CBERS影像滩涂湿地识别技术

王敬磊

摘要：滩涂是中国重要的后备土地资源，具有面积大、分布集中、区位条件好、农牧渔业综合开发潜力大的特点。如果滩涂湿地遥感影像存在云雾噪声，则会严重影响滩涂湿地信息的判读、分析和使用。从影像整体角度出发，提出基于小波的同态滤波算法，在去除CBERS影像滩涂湿地云雾的同时保证了滩涂湿地信息不被损坏。结果表明，处理后的影像云雾噪声得到很大程度的弱化，滩涂湿地的全貌清晰可见，遥感影像的质量有了显著改善，大大提高了滩涂湿地图像信息判读、分析和使用的价值，为滩涂湿地水土资源的合理开发利用提供了依据。

关键词：滩涂湿地；小波；同态滤波

中图分类号： S127文献标志码： A文章编号：1002-1302（2014）09-0304-03

近年来，相关学者从旅游开发、滩涂围垦、滩涂资源保护等方面对滩涂湿地展开了研究。在不干扰滩涂湿地遥感影像质量的前提下，去除云雾噪声的研究尚未见报道。本研究从影像整体角度出发，兼顾影像的空域和频域特点，提出一种基于小波的同态滤波方法，并将其应用到去除滩涂影像的云雾噪声中去，以此达到弱化云雾噪声，提高滩涂湿地遥感影像判读、分析和使用的目标。1基于照明反射模型的同态滤波原理

同态滤波（homomorphic filtering，HF）属于图像频率域处理范畴，作用是对图像灰度范围进行调整，通过消除图像上照明不均的问题，增强暗区的图像细节，同时又不损失亮区的图像细节。通常情况下，任意一个空域图像可以表示成二维函数f（x，y）的形式，由照明函数fi（x，y）和反射函数fr（x，y）的乘积来表征[4]，如式（1）所示：

由于照度的相对变化很小，可以看作是图像的低频成分，而反射率则是图像的高频成分；因此设计一个对高频和低频分量影响不同的高通滤波器H（μ，ν），通过分别对照度和反射率对像元灰度值的影响进行处理，可以达到揭示阴影区细节特征的目的。因此，H（μ，ν）的选择如下：低频部分的 H（μ，ν）<1，高频部分的H（μ，ν）>1，从而使占据低频成分的烟雾成分从图像信息中剔除或抑制。同态滤波处理的流程：对原始图像先取对数，再进行傅立叶变换，然后用同态滤波函数处理，再进行傅立叶逆变换，最后通过指数运算得到处理后的图像[4]。同态滤波处理流程见图1。

2基于小波的同态滤波处理

2.1小波变换

小波变换是一种新的变换分析方法，继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间-频率窗口，因其能够在时域和频域内有良好的局部性能，可以通过伸缩和平移等运算功能对信号进行多分辨率分析，因而被广泛应用于同态滤波[6]。

从频谱分析的角度讲，小波变换（wavelet transform，WT）是将原始信号分解为在一系列倍频带上的多个高频带数据和一个低频带数据，也就是用2组小波系数（高通、低通）分别对图像数据进行卷积，得到高、低频2部分（高通滤波后的高频部分和低通滤波后的低频部分分别对应连续小波变换的小波空间和尺度空间）[7]；原始信号经过小波分解后，得到多个高、低频层次，各层次的频率和分辨率均不相同，能够构成多分辨率的塔形结构，此时小波逆变换精确重构信号，使得各层次分辨率有着不同程度的增强[8]。

通过张量积运算，对图像的垂直和水平方向进行小波变换，能够使一维小波变换推广到二维图像，获得一个低频带LA和3个具有方向选择性的高频带GH、GV、GD。图像阴影区的细节和高频变化成分在GH、GV、GD上体现出来，图像的亮度分布和基本面貌通过低频带LA反映出来，而且低频带LA可以继续分解得到多级分解层次[9]。如果用同态滤波法处理不同分辨率下的小波分解系数，就能达到增强高频信息、衰减低频成分的目的。小波变换的空域特性在一定程度上保证了影像的整体面貌，再结合雾霾的高灰度特征，就能制定合理的图像融合方案，更好地保留原图像低频部分的细节特征，获得较高质量的遥感影像[10]。基于小波的同态滤波处理的流程见图2。

