地面高光谱成像仪数据质量研究——以THEMIS-T-FPS2500为例

邢晓达，吕书强，尹琴丽

（1.北京建筑大学测绘与城市空间信息学院，北京 100044；2.北京建筑大学代表性建筑与古建筑数据库教育部工程中心，北京 100044）

地面高光谱成像仪数据质量研究
——以THEMIS-T-FPS2500为例

邢晓达1，2∗，吕书强1，2，尹琴丽1，2

（1.北京建筑大学测绘与城市空间信息学院，北京 100044；
2.北京建筑大学代表性建筑与古建筑数据库教育部工程中心，北京 100044）

通过对现有高光谱数据图像质量评价方法的研究，选取辐射精度、信息熵、信噪比、清晰度等图像质量评价指标对THEMIS-T-FPS2500地面高光谱成像仪采集的数据进行了数据质量评价。结果表明，THEMIS-T-FPS2500地面高光谱成像仪数据256个波段中从第200波段开始，图像的信噪比较低，图像清晰度较差；第1个～10个波段的信噪比虽然较高，但图像清晰度较差，剩余的190个波段的数据成像质量较好，目标物清晰，信息量丰富。

高光谱成像仪；图像质量评价；信噪比；清晰度；信息量

1 引 言

在现代遥感技术体系中，高光谱成像技术是自20世纪80年代发展起来的新的遥感技术，近年，美、德、法、澳、中等国家研制出了一系列高光谱成像仪。高光谱成像技术主要是针对景物中的每一个像元，用很窄的电磁波波段获取相关的光谱信息［1］，其主要特点是传感器提供地物完整且连续的光谱的同时，对每个波段又可以获取反映地物空间分布和特点的图像，即实现图谱合一。其中，高光谱图像质量评价一直是传感器研制和遥感数据应用的桥梁，也是图像处理过程不可缺少的一个关键步骤［2］。

国内外许多学者针对影像数据质量评价展开了很多研究，主观质量评价方面如利用专家打分的办法进行评价，也有用不同从参数形式来评价影像质量的优劣特性的指标。张霞［3］等利用地面分解力、清晰度、信噪比、辐射精度等指标比较了经过处理后的中巴资源一号卫星红外多光谱扫描仪与TM影像的影像质量；杨迪威［4］仔细分析了图像质量下降的原因，提出了几种减参考图像质量评价方法，包括基于自然图像的Roberts差分特性的减参考图像质量评价和小波域、重组策略的余弦变化域上的矩估计的减参考图像质量评价和基于DNT变换域的减参考图像质量评价方法；周雨霁［5］采用辐射精度、信息量等指标评价了Hyperion图像质量并分析了Hyperion影像数据在行业间的应用前景。ShaWang等［6］基于半破碎-自适应水印技术对图像进行了客观的评价。马德敏［2］列举了多光谱数据的质量评价指标，并针对高光谱数据对这些指标进行了分析和补充。然而，目前许多图像质量评价研究主要集中在航空、航天等传感器的质量评价方面，少有涉及地面高光谱传感器的图像质量评价体系。地面高光谱成像仪数据以其较高的光谱分辨率以及工作环境的不可控制性，图像使用前的图像质量评价显得尤为重要。本文主要针对THEMIS系列地面高光谱成像仪数据，利用辐射精度、熵、信噪比、清晰度等几种常见指标，对该系列传感器数据进行客观评价，并集中研究不同地物在图像上的表现能力，为以后此传感器使用提出了建议和参考。研究结果对今后地面高光谱成像仪图像数据质量评价具有较大的现实意义。

2 成像仪与数据获取

2.1 THEMIS-T-FPS2500高光谱成像仪参数

THEMIS-T-FPS2500高光谱地面成像仪是一种采用先进的高光谱成像技术的地面遥感器，由光源、镜头、成像仪、控制器以及高光谱数据采集软件组成，它的核心是一台带有推扫式扫描器的成像光谱仪。地面高光谱成像仪以其较高的光谱分辨率和波段连续等特性获取目标地物的影像数据的同时也获取了其光谱信息，并被广泛应用于目标识别、遥感信息提取以及遥感应用等方面。其主要参数如表1所示。

