摘 要：為了在提取遙感影像細(xì)節(jié)信息方面更具優(yōu)勢，本文進(jìn)行了遙感影像信息量以及質(zhì)量度量模型的研究。利用遙感影像信源分類、遙感影像信息量統(tǒng)計(jì)特性與度量、遙感影像質(zhì)量量化和構(gòu)建遙感影像質(zhì)量度量模型這一系列步驟設(shè)計(jì)一種全新的遙感影像信息量以及質(zhì)量度量模型。研究結(jié)果表明，該模型能夠有效地度量和評(píng)估遙感影像的信息量和質(zhì)量，該方法對(duì)遙感圖像的處理與應(yīng)用具有一定的借鑒意義。

關(guān)鍵詞：遙感；影像；信息量；質(zhì)量；度量；模型

中圖分類號(hào)：TP 75" " " " " " 文獻(xiàn)標(biāo)志碼：A

遙感技術(shù)是現(xiàn)代科技的重要組成部分，在地理信息獲取、環(huán)境監(jiān)測和城市規(guī)劃等領(lǐng)域發(fā)揮了重要的作用。遙感影像的信息量以及質(zhì)量是影響遙感應(yīng)用效果的關(guān)鍵因素，因此，對(duì)遙感影像信息量以及質(zhì)量度量模型的研究具有重要意義。遙感影像信息量度量是評(píng)估遙感影像所包括的地理信息豐富程度的重要手段[1]，常見的遙感影像信息量度量方法主要有基于像素的統(tǒng)計(jì)方法和基于特征的識(shí)別方法。

采用基于像素的統(tǒng)計(jì)方法對(duì)遙感影像中不同波段的像素?cái)?shù)量進(jìn)行統(tǒng)計(jì)，獲取影像的信息量。雖然該方法較為簡單，但是對(duì)影像的細(xì)節(jié)信息提取不足?；谔卣鞯淖R(shí)別方法對(duì)遙感影像中的地物特征進(jìn)行提取并識(shí)別，更全面地評(píng)估影像的信息量。該方法能夠更好地提取影像中的結(jié)構(gòu)、紋理等細(xì)節(jié)信息，但是計(jì)算復(fù)雜度較高[2]。在實(shí)際應(yīng)用中可以根據(jù)具體情況選擇合適的遙感影像信息量度量方法，獲得更準(zhǔn)確的評(píng)估結(jié)果。

1 遙感影像信源分類

在實(shí)際應(yīng)用中，信源的分析方法會(huì)根據(jù)信源特性有所不同。根據(jù)信源發(fā)送信息的時(shí)空分布以及幅值分布，可將信源分為2種類型：一種是離散型，另一種是連續(xù)型。離散源是一種在時(shí)間、幅值方面均不連續(xù)，通常表現(xiàn)為離散的源[3]，須利用離散數(shù)學(xué)、概率理論對(duì)離散源信號(hào)進(jìn)行分析。例如，數(shù)字信號(hào)是典型的離散源，其信號(hào)值僅存在于有限個(gè)離散的數(shù)值中。連續(xù)信源是在時(shí)間和幅度方面都連續(xù)變化的信源，須采用連續(xù)數(shù)學(xué)和積分變換等方法進(jìn)行分析[4]。例如，音頻信號(hào)和視頻信號(hào)是典型的連續(xù)信源。綜上所述，根據(jù)信源的特性選擇合適的方法進(jìn)行分析十分重要。離散信元的分類結(jié)果如圖1所示。

對(duì)遙感影像來說，其存儲(chǔ)方式分為數(shù)字影像和光學(xué)影像2種。前者通常由一個(gè)灰度矩陣表示，如公式（1）所示。

（1）

式中：g為灰度矩陣；gj，i為灰度值，其中j為0，1，…，m-1，i為0，1，…，n-1。

各個(gè)像素的灰度值為取樣并量化的灰度等級(jí)，假設(shè)光學(xué)影像中的數(shù)字化間隔為?x和?y，不同像素點(diǎn)位的灰度值不同，那么其差異如公式（2）、公式（3）所示。

x=x0+i×?x" " " " （2）

y=y0+j×?y" " " "（3）

式中：x為像素點(diǎn)橫坐標(biāo)差；y為像素點(diǎn)縱坐標(biāo)差；x0為原始像素點(diǎn)橫坐標(biāo)；y0為原始像素點(diǎn)縱坐標(biāo)；i為灰度矩陣行數(shù)；j為灰度矩陣列數(shù)。圖像中像素之間的灰度與其紋理具有統(tǒng)計(jì)學(xué)意義，但是該相關(guān)性只適用于某個(gè)地區(qū)。按照信息論中對(duì)信號(hào)源的描述與分類，將其劃分為馬爾可夫信源，由信源發(fā)射一系列符號(hào)[5]。在圖像中，由于圖像的灰度是不離散的，因此從分類角度來說，圖像是連續(xù)的。

