胥海威，吉柏鋒，張曉磊

（1.河南工程學院 土木工程學院，河南 鄭州 451191；2.武漢理工大學 土木工程與建筑學院，湖北 武漢 430070；3.河南省科學院地理研究所，河南 鄭州 450001）

通過遙感影像可了解地球表面的分布與變化[1]。不同地物的變化周期不同，搭載可見光傳感器的對地觀測衛(wèi)星由于時間分辨率適中，常被用以觀察與監(jiān)測地球環(huán)境的變化[2]，如基于多時相衛(wèi)星影像的地表覆被變化監(jiān)測，可為研究環(huán)境變化[3]、城市變遷[4]、智能農(nóng)業(yè)[5]和災害評估[6]提供幫助。地表覆被變化監(jiān)測的前提是多時相遙感影像間具有輻射亮度穩(wěn)定性和光譜連續(xù)性[7]，但由于成像條件的差異性，目前多時相遙感影像普遍存在輻射畸變[8-9]，為解決該問題，遙感應用前的輻射校正是必不可少的預處理步驟。國內外學者提出許多輻射校正理論與方法[9-10]，可歸結為絕對輻射校正[11]與相對輻射校正[12]兩類，絕對輻射校正能提供高精度地表反射率，但需要很多野外實地獲取的大氣參數(shù)，且獲取參數(shù)時間需與影像成像時間一致，實際操作難度頗高[13]；相對輻射校正是在同一區(qū)域多時相影像同波段灰度值存在線性關系的假設上提出的，主要分為基于像元對和基于分布兩類[14]，前者通過在多時相遙感影像中選擇共同點的方式建立輻射校正方程[15]，計算校正系數(shù)，存在一定的主觀性，對幾何配準精度要求較高[15]，后者則通過分析多時相遙感影像分布特征，建立影像間的輻射校正方程，消除一定的主觀性，性能不依賴幾何配準精度[16]。輻射校正對保留地物真實變化信息，有效去除其他因素造成的差異具有積極作用[17]，但目前的輻射校正方法不僅無法避免主觀性對輻射校正結果的影響，而且逐波段糾正遙感影像，不可避免地破壞了地物的光譜曲線。

在前人研究的基礎上，本文提出了面向對象的影像標準化方法。該方法的處理對象并非像元，而是提取的地物對象。參照eCognition 軟件的思想，通過預分類基準影像數(shù)據(jù)提取地物圖斑，并以地物類型為單位，根據(jù)地物的光譜特征，通過設置聚類指數(shù)來選擇參與計算轉換函數(shù)的像元數(shù)量，計算不同地物類型的轉換函數(shù)；再對其余時相遙感影像進行處理，從而實現(xiàn)對多時相遙感影像輻射差異的標準化。該方法基本避免了訓練樣本選擇的主觀性，且待處理多時相影像的地物類型圖斑亮度被逐波段轉換為基準影像的圖斑亮度，其地物光譜特征能得到較好保護。本文利用4期Landsat8 OLI遙感影像進行驗證，結果表明該方法能在保持地物光譜特征的基礎上，有效消除時相不同對遙感影像造成的輻射畸變，也可用于地物變化監(jiān)測拓寬該領域的數(shù)據(jù)選擇范圍。

1 研究方法

1.1 基本假設

多時相遙感影像的輻射差異是由影像成像環(huán)境不同造成的，其中大氣環(huán)境是主要因素。本文提出的方法基于以下假定：①多時相遙感影像中同一地物的光譜差異是由于成像時間不同，太陽輻射能量通過大氣時衰減程度差異造成的；②遙感影像內同類地物反射率相近并服從正態(tài)分布。

1.2 影像預處理

遙感影像預處理主要包括兩部分：輻射定標，將圖像的亮度灰度值轉換為實際物理意義的大氣頂層輻射亮度或反射率；大氣校正，消除大氣和光照等因素對地物反射的影響，再將定標值還原為地表真實信息，并能高保真地恢復地物波譜信息。