2.3改进算法的特点

根据本研究提出的改进思想，对式（2）进行适当变形，得：

3处理与分析

3.1对象

中巴地球资源卫星（CBERS）是我国第一代传输型地球资源卫星，图像产品可广泛应用于国土资源调查与监测、防灾减灾、农林水利、生态环境、国家重大工程等领域，在我国国民经济中发挥着强有力的作用。但其获得的遥感影像质量不是很高，制约了其发挥更大价值。

本研究以截取出的CBERS遥感图像中受云雾噪声影响的滩涂湿地影像为研究对象，运用基于小波的同态滤波法对其进行处理。

3.2处理过程

3.2.1分解级数的选择在实际操作中，对于小波分解级数的选择要特别注意，数值既不能过大也不能过小。分解级数过大会影响LAj中的小波系数反映影像的光照分布特性，不能达到弱化云雾噪声的目的，而且增大运算负担；分解级数过小，则会干扰LAj中冗杂细节信息的去除，导致图像云雾噪声区域信息损失，两者都不能得到理想的处理效果。

本研究着重于削弱云雾噪声，突出水体特征，元素相对单一，因此确定分解级数为2。

3.2.2小波系数的确定由于不同地区、不同云雾噪声干扰下的滩涂湿地遥感影像存在差异，因此小波系数的参数也有所不同。针对本研究选择的试验对象，运用文中阐述的方法进行处理，通过多次试验得到小波系数的相关参数值率测定结果：endprint

摘要：滩涂是中国重要的后备土地资源，具有面积大、分布集中、区位条件好、农牧渔业综合开发潜力大的特点。如果滩涂湿地遥感影像存在云雾噪声，则会严重影响滩涂湿地信息的判读、分析和使用。从影像整体角度出发，提出基于小波的同态滤波算法，在去除CBERS影像滩涂湿地云雾的同时保证了滩涂湿地信息不被损坏。结果表明，处理后的影像云雾噪声得到很大程度的弱化，滩涂湿地的全貌清晰可见，遥感影像的质量有了显著改善，大大提高了滩涂湿地图像信息判读、分析和使用的价值，为滩涂湿地水土资源的合理开发利用提供了依据。

关键词：滩涂湿地；小波；同态滤波

中图分类号： S127文献标志码： A文章编号：1002-1302（2014）09-0304-03

近年来，相关学者从旅游开发、滩涂围垦、滩涂资源保护等方面对滩涂湿地展开了研究。在不干扰滩涂湿地遥感影像质量的前提下，去除云雾噪声的研究尚未见报道。本研究从影像整体角度出发，兼顾影像的空域和频域特点，提出一种基于小波的同态滤波方法，并将其应用到去除滩涂影像的云雾噪声中去，以此达到弱化云雾噪声，提高滩涂湿地遥感影像判读、分析和使用的目标。1基于照明反射模型的同态滤波原理

同态滤波（homomorphic filtering，HF）属于图像频率域处理范畴，作用是对图像灰度范围进行调整，通过消除图像上照明不均的问题，增强暗区的图像细节，同时又不损失亮区的图像细节。通常情况下，任意一个空域图像可以表示成二维函数f（x，y）的形式，由照明函数fi（x，y）和反射函数fr（x，y）的乘积来表征[4]，如式（1）所示：

由于照度的相对变化很小，可以看作是图像的低频成分，而反射率则是图像的高频成分；因此设计一个对高频和低频分量影响不同的高通滤波器H（μ，ν），通过分别对照度和反射率对像元灰度值的影响进行处理，可以达到揭示阴影区细节特征的目的。因此，H（μ，ν）的选择如下：低频部分的 H（μ，ν）<1，高频部分的H（μ，ν）>1，从而使占据低频成分的烟雾成分从图像信息中剔除或抑制。同态滤波处理的流程：对原始图像先取对数，再进行傅立叶变换，然后用同态滤波函数处理，再进行傅立叶逆变换，最后通过指数运算得到处理后的图像[4]。同态滤波处理流程见图1。

2基于小波的同态滤波处理

2.1小波变换

小波变换是一种新的变换分析方法，继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间-频率窗口，因其能够在时域和频域内有良好的局部性能，可以通过伸缩和平移等运算功能对信号进行多分辨率分析，因而被广泛应用于同态滤波[6]。

