ERDAS空间建模应用研究

马 晶，邱发富，吴铁婴，刘 森，程春泉

(1．长春工程学院，吉林长春130021;2．吉林省水利水电勘测设计研究院，吉林长春130012;3．中国电视剧制作中心，北京100055;4．中国测绘科学研究院，北京100830)

一、引 言

在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。为了能够最大限度地从遥感影像上获取有价值的信息，必须对遥感图像进行处理。通过图像处理，可以改善图像质量，突出需要的信息，抑制一些无用的信息，压缩图像数据量，提高图像的使用价值[1]。无论是何种目的的图像处理，都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。遥感专业图像处理软件ERDAS IMAGINE提供了空间建模(spatial modeler)工具，这是一个面向目标的可视化模型语言环境，用户可以在这个环境中应用直观的图形语言在一个页面上绘制流程图，并定义输入数据、操作环境、运算规则和输出数据，从而生成一个空间模型。通过编写图形语言程序集成各种遥感图像处理功能，就能一键实现最终的处理目标，减少中间处理图形存储的内存，提高工作效率，使图像处理工作化繁为简。

二、空间建模简介

ERDAS IMAGINE是美国ERDAS公司开发的遥感图像处理系统。它具有先进的图像处理技术，友好、灵活的用户界面和操作方式，可面向广阔应用领域的产品模块，以及服务于不同层次用户的模型开发工具及高度的RS/GIS集成功能等优点。

Modeler是ERDAS下的一个模块，是一个面向目标的模型语言环境，由空间建模语言(SML)、模型生成器(Model Maker)和空间模型库(Model Library)组成[2-3]，这是一个面向目标的图形模型语言，即用直观的图形语言将一个具体的过程用模型表达出来。在这个模型中，分别定义不同的图形代表输入数据、输出数据、空间处理工具，它们以流程图的形式组合并且可以执行空间分析操作功能。用户可据此设计出高级的空间分析模型，实现复杂的分析和处理功能。整个过程只需用其提供的工具栏在窗口中绘出模型的流程图，指定流程图的意义、所用参数等，即可完成模型的设计，无需进行具体而复杂的编程过程。ERDAS IMAGINE为用户提供了高层次的设计工具和手段，以便用户将更多的精力集中在专业领域的研究。

三、图像处理基本原理

遥感图像数字处理是应用计算机对遥感图像进行加工处理，以改善图像质量、增强有关信息的一种技术方法[4-5]。与光学图像处理相比，数字图像处理简捷、快速，并且可以完成一些光学处理方法所无法完成的各种特殊处理[5]，因此数字图像处理已成为图像处理的主流。早期图像处理的目的是改善图像的质量，以改善人的视觉效果。近年来计算机识别、理解图像的技术发展很快，图像处理的目的除了直接供人观看外，还进一步发展了与计算机视觉有关的应用。

根据遥感数字图像处理目的的不同，图像处理的内容主要涵盖了图像变换、图像校正、图像增强、多源信息复合、计算机解译处理等多个方面。笔者主要运用ERDAS IMAGINE的空间建模工具对遥感图像进行各种运算，以达到图像增强的目的。通过改善图像的视觉效果，将图像转换成一种更适合人或机器分析处理的形式，有选择地突出用于分析的信息，抑制不感兴趣的特征，提高图像的使用价值。

四、图像处理实践

1．图像灰度反转

灰度反转(brightness inverse)是对图像灰度范围进行线性或非线性取反，产生一幅与输入图像灰度相反的图像，其结果是原来图像亮的地方变暗，原来暗的地方变亮。灰度反转有两种基本算法。

1)条件反转，其表达式为

式中，Din为输入图像，且已归一化(0～1);Dout为输出的灰度反转图像。

2)简单反转，其表达式为

针对表达式中的条件判断，考虑到分母为0的情况，避免运算结果出现溢出，在Modeler中采用以下判断语句

Either＜arg1＞if(＜test＞)or＜arg2＞Otherwise

此语句的语法描述是：如果测试条件＜test＞成立，则返回＜arg1＞的值;如果条件＜test＞不成立，则返回＜arg2＞的值。

条件反转是辐射增强的一种方式，该方法通过改变图像的灰度范围来提高图像的对比度，强调输出图像中灰度较暗的部分。简单反转算法表示简单取反，输出图像与输入图像等量相反。由于简单反转算法比较简单，故主要给出采用条件反转算法建立的模型(如图1所示)。

在上述灰度条件反转模型中，对输入的原始图像进行灰度值归一化处理用到的Either条件判断语句具体设置如下

其中，GLOBAL MAX/MIN是求一幅图像灰度值的最大值与最小值函数;$n1_20010915spot是输入的原始SPOT图像。此语句执行的功能为：如果原始图像灰度的最大值-其灰度的最小值等于0，则生成的图像文件此点灰度值为0;否则，生成的图像文件此点灰度值执行原始图像灰度值与其灰度最小值的差值/其灰度最大值与该点图像灰度值的差值。

图1 条件反转图形模型

执行灰度条件反转，利用Either语句进行条件判断的具体设置如下

其中，$n3_memory为经过归一化处理之后的图像。此语句执行的功能为：如果输入的图像灰度值介于0与0．1之间，则生成的图像文件此点灰度值与输入的图像灰度值一致;否则，生成的图像文件此点灰度值为0．1与输入的图像灰度值之商。

