资源三号卫星多光谱图像特征分析和质量评价

李 霖，罗 恒，唐新明，李 桢

(1.武汉大学资源与环境科学学院，武汉 430079;2.国家测绘地理信息局卫星测绘应用中心，北京 100830)

0 引言

资源三号(ZY－3)01星是我国自主研发的首颗民用高分辨率立体测图卫星，主要用于开展国土资源调查和监测、生产全国基础地理信息1︰5万比例尺测绘产品、完成1︰2.5万及更大比例尺地图的修测和更新等工作[1－3]，对我国长期连续稳定及快速独立掌握卫星遥感数据源具有重要意义。

图像质量是卫星业务化运行和应用的首要保障。通过对卫星图像质量进行评价，得到图像处理和信息提取的先验知识，对未来卫星图像质量的进一步提高以及后继星的研制都具有重要意义[4]。多光谱图像的辐射质量对影像信息提取和视觉重建的效果以及正射影像图(DOM)和数字表面模型(DSM)等产品及其应用的质量有着决定性影响[5]。卫星遥感图像质量评价指标可分为客观评价和主观评价2种。构像质量是客观质量评价中的一个主要方面，能够反映图像的可解译性;光谱特性为多光谱图像构像质量的重要特征要素，可以通过灰度统计参数(如均值、标准差等指标)反映图像特征[6－7]，并通过清晰度、对比度、角二阶矩和信息量等空间纹理参数对图像的纹理特征进行评价[8－9]。波段相关性反映了多光谱图像各波段之间的信息冗余程度，可为评价卫星多光谱波段配置的合理性和研究图像用于地物信息提取的能力提供参考[10－11]。由于客观质量评价具有一定局限性，许多研究者和使用者从图像工程和实际应用的角度出发，结合主观质量评价的多项指标，对国内外遥感卫星图像质量进行了分析[12－14]，并以其他较典型的卫星图像作为对比参考，来评价所研究卫星的图像质量和特征[15－16]。

本文采用客观评价与主观视觉特征分析评价相结合的方法对ZY－3多光谱相机的传感器校正(sensor corrected，SC)级图像数据进行分析，明确其影像特征的有关指标，对灰度特征和纹理特征进行评价，并与参数性能相近的SPOT5卫星多光谱图像(high resolution geometric，HRG)进行质量对比分析，其结果可为用户选用和处理ZY－3卫星多光谱图像数据提供参考。

1 数据源与实验区概况

1.1 多光谱遥感图像

ZY－3星载多光谱相机的分辨率为5.8 m，覆盖宽度为51 km，设置了蓝、绿、红和近红外4个波段，可实时或准实时地将图像数据传回地面接收站，通过地面处理提供假彩色及真彩色ZY－3图像产品。SPOT5多光谱相机的分辨率为10 m，同样设置了4个波段，但没有蓝波段，而是采用了绿、红、近红外和短波近红外波段的配置(表1)。

表1 ZY－3和SPOT5多光谱相机光谱范围Tab.1 Spectral range for multi－ spectral cameras of ZY－3 and SPOT5

由于SPOT5不具有蓝波段，为了更好地进行性能比较，使用ZY－3与SPOT5相对应的波段进行对比研究，由绿波段、红波段和近红外波段组合成假彩色合成图像，图像覆盖区域为安徽省芜湖地区。

1.2 实验区概况

实验区选择安徽省芜湖地区。该地区属亚热带湿润季风气候，地势较为低平，有少数丘陵和洼地，为典型的冲积平原，地貌特征丰富，适合于研究ZY－3卫星多光谱图像对不同区域和地物的显示能力。研究数据使用ZY－3多光谱SC级图像，获取日期为2012年2月19日;供对比分析的数据为覆盖相同区域的SPOT5传感器Scene 1A级图像，获取日期为2009年4月15日。