2 遙感影像信息量統(tǒng)計(jì)特性與度量

遙感影像信息量統(tǒng)計(jì)特性主要包括以下5個(gè)方面。1） 均值。均值是遙感影像中所有像素值的平均值，反映了影像的整體亮度。比較不同時(shí)相的均值可以分析地物輻射能量隨時(shí)間變化的情況。2）中值。中值是將遙感影像像素值由小至大排列后位于中間的像素值[6]，反映影像中地物的反差程度和類型。3）眾數(shù)。眾數(shù)是遙感影像中出現(xiàn)次數(shù)最多的像素值，反映影像中地物的分布和數(shù)量，在城市化程度較高的地區(qū)參考價(jià)值更高。4）數(shù)值域。數(shù)值域是遙感影像中像素值的變化范圍，反映影像中地物的動(dòng)態(tài)范圍[7]。數(shù)值域越大，地物的動(dòng)態(tài)范圍越廣，影像的信息量越大。5）反差。反差是遙感影像中像素最大值與最小值之差，反映影像中地物的明暗差異。反差越大，地物的細(xì)節(jié)信息越豐富，影像的信息量越大。掌握以上5個(gè)方面的統(tǒng)計(jì)特性，可以全面了解遙感影像中地物的分布、數(shù)量、亮度和動(dòng)態(tài)范圍等信息，能夠深入分析遙感影像所包括的信息量。影像灰度直方圖如圖2所示。

頻域是傅里葉頻譜在不同頻率中的振幅。圖像頻率域如圖3所示，統(tǒng)計(jì)了許多電視節(jié)目的平均值，得出一維譜特征曲線，大多數(shù)電視信號(hào)能量都集中在低頻段。

在完成遙感影像信息量統(tǒng)計(jì)后，結(jié)合熵值理論并按照公式（4）對(duì)遙感影像信息量進(jìn)行度量。定義1個(gè)具有256個(gè)灰度值的數(shù)字影像的熵，如公式（4）所示。

（4）

式中：H[P]為數(shù)字影像熵；pn為第n副影像的設(shè)定灰度值的概率；n為第n副影像；pi為灰度gi出現(xiàn)的概率。

將公式（4）中的灰度概率pi近似看作灰度頻率，如公式（5）所示。

（5）

式中：fi為灰度gi出現(xiàn)頻數(shù)；N為影像像素總數(shù)。利用熵值對(duì)整幅遙感影像進(jìn)行信息度量，使用影像編碼對(duì)影像進(jìn)行壓縮。

3 遙感影像質(zhì)量量化

結(jié)合代用質(zhì)量特性的理念，找到容易度量的代用質(zhì)量特性，對(duì)遙感影像質(zhì)量進(jìn)行量化，主要有以下5個(gè)方法。第一，利用分辨率量化。分辨率是圖像中可分辨物體的大小。分辨率越高，圖像中可分辨的物體越小，圖像質(zhì)量越高[8]。第二，利用幾何精度量化。幾何精度是圖像中物體位置和形狀的準(zhǔn)確度。幾何精度越高，圖像中物體位置和形狀越準(zhǔn)確，圖像質(zhì)量越高。第三，利用色彩準(zhǔn)確度量化。色彩準(zhǔn)確度是圖像中顏色的準(zhǔn)確度。色彩準(zhǔn)確度越高，顏色越真實(shí)，圖像質(zhì)量越高。第四，利用噪聲量化。噪聲是圖像中的隨機(jī)干擾。噪聲越小，圖像質(zhì)量越高。第五，利用均勻性量化。均勻性是圖像中不同區(qū)域之間的亮度、色彩等特征的一致性。均勻性越高，圖像質(zhì)量越高。還有一些具體的質(zhì)量度量指標(biāo)，例如均方差、信噪比、方差、標(biāo)準(zhǔn)差以及信息熵等，可以評(píng)估影像質(zhì)量。這些指標(biāo)可以從不同的角度反映影像的信息量和質(zhì)量，為遙感影像的質(zhì)量評(píng)估提供重要的參考依據(jù)。在進(jìn)行遙感影像質(zhì)量評(píng)估的過程中，須根據(jù)具體需求和場景選擇合適的度量指標(biāo)，綜合評(píng)估影像質(zhì)量。還需要考慮影像的融合、傳輸和壓縮等處理過程對(duì)質(zhì)量的影響以及不同數(shù)據(jù)源和傳感器之間的差異和局限性。

