一种适用于珞珈一号夜间灯光影像的去噪方法

王美玲，张和生

(太原理工大学，太原 030024)

0 引言

当夜间的天空无云时，遥感卫星能够捕捉到城镇灯光、渔船灯光、火点等可见光辐射源，这些夜间无云条件下获取的地球可见光的影像即为夜光遥感影像[1]。夜间灯光数据被广泛应用于城市化时空动态[2-3]、人口空间化[4-6]、能源消耗[7-8]及GDP空间化[9-11]等方面的研究。

最早的夜光遥感影像数据是美国军事气象卫星搭载的线性扫描业务系统(defense meteorological satellite program operational linescan system，DMSP/OLS)拍摄的。美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration，NOAA)提供了1992年到2013年的DMSP/OLS夜间灯光影像数据，数据产品包括3种全年平均影像：无云观测频率影像、平均灯光影像和稳定灯光影像，其中稳定灯光影像数据应用最为广泛。该数据去除了短暂的亮光(如火光)，且背景噪音也被识别并用0代替，然而OLS传感器上可见光-近红外(VNIR)通道存在设计缺陷使得在许多城市核心区出现了大量DN值为63的像元饱和区域[12]。

2011年10月，美国发射了Suomi NPP环境监测卫星，其搭载的可见光/红外成像辐射仪(visible infrared imaging radiometer，VIIRS)的夜间灯光数据弥补了DMSP/OLS停止供应后夜间灯光数据的空缺，NPP/VIIRS夜间灯光数据相比DMSP/OLS夜间灯光数据具有更高空间分辨率和更广的辐射探测范围，且不存在饱和效应。虽然NPP/VIIRS的月合成夜间灯光数据已经剔除了云层反光和暂时性地物如火灾闪电等对灯光辐射值的干扰，但是依然存在大量的背景噪声和极大异常值噪声，因此需要进行去噪处理。剔除NPP/VIIRS夜间灯光数据噪声的方法主要有掩膜法、阈值法和领域法。李峰等[13]使用2012年的DMSP/OLS数据对同年份NPP/VIIRS月均数据进行掩膜去除背景噪声，同时对像元值排序，取99.9%处作为阈值，剔除极高像元值，进而对北京市GDP数据建模得到空间化结果。文献[14-15]采用8邻域算法对研究区域的夜间灯光数据进行平滑处理，得到NPP/VIIRS的修正数据。钟亮等[16]将中值滤波与低阈值去噪相结合，对NPP/VIIRS夜间灯光影像中的异常值及背景噪声进行过滤。

随着遥感技术的不断进步，拥有更高分辨率的第三代夜间灯光数据诞生了。2018年6月2日，由武汉大学团队与相关机构共同研发制作的珞珈一号(Luojia-1)01星成功发射升空。珞珈一号01星是全球首颗专业夜光遥感卫星，也是目前国际上第3颗具备夜间灯光数据拍摄能力的卫星，弥补了我国在夜间灯光数据获取方面的不足，具有重要的历史意义及研究价值。表1为DMSP/OLS、NPP/VIIRS和Luojia-1夜间灯光数据各项参数的对比。Luojia-1夜间灯光数据空间分辨率更高并且像元不存在饱和现象，应用潜力巨大。

表1 DMSP/OLS、NPP/VIIRS和Luojia-1夜间灯光数据的参数

目前关于Luojia-1夜间灯光数据的研究并不多，现有的文章对Luojia-1夜间灯光数据只进行了简单的去噪处理，如厉飞等[17]利用NTL&POI综合指数，消除夜间灯光影像背景噪声和削弱灯光溢出的影响。Luojia-1夜间灯光数据存在大量的噪声，影响数据的应用，研究如何有效地对Luojia-1夜间灯光数据进行去噪处理是发展Luojia-1夜间灯光数据应用的前提。本文北京市为例，对Luojia-1夜间灯光数据进行详细的研究，分析噪声类型，结合以往的去噪方法，获得1种对Luojia-1夜间灯光数据有效去噪的方法，并对去噪数据的应用性进行探索。

1 数据和预处理

1.1 数据

本文以北京市为研究区域，北京市包含16个行政区的子区。北京市人口众多，经济发达，作为研究区域具有地域代表性，另外北京市夜间灯光的光量丰富，在进行数据分析时能充分体现出不同数据之间的特征差异情况。所需数据主要有Luojia-1夜间灯光数据、NPP/VIIRS夜间灯光数据、人口和GDP的统计数据。