2 影像特征分析

2.1 影像特征统计

ZY－3 SC级多光谱图像产品经过16 bit量化处理，辐射分辨率较高，更易于识别不同的地面辐射信号，使图像的可检测能力增强;相比之下，SPOT5的量化等级为8 bit，辐射分辨率较低。为了便于对ZY－3图像进行灰度特征统计和比较，对ZY－3图像进行重采样，量化为8 bit。通过计算和统计值域范围、均值、标准差等变量，对2种图像的质量进行影像特征分析。值域范围是图像DN值的最大值和最小值之间的变化范围，值域范围愈大，影像信息愈丰富;平均值(m)反映地物影像的平均反射强度，表达图像的整体辐射状况;标准差(s)则可被看作图像灰度值的概率密度函数的离散化图形，反映图像信息量，同一地区的不同图像，标准差大表明图像信息丰富。相关的计算公式为

式中:i，j分别为像元的行、列号;g(i，j)为像元灰度值;m为平均值;s为标准差;M为行数;N为列数。

使用上述方法，分别对ZY－3多光谱图像的蓝、绿、红、近红外波段和SPOT5多光谱图像的绿、红、近红外和短波近红外波段数据的最小值、最大值、均值和标准差进行统计分析(表2)，用于对比2种图像的影像特征。

表2 ZY－3和SPOT5各波段灰度特征统计Tab.2 Statistics of grey scale features for various bands of ZY－3 and SPOT5

根据对ZY－3和SPOT5各个波段的灰度特征统计数据的对比分析，可以得出以下结论:

体育比赛的赛场上，向来是少年英雄辈出的地方，而星光闪烁的天才少年，也绝不仅有泰国的昆拉武特。这不，男子网球选手的“王者”诺瓦克·德约科维奇最近便受到了巨大的挑战，对方是来自德国的天才少年亚历山大·兹维列夫（又被称为“小兹维列夫”）。

1)ZY－3图像的绿波段均值要低于SPOT5。因为SPOT5图像的绿波段光谱覆盖范围要大于ZY－3，所以SPOT5图像在绿波段接收的信息更为丰富;而在其余波段，ZY－3图像的均值均高于SPOT5。

2)ZY－3图像的各相邻波段均值差别较小，在4个波段中，蓝、绿、红和近红外波段之间相邻波段均值差的绝对值分别为 7.821，0.891 和 8.763，均值差的平均值为6.139;而SPOT5图像的各相邻波段均值差的绝对值分别为 28.57，10.408 和18.081，均值差的平均值为19.019，均值差别较大。从图1(a)可看出，ZY－3各相邻波段的均值较均匀，因此ZY－3图像的波段配置更为合理，各波段能量均衡，图像信息丰富。

图1 ZY－3和SPOT5图像波段均值和标准差比较Fig.1 Comparison of mean and standard deviation between ZY－3 and SPOT5 bands

3)ZY－3图像的4个波段的标准差均较大，标准差均值为55.209;SPOT5图像的4个波段的标准差则远小于ZY－3，标准差均值为24.583(图1(b))。这说明与SPOT5图像相比，ZY－3图像各波段的灰度等级高、波谱信息量大、地物显示效果好。

在多光谱遥感图像中，各波段之间的相关性通常用来计算波段的近似程度，用相关系数表示。相关系数描述2个波段成像函数间的相互近似程度，相关系数绝对值越大，表示2个波段的相关程度越高，反之则越低。相关系数c的计算公式为

式中:Xi和Yi为2个波段图像的灰度值;X和Y为灰度值的均值;M，N分别为图像的行、列数。

对不同地物的ZY－3和SPOT5图像进行了波段相关性统计。如图2中的不同地物波段相关度蛛网图所示，对于水体要素，ZY－3图像各波段之间的相关系数低于SPOT5，尤其是近红外波段与其他波段的信息冗余度最低;对于建筑物，ZY－3图像的波段相关性略低于SPOT5，但二者各波段的信息耦合度都较高;而对于植被，SPOT5图像的波段相关性则明显低于ZY－3，故ZY－3图像需要尽量使用近红外波段数据，以便更好地提取植被信息。

图2 ZY－3和SPOT5图像波段相关度蛛网图比较Fig.2 Comparison of band correlation between ZY－3 and SPOT5