用影像分辨率對(duì)影像質(zhì)量進(jìn)行量化，如公式（6）所示。

b=k×a " " " " （6）

式中：b為基于影像分辨率對(duì)影像質(zhì)量的量化處理；k為轉(zhuǎn)換系數(shù)；a為圖像原始分辨率。

在圖像質(zhì)量檢驗(yàn)過程中，根據(jù)像素尺寸判斷圖像分辨率是不夠精確的。內(nèi)插影像分辨率如圖4所示，圖4（a）的地表分辨率為1 m，圖4（b）的地表分辨率提高至2 m。由圖4（b）插值得到的圖4（c）地表分辨率仍然為1 m。雖然圖4（a）與圖4（c）在地表分辨率方面一致，但是其成像質(zhì)量存在差別。綜上所述，將地面分辨率作為評(píng)價(jià)圖像質(zhì)量的指標(biāo)具有局限性。

針對(duì)上述問題引入調(diào)制度理論，調(diào)制度越大，圖像對(duì)比度越高，即圖像的明暗差異越明顯，如公式（7）所示。

（7）

式中：M為調(diào)制度；Imax為灰度最大值；Imin為灰度最小值；Ia為振幅；I0為平均亮度。

為更好地度量和評(píng)估遙感影像的質(zhì)量，將調(diào)制度作為質(zhì)量量化的指標(biāo)。調(diào)制度是遙感影像中像素值的變化程度，反映影像中地物的反差情況和細(xì)節(jié)信息。對(duì)調(diào)制度進(jìn)行計(jì)算和分析，可以了解影像中地物的分布、紋理和結(jié)構(gòu)等信息，對(duì)影像質(zhì)量進(jìn)行評(píng)估。調(diào)制度的大小和均勻度都可以作為質(zhì)量量化的依據(jù)，這些指標(biāo)可以判斷影像的清晰度、對(duì)比度和信息量等。將調(diào)制度作為質(zhì)量量化指標(biāo)，可以為后續(xù)遙感影像質(zhì)量度量提供重要的參考依據(jù)，更好地理解和評(píng)估遙感影像的信息量。

4 構(gòu)建遙感影像質(zhì)量度量模型

結(jié)合因素論域構(gòu)建遙感影像質(zhì)量度量模型。遙感影像質(zhì)量度量的因素論域如公式（8）所示。

Ue={ugeo，umlf，ures，uref} " " " （8）

式中：Ue為遙感圖像質(zhì)量評(píng)價(jià)因子域；ugeo為遙感圖像的幾何特性；umlf為圖像調(diào)制曲線測定品質(zhì)特征；ures為遙感圖像真解像度；uref為遙感影像元數(shù)據(jù)完整性。將上述公式作為遙感影像質(zhì)量度量模型，對(duì)其質(zhì)量評(píng)價(jià)值建立評(píng)語論域，如公式（9）所示。

V=（v1，v2，v3，v4） " " " （9）

式中：V為遙感影像質(zhì)量評(píng)語集合；v1～v4依次為優(yōu)、良、合格和不合格。

在實(shí)踐中，將遙感圖像作為主要數(shù)據(jù)來源，處理后得到的特定圖像產(chǎn)品是遙感圖像質(zhì)量評(píng)價(jià)的重要內(nèi)容。度量這些產(chǎn)品的質(zhì)量，可以評(píng)估其準(zhǔn)確度、清晰度和信息量等方面的表現(xiàn)，為后續(xù)遙感影像處理和應(yīng)用提供重要的參考依據(jù)。