从频谱分析的角度讲，小波变换（wavelet transform，WT）是将原始信号分解为在一系列倍频带上的多个高频带数据和一个低频带数据，也就是用2组小波系数（高通、低通）分别对图像数据进行卷积，得到高、低频2部分（高通滤波后的高频部分和低通滤波后的低频部分分别对应连续小波变换的小波空间和尺度空间）[7]；原始信号经过小波分解后，得到多个高、低频层次，各层次的频率和分辨率均不相同，能够构成多分辨率的塔形结构，此时小波逆变换精确重构信号，使得各层次分辨率有着不同程度的增强[8]。

通过张量积运算，对图像的垂直和水平方向进行小波变换，能够使一维小波变换推广到二维图像，获得一个低频带LA和3个具有方向选择性的高频带GH、GV、GD。图像阴影区的细节和高频变化成分在GH、GV、GD上体现出来，图像的亮度分布和基本面貌通过低频带LA反映出来，而且低频带LA可以继续分解得到多级分解层次[9]。如果用同态滤波法处理不同分辨率下的小波分解系数，就能达到增强高频信息、衰减低频成分的目的。小波变换的空域特性在一定程度上保证了影像的整体面貌，再结合雾霾的高灰度特征，就能制定合理的图像融合方案，更好地保留原图像低频部分的细节特征，获得较高质量的遥感影像[10]。基于小波的同态滤波处理的流程见图2。

2.3改进算法的特点

根据本研究提出的改进思想，对式（2）进行适当变形，得：

3处理与分析

3.1对象

中巴地球资源卫星（CBERS）是我国第一代传输型地球资源卫星，图像产品可广泛应用于国土资源调查与监测、防灾减灾、农林水利、生态环境、国家重大工程等领域，在我国国民经济中发挥着强有力的作用。但其获得的遥感影像质量不是很高，制约了其发挥更大价值。

本研究以截取出的CBERS遥感图像中受云雾噪声影响的滩涂湿地影像为研究对象，运用基于小波的同态滤波法对其进行处理。

3.2处理过程

3.2.1分解级数的选择在实际操作中，对于小波分解级数的选择要特别注意，数值既不能过大也不能过小。分解级数过大会影响LAj中的小波系数反映影像的光照分布特性，不能达到弱化云雾噪声的目的，而且增大运算负担；分解级数过小，则会干扰LAj中冗杂细节信息的去除，导致图像云雾噪声区域信息损失，两者都不能得到理想的处理效果。

本研究着重于削弱云雾噪声，突出水体特征，元素相对单一，因此确定分解级数为2。

3.2.2小波系数的确定由于不同地区、不同云雾噪声干扰下的滩涂湿地遥感影像存在差异，因此小波系数的参数也有所不同。针对本研究选择的试验对象，运用文中阐述的方法进行处理，通过多次试验得到小波系数的相关参数值率测定结果：endprint

摘要：滩涂是中国重要的后备土地资源，具有面积大、分布集中、区位条件好、农牧渔业综合开发潜力大的特点。如果滩涂湿地遥感影像存在云雾噪声，则会严重影响滩涂湿地信息的判读、分析和使用。从影像整体角度出发，提出基于小波的同态滤波算法，在去除CBERS影像滩涂湿地云雾的同时保证了滩涂湿地信息不被损坏。结果表明，处理后的影像云雾噪声得到很大程度的弱化，滩涂湿地的全貌清晰可见，遥感影像的质量有了显著改善，大大提高了滩涂湿地图像信息判读、分析和使用的价值，为滩涂湿地水土资源的合理开发利用提供了依据。

关键词：滩涂湿地；小波；同态滤波

中图分类号： S127文献标志码： A文章编号：1002-1302（2014）09-0304-03

近年来，相关学者从旅游开发、滩涂围垦、滩涂资源保护等方面对滩涂湿地展开了研究。在不干扰滩涂湿地遥感影像质量的前提下，去除云雾噪声的研究尚未见报道。本研究从影像整体角度出发，兼顾影像的空域和频域特点，提出一种基于小波的同态滤波方法，并将其应用到去除滩涂影像的云雾噪声中去，以此达到弱化云雾噪声，提高滩涂湿地遥感影像判读、分析和使用的目标。1基于照明反射模型的同态滤波原理

