yù)警方法的研究［D］．北京:中國(guó)林業(yè)科學(xué)研究院，2005．

［14］楊蘭芳，韓 濤．用NOAA衛(wèi)星監(jiān)測(cè)甘肅森林草原火災(zāi)［J］．甘肅氣象，1997(2):25-27．

［15］劉 誠(chéng)，李亞軍，趙長(zhǎng)海，等．氣象衛(wèi)星亞像元火點(diǎn)面積和亮溫估算方法［J］．應(yīng)用氣象學(xué)報(bào)，2004(3):273-280．

［16］席善東．衛(wèi)星林火監(jiān)測(cè)在西南森林防火中的應(yīng)用與展望［J］．森林防火，2008，27(2):44-46．

［17］周汝良，龍曉敏，鄧忠堅(jiān)．一種數(shù)字圖像的亞像元的分解與增強(qiáng)方法［P］．中國(guó)．200710066071．1．2008-01-16．