2.2 典型区域直方图统计

灰度直方图用来表达图像灰度级分布的概率，反映不同灰度值的像元面积或像元个数在图像中所占的比例。分别选取城市、耕地和山区3个区域进行ZY－3和SPOT5图像直方图对比。

图3 城区图像直方图Fig.3 Histogram of urban area images

2)耕地。图4示出以耕地为主的郊区图像直方图。ZY－3和SPOT5图像的绿、红波段均呈现出双峰分布，但ZY－3图像的4个波段差异较大，地物区分效果好。SPOT5图像绿波段能够与红、近红外波段明显区分，也能较好地显示郊区的耕地地物信息;但近红外和短波近红外波段直方图相互重叠，不利于耕地信息提取。

图4 郊区图像直方图Fig.4 Histogram of rural area images

3)山区。相对其他区域，山区地物较为单调，因此ZY－3和SPOT5图像的灰度值范围均有所减小。在图5的山区直方图中，ZY－3图像的亮度较适中，SPOT5图像则偏暗;ZY－3图像的蓝、绿、红波段和SPOT5图像的绿、红波段在直方图中均为较简单的正态分布，2个图像的近红外波段范围跨度较大;而ZY－3图像的3个波段的直方图分布均匀，近红外波段直方图则有2个较小波峰;SPOT5图像的近红外波段直方图较单调，且近红外和短波近红外波段重叠度高，对地物提取的效果会有一定影响。因此，ZY－3图像的近红外波段对山区地物的区分效果比SPOT5图像的相关波段更好。

图5 山区图像直方图Fig.5 Histogram of mountain area images

综上所述，ZY－3图像典型区域直方图分布较好，图像标准差大、偏斜度低，像元灰度值分布范围较广，峰度较小，在一定程度上说明ZY－3多光谱相机的辐射量化适当，辐射处理方法和参数配置合理。

2.3 纹理指标参数

纹理是反映遥感影像特征的重要信息，更是进行目视判读和计算机自动解译的重要基础。灰度共生矩阵是一个相对频率矩阵，通过统计在2个邻近的、由特定距离和方向分开的处理窗口中出现的像元值，显示了一个像元与其特定邻域之间关系的发生数，可定量描述影像的纹理特征，通常可产生特征参数以反映地物类别在空间特征的差异特性和纹理信息的丰富程度。从灰度共生矩阵中产生的特征主要有均质性(homogeneity，HOM)、对比度(contrast，CON)、信息熵(entropy，ENT)和角二阶矩(angular second moment，ASM)。

均质性也是局部稳定性，主要用于度量图像纹理局部变化的程度，反映图像的均匀效果;对比度可理解为影像的清晰程度，反映某像素与相邻像素的对比情况，纹理的沟纹越深，对比度越大，影像越清晰，视觉效果越好;信息熵可反映影像纹理的复杂程度，能够用于评价遥感图像信息量的丰富程度，纹理的复杂度越高，意味着图像信息量越大，其熵值也越大;角二阶矩是影像灰度分布均匀性的度量，主要用于观察影像纹理粗细和方向性特征，纹理较粗时，角二阶矩的值较大，反之则较小。相关的计算公式为

式中:p(i，j)为归一化的灰度共生矩阵中的元素;i，j分别为像元的行、列号;n=|i－j|;L为灰度级。

利用灰度共生矩阵对ZY－3和SPOT5多光谱图像进行概率统计，使用3像元×3像元的统计窗口，X，Y方向的步长均设置为1个像元，灰度量化等级为64;分别提取均质性、对比度、熵和角二阶矩纹理特征值均值，并选择ZY－3和SPOT5图像的相同波段进行纹理特征统计数据对比(表3)。

表3 ZY－3和SPOT5图像纹理特征统计Tab.3 Statistics of texture characteristics of ZY－3 and SPOT5 images

分析表3中灰度共生矩阵的统计数据，可以得出以下结论:

