不同地貌类型遥感图像信息容量的差异性研究

第一章绪论

1.1研究背景
上世纪50年代的航空遥感标志着遥感技术开始起步，随着70年代人造地球卫星的出现，航天遥感得到快速发展，进入21世纪，随着先进的探测技术的应用，新一代遥感平台正在向高光谱、高几何分辨率、高定位精度、高灵敏度、多角度方向发展，遥感技术己由“定性”描述上升到“定量”算法估测地表参数的发展阶段。遥感技术目前已广泛应用于精细农业、资源勘测、地图测绘、环境监测、城市规划以及军事、海洋、水文等领域。遥感数字图像是遥感传感器所接收的一组光谱电信号的栅格形式记录，它是遥感观测数据的主要载体。遥感图像存储着丰富的自然环境和人文地物信息，它通过空间分辨率，光谱分辨率，辖射分辨率，时间分辨率来表达地物特征信息。
遥感图像一般以正方形的像素点为记录地物信息的最小单位，每个像素单元与特定地表区域一一对应。不同的地表区域有着不同的光谱响应强度，对应遥感图像上不同大小的灰度值。相同类型的地物覆盖具有类似的光谱响应特征，因此，人们能够根据不同地物的光谱福射特征，以遥感图像像元值为处理单元，定性或定量地研究区域地表的光谱福射特征。遥感的成像过程极为复杂，它大致经历福射源—大气层4地球表面（植被、土壤、水体、人工地物等）4大气层4传感器等一系列复杂过程。天气状况、太阳高度角、传感器定标、仪器老化、观测姿态等因素均对遥感成像质量产生影响，并在遥感图像中经常出现“异物同谱”现象，这些问题严重制约了遥感定量化研究精度的提高，需要我们提出新的遥感图像处理模型。在图像质量评价方法中，一般分为主观评价法和定量评价法[2]。其中主观评价法直观可靠，但是它需要针对多个测试图像进行多次重复试验，耗时较多，受主观因素的影响比较大，且不能很好把握图像质量的细节特征和数量关系。定量评价法一般采用标准差、均方误差、信噪比、平均梯度以及信息熵等方法，它以定量的形式判断图像质量的优劣，但是这些评价方法也存在较多的问题：标准差和均方误差法主要衡量像素值之间的离散程度，而忽略了人眼的视觉效果；信噪比法基于图像信号与噪声的功率谱之比，但通常功率谱难以计算导致信噪比法实现困难。信息摘只统计了图像中各灰度级的丰富程度，忽略了相邻像素值之间的关联程度，评价结果与人类视觉效果仍然有一定偏差。
因此，需要一种客观、易测量、与人视觉效果相一致的方法，对遥感图像质量做出合理评价。当前遥感图像的空间复杂度评价主要采用分形维数模型[3]，该模型可对遥感图像结构及其复杂性特征进行定量描述。分形维数模型通常把图像矩阵看作一个由若干像素点的像元值构成的不规则曲面，通过对曲面起伏度的度量来估算遥感图像的空间复杂度，分析图像的纹理特征，这有助于把握对应地物的信息特点，进而深入理解遥感图像。但是分形维数模型只表示图像像元灰度值的差异，不能表示图像像元灰度的层次结构。因此，同样需要有一种新理论，利用它不仅可以定量研究图像的空间纹理与波谱纹理复杂度特征，还可以分析像元灰度的层次结构，从而研究地表地物的分布空间复杂度。下文引入遥感图像信息容量评价模型以期解决上述问题。

1.2研究目的与意义
信息容量（information capacity)是计算机图形图像学领域的一个概念，是栅格图像像素值分布不确定性的度量。信息容量的最大优点有二： 一是在度量方法上，信息容量基于数字图像的对数归一化多维直方图构建，计算时统计了临近像素值之间或紧密或松散的关联程度，较信息熵（只单独对孤立像素值统计）更科学地反映像素值的空间分布结构及相邻像素之间的关联性；二是通过修改约束区域，信息容量值可以从不同的角度表征被评价图像的特点：
1)信息容量可以用于图像质量评价一7]，克服了传统评价方法与人的视觉评价不一致的问题。
2)类似于信息摘与二维图像的分形维数，信息容量值可以反映图像的灰度复杂程度，以及局部相邻像元之间的离散程度。然而，信息容量在反映遥感地物空间信息的复杂性时，会在局部特征（纹理、结构、功能）上表现相同的信息容量值，类似于遥感影像解译中的“异物同谱”现象，从而表现为目标地物无法区分，也可能会出现地物对象内部存在空间变异现象却无法通过计算而判断的情况。举例来说，在文中可能出现水域与道路，树林与农田等具有相似甚至相等的信息容量值，这时使用普通信息容量方法分析，只能得到各样区的综合复杂度差异，但对样区内部的局部变异特征却无法进行评价。
本文要把信息容量理论应用到遥感地学领域，就必须针对遥感地物对象的内部变异特点，对信息容量算法进行改进，类似于混合像元分解，文中所提出的窗口信息容量模型将图像划分为不同的网格，通过计算这些内部网格的信息容量值来反映图像的内部变异，达到区别图像的目的。