影像由于成像時間不同，行列數(shù)難免參差不齊，通過對多期影像進行幾何校正來消除位置原因造成的影像差異。由于遙感影像用途眾多，用戶關心的遙感信息各異，因此在影像標準化處理前，對遙感影像進行分類并根據(jù)用戶關注程度設置不同的權重是必要的，如國土部門的應用可按照土地利用分類標準，林業(yè)部門的應用可按照林地的分類體系等，而與主題無關的影像內容，權重可設置為零。分類精度由遙感影像的分辨率和分類方法決定，本文不做討論。本文采用支持向量機對基準遙感影像進行水體、植被、人工建筑和裸地等感興趣信息的提取。

1.3 標準化方法

根據(jù)大氣傳輸方程[1]，第k個波段進入方位為(θ,φ)傳感器的輻射能量為：

式中，Ik為衛(wèi)星接收到的總輻射；τk為大氣層透過率；Ratk↑為大氣上行輻射；Rsk↑為太陽能量被大氣多次后向散射到達傳感器的部分。

由于研究區(qū)影像為可見光近紅外遙感，地表發(fā)射的熱輻射與大氣熱輻射位于熱紅外波段，并不能被傳感器接收，且與太陽輻射相比，地表與大氣輻射位于可見光的電磁輻射可忽略，因此式（1）可略寫為：

Landsat系列衛(wèi)星屬于太陽同步軌道衛(wèi)星，不同時相影像的θ、φ、θs、Ek均不變，相同地物的εk相同，由于成像時間不同、大氣狀況略有差異、太陽輻射在大氣中的折射路徑發(fā)生改變導致Rsk↓、τk()θ,φ、τ(θs)、ρbk、Rsk↑(θ,φ)變化，因此標準化方法在上述因子中選擇一組數(shù)據(jù)的輻射傳輸路徑s作為基準，其余時相的傳輸路徑通過相對輻射校正方法標準化為s，從而達到影像輻射標準化的目的。

影像預處理和分類后，設基準影像為f(i,j)，其余時相影像為ft(i,j)，i=1,2,…,M，j=1,2,…,N，所有影像均有K個波段，影像內有P類典型地物，則標準化方法的實質是在每個波段內找出變換函數(shù)gtkp，使得多時相影像ftkp，變換為：

式中，htkp為標準化后的其余時相影像，用于與基準影像進行比較，針對不同時相、不同波段、不同地物類型，函數(shù)形式相同，僅系數(shù)存在差異；t為時相，t=1,2,…,T；k為波段序號，k=1,2,…,K。

由于用戶對影像數(shù)據(jù)不同地物的關注度差異，本文賦予P類典型地物的不同權重Wp，并根據(jù)最小二乘原理，給出單時相單波段的輻射畸變校正指數(shù)，即

式中，p為地物類型，p=1,2,…,P；i、j分別為圖像的行數(shù)和列數(shù)。

計算過程中t、k均確定，根據(jù)曲線擬合情況采用二次至多次多項式回歸模型計算相應的gtkp表達式。針對多時相遙感影像，需逐波段計算使Ltk最小的gtkp，再結合其余影像的統(tǒng)計特征，尋找最恰當?shù)淖儞Q函數(shù)。

標準化方法的具體流程為：①從多時相遙感影像中選擇一幅基準影像f，其余時相影像為ft；②對影像進行預處理，以基準影像為標準進行關心地物類型的影像信息提取，得到結果分類影像fc；③將fc與其他時相影像疊加，得到不同時相、不同波段、不同地物類型的圖斑對象集合ftkp，并與基準影像疊加得到圖斑對象集合fkp；④對ftkp進行聚類分析，根據(jù)聚類閾值a確定參與標準化計算的像元數(shù)目x；⑤根據(jù)對不同地物類型的關注程度設置權重Wp，逐時相、逐波段采用多項式擬合方法計算使Ltk最小的gtkp；⑥利用gtkp對影像進行變換。