1)在图像局部稳定性方面，ZY－3图像的绿、红及近红外波段的均质性数值都小于SPOT5，说明ZY－3图像在均匀程度上低于SPOT5，因此使用ZY－3图像能够获得更为丰富和明显的空间结构以及纹理特征。

2)城市图像的对比度最高。无论是ZY－3还是SPOT5图像，城市图像对比度值均是农田图像的2倍左右，而农田图像对比度值又比山区高出1倍。在图像的对比度统计方面，ZY－3和SPOT5图像在3类典型地物图像对比度客观指标上差异显著，ZY－3图像的对比度远远高于SPOT5图像，尤其是在地物结构复杂的城市区域最为显著(约为SPOT5图像对比度值的4倍)，说明ZY－3图像的清晰度远高于SPOT5图像，这一点从纹理均质性分析中SPOT5图像的对比度数值高于ZY－3图像的情况也可以得到证实。

3)城市图像的信息熵大于耕地和山区图像。在上述3个区域中，ZY－3图像各波段的信息熵也都略高于SPOT5图像;尤其是在山地区域内，2种不同图像熵的差值最大，表明ZY－3图像接收地面信息能力强，信息量大，各种地类地物均能得到较好的识别。还可以看出，ZY－3图像近红外波段的熵值要高于其他波段，在进行图像假彩色合成时，可尽量把该波段纳入波段组合，以获取更多的地物信息。

4)由于城市地物结构更为复杂，城市图像的角二阶矩均小于山地图像和农田图像，而不同区域的ZY－3图像角二阶矩都小于SPOT5图像;因此，ZY－3图像对纹理信息的反映强于SPOT5图像，在空间复杂度方面优于SPOT5图像，对地物信息提取的性能更好。在纹理特征上，ZY－3图像的空间纹理结构及信息含量比SPOT5图像更加清晰和丰富，尤其是在城市等地物丰富、结构复杂的区域，充分利用ZY－3图像的纹理特征有助于提高对地物的解译能力。

3 影像地理要素视觉特征分析

数字特征统计评价对于图像质量评价结果较为客观，但目前还没有一套数学模型可以完全模拟人类对现实图像的感知能力;人的视觉评价虽具有一定的主观性和不全面性，但依然是图像质量评价的重要方面。因此，需要将主观的目视定性评判标准和客观的定量评价标准结合起来分析。

使用地理要素视觉特征评价方法，对比城市、耕地、山地等不同区域中的典型地物要素，对ZY－3和SPOT5图像中典型地物要素边缘的清晰度、饱和度和立体感等进行比较(各区域的感兴趣区如图6所示)。

1)城市中的主要地物为建筑及设施、道路和城市绿地，还有部分水体。在ZY－3多光谱图像中，可以看出房屋和道路边缘清晰，建筑和阴影对比较明显，影像立体感较强;但部分人工地物区域亮度较大，浅色建筑边缘对比度不足。SPOT5图像的分辨率低于ZY－3图像，因此在清晰度上要逊色不少，且人工地物整体偏亮，对比度效果相对不足。

2)耕地主要以植被和农林用地为主。ZY－3图像中耕地田埂的突出部分较为清晰，植被和耕地饱和度较高，色调较为均匀，色彩鲜艳，对比度强。而SPOT5图像的色调不够均匀，饱和度不足;且由于空间分辨率较低，清晰度与ZY－3图像相比有较大差距;道路和田地的对比度不明显，一些田间路无法辨别。由于地势较为平坦，2图像的立体感均无法体现。

3)山区主要参考地物为山脊、林地和山间道路等。ZY－3和SPOT5图像中的山地区域整体偏暗，山脊线和山体阴坡的道路不清晰，立体感不强;而ZY－3图像中山峰阳坡的饱和度较高，比SPOT5图像有更好的对比度，且林地区域边缘更为清晰。

根据ZY－3和SPOT5图像在上述3个区域的不同判读特征和效果，由多位长期从事图像生产和使用的专家对2种图像进行了影像地理要素视觉特征评价，并把评价、对比结果分为“好”“较好”“一般”“差”4个评价等级，对不同区域的不同指标进行了统计和分析，结果如表4所示。

