面向城市道路目视识别的遥感图像滤波增强方法

吴乐芹，姜 春，陈进栋，王永梅，邓南荣*

（1.广东省生态环境与土壤研究所，广东 广州 510650；2.华南农业大学 资源环境学院，广东 广州510642；3.中国科学院 广州地球化学研究所，广东 广州 510640）

面向城市道路目视识别的遥感图像滤波增强方法

吴乐芹1,2，姜 春1,3，陈进栋1，王永梅1，邓南荣1*

（1.广东省生态环境与土壤研究所，广东 广州 510650；2.华南农业大学 资源环境学院，广东 广州510642；3.中国科学院 广州地球化学研究所，广东 广州 510640）

归纳与总结了遥感图像增强中的几种常用滤波方法。以广州城区作为试验区，Landsat TM影像作为数据源，分别运用纹理分析和卷积滤波对研究区域的遥感影像行增强处理，并对这些方法的影像增强效果进行质量评价。结果表明，高通滤波最适合于城市道路等线状地物的遥感图像增强。

图像增强；滤波；纹理分析；卷积滤波

1 常用滤波增强方法

图像滤波增强方法的理论基础是空间卷积，目的是改善影像质量，包括突出边缘或纹理，去除噪声与干扰，及影像边缘增强、线性增强以及去模糊等。为了能辨识出街道，本文主要采用了纹理分析和卷积滤波2种方法。

1.1 纹理分析

常见的纹理有3种类型： ①自然纹理。自然纹理来源于真实物体表面，大多呈现不规则性，随机性强。②人工合成纹理。人工合成纹理是用计算机模拟或人为生产的表面纹理，其形状规则、确定，分布规则。③混合纹理。混合纹理由人工纹理随机分布于物体表面或自然景物中构成。纹理最明显的视觉特征是粒度或粗糙性、方向性、重复性或周期性[1,2]。

纹理分析是对地物影像纹理特征进行提取分析、判断的过程。纹理分析方法可以归纳为：统计方法、结构（几何）方法、 模型方法以及基于数学变换（信号处理）的方法[3]。统计分析的方法是其他纹理分析方法的基础。纹理的统计分析法是指在不知道纹理基元或尚未检测出基元的情况下对小区域纹理特征的统计分布进行纹理分析，主要描述纹理基元或局部模式随机的和空间的统计特征，以表示区域的一致性及区域间的相异性。纹理的统计分析可以在空域和频域进行[4]。在图像空间域，基于统计的方法可分为基于概率统计和基于二阶概率统计的方法。

1.1.1 基于概率统计的纹理分析方法

首先，先定义一个M×N的窗口，其中窗口的行数M和列数N均为奇数。然后对窗口的矩阵元素进行统计，得出各种统计特征值。数据范围、平均值、方差、信息熵、偏斜的计算公式分别为：

式中，p（i， j）为矩阵第i行第j列的元素。

1.1.2 基于二阶概率统计的纹理分析方法

灰度共生矩阵（GLCM），是广泛应用的一种纹理统计分析方法[5,6]。灰度共生矩阵法，就是通过计算灰度遥感图像得到它的共生矩阵，再通过计算这个共生矩阵得到矩阵的部分特征值，来分别代表图像的某些纹理特征。灰度共生矩阵能反映图像灰度关于方向、相邻间隔、变化幅度的综合信息，是分析图像的局部模式和排列规则的基础。

设f（x，y）为一幅二维数字图像,其大小为Nx×Ny，每个像素的灰度级最大为Ng，则满足一定空间关系的灰度共生矩阵为：

式中，#（x）表示集合x中的元素个数，显然P为Ng×Ng矩阵。若（x1，y1）与（x2，y2）间距离为d，两者与坐标横轴的夹角为θ，则可以得到各种间距及角度的灰度共生矩阵P。

总体上讲，灰度共生矩阵P定义为方向θ和间隔距离d的函数，记为[P（i，j，d，θ）]。P（i，j，d，θ）表示矩阵第i行第j列的元素，其中（i，j）∈Ng×Ng，θ∈{0°，45°，90°，135°}。

由灰度共生矩阵的定义可知，通过（d，θ）的值对组合可以派生许多共生矩阵用来分析图像灰度级的空间分布格局。在共生矩阵中，当d取值较小时，靠近对角线的元素值表示图像中灰度级别相近的像素对出现的几率，而远离对角线的元素值则表征灰度级别相差较大的像素对出现几率。因此，假设影像中某一区域由许多大小为σ的灰度均匀图斑组成，那么在该区域d＜σ的共生矩阵P（i，j，d，θ）中，对角线附近的元素值较大，而在d＞σ的共生矩阵中，远离对角线元素值就较大[4]。

根据灰度共生矩阵, 可以定义出大量的纹理特征, 目的就是使用所得的纹理特征辅助遥感图像纹理分类。Haralick 等人用灰度共生矩阵提取了14种特征值[5]。常用的用于提取遥感图像中纹理信息的特征统计量主要有：均值、方差、协同性、对比度、相异性、信息熵、二阶矩和相关性。其中协同性、二阶矩、对比度、相异性的计算公式分别为：

式中，p（i，j）是灰度共生矩阵P（i，j，d，θ）的第i行j列元素。式（9）中，n=|i-j|。式（10）中，μ是灰度共生矩阵P（i，j，d，θ）各元素的标准差。