在實(shí)際應(yīng)用中，通過遙感影像質(zhì)量度量能夠了解影像產(chǎn)品的優(yōu)點(diǎn)和缺點(diǎn)，發(fā)現(xiàn)其中存在的問題并進(jìn)行改進(jìn)。例如，在數(shù)字遙感影像平面圖中可以度量其幾何精度、色彩準(zhǔn)確度和分辨率等指標(biāo)，利用這些指標(biāo)評(píng)估其地圖要素的表示精度和地圖的可讀性。在數(shù)字遙感影像地圖中，可以度量其幾何精度、色彩準(zhǔn)確度、分辨率和信息量等指標(biāo)，以評(píng)估其在反映地表要素過程中的表現(xiàn)。在三維景觀圖中，可以度量其幾何精度、色彩準(zhǔn)確度、分辨率和場景真實(shí)度等指標(biāo)，以評(píng)估其在反映三維空間信息過程中的表現(xiàn)。

5 模型對(duì)比

為了深入理解遙感影像的信息量以及質(zhì)量度量模型，進(jìn)行一項(xiàng)對(duì)比試驗(yàn)。本試驗(yàn)的目的是比較不同度量模型在遙感影像處理方面的表現(xiàn)，為實(shí)際應(yīng)用提供依據(jù)。選擇作為試驗(yàn)研究對(duì)象的影像來源廣泛，具有代表性。在信息量度量模型的試驗(yàn)中，采用上文提出的度量模型和傳統(tǒng)度量模型，對(duì)比2種方法在不同遙感影像中的應(yīng)用效果，將2種模型應(yīng)用性能進(jìn)行比較。2種度量模型在不同遙感影像中的信息量度量結(jié)果見表1。

對(duì)比試驗(yàn)數(shù)據(jù)可知新度量模型在多數(shù)遙感影像中的信息量度量高于基于像素的統(tǒng)計(jì)方法的信息量度量，說明新度量模型在提取遙感影像細(xì)節(jié)信息方面更有優(yōu)勢。

6 結(jié)論

綜上所述，研究提高遙感應(yīng)用效果的重要途徑是研究遙感影像信息量以及質(zhì)量度量模型。本文研究提出的模型能夠更好地挖掘遙感影像中的信息，提高遙感應(yīng)用的實(shí)際效果，為地理信息獲取、環(huán)境監(jiān)測和城市規(guī)劃等領(lǐng)域的發(fā)展提供有力支持。

參考文獻(xiàn)

[1]陳廣成，余煌浩，李彬權(quán)，等.基于高分一號(hào)遙感影像的廣州市南沙區(qū)土地利用變化特征分析[J].人民珠江，2023，44（12）：54-63.

[2]楊瑞林，管海燕，謝歡.基于AlexNet網(wǎng)絡(luò)的高分辨率遙感影像建筑物提取方法研究[J].測繪與空間地理信息，2023，46（11）：35-38，41.

[3]王松倫，馬曉楠，潘子軒.基于遙感影像的生產(chǎn)建設(shè)項(xiàng)目擾動(dòng)圖斑人機(jī)協(xié)同智能提取方法[J].測繪通報(bào)，2023（11）：132-138.

[4]蘇子漪，王心悅.浙江樹人學(xué)院省遙感圖像處理與應(yīng)用國際科技合作基地 推進(jìn)對(duì)外教育科技人才合作 深耕智能影像計(jì)算[J].今日科技，2023（11）：71-72.

[5]余培東.融合注意力機(jī)制和深度超參數(shù)化卷積的遙感影像橋梁目標(biāo)檢測算法[J].科學(xué)技術(shù)創(chuàng)新，2023（25）：38-41.

[6]楊文軍，張楊，王福生，等.基于高分光學(xué)遙感影像的湖南省油茶林地識(shí)別技術(shù)研究——以漢壽縣為例[J].中南林業(yè)調(diào)查規(guī)劃，2023，42（4）：30-34，62.

[7]郝嬌嬌，郭雯豪，劉耀徽，等.基于高分辨率遙感影像的古中山國平原區(qū)地面古河道識(shí)別研究[J].河北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，47（6）：628-637.

[8]羅友好，羅旭，龍曉澤，等.基于Sentinel-2遙感影像的珠海淇澳島紅樹林對(duì)多臺(tái)風(fēng)連續(xù)干擾的響應(yīng)研究[J].熱帶地理，2023，43（11）：2155-2166.