选择采用2018年9月6日成像的2幅Luojia-1夜间灯光数据作为研究对象，该数据由“高分辨率对地观测系统湖北数据与应用网”提供。选择2018年9月NPP/VIIRS夜间灯光数据的vcm月均数据作为辅助数据对Luojia-1夜间灯光数据进行去噪处理。人口数据及GDP数据由北京市统计局提供。人口数据使用2017年北京市各区常住人口统计数据，GDP使用2018年北京市各区的GDP总量。

1.2 数据预处理

由于湖北数据与应用中心仅对Luojia-1夜间灯光数据进行了系统几何校正，并且定位精度较低(范围从0.49～0.93 km)，因此需要对其进行几何校正。Luojia-1夜间灯光数据的分辨率高，从影像上可以清晰看到路网，通过采集道路交叉口的控制点进行几何校正[18]。

经过几何校正的2幅Luojia-1夜间灯光数据仍存在分辨率不同的问题。将其中一幅按照另一幅的参数进行重采样，采样方法选择邻近法。

使用ArcGIS的栅格计算器，得到2幅Luojia-1夜间灯光数据的平均影像，并通过2幅影像中有灯光辐射(DN值大于0)的范围掩膜得到稳定灯光的平均影像。

由于Luojia-1夜间灯光数据绝对辐射校正后数据为浮点型数据，不便于存储，因此，地面系统将浮点型辐射亮度数据放大1010后指数拉伸，转为INT32存储。根据式(1)对珞珈一号夜间灯光数据进行反拉伸。为了探索Luojia-1夜间灯光数据噪声特点，与NPP/VIIRS夜间灯光数据进行对比，通过式(2)将绝对辐射校正后Luojia-1夜间灯光数据的辐射亮度的量纲统一为nW/(cm2·sr)。

(1)

式中：DN为图像灰度值；L为绝对辐射校正后辐射亮度，单位为W/(m2·sr·μm)。

L′=L·w·105

(2)

式中：w为带宽，范围为460～980 nm，取w=0.52 μm[19]；L′为统一量纲后的Luojia-1稳定灯光平均影像的辐射亮度。

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)3266号的标准地图制作，底图无修改。图1 Luojia-1影像预处理结果

2 噪声分析

将统一量纲后的Luojia-1稳定灯光平均影像和天地图影像叠加发现，在不应该存在灯光的范围(如森林、水域)依然存在残留的背景噪声，对这部分噪声还需进一步处理。另外，统一量纲后的Luojia-1稳定灯光平均影像的辐射值的最大值远大于NPP/VIIRS的最大值，说明统一量纲后的Luojia-1稳定灯光平均影像存在极大异常值需要剔除，否则会影响统计数据空间化的结果，使得某些统计数据的格网化结果过大，不符合实际情况。

2.1 残留的背景噪声

将统一量纲后的Luojia-1稳定灯光平均影像与天地图影像叠加，发现影像存在残留的背景噪声。为了解这些噪声辐射特性，人工提取了6 000个栅格样本，其中966个位于城区周边村庄，1 207个位于样本村庄周围的背景噪声，其余的栅格为远离人类居住范围的背景噪声。统计辐射值和栅格数量发现，远离人类居住范围的背景噪声的辐射值较低，一般低于0.1。村庄周围的背景噪声和村庄范围辐射值的统计结果如图2所示。对比发现，虽然整体上村庄周围的背景噪声的数量随辐射值的增大而减少，但是村庄周围的背景噪声和村庄的辐射值在1到1.5之前出现峰值重叠，说明影像在辐射值为1到1.5的区间存在大量的背景噪声，且这部分背景噪声无法通过阈值法与城区周围村庄进行区分。这个部分背景噪声很有可能是周围村庄灯光的溢出，周围地物反射灯光产生的。

图2 村庄周围的背景噪声和村庄范围辐射值的统计结果

2.2 极大异常值

珞珈一号卫星采用了大相对孔径像方远心光学系统、异形遮光罩杂光抑制、大像元高灵敏成像器件以及双星敏定姿和双频GP定轨等手段，实现了高灵敏、高精度和大动态范围的夜间灯光成像技术，使得拍摄的夜间灯光数据分辨率达到NPP/VIIRS数据的5倍以上，并且具有更强的光感能力[20]。因此，与NPP/VIIRS相比，Luojia-1夜间灯光影像更能反映出城市内部灯光的差异，同时存在更多需要处理的异高值。图3是Luojia-1夜间灯光影像一处高辐射值区域的横断面，图中反映出Luojia-1夜间灯光影像高辐射值区域内存在辐射值突然变高的区域，且该区域有时会连片出现，这部分异高值可能是灯光相互叠加导致的。