1.2 卷积滤波

空域滤波是在图像的邻域，借助模板进行图像的卷积操作。对一幅图像进行空间卷积有2步：①建立一个包含一系列相关系数或权重因子的移动窗口。这些窗口的大小通常是一个奇数，如3×3、5×5、7×7等。②将这个窗口在整幅图像上移动，用窗口所覆盖的每个像元的亮度值乘上其对应的相关系数或权重所得到的总和（或像元平均值），代替其窗口中心像元的亮度值，从而得到一幅新的图像[1]。这种移动窗口称为模板。模板是卷积滤波算法的核心，也称为卷积核。各种算法的不同就在于卷积核的不同。

本试验对图像进行低通、中值和高通等3种滤波处理。ENVI4．8默认的3种滤波器处理均使用3×3的卷积核。低通滤波器的每个核中的元素包含相同的权重，使用外围值的均值代替中心像元值。中值滤波器用一个被滤波器的大小限定的邻近区的中值代替每一个中心像元值。而高通滤波卷积核的维数必须是奇数，卷积核如式（11）所示[7]。

2 遥感图像增强试验

2.1 数据源概况

本研究所采用的数据源为广州城区的Landsat5 TM遥感影像，数据获取时间为2008-12-01，数据获取当天天气晴朗少云，数据质量较好，整个研究区域包含1 555 × 885个像元。在试验时选择TM 7,4,2组合波段图像，该合成波段影像在视觉效果和信息量的表现上都比较丰富，如图1所示。

2.2 试验过程

图1 广州城区原始TM遥感图像

为了从整体上提高影像的解译能力，分别对研究区进行基于概率统计和二阶概率统计的纹理分析以及低通、中值和高通滤波的融合试验,并对增强后的影像进行定性分析得出研究区增强质量最好的影像图，从而选择出最适合于城市道路目视识别的遥感图像滤波增强方法。技术路线如图2所示。

在ENVI 4．8软件的支持下，利用Filter下的Ocurrence Measure”工具，窗口大小设置为3×3，得到基于概率统计的纹理分析方法的子区域增强图像，如图3所示。

运用类似的操作，获得基于二阶概率统计即灰度共生矩阵的纹理分析的增强图像，如图4所示。

图2 研究技术路线图

图3 运用基于概率统计的纹理分析方法的子区域增强图像

图4 运用基于二阶概率统计的纹理分析方法的子区域增强图像

使用卷积滤波各种方法得到的增强图像如图5、图6所示。

2.3 质量评价

图5 通滤波和中值滤波子区域图像

图6 2种高通滤波子区域图像

本文目前仅对增强图像进行定性评价。试验中，上述几种增强方法都保持了遥感图像多光谱信息的光谱特征。但由图3～4可以看出，运用2种纹理分析方法，无论是基于一阶的还是二阶的概率统计方法，都无法很明显地辨识出广州城区的街道和道路纹理，不利于提取道路信息。而在卷积滤波方法中，低通滤波通过窗口内的平均，强调了原图像大范围上的亮度，却平滑或模糊了原图像的细节。与此相似，中值滤波也对原图像进行了平滑。高通滤波消除了原图像的低频成分，保持了图像的高频信息，强调了空间细节，通过夸大局部的对比度，比原图像更有效地突出了线状特征——道路，获得了良好的目视解译效果。因此，高通滤波是最适合于城市道路目视识别的图像增强方法。但高通滤波同时让原始图像失去了大范围的亮度，这就需要通过加上一定的背景值来进行弥补，如图6所示。

3 结 语

本研究借助于专业遥感图像处理软件ENVI 4．8，对广州城区Landsat 5 TM多光谱影像进行增强试验（包括各种纹理分析和卷积滤波方法），并对试验结果进行了质量评价。结果表明，高通滤波最适合于城市道路等线状地物目视识别。相比于其他方法，高通滤波在保持图像高频信息的同时，消除了图像中的低频成分，强调了空间细节，但失去了大范围的亮度，如加上一定程度的背景值，则可达到良好的整体效果。在实际工作中，不同图像增强质量大不相同（如本文的示例），建议在增强之前比较各种增强方法得到的效果，选择最适合的方法进行增强。随着遥感技术的发展，多传感器平台和高分辨率、高光谱遥感影像越来越多，如何利用这些信息获得更完善的增强模式和高质量的增强图像，还需要进一步的研究。

[1] 赵英时等．遥感应用分析原理与方法[M]．北京:科学出版社，2003

[2] 马莉,范影乐．纹理图像分析[M]．北京:科学出版社,2009

[3] 刘龙飞，陈云浩，李京．遥感影像纹理分析方法综述与展望[J]．遥感技术与应用，2003,18(6):441-447

[4] 贺晓建，王福明．基于灰度共生矩阵的纹理分析方法研究[J]．山西电子技术，2010(4):89-93

[5] Haralick R M, Shanmugan K, Dinstein I．Textural Features for Image Classification[J]．IEEE Transactions on Systems, Man and Cybernetics, 1973,3(6):610-621

[6] 范丽红，付丽，杨勇,等．灰度共生矩阵提取纹理特征的实验结果分析[J]．计算机应用，2009,29(4):1 018-1 021

[7] 邓书彬．ENVI遥感图像处理方法[M]．北京:科学出版社，2010

P237.3

B

1672-4623（2015）02-0104-03

10.3969/j.issn.1672-4623.2015.02.038本文归纳和总结了目前常用的几种遥感图像滤波增强方法，运用这些方法对广州城区的TM影像数据进行处理，以便在TM影像上更好地辨识出广州城市道路，对结果进行了对比分析和质量评价。

吴乐芹，主要从事地理信息系统的应用研究工作。

2014-03-14。

项目来源：广东省科技计划项目（2010B060100068）。

*通讯作者