    1.3 国内外研究现状 ..................11-13
    1.4 研究内容及技术路线 ..................13-17
        1.4.1 项目来源 ..................13
        1.4.2 研究内容 ..................13-14
        1.4.3 技术路线 ..................14
        1.4.4 论文组织结构 ..................14-17
第二章 研究基础 ..................17-25
    2.1 研究区概况及数据 ..................17-18
        2.1.1 研究区概况 ..................17
        2.1.2 SPOT5影像 ..................17-18
    2.2 遥感图像的一维直方图 ..................18-19
    2.3 遥感图像的二维直方图 ..................19-21
    2.4 对数归一化与信息容量 ..................21-23
        2.4.1 直方图归一化 ..................21-22
        2.4.2 直方图对数归一化 ..................22-23
        2.4.3 遥感图像的信息容量 ..................23
    2.5 本章小结 ..................23-25
第三章 信息容量的约束区间与参数设置 ..................25-39
    3.1 信息容量的约束区间 ..................25-30
        3.1.1 两种不同的遥感图像约束区间 ..................25-27
        3.1.2 约束区间的参数确定 ..................27-28
        3.1.3 遥感图像信息容量的极值 ..................28-30
    3.2 约束区间的算法优化 ..................30-35
    3.3 遥感图像大小对信息容量值的影响 ..................35-38
        3.3.1 理论预测与样区选择 ..................35-36
        3.3.2 质量评价约束区间的图像大小 ..................36
        3.3.3 复杂度评价约束区间的图像大小 ..................36-38
    3.4 本章小结 ..................38-39
第四章 信息容量的窗口分析模型 ..................39-50
    4.1 窗口分析模型 ..................39-42
        4.1.1 窗口分析与滑动窗口 ..................39-41
        4.1.2 窗口分析的特点 ..................41-42
    4.2 滑动窗口计算 ..................42-44
    4.3 窗口分析实验结果及分析 ..................44-49
        4.3.1 窗口信息容量图像 ..................44-46
        4.3.2 窗口信息容量直方图 ..................46-47
        4.3.3 窗口信息容量的尺度效应 ..................47-49
    4.4 本章小结 ..................49-50
第五章 遥感图像信息容量的差异性研究 ..................50-65
    5.1 不同地物类型的信息容量差异性研究 ..................50-53
    5.2 不同波段类型的信息容量差异性研究 ..................53-56
        5.2.1 实验样区及其大小的确定 ..................53-54
        5.2.2 不同波段类型的样区信息容量计算 ................54-55
        5.2.3 不同波段类型的样区信息容量差异性分析 ............55-56
    5.3 不同地貌类型区的信息容量差异性研究 ..................56-59
    5.4 不同植被盖度的信息容量差异性研究 ..................59-64
    5.5 本章小结 ..................64-65

结论

本文以地貌类型多样化的关中平原及周边地区为研宄区域,采用夏季的SP0T5影像，对遥感影像的空间复杂度指标因子—信息容量进行研宄，讨论了地物类型、波段类型、植被盖度、地貌地形、对遥感信息容量的影响，并在大范围遥感影像窗口信息容量的研究基础上，构建了遥感图像的窗口信息容量模型。在相关理论与试验的研究基础上，本文提出遥感图像信息容量这一地物空间复杂度评价的新方法，并取得了以下研究成果：
(1)信息容量理论的前期算法研究部分：首先，详细讨论了遥感图像灰度直方图以及直方图不同的归一化方法，最后确定采用线性函数与对数函数归一化这两种方法；然后，在信息容量的理论核心—约束区间部分，提出了两种不同用途的约束区间，基于图像质量评价的约束区间与基于图像空间复杂度评价的约束区间，针对SP0T5的8-bit辖分辨率256灰度级特性，实验确定两种约束区间的约束参数，前者为7>128、12=2,后者取值像Ti=128、Tj =20、7^3=60,并认为该参数只是一个理论约束，具体应用时可以在一个适可范围内调整；最后，对信息容量的约束区间进行了算法优化，并用Matlab代码实现，结果证明该算法较普通算法，可以获得指数级的性能提升。
(2)信息容量的窗口分析模型。首先在详细介绍窗口分析与窗口滑动的基础上，确定了窗口的适宜尺寸50x50、75x75、100x100,并讨论了窗口分析中较为重要的边界处理问题，给出了解决方法及其Matlab源代码。实验采用由小到大变化的分析窗口，反映出地物反射特性从微观到宏观的变化情况。