基于Criminisi算法对遥感图像的修复研究∗

方 芳 孙鹤泉

（海军大连舰艇学院 大连 116018）

基于Criminisi算法对遥感图像的修复研究∗

方 芳 孙鹤泉

（海军大连舰艇学院 大连 116018）

海洋遥感图像数据在海洋学研究中具备重要作用，但海洋遥感图像数据易受天气现象等影响，造成数据大量缺测。针对这一现象，论文利用改进的Criminisi算法实现对叶绿素遥感图像数据的填补修复，并对修复结果可靠性进行了初步探讨。

遥感图像数据；叶绿素；Criminisi算法

1 引言

随着我国经济的高速增长以及海洋科技的飞跃式发展，走向深蓝、开发远洋资源成为我国海洋战略的重点。我海军部队舰船航行、出岛链训练等已成为常态化，为其提供高质量的海洋数据保障极为必要。

随着卫星遥感技术的进步，通过海洋遥感图像数据获取海洋信息成为海洋工作者的重要手段。但是，由于天气等原因的影响［1～2］，经常出现成片区域卫星数据缺测的现象。寻求一种合适的方案，尽可能地恢复缺测区域卫星数据是很有必要的。许多学者利用DINEOF算法［1～3］，实现对长历时海洋遥感图像数据缺测数据的很好填充，但该算法要求数据缺测量不能超过5%，而且理论上无法实现对单个遥感图像数据的有效填充。

数字图像修复技术在图像领域应用广泛，利用图像修复技术，可很好实现划痕字画等图像的修复。目前，主要的图像修复技术包括基于纹理合成的修复算法、基于偏微分方程的修复算法以及基于稀疏表示的修复算法等，主流的修复算法模型包括TV模型、CDD模型、Criminisi算法、PCD算法等［4～8］。王相海等利用改进的CDD模型实现对陆地遥感图像数据的良好修复［8］，笔者认为，海洋遥感图像数据不同于陆地遥感图像数据，陆地遥感图像数据具有复杂的地物特征，而一般来讲，海洋遥感图像数据存在较为明显的纹理结构，因而可尝试利用基于纹理合成的Criminisi算法对海洋遥感图像数据进行修复处理。

本文中，将简要介绍由Criminisi等学者提出的Criminisi算法［8］，并对Criminisi算法进行适当修改，使其适用于海洋遥感图像数据的修复填补，同时利用Criminisi算法对叶绿素遥感图像数据进行修复处理，并对其修复结果的可靠性进行简要探讨。

2 卫星数据

由韩国发射的世界上第一颗地球静止海洋气象通讯卫星COMS（Communication，Ocean and Me⁃teorological Satellite）携带的遥感载荷 GOCI（Geo⁃stationary Ocean Color Imager）传感器，可提供由可见光到近红外八个波段的遥感数据，所提供数据时间分辨率达 1 小时，水平分辨率达 500 m［9～11］，在http：//kosc.kiost.ac/网站上，可直接获取由各波段数据反演得到的L2级海洋水色遥感图像，但由于天气状况等因素影响，其数据往往有不同程度的缺测。针对这一现象，下文将利用获取的叶绿素遥感图像数据进行缺测数据修复填补的探究。

3 Criminis算法简介

Criminis算法在图像修复中效果明显，有许多学者对其原理进行过详细介绍［4～8，12］。Criminisi算法在针对缺失数据的修复过程中，基于全局遍历计算区块优先权，优先权倾向于具有高可信度数据的缺失数据边缘，得到具备最高优先权的修复块后，遍历全局，利用SSD匹配准则，寻找可用于替换修复块的样本块。

3.1 待修复区块优先权计算

如图1，对于给定的图像块P，其中心点位于如图所示待修复边缘p点处，p∈δΩ；对于优先权P(p)，我们有计算公式：

对整个待修复区域边缘，Criminis算法将遍历各个相关图像块，计算其优先权，基于此来决定算法对缺失区域数据的修复顺序，其中，置信度C(p)、数据项D(p)计算公式为

C(p)主要用于衡量P点所在待修复区块的可利用数据信息，D(p)则可反应所选区块的结构性特征，其中，α为归一化因子，Criminisi算法针对R、G、B三维图像数据处理，显然归一化因子选择典型的像素灰度值255，而将处理的叶绿素遥感图像数据则是一维数据矩阵，数据分布不同于R、G、B三维图像数据，基于α的归一化作用，应选择卫星数据的最大值来替代255；是待修复区块内中心点p的等照度线强度及方向；np则是p点所在修复区域边界处的单位外法线方向。

3.2 最优匹配块遍历搜索及填充

找到具备最高优先权的待修复区块ψp后，全局遍历搜索，基于SSD匹配准则，在数据源区域Φ寻找最接近于ψp的样本块ψq′，基于叶绿素遥感图像数据特点，SSD匹配准则计算公式如下式（4）：

在Criminisi算法中，得到最优 ψq′后，将 ψq′直接用于复制替换ψp，对叶绿素遥感图像数据进行处理时，为尽量保存原有的数据信息，在填充过程中，笔者保留ψp有效信息，而仅将数据缺失区域予以替换。