1.4 噪聲與地物變化點處理

由于自然界相鄰地物的強相關性，不同地物類型的變化較緩慢，自然地物很少出現(xiàn)類似人工地物界線分明的現(xiàn)象，在遙感影像中則表現(xiàn)為影像灰度值的連續(xù)性和可微性。通過預分類過程，標準影像的分類結果與其余時相影像疊置后形成大小不一數(shù)目繁多的Q個地類圖斑，在第q（q=1,2,…,Q）個圖斑內地物反射率服從正態(tài)分布，包含m個像元，考慮到噪聲，未選擇所有像元參與標準化處理，而是對圖斑內m個像元灰度值進行聚類分析得到n個類別，再按從多到少的順序對類別進行排序與選擇，計算選擇像元的累積數(shù)目x。x/m定義為進行標準化處理的像元比例，若超過預設的聚類閾值α，則剩余像元不再選擇，即不再參與影像的標準化處理，這部分像元歸為噪聲點或地物變化點。由于未參與標準化計算，因此像元灰度值與其余像元區(qū)別明顯，簡單處理后即可獲取其范圍。

2 實驗與結果分析

本文采用4期Landsat8 OLI遙感影像進行實驗，影像條帶號為123，行號為38，日期分別為2017-10-30、2017-12-17、2018-03-23、2018-04-08，經(jīng)緯度范圍為112.9°～115.4°E、30.6°～32.8°N，位于河南省信陽市與湖北省交界處附近，見圖1。本文選擇2017-10-30的遙感影像作為基準影像，采用支持向量機進行分類，經(jīng)過精度評價后得到分類精度為92.6%，獲取實驗區(qū)范圍內分類圖。由于本次實驗對4類典型地物的關注度相同，因此4類地物的權重均設為0.25。將分類結果分別與其余3期影像進行疊置，分別按照聚類閾值a為85%、90%、95%逐類別進行標準化處理，得到后面3期遙感影像的標準化圖像（圖2）。

圖1 研究區(qū)遙感影像圖

圖2 遙感影像標準化后圖像

通過對比標準化前后的3期影像各波段的統(tǒng)計量，本文計算得到3個時相遙感影像標準化前后的輻射畸變指數(shù)Ltk（表1）；再繪制標準化后3期遙感影像典型地物的光譜曲線，得到4類地物在不同時相的光譜曲線，并與基準遙感影像的光譜曲線進行對比（圖3）。

