森林遥感图像测量数据偏差影响分析方法设计

朱发财，许济金

(1.福州理工学院计算与信息科学学院，福建 福州 350506；2.福州理工学院数字福建车联网实验室，福建 福州 350506；3.福建农林大学机电工程学院，福建 福州 350002)

1 引言

资源卫星(ZY-1)是一种应用较为广泛的卫星，主要用于勘测和研究地球资源，具有极高的分辨率，能够有效监测火山喷发、河口海岸的变化、河水泛滥以及农作物长势等信息[1]。由于探测地表各物体的探测元件不同，假如探测元件接收到地表反馈时的路径出现细微差别，即产生配准误差，则极易造成采集到的数据出现偏差。温度的不稳定和采样元件结构的变化都会造成配准误差。

波段间向元重合、定位、结合即为波段配准。波段配准能够尽可能地降低或消除卫星图像的模糊和双边影响[2]。对于资源卫星来说，配准的精准度在很大程度上影响着地物分类的精准度和几何定位的准确性[3-4]。

对遥感图像测量数据的偏差进行控制以及异常诊断始终是一个难点问题。目前，已有部分学者对该项问题展开了研究，设计了如考虑背光源强度的图像测量误差影响分析方法[5]、多重观测卫星图像无控区域网平差影响分析方法[6]等研究成果，在很大程度上提高了遥感图像的测量质量。

污染误差模型可以一定程度调节波段偏差校准后的遥感卫星图像[7]。森林地区的地形既复杂且多变，因此，其对遥感卫星测量数据的精准性要求极高。为充分发挥森林遥感影像的可用性，本研究从波段配准误差的角度出发，通过利用污染误差模型调整遥感图像来降低因测量数据出现观测异常而产生的影响，并生成包含配准误差在内的新图像。在此基础上，研究污染误差模型下森林遥感图像测量数据偏差影响，从而为森林遥感图像的准确监测提供有效、可靠的分析依据。

2 森林遥感图像测量数据偏差影响分析

2.1 研究对象数据

本研究选取广西壮族自治区隆安县为监测对象，隆安县平面位置示意图如图1所示。

图1 实验对象的位置示意图

隆安县位于广西壮族自治区西南部，林地面积102万亩，占总面积的30.03%。该地区森林资源丰富。

近年来，当地政府大力推动退耕还林政策，使得该地区既是重要交通枢纽又是天然氧吧，从地理条件和生态条件来看，该项退耕还林政策取得了重大成效。本研究利用ZY-1卫星采集了该地区森林资源的多波段资料，并对其图像测量数据加以分析。

2.2 森林遥感图像处理

2.2.1 污染误差分析过程

由于受到各种环境污染的影响，ZY-1资源卫星采集的隆安县地区森林遥感图像存在图像清晰度偏低的问题。为此，本研究运用污染误差模型对其进行微调处理。

由于环境污染形势复杂多变，需要对利用ZY-1卫星获取的森林地物遥感观测图像展开大量分析。

考虑抗差估计，抗差估计模型中，方差膨胀模型能够最直观地把不同的异常污染模型根据方差-协方差传播定律统一归类为方差-协方差膨胀模型[8]。

假设ΔKa和ΔKb分别表示观测值Ka和实际值Kb的误差量。其不但受到误差源Δn影响，还分别受到Δa和Δb独立误差的影响。ΔKa和ΔKb的分解如式(1)和式(2)所示

ΔKa=Δa+γaΔn

(1)

ΔKb=Δb+γbΔn

(2)

在式(1)和式(2)中，期望为0的独立的随机误差分别为Δa、Δb和Δn，它们存在如下关系

N(Δa)=N(Δb+=N(Δn)=1

(3)

(4)

(5)

(6)

式(7)表示Ka和Kb的相关系数

(7)

以上过程将ZY-1卫星对森林遥感图像的观测误差细化为相关误差部分和独立误差部分，而误差模型也分为多种。在考虑各种因素影响的基础上，本研究选用误差整体膨胀模型。

2.2.2 误差整体膨胀模型

误差整体膨胀模型的表达式如式(8)所示

(8)