3.3 置信度的更新

利用ψq′替换ψp后，修复区域边界信息发生改变，需要计算更新置信度：

重复以上步骤，直至修复区域填补结束。

4 数据修复填补结果

利用修改后Criminisi算法，对遥感图像数据进行处理，填补结果如图2所示。

图2（a）为2014年9月27日8时由GOCI获取的台湾海峡附近叶绿素遥感图像数据。计算可知，其缺测数据量达33%，因而进行数据填充修复是有必要的。图2（b）为利用Criminisi算法进行填补后结果，直观分析可知，填补后数据图像具有很好的视觉相关性，图像连续性好，没有异常纹理结构产生，可见，填补后数据具备可信度，至少可用于分析叶绿素遥感图像数据的分布趋势。

同时，为验证Criminisi算法用于遥感图像数据修复的可靠性，选择2014年9月27日10时由GOCI获取的同一海域遥感图像数据，随机截除两个不相邻的30×30的矩形小区域后，对数据进行Criminisi算法修复填补，处理结果如图3。

其中图3（a）为原始叶绿素遥感图像数据，图3（b）为截除矩形小区域后叶绿素遥感图像数据，图3（c）为对图3（b）修复后得到的叶绿素遥感图像数据，由图3可知，在截取的待修复区域，修复后纹理连续性同原始数据较好吻合，虽有一定的视觉连续性差异，但主要结构恢复良好。

同时，为进一步确定填补结果的可靠性，将截除位置的原始数据以及修复后得到的数据作对比，如图4所示。

图4（a）和图4（b）为截取的原始数据，4（c）和4（d）为利用Criminisi算法计算后得到的修复数据，分析可知，修复后得到的叶绿素遥感图像数据纹理结构清晰，同原始数据整体上匹配良好，但是，在原始数据有较大突变的位置，修复后得到的数据不能很好地匹配原始数据，说明Criminisi算法对数据有明显突变的区域，修复效果有待提高。

5 结语

本文将图像修复技术引用到对遥感图像缺测数据的填补修复，同时实现Criminisi算法对遥感图像缺测数据的修复研究。实验表明，利用Criminisi算法可实现对遥感图像数据特别是纹理结构清晰、突变小的遥感图像数据缺测值的良好填补修复，这对于分析遥感图像数据在缺测区域的分布趋势具有重要意义。深入研究图像修复技术，将其合理应用到遥感图像数据缺测值的填补修复中，将具有重要意义。

［1］郭俊如.东中国海遥感叶绿素数据重构方法及其多尺度变化机制研究［D］.青岛：中国海洋大学，2014.

［2］郭俊如，宋军，鲍献文，李静.东中国海遥感叶绿素数据重构方法研究［J］.遥感技术与应用，2016（05）：939-949.

［3］盛峥，石汉青，丁又专.利用DINEOF方法重构缺测的卫星遥感海温数据［J］.海洋科学进展，2009（02）：243-249.

［4］张红英.数字图像修复技术的研究与应用［D］.成都：电子科技大学，2006.

［5］魏欣，蒋华伟.改进的Criminisi图像修复算法［J］.计算机工程与应用，2011（04）：205-207，218.

［6］张红英，彭启琮.数字图像修复技术综述［J］.中国图象图形学报，2007（01）：1-10.

［7］王相海，孙丽，万宇，王爽，陶兢喆.非局域样本填充和自适应曲率驱动模型的遥感图像修复算法［J］.模式识别与人工智能，2016（08）：735-743.

［8］Criminisi A，Perez P，Toyama K.Object removal by exem⁃plar-based inpainting［C］//Computer Vision and Pattern Recognition，2003.Proceedings.2003 IEEE Computer So⁃ciety Conference on.IEEE，2003：721.

［9］李冠男，王林，王祥，王新新，孙广轮.静止水色卫星GO⁃CI及其应用进展［J］.海洋环境科学，2014（06）：966-971.

［10］Choi J K，Park Y J，Ahn J H，et al.GOCI，the world's first geostationary ocean color observation satellite，for the monitoring of temporal variability in coastal water tur⁃bidity［J］.Journal of Geophysical Research Oceans，2012，117（C9）：9004.

［11］王泉斌，秦平，赵晓晨.世界首颗静止轨道海洋水色卫星应用研究进展［J］.海岸工程，2017（02）：71-78.

［12］刘永，朱元培，李尊.Criminisi图像修复算法的研究［J］.数字技术与应用，2017（03）：161-163.

Restoration of Remote Sensing Image Based on Criminisi Algorithm

FANG Fang SUN Hequan
（Dalian Navy Academy，Dalian 116018）

The ocean remote sensing image data play an important role in ocean research.However，the ocean remote sensing image data are easily disturbed by weather conditions or other reasons，which results in a lot of data loss.The missing ocean remote sensing image data can be reconstructed by modified Criminisi algorithm presented in detail in the paper，such as chlorophyll data.Meanwhile，the restoration reliability is briefly discussed.

remote sensing image，chlorophyll data，criminisi algorithm

TP391

10.3969/j.issn.1672-9730.2017.11.021

Class Number TP391

2017年5月5日，

2017年6月17日

方芳，男，硕士研究生，研究方向：海洋遥感技术与应用。孙鹤泉，男，博士，副教授，研究方向：海洋遥感、海洋技术与实验流体力学方法。