3 去噪方法

通过以上分析发现，经过简单处理的Luojia-1平均影像存在残留的背景噪声和极大异常值。本文去噪的主要流程如图4所示。

图4 Luojia-1影像去噪流程图

1)去除背景噪声。Luojia-1平均影像的噪声辐射值区间和低灯光辐射区间有重叠，如果使用阈值去除残留背景噪声会错误地删除大量村庄的灯光。因此，本文选择掩膜法去除Luojia-1夜间灯光平均影像的残留背景噪声。NOAA仅提供了2015年和2016年的年均数据，然而北京市城市发展迅速，使用这2期数据掩膜去噪忽略了新增灯光。本文将2018年9月的NPP/VIIRS月均数据以0.92为阈值去噪，使用去噪后的NPP/VIIRS月均数据剔除Luojia-1平均影像残留的背景噪声，去除背景噪声的同时也尽可能地保留了新增灯光。

2)去极大异常值。降低异高值实际上就是使影像更平滑，常用方法是中值滤波[21]。中值滤波在去噪的同时对数据进行了大量改变。为了尽量保留数据的细节，采用局部中值滤波处理数据的异高值，而局部中值滤波的关键是如何确定Luojia-1夜间灯光平均影像的异高值范围。本文计算了每个栅格8邻域的标准差STD，结果如图4所示。经统计发现，STD大于25 000的栅格不到总量的1%，且分布在异高值的周边范围。以STD大于25 000为边界，确定影像辐射值超过1 751的栅格为异高值范围的栅格，对这部分栅格进行中值滤波。这样，既能保留大部分的数据的分辨率，又把异高值降低到了正常值范围。

4 结果与分析

4.1 去噪结果

本文经过探索Luojia-1影像的辐射特性和噪声特点，确定使用掩膜和局部中值滤波结合的去噪方法对Luojia-1影像进行去噪处理，结果如图5所示。去噪后的Luojia-1影像背景噪声明显减少，城区周边的村庄等低辐射灯光区域也得到基本保留。

注：该图基于自然资源部标准地图服务网站下载的审图 />号为GS(2019)3266号的标准地图制作，底图无修改。图5 Luojia-1影像8邻域的标准差图

4.2 评价结果

普通影像的噪声主要是光谱信号噪声，通常采用信噪比和均方根误差等指标作为去噪效果评价参数。而对夜间灯光数据来说，噪声主要来自由灯光外光源及物体的反射产生的背景噪声和极大异常值高值，这2种噪声对夜间灯光数据会产生不同的影响。背景噪声虽然辐射值低，但会使灯光的面积增大，而极大异常值虽然面积小，但栅格辐射值大，应用时拟合结果的影响较大。因此，本文通过统计在不同地类的灯光辐射(DN值大于0)栅格数来评价去背景噪声的效果，同时统计夜间灯光数据辐射总值并与GDP和常住人口数进行相关分析来评价去极大异常值的效果。

表2 Luojia-1灯光辐射栅格统计表

由表2可知，通过掩膜减少的灯光辐射栅格主要分布在林地、耕地和草地，分别占总减少灯光辐射栅格的74.23%、10.14%和10.02%。

同时，建设用地的灯光辐射有所减少，属于错误去除灯光辐射，仅占原建设用地灯光辐射栅格的1.64%。由此看来，本文的去噪方法在尽可能保留建设用地灯光辐射的同时去除了大部分背景噪声。

表3 Luojia-1均值影像和去噪影像统计表

由表3可知，影像辐射最大值由6 034.920下降到900.599，极大异常值下降到了合理区间。同时，与初步去噪的影像相比，去噪影像的辐射值总量有所减少，但是减少的是高出正常值的部分，且减少量仅占辐射总值的6.9%，说明在去除极大异常值时，对辐射总量的影响不大。

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)3266号的标准地图制作，底图无修改。图6 Luojia-1影像去噪结果

为了探究去噪后的Luojia-1影像在人类活动相关领域的应用精度，计算北京市各行政区的夜间灯光辐射总量与相应的GDP及人口数据的相关系数，结果如表4所示。由表4可知，去噪处理使得影像与GDP和常住人口数据的相关性均有提升，说明本文采取的去噪方法有效去除噪声的同时提高了影像在人类活动相关领域的应用精度；但影像与GDP的相关性较低，可能是因为影像和GDP数据获取时间不一致。

表4 Luojia-1影像灯光辐射总量与GDP和常住人口数据的相关系数

5 结束语

作为新一代夜间灯光影像，珞珈一号卫星影像分辨率高，辐射探测范围广，具有巨大的应用潜力。应用珞珈一号卫星影像数据前需要进行去噪处理，使用本文方法去噪后的影像在人类活动相关领域的应用精度有所提升。不同的应用领域，需要提取影像中的不同信息，这些信息具有不同的辐射特性，进而采取不同的去噪方法。随着珞珈一号卫星影像应用范围的不断拓展，需要进一步研究针对不同研究方向的去噪方法。