在此基础上，得到其方差和协方差分别如式(9)、(10)所示

(9)

(10)

(11)

由于本研究所运用的模型相关系数保持不变，与方差-协方差矩阵对称。因此，作为膨胀因子，υaa和υbb要按照误差确定数值大小。

森林遥感图像测量数据观测可信度可以根据有效的残差绝对值判断，以此来减少异常观测使用效率需运用方差-协方差膨胀因子，从而控制异常观测产生的影响，从根本上提高森林遥感图像观测结果的精确性。

2.3 多光谱波段配准图像误差模拟过程

森林遥感图像波段配准图像误差需要通过随机函数生成，通过多项式拟合、随机误差值模拟以及插值重采样三个过程生产包含新配准误差的遥感图像。

由于遥感卫星传回的图像几何变换误差比较小，因此，本研究主要对图像随机几何错位加以考虑。通过以下过程获取含有波段配准误差的模拟卫星遥感图像：

步骤1：插值重新采样。若要生成多光谱波段配准误差模拟图像，需要在标准参考图像内，选择原始全色以添加配准误差，从实际波段配准图像受到1个像元之内的配准误差干扰情况角度展开分析，这也是完成插值重采样需要分析的重点内容。本研究在分析过程中，分别放大ZY-1卫星收集的多光谱波段数据元素原始像元以及全色波段到30倍和6倍，并设置0.18m作为图像空间分辨率插值，从而实现对1个像元内的错位以及扭曲等配准误差的有效模拟[9]。

步骤2：将随机误差值添加到利用ZY-1卫星获取的多光谱图像中。在多光谱图像中采集均衡排列的控制点处，结合曲面拟合多项式，利用采集的控制点配准多光谱以及几何校正后的全色图像，从而确保配准误差低于0.4个像元[10]。基于此，修正控制点的像元，确保配准误差达到0.1～0.6像元。从全色和多光谱图像中采集的子图像尺寸为6000×6000像元。

在这一过程中，配准误差模拟图像生成需用到曲面拟合多项式模型如式(12)所示：

(12)

式(12)中，多项式系数分别为oij和pij。在模型中模拟产生新的图像，该图像具备配准误差，误差的像元坐标分别是c′与d′，多项式次数为M，以c和d作为像元坐标，该坐标属于含有随机误差图像控制点。在此基础上，利用式(13)计算总均方根

(13)

式(13)中，C和D均表示图像控制点的标准坐标，h表示控制点数。

步骤3：为得到不同配准误差的融合图像数据，本研究对全色波段和差异配准误差下多光谱波段展开融合，并通过迭代自组织数据分析方法得到非监督分类融合结果[11-12]。

假设所有参数一致，将隆安县地区森林资源划分为四种地理类型，分别为森林、水域、裸地和农田。然后分别统计各配准误差模拟图像和标准参考图像的分类面积，从而研究在存在差异配准误差的情况下，四种地类分类面积同匹配误差间的关联关系，并重点分析研究森林面积的变化情况。

2.4 图像几何精校正分析

几何校正在图像处理的过程中，为使得图像几何精度大幅度提高，本研究对多因素产生的几何畸变实施全面校正，从而使得解释制图以及几何量测的精度大大提升，为后期的多元遥感信息复合与不同图像配准奠定有效的基础。

为了探析差异波段配准误差对图像几何精校正的干扰，本研究将标准参考图像设置为原始图像，在此基础上，通过几何精校正对多项式拟合形成的差异配准误差图像实施处理。

对图像展开几何精校正后产生的配准RMS总误差如表1所示。

表1 波段配准误差模拟图像校正模型RMS

根据表1所示结果可知，当配准误差保持低于0.25像元时，几何精校正后的总RMS始终低于0.10；而当配准误差高于0.35时，几何精校正后的总RMS升高至0.143，变化幅度较大。