从图2显示的试验结果看，设计的图形模型达到了反转的目的。同时为了显示更多的细节，在设计条件反转模型时还对反转结果作了灰度拉伸，使图像经过反转后包含的信息更为丰富，尤其是强调了原始图像中原本较暗部分的信息。

图2 灰度反转处理结果对比图

2．图像边缘检测

由于边缘检测本身所具有的难度及对边缘检测要求的提高，人们除了不断将新的理论结合到边缘检测中外，也对原有的算法进行了更深入的研究分析，并对这些算法的某些环节作了改进[6-8]。同时，人们也逐渐认识到现有的任何一种单独的边缘检测算法都难以从图像中检测到令人满意的图像边缘，因而更加重视把各种方法综合起来运用。在这样的指导思想下，本文详细研究了 Sobel算子和Laplacian算子在边缘检测中的特点[9]，借鉴文献[10]中提出的基于梯度相乘的边缘检测算法，设计了基于梯度相乘的边缘检测方法，其算法流程如图3所示，而依据上述思想建立的边缘检测模型结构如图4所示。

图3 基于梯度相乘的边缘检测算法流程图

应用图4所示的模型经过反复试验测试，发现基于梯度相乘的边缘检测算法得到的结果影像内容很混乱(如图6(c)所示)，并没有达到预期的理想效果，这主要是因为Laplacian算子对影像内部结构也有一定的检测作用，致使结果影像整体很冗杂，处理后的影像反倒模糊了。而后改进图形模型结构，只结合Sobel算子和二阶导数进行边缘检测，得到的影像效果很好，最终建立的边缘检测模型结构如图5所示。

图6(a)是原始试验影像;图6(b)是基于ERDAS软件Interpreter/Spatial Enhancement/Non-directional Edge模型得到的边缘检测结果;图6(c)是先将原始影像进行二阶导数处理，然后再分别同时利用Sobel算子和Laplacian算子进行边缘增强，得到基于梯度相乘的边缘检测结果影像;图6(d)是改进模型结构后，只结合Sobel算子和二阶导数进行边缘检测得到的结果影像。从以上结果影像对比分析看，图6(c)的边缘检测效果最差，图6(b)和图6(d)效果都比较明显，都能将地物信息的边缘轮廓清晰显示出来，但图6(d)比图6(b)图面效果更平滑，尤其是城区建筑物边缘的轮廓更清晰，显示效果更为强烈，效果更佳。

图4 结合Sobel、Laplacian算子的边缘检测图形模型

图5 改进的边缘检测图形模型

图6 结合不同算子进行边缘检测得到的结果影像效果对比图

五、结束语

本文主要讨论了利用ERDAS IMAGINE空间建模工具，通过构建不同的图形模型程序集成各种遥感图像处理功能，从而快捷实现最终的处理目标。文中主要论述了关于图像灰度反转、图像边缘检测的图形建模研究，并通过实践进一步证实了ERDAS空间建模工具直观、操作简便、功能强大等特点，既可以按自己的需求进行很简单的图形应用编程，还可以将用户多年积累的经验运用该工具提供的模型表现出来，为遥感图像处理提供了良好的条件。由Model Maker产生的空间图形模型还可以转换成SML程序模型，使用空间建模语言SML进行解译，以产生最适合数据特征和应用目标的算法。

另一方面也有不足之处，例如定义函数时，函数语句之间的间隔设置若有多个空格、少个空格或者疏漏了分母为0的情况，程序都不会运行，将出现错误提示。这就需要认真检查，直至错误全部被排查才能得到正确的运行结果。在使用条件判断语句时，选择一个合理的边界区间也很重要，假若选取不恰当，运行之后对影像的某种处理可能无法达到预期目的。

[1]贾永红．数字图像处理[M]．武汉：武汉大学出版社，2003．

[2]党安荣，王晓栋，陈晓峰，等．ERDAS IMAGINE遥感图像处理方法[M]．北京：清华大学出版社，2003．

[3]杨昕，汤国安，邓凤东，等．ERDAS遥感数字图像处理实验教程[M]．北京：科学出版社，2009．

[4]韦玉春，汤国安，杨昕，等．遥感数字图像处理教程[M]．北京：科学出版社，2007．

[5]孙家抦．遥感原理与应用[M]．武汉：武汉大学出版社，2003．

[6]张莉，贾永红，程刚．基于数学形态学的遥感影像边缘检测研究[J]．地理信息空间，2006，4(4)：52-54．

[7]PI Q L，HU J Y．Analysis of Sea Surface Temperature Fronts in the Taiwan Strait and Its Adjacent Area Using an Advanced Edge Detection Method[J]．Science China(Earth Sciences)，2010，53(7)：1008-1016．

[8]米林，马亚洲，郝建军，等．一种基于Canny理论的边缘提取改进算法[J]．重庆理工大学学报：自然科学版，2010，24(5)：54-58．

[9]雷丽珍．数字图像边缘检测方法的探讨[J]．测绘通报，2006(3)：40-42．

[10]陈宇云．灰度图像的边缘检测研究[D]．成都：电子科技大学，2009．