同态滤波（homomorphic filtering，HF）属于图像频率域处理范畴，作用是对图像灰度范围进行调整，通过消除图像上照明不均的问题，增强暗区的图像细节，同时又不损失亮区的图像细节。通常情况下，任意一个空域图像可以表示成二维函数f（x，y）的形式，由照明函数fi（x，y）和反射函数fr（x，y）的乘积来表征[4]，如式（1）所示：

由于照度的相对变化很小，可以看作是图像的低频成分，而反射率则是图像的高频成分；因此设计一个对高频和低频分量影响不同的高通滤波器H（μ，ν），通过分别对照度和反射率对像元灰度值的影响进行处理，可以达到揭示阴影区细节特征的目的。因此，H（μ，ν）的选择如下：低频部分的 H（μ，ν）<1，高频部分的H（μ，ν）>1，从而使占据低频成分的烟雾成分从图像信息中剔除或抑制。同态滤波处理的流程：对原始图像先取对数，再进行傅立叶变换，然后用同态滤波函数处理，再进行傅立叶逆变换，最后通过指数运算得到处理后的图像[4]。同态滤波处理流程见图1。

2基于小波的同态滤波处理

2.1小波变换

小波变换是一种新的变换分析方法，继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间-频率窗口，因其能够在时域和频域内有良好的局部性能，可以通过伸缩和平移等运算功能对信号进行多分辨率分析，因而被广泛应用于同态滤波[6]。

从频谱分析的角度讲，小波变换（wavelet transform，WT）是将原始信号分解为在一系列倍频带上的多个高频带数据和一个低频带数据，也就是用2组小波系数（高通、低通）分别对图像数据进行卷积，得到高、低频2部分（高通滤波后的高频部分和低通滤波后的低频部分分别对应连续小波变换的小波空间和尺度空间）[7]；原始信号经过小波分解后，得到多个高、低频层次，各层次的频率和分辨率均不相同，能够构成多分辨率的塔形结构，此时小波逆变换精确重构信号，使得各层次分辨率有着不同程度的增强[8]。

通过张量积运算，对图像的垂直和水平方向进行小波变换，能够使一维小波变换推广到二维图像，获得一个低频带LA和3个具有方向选择性的高频带GH、GV、GD。图像阴影区的细节和高频变化成分在GH、GV、GD上体现出来，图像的亮度分布和基本面貌通过低频带LA反映出来，而且低频带LA可以继续分解得到多级分解层次[9]。如果用同态滤波法处理不同分辨率下的小波分解系数，就能达到增强高频信息、衰减低频成分的目的。小波变换的空域特性在一定程度上保证了影像的整体面貌，再结合雾霾的高灰度特征，就能制定合理的图像融合方案，更好地保留原图像低频部分的细节特征，获得较高质量的遥感影像[10]。基于小波的同态滤波处理的流程见图2。

2.3改进算法的特点

根据本研究提出的改进思想，对式（2）进行适当变形，得：

3处理与分析

3.1对象

中巴地球资源卫星（CBERS）是我国第一代传输型地球资源卫星，图像产品可广泛应用于国土资源调查与监测、防灾减灾、农林水利、生态环境、国家重大工程等领域，在我国国民经济中发挥着强有力的作用。但其获得的遥感影像质量不是很高，制约了其发挥更大价值。

本研究以截取出的CBERS遥感图像中受云雾噪声影响的滩涂湿地影像为研究对象，运用基于小波的同态滤波法对其进行处理。

3.2处理过程

3.2.1分解级数的选择在实际操作中，对于小波分解级数的选择要特别注意，数值既不能过大也不能过小。分解级数过大会影响LAj中的小波系数反映影像的光照分布特性，不能达到弱化云雾噪声的目的，而且增大运算负担；分解级数过小，则会干扰LAj中冗杂细节信息的去除，导致图像云雾噪声区域信息损失，两者都不能得到理想的处理效果。

本研究着重于削弱云雾噪声，突出水体特征，元素相对单一，因此确定分解级数为2。

3.2.2小波系数的确定由于不同地区、不同云雾噪声干扰下的滩涂湿地遥感影像存在差异，因此小波系数的参数也有所不同。针对本研究选择的试验对象，运用文中阐述的方法进行处理，通过多次试验得到小波系数的相关参数值率测定结果：endprint