∗ 收稿日期:2016—01—19

作者简介:邢晓达（1989-），男，硕士研究生，研究方向:高光谱遥感。

基金项目：北京市青年拔尖人才项目（21147515209）

高光谱成像仪参数 表1

2.2 数据获取

本文数据获取主要利用上述THEMIS-T-FPS2500高光谱地面成像仪分别对一幅画进行多天拍摄，拍摄环境为接近暗室的环境，灯光采用仪器自带卤素灯。数据获取流程如图1所示:

图1　高光谱成像仪数据采集示意

（1）连接仪器进行数据的采集的准备工作。

（2）调整仪器设备尽量保证数据采集工作为垂直拍摄，以减少由于入射光线角度问题带来的误差。

（3）采集颜料数据，准确控制采集数据的幅宽，防止目标数据超出传感器视场范围。

（4）采集白板数据，白板应尽量垂直镜头放置并尽量与采集数据放置位置相对应，以减少由于位置因素带来的误差。

（5）采集暗电流数据。用镜头盖将镜头遮住，关闭室内所有的照明光源，进行数据采集。

（6）数据采集主要通过多天在相同的暗室实验室内对同一幅画的同一个部位进行多次扫描，数据获取情况如表2所示。

高光谱成像仪数据采集 表2

图2　高光谱成像仪采集数据

3 影像数据质量评价方法

3.1 影像数据质量评价方法

对影像数据质量的评价主要分为主观和客观两种，主观评价主要指通过人眼观察或主观的感受，在测试环境相同的条件下，按照规定的评分等级制度和妨碍尺度对影像的优劣给出评价，最后对多组评价进行统计平均得出最终的评价结果。客观评价体系主要是指利用多种物理指标对图像进行质量评价。主观评价体系虽然简单易行且有较大权威，但人眼由于生理条件限制，在观察影像时对于马赫带效应、对比度差异等现象往往不能完全客观地理解图像的质量信息［5］，且传感器的波段通道一共有256个，如果采用主观的方法进行评价，将会消耗大量的人力和时间，所以本文主要采用客观的评价方法进行评价。客观评价方法是以图像的物理特性为基础，结果为特定指标的定量评价，且更容易给出一个定量的图像质量评价方法，容易从物理特性上分析图像的指标，较易实现批处理。

3.2 影像数据客观评价方法

本文涉及的数据主要是近红外影像数据，选取反映影像数据辐射精度、信息丰富度、影像清晰度等几个指标，对采集的高光谱数据做出客观而科学的评价。

（1）辐射精度方面

辐射精度主要反映影像数据的辐射状态信息，主要包括均值、方差、偏斜度、陡度等几个参数指标，其具体计算公式如表3所示:

辐射精度指标计算及意义 表3

（2）信息丰富度方面

信息丰富度主要涉及信息量大小，而信息量主要反映包含地物信息的详细程度，一般用熵来表达，常用的熵有Shannon-wiener熵、条件熵、平方熵、立方熵等。Shannon信息熵应用较为广泛，它将遥感影像视为离散无记忆信源进行计算的，即认为每个点都是独立存在的，可通过计算影像数据的Shannon熵来表达影像的信息量大小，其具体计算公式如下［3］:

其中i为可能的像素值；Pi为像素值为的像元出现的概率。

（3）信噪比

信噪比（SNR）是影像数据质量评价重要的指标之一，图像信噪比反映图像有用信息与噪声的比值［7］。常用的计算方法有方差法、地学统计法、局部方差法、去相关法等。此处将图像的噪声假设为高斯噪声，信噪比采用局部方差法，该方法虽受目标物的影响较大，但基于其结果的对比研究能够判断遥感传感器的信噪比水平［8］。该方法首先将图像分割成若干个小区域，并认为这些小区域内的影像数据分布均匀，然后分别计算每个小区域的均值（M）和标准差（SD），从所有的小区域的标准差中选择局部方差最大值（SDmax），则信噪比计算公式为［7］:

（4）清晰度

清晰程度是图像细节边缘变化的敏锐程度，它反映图像对微小细方差表达的能力。传统的清晰度计算被认为是对特定边缘区域做的统计计算。本文采用王鸿南等［9］提出一种改进边缘锐度算法的清晰度计算方法进行评价。该方法对传统方法的改进主要体现在将对边缘的梯度计算改进为对图像各个像元邻域梯度进行计算，为了体现像元具有各向异性的特点，对每个像元对象8邻域像元进行距离加权。其中0°和90°相邻的像元权值为1，而45°和90°相邻的像元权值为，并对计算结果按图像大小进行规格化，以便对图像进行对比。经过以上改进算法其最终的计算公式为［9］:

其中m，n为图像的长和宽，df为灰度变化幅值，dx为像元间的距离增量。

根据以上定义影像数据质量评价指标，利用IDL编写了影像数据客观评价程序，实现了上述指标的自动化计算，利用IDL程序对影像数据的256个波段进行了质量评价，并对其数据质量计算结果进行统计分析。

4 数据质量评价与结果分析

为了减少拍摄的环境因素或人为操作等原因导致图像质量的下降或者减弱，本文选择了3天拍摄的数据进行统计分析。辐射精度方面的统计结果如图3所示。从图像均值看，多天数据均值呈现的趋势基本一致，均值的数量级均在104大小范围内；从方差方面看，该传感器就信息量来说主要的信息量主要集中在波段10～100这90个波段之间，前12个波段的信息量较小，而后100个波段不仅信息量较小而且有个别波段存在坏行的情况；偏斜度主要反映直方图信息偏离平均值的水平，从图3（c）可以看出前150个波段的直方图分布较为均匀，从第151波段之后尤其在第200波段之后图像的直方图分布变化较大，可能是由于这些波段的噪声较大，有用信息较少导致的；陡度反映的是直方图分布情况，陡度分布规律与偏斜度的规律基本一致，表现为从第151波段之后尤其在第200波段之后图像的直方图分布变化较大。

传感器影像数据的信息丰富度随波段的变化图如图4（a）所示，表现为前10个波段的信息量较小，而第11个～100个波段的信息量最大，从第101波段表现为信息量逐渐减小的趋势。为此我们按照信息大小进行分成5组，第1波段到第10波段为一组，第11波段到100波段为第二组，剩余的150个波段每隔50个波段分为一组，并分别统计每组的信息。各波段信噪比信息见图4（b）所示，信噪比整体表现偏低水平，且有些波段波动较大，具体表现在前200个波段的信噪比较为稳定，但也存在个别波段波动忽大忽小的现象，从第201波段之后信噪比表现为较高但信息量等较小。

图3　高光谱成像仪数据辐射精度评价结果

图4　高光谱成像仪数据信息熵和信噪比结果

目前，THEMIS-T-FPS2500高光谱地面成像仪采集数据多用于物质识别或分类等问题，这就要求图像的清晰度、信息量以及信噪比等指标图像数据分析应用方面满足行业内应用需求。为了解传感器获取影像数据的整体表现，按上述波段分组信息分别对各个评价指标进行了统计分析。为方便比较各项指标，将各项指标的均值按组以各组的最大值为分母进行了归一化处理，统计结果如图5所示。从统计结果看，方差、信噪比、熵等表现图像信息量的指标呈逐渐减小的趋势。均值方面，前200个波段的均值较后56个波段的均值要大；方差则呈现逐渐递减的趋势。陡度指标中前10个波段的陡度较大，不能正确反映图像稳定信息，建议使用前10个波段的数据的时候，要谨慎选择，或者建议在使用过程将前10个波段进行剔除。从信噪比方面看，最后56个波段及第201波段至第256个波段的数据较前200个波段较小，所以建议在使用THEMIS-T-FPS2500高光谱地面成像仪采集数据用于分类或者识别的时候，要考虑通道信噪比差的波段，建议将最后56个波段的数据集进行剔除，以免因为数据质量影响最终分类结果。熵即信息量方面也呈现逐级递减的趋势；图像清晰度上前10个波段和最后56个波段较小，中间190个波段较为稳定。根据刘艳芳等［13］的研究，分类的不确定性与空间过程和特性的准确确定度有关，而熵可以综合度量分类的随机不确定性和模糊不确定性。所以，建议使用THEMIS-T-FPS2500高光谱地面成像仪采集数据用于分类时，采用信息量较大的波段，即中间190个波段之间的数据，其他波段数据可以进行剔除，以避免分类精度的不确定性。

高光谱成像仪评价指标表 表4

图5　高光谱成像仪评价指标归一化柱状图

5 结 论

本文针对THEMIS-T-FPS2500地面高光谱成像仪拍摄的多时相数据，利用辐射精度、信噪比、清晰度、Shannon熵等常见的几种图像质量评价指标对该影像数据进行了初步的评价，得出以下结论:

（1）辐射精度方面，均值随波段增长呈逐渐减小的趋势，方差则前200个波段的方差较大，陡度则前10个波段的陡度较大，后156个波段的陡度则呈现较为稳定的现象。

（2）信噪比前200个波段的信噪比较大，最后56个波段的信噪比最低；信息量则呈现随波段逐渐递减的现象，清晰度中间190个波段的清晰度较好，前10个波段和后56个波段图像清晰度较差。

（3）在使用此传感器采集数据时，信噪比中前200个波段信噪比较好，但陡度前10个波段较大不易使用，且图像清晰度较差。

由于高光谱地物成像仪在数据采集过程中受到灯光、拍摄环境、焦距及多种人为因素的影像数据，上述图像质量评价各指标呈现的规律解释还不够充分。因此，图像评价指标变化规律的主要驱动因素是下一步的研究重点。

［1］张连蓬.高光谱遥感影像特征提取与分类［M］.测绘出版社，2012.

［2］马德敏.高光谱图像质量评价［J］.红外，2004（7）：18～23.

［3］张霞，张兵，赵永超等.中巴地球资源一号卫星多光谱扫描图像质量评价［J］.中国图象图形学报，2002，7（6）：581～586.

［4］杨迪威.基于自然统计特性的图像质量评价方法研究［D］.中国地质大学，2014.

［5］周雨霁，田庆久.EO-1 Hyperion高光谱数据的质量评价［J］.地球信息科学，2008，10（5）：678～683.

［6］Wang S，Zheng D，Zhao J，et al.Adaptive Watermarking and Tree Structure Based Image Quality Estimation［J］.IEEE Transactions on Multimedia，2011，16（2）：74～77.

［7］梁文秀，李俊生，周德民等.面向内陆水环境监测的GF-1卫星WFV数据特征评价［J］.遥感技术与应用，2015，30（4）：810～818.

［8］刘睿，孙九林，王卷乐等.环境与灾害监测预报小卫星CCD数据质量评价［J］.地球科学进展，2011，26（9）：971～979.

［9］王鸿南，钟文，汪静等.图像清晰度评价方法研究［J］.中国图象图形学报，2004，9（7）：828～831.

［10］胡安洲.主客观一致的图像感知质量评价方法研究［D］.中国科学技术大学，2014.

［11］尹灵芝，朱军，蔡国林等.遥感影像质量评价方法综述［J］.测绘与空间地理信息，2014（12）：32～35.

［12］王洪姣.图像质量评价方法的研究及实现［D］.西安电子科技大学，2014.

［13］刘艳芳，兰泽英，刘洋等.基于混合熵模型的遥感分类不确定性的多尺度评价方法研究［J］.测绘学报，2009，38（1）：82～87.

Imager Quality Evaluation of the THEMIS-T-FPS2500 Hyperspectral Imaging Camera

Xing Xiaoda1，2，Lv Shuqiang1，2，Yin Qinli1，2
（1.School of Geomatics and Urban Information Beijing University of Civil Engineering andArchitecture，Beijing 100044，China； 2.Engineering Research Center of Representative Architecture and Ancient Building Database Beijing University of Civil Engineering andArchitecture，Beijing 100044，China）

Based on the research on existing hyperspectral image quality evaluation methods，several common image quality evaluation indicesincluding radiometric accuracy（mean，variance，partial slope and gradient），information entropy as well as signal-to-noise ratio（SNR）are selected to evaluate the data acquired by the ground-based hyperspectral imagerTHEMIS-T-FPS2500.By the research and experiments，several results and proposals are given in this paper.Firstly，the SNRs of the images between band 200 and band 256 are poor and these images have low clarity.Secondly，although the SNRs of images between band 1 and band 10 are higher，their clarities are yet poor.Therefore，it is recommended to pay attention to their accuracy and availability when they are to be used.Finally，the data qualities of the remaining 190 bands are very well according to the indices used in this paper.Owing to the characters of clear targets，rich information，and expressing ground features correctly，these bands can be used in researches reliably with the advantages of high spectral resolution.

hyperspectral imager；image quality evaluation；SNR；clarity；information content

1672-8262（2016）02-74-06中图分类号：P234.4，TP731

A