表4 ZY－3和SPOT5图像视觉要素特征对比Tab.4 Comparison of visual element characteristics between ZY－3 and SPOT5 images

从表4中的对比可以看出，ZY－3多光谱图像的5.8 m的高空间分辨率和较好的辐射性能，使其多光谱图像在影像地理要素视觉特征和解译质量方面具有较大的优势。从3个研究区域中的清晰度、色调和对比度等主观评价情况来看，ZY－3图像均有比SPOT5图像更好的效果，适合用作各种遥感应用的基础图像。

4 结论

1)对ZY－3和SPOT5高分辨率几何(HRG)多光谱图像的灰度统计和纹理特征进行对比分析的结果表明，ZY－3多光谱图像各个波段量化等级高、有效值域宽、均值差异较小、能量分布均衡，且标准差较大，图像层次丰富，影像分辨率、清晰度和色调均优于SPOT5图像。

2)对于水体、建筑的信息提取，ZY－3图像具有更低的波段相关性;但在植被方面则稍逊于SPOT5图像，需利用近红外波段数据以达到更好的植被信息提取效果。

3)在纹理特征方面，ZY－3图像能较好地反映地物类别的空间特征和结构的差异特性，纹理丰富程度高于SPOT5。

从总体上来看，ZY－3多光谱图像产品在图像质量、纹理特征等方面都有较好的性能，可以满足中、小比例尺制图和应用要求;与ZY－3三线阵TDICCD(时间延迟积分电荷耦合器件)高分辨率相机全色图像融合后，还能满足更高精度制图的应用需求。

志谢:感谢国家测绘地理信息局卫星测绘应用中心提供ZY－3图像数据。

[1]李德仁.我国第一颗民用三线阵立体测图卫星——资源三号测绘卫星[J].测绘学报，2012，41(3):317－322.Li D R.China’s first civilian three－line－array stereo mapping satellite:ZY－ 3[J].Acta Geodaetica et Cartographica Sinica，2012，41(3):317－322.

[2]刘 斌，孙喜亮，邸凯昌，等.资源三号卫星传感器校正产品定位精度验证与分析[J].国土资源遥感，2012，24(4):36－40.Liu B，Sun X L，Di K C，et al.Accuracy analysis and validation of ZY－3’s sensor corrected products[J].Remote Sensing for Land and Resources，2012，24(4):36－40.

[3]唐新明，张 过，祝小勇，等.资源三号测绘卫星三线阵成像几何模型构建与精度初步验证[J].测绘学报，2012，41(2):191－198.Tang X M，Zhang G，Zhu X Y，et al.Triple linear－ array imaging geometry model of Ziyuan－3 surveying satellite and its validation[J].Acta Geodaetica et Cartographica Sinica，2012，41(2):191－198.

[4]杨元元，王鸿南，汪 静，等.CBERS－1卫星超期图像数据质量评价研究[J].航天返回与遥感，2003，24(4):34—39.Yang Y Y，Wang H N，Wang J，et al.Research on the quality of exceed images provided by CBERS－ 1 satellite[J].Space Recovery and Remote Sensing，2003，24(4):34－39.

[5]Baltsavias E P，Pateraki M，Zhang L.Radiometric and geometric evaluation of IKONOS GEO－images and their use for 3D building modeling[C]//Proceedings of Joint ISPRS Workshop on High Resolution Mapping from Space 2001，Hannover，Germany:ISPRS 2001.

[6]翟 亮，唐新明，李 霖.遥感影像压缩的构像质量评价[J].测绘与空间地理信息，2006，29(6):46－48.Zhai L，Tang X M，Li L.Image quality assessment for compressed remote sensing images[J].Geomatics and Spatial Information Technology，2006，29(6):46－48.

[7]Crespi M，De Vendictis L.A procedure for high resolution satellite imagery quality assessment[J].Sensors，2009，9(5):3289－ 3313.