3 实验结果与分析

为验证本研究设计的基于污染误差模型的森林遥感图像测量数据偏差影响分析方法的可行性和有效性。设计如下实验。

3.1 融合图像分类实验分析

为了获取不同配准误差的广西壮族自治区隆安县森林融合图像数据，本研究融合差异配准误差的ZY-1全色图像和多光谱图像，并且为了分析差异配准误差的全色图像融合后对图像分类产生的不利干扰，应通过迭代自组织数据分析方法非监督分类存在配准误差的图像数据。融合图像平均面积变化率情况如图2所示。

图2 融合图像平均面积变化率

根据图2所示结果可知，当配准误差在0.1-0.3像元范围时，平均面积变化率在9%-16%之间；当配准误差为0.3像元时，平均面积变化率达到了16%。产生这一结果的原因可能是因为某些地物具有渐变特性。当配准误差高于0.4像元后，面积变化率突增。

综合上述结果可知，当配准误差≤0.3像元时，面积变化率<25%；当配准误差>0.3像元后，面积变化率突增后保持在45%左右。

3.2 图像的几何精校正分析

实验研究在受到不同配准误差全色图像的干扰的情况下本文方法的几何精校正效果。获取配准误差同差异配准误差状态下的森林遥感图像配准RMS总误差分布情况，结果如图3所示。

图3 RMS在不同配准误差下的变化

根据图3所示结果可知，配准误差和配准RMS总误差存在正比例关系。当配准误差高于0.3像元后，总RMS突增，其变化幅度较大。但当配准误差高于0.4像元后，森林遥感图像的配准RMS总误差开始趋于稳定。

3.3 多光谱波段配准误差分析

在不同配准误差下，隆安县森林区域不同地物(森林、裸地、水域、农田)面积变化率不同，其结果如图4所示。

图4 不同配准误差下不同地物类型的面积变化率变化结果

根据图4所示的隆安县森林各地物趋势可以看出，分类面积变化率受配准误差的影响很大。伴随着配准误差的增大，地物中的裸地、水域和农田分类面积逐渐减小，地物中的森林面积则正好相反，配准误差越大，其分类面积变化率越高。

观察图(a)和图(b)可以看出，分类面积变化率最大的是森林与水域，当配准误差从0.1像元升高至0.3像元后，森林分类面积变化率从1.5%突然升高至3%。因此，若想要面积变化率低于3%，则需要控制配准误差低于0.3像元。

由于隆安县森林环境特殊性，森林区域遥感图像的影响色调为渐变状态，配准误差越大边界混淆越严重，分类结果的准确性受到干扰。因此，当在配准误差高于0.3以后，分类面积变化率在4%的范围内趋于平稳。当多光谱配准误差低于0.3像元时，遥感卫星对森林进行监测的效果可以达到最好。

综上所述，当ZY-1全色多光谱图像配准误差大于0.3像元时，融合遥感图像的平均面积变化率突然升高；当多光谱配准误差大于等于0.4后，配准总误差趋于稳定；当多光谱配准误差低于0.3像元时，森林遥感图像的监测效果最佳。

4 结束语

1)本研究设计了一种基于污染误差模型的森林遥感图像测量数据偏差影响分析方法，首先通过污染误差模型对森林遥感图像进行调整，从根本上提高森林遥感图像的精确度。在此基础上，从多光谱波段配准图像误差、对图像展开几何精校正后产生的配准误差出发，分析森林遥感图像测量数据偏差。

2)经实验分析结果可知：若ZY-1全色多光谱图像间配准误差大于0.3像元，会给森林遥感图像融合和几何精校正带来较大影响。当配准误差低于0.3像元时，森林遥感图像测量数据受到的影响最小，成像效果最佳。

3)综合分析实验部分可知，随着遥感图像的配准误差的增加，其对测量数据偏差的影响也会增大。而利用本文方法能够对森林遥感图像测量数据偏差的影响进行可靠的分析。