表1 標準化前后地物輻射差異

圖3 標準化前后光譜曲線對比圖

結合理論論述和實驗成果圖表發(fā)現(xiàn)：①Ltk作為最重要指標，可反映標準化處理前后，其余時相影像與基準影像的差異；②標準化處理后的多時相遙感影像內都存在細碎的雜色圖斑，但隨著聚類指數(shù)從85%增至95%，標準化后的影像零碎圖斑明顯減少（圖2 a、2d、2g）；③橫向對比圖2 可知，無論設定何種聚類指數(shù)，在地物類型邊緣地帶都存在部分雜色圖斑，對比原始影像發(fā)現(xiàn)這些雜色圖斑是由于地物本身發(fā)生變化造成的，地物類型發(fā)生變化，光譜曲線隨之發(fā)生改變，標準化方法靈敏捕捉到變化，在標準化后的影像中標識出來，因此標準化方法對地物的變化比較敏感，多期遙感影像的標準化可進行對地觀測任務；④影像預處理的Flaash大氣校正方法會使部分影像的部分波段地物反射率變?yōu)樨撝?，在影像上雖無法體現(xiàn)，但在定量計算時會對模型造成影響，其原因在于Flaash 大氣校正方法采用MODTRAN 輻射傳輸模型模擬成像中的大氣過程，屬于全球化模型，無法與實際情況完全吻合，且許多大氣參數(shù)通過影像估算，當影像中有強吸收或高反射的地物時，就會出現(xiàn)反射率為負值或超過最大值的情況，標準化方法將其最小值設置為0（表1）；⑤標準化方法雖將異質像元標識出來，但并未對其進行刪減處理，因此未出現(xiàn)像元標準差增加的情況，對比標準化方法處理前后的遙感影像統(tǒng)計值可知，標準化后3 期影像的反射率最值范圍相同，均值小幅降低，Band 1～4標準差減少，Band 5～7標準差不變或增加（表1），表示影像灰度數(shù)據(jù)的集中度并沒有明顯變化；⑥實驗采用3 期Landsat 影像共21 個波段，其中13 個波段的Ltk下降，總幅度為60.23，8 個波段的Ltk上升，總幅度為32.7，Ltk整體呈下降趨勢，說明標準化方法能降低輻射畸變，但仍有繼續(xù)提升的空間，Ltk上升的最大值為2017-12-17 的Band 5，達到了11.67，反推其原因，應是參與計算的gtkp的樣本數(shù)目過多，由于循環(huán)次數(shù)有限，數(shù)據(jù)收斂速度太慢，未計算得到最恰當?shù)膅tkp；⑦2018-04-08 遙感影像有云存在，且云覆蓋的地物類型較多，但標準化處理后各類地物都將云覆蓋范圍準確分離出來，可見較厚的云層破壞了地物的光譜連續(xù)性，標準化方法對此較敏感，因此標準化方法對去除云層影響同樣有幫助；⑧聚類指數(shù)a的設置與光譜曲線特征無關，由于標準化方法將地物反射率按地物類型逐波段換算為基準影像的地物反射率，因此可以保證影像地物光譜的反射特征，且在實驗中得到了驗證，由圖3 可知，標準化前后的地物光譜曲線雖有些輕微差異，但光譜曲線特征未發(fā)生明顯變化，且4類地物的光譜曲線特征也與光譜庫中典型地物的光譜曲線特征一致，可見標準化能較好地保持地物本身的光譜特性。

3 結語

針對多時相遙感影像由時相引起的輻射傳輸路徑差異最終導致的遙感影像輻射畸變，本文提出了面向圖斑對象的影像標準化方法，采用同一地區(qū)相同傳感器4 期遙感影像進行實驗，并對比分析了實驗結果。結果表明：①本文提出的標準化方法能有效降低多時相影像輻射畸變，通過計算變換函數(shù)，將其余時相的遙感影像以基準影像為標準進行輻射畸變校正；②該方法可將多時相遙感影像的地物反射率以基準影像為標準進行統(tǒng)一，使波段間地物對象的光譜特征得到較好保持；③該方法將聚類后的數(shù)據(jù)全部參與運算，從而避免了樣本選擇的主觀性；④輻射校正方法以像元為單位進行校正，易出現(xiàn)椒鹽效應，標準化方法以圖斑為單元，可避免這種現(xiàn)象，且更容易與地理實體對照；⑤該方法的缺點在于標準化結果較依賴基準影像的質量，必須選擇成像環(huán)境較好的遙感影像作為基準影像；⑥該方法可根據(jù)不同應用需要，設置不同地物類型的聚類閾值、影響各地物類別的異質像元點的數(shù)目，與地物變化的檢測精度有效對應。

后續(xù)研究計劃包括兩個方面：①gtkp的計算仍有不足，后續(xù)著重研究如何使用有限的像元數(shù)據(jù)快速計算得到有效的gtkp，嘗試采用人工神經(jīng)網(wǎng)絡算法進行改進；②多源遙感輻射畸變的成因比多時相遙感影像更加復雜，但理論上同樣可以采用標準化方法進行輻射校正，擬對多源遙感影像的標準化方法進行研究。