[8]周雨霁，田庆久，张雪红.CBERS－02B卫星CCD数据质量评价与植被分类应用潜力[J].遥感信息，2008(6):47－52.Zhou Y J，Tian Q J，Zhang X H.CBERS－ 02B CCD image data quality evaluation and application potential for vegetation classification[J].Remote Sensing Information，2008(6):47－52.

[9]杨忠东，古松岩，邱 红，等.中巴地球资源一号卫星CCD图像质量评价和交叉定标研究[J].遥感学报，2004，8(2):113－120.Yang Z D，Gu S Y，Qiu H，et al.CBERS－1’s CCD image quality evaluating and cross calibrating study[J].Journal of Remote Sensing，2004，8(2):113－120.

[10]冯晋臣，赵荣堂，张石新.多波段遥感信息的数据压缩处理及其信道相关性的研究[J].通信学报，1984，7(3):52－28.Feng J C，Zhao R T，Zhang S X.The studies of data compression processing and channel correlation of multispectral remote sensing[J].Journal on Communications，1984，7(3):52－58.

[11]卢 健，彭 嫚，卢 昕.遥感图像相关性及其熵计算[J].武汉大学学报:信息科学版，2006，31(6):476－480.Lu J，Peng M，Lu X.Relativity of remote sensing images and entropy calculation[J].Geomatics and Information Science of Wuhan University，2006，31(6):476－480.

[12]张 霞，张 兵，赵永超，等.中巴地球资源一号卫星多光谱扫描图象质量评价[J].中国图象图形学报，2002，7(6):581－586.Zhang X，Zhang B，Zhao Y C，et al.Image quality assessment for the infrared multi－spectral scanner of the Chinese－Brazil earth resources satellite[J].Journal of Image and Graphics，2002，7(6):581－586.

[13]汪 静，杨媛媛，王鸿南，等.CBERS－1卫星02星图像数据质量评价[J].航天返回与遥感，2004，25(2):34－38.Wang J，Yang Y Y，Wang H N，et al.The quality evaluation of the image date of CBERS－1 No.2 satellite[J].Space Recovery and Remote Sensing，2004，25(2):34－38.

[14]刘 江，张为成，王 强.MODIS影像质量评价方法研究[J].黑龙江工程学院学报:自然科学版，2009，23(1):32－35.Liu J，Zhang W C，Wang Q.The study on image quality assessment for MODIS data[J].Journal of Heilongjiang Institute of Technology:Natural Science，2009，23(1):32－35.

[15]王钦军，田庆久.IRS－P6卫星LISS3图像数据质量评价[J].地理与地理信息科学，2007，23(3):11－14.Wang Q J，Tian Q J.Quality evaluation of LISS3 image from IRS－P6 satellite[J].Geography and Geo－ Information Science，2007，23(3):11－14

[16]何宇华，谢俊奇，刘顺喜.ALOS卫星遥感数据影像特征分析及应用精度评价[J].地理与地理信息科学，2008，24(2):23－26.He Y H，Xie J Q，Liu S X.Image characteristics analysis and application accuracy assessment of ALOS data[J].Geography and Geo－ Information Science，2008，24(2):23－26.

[17]何中翔，王明富，杨世洪，等.遥感图像客观质量评价方法研究[J].工程图学学报，2011，32(6):47－52 He Z X，Wang M F，Yang S H，et al.Research on objective quality assessment of remote sensing image[J].Journal of Engineering Graphics，2011，32(6):47－52

[18]Zhang B，Chen Z C，Li J S.Image quality evaluation on Chinese first earth observation hyperspectral satellite[C]//Proceedings of 2009 IEEE International Geoscience and Remote Sensing Symposium(IGARSS)Gape Town:IEEE，2009，1:I－188－I－191.

[19]徐 文，葛曙乐，龙小祥，等.“资源三号”卫星三线阵相机辐射质量评价[J].航天返回与遥感，2012，33(3):65－74.Xu W，Ge S L，Long X X，et al.Radiometric image quality assessment of ZY－3 TLC camera[J].Space Recovery and Remote Sensing，2012，33(3):65－74.