遥感影像信息与质量度量模型研究及应用

摘 要：为了在提取遥感影像细节信息方面更具优势，本文进行了遥感影像信息量以及质量度量模型的研究。利用遥感影像信源分类、遥感影像信息量统计特性与度量、遥感影像质量量化和构建遥感影像质量度量模型这一系列步骤设计一种全新的遥感影像信息量以及质量度量模型。研究结果表明，该模型能够有效地度量和评估遥感影像的信息量和质量，该方法对遥感图像的处理与应用具有一定的借鉴意义。

关键词：遥感；影像；信息量；质量；度量；模型

中图分类号：TP 75" " " " " " 文献标志码：A

遥感技术是现代科技的重要组成部分，在地理信息获取、环境监测和城市规划等领域发挥了重要的作用。遥感影像的信息量以及质量是影响遥感应用效果的关键因素，因此，对遥感影像信息量以及质量度量模型的研究具有重要意义。遥感影像信息量度量是评估遥感影像所包括的地理信息丰富程度的重要手段[1]，常见的遥感影像信息量度量方法主要有基于像素的统计方法和基于特征的识别方法。

采用基于像素的统计方法对遥感影像中不同波段的像素数量进行统计，获取影像的信息量。虽然该方法较为简单，但是对影像的细节信息提取不足。基于特征的识别方法对遥感影像中的地物特征进行提取并识别，更全面地评估影像的信息量。该方法能够更好地提取影像中的结构、纹理等细节信息，但是计算复杂度较高[2]。在实际应用中可以根据具体情况选择合适的遥感影像信息量度量方法，获得更准确的评估结果。

1 遥感影像信源分类

在实际应用中，信源的分析方法会根据信源特性有所不同。根据信源发送信息的时空分布以及幅值分布，可将信源分为2种类型：一种是离散型，另一种是连续型。离散源是一种在时间、幅值方面均不连续，通常表现为离散的源[3]，须利用离散数学、概率理论对离散源信号进行分析。例如，数字信号是典型的离散源，其信号值仅存在于有限个离散的数值中。连续信源是在时间和幅度方面都连续变化的信源，须采用连续数学和积分变换等方法进行分析[4]。例如，音频信号和视频信号是典型的连续信源。综上所述，根据信源的特性选择合适的方法进行分析十分重要。离散信元的分类结果如图1所示。

对遥感影像来说，其存储方式分为数字影像和光学影像2种。前者通常由一个灰度矩阵表示，如公式（1）所示。

（1）

式中：g为灰度矩阵；gj，i为灰度值，其中j为0，1，…，m-1，i为0，1，…，n-1。

各个像素的灰度值为取样并量化的灰度等级，假设光学影像中的数字化间隔为∆x和∆y，不同像素点位的灰度值不同，那么其差异如公式（2）、公式（3）所示。

x=x0+i×∆x" " " " （2）

y=y0+j×∆y" " " "（3）

式中：x为像素点横坐标差；y为像素点纵坐标差；x0为原始像素点横坐标；y0为原始像素点纵坐标；i为灰度矩阵行数；j为灰度矩阵列数。图像中像素之间的灰度与其纹理具有统计学意义，但是该相关性只适用于某个地区。按照信息论中对信号源的描述与分类，将其划分为马尔可夫信源，由信源发射一系列符号[5]。在图像中，由于图像的灰度是不离散的，因此从分类角度来说，图像是连续的。

2 遥感影像信息量统计特性与度量

遥感影像信息量统计特性主要包括以下5个方面。1） 均值。均值是遥感影像中所有像素值的平均值，反映了影像的整体亮度。比较不同时相的均值可以分析地物辐射能量随时间变化的情况。2）中值。中值是将遥感影像像素值由小至大排列后位于中间的像素值[6]，反映影像中地物的反差程度和类型。3）众数。众数是遥感影像中出现次数最多的像素值，反映影像中地物的分布和数量，在城市化程度较高的地区参考价值更高。4）数值域。数值域是遥感影像中像素值的变化范围，反映影像中地物的动态范围[7]。数值域越大，地物的动态范围越广，影像的信息量越大。5）反差。反差是遥感影像中像素最大值与最小值之差，反映影像中地物的明暗差异。反差越大，地物的细节信息越丰富，影像的信息量越大。掌握以上5个方面的统计特性，可以全面了解遥感影像中地物的分布、数量、亮度和动态范围等信息，能够深入分析遥感影像所包括的信息量。影像灰度直方图如图2所示。

频域是傅里叶频谱在不同频率中的振幅。图像频率域如图3所示，统计了许多电视节目的平均值，得出一维谱特征曲线，大多数电视信号能量都集中在低频段。

在完成遥感影像信息量统计后，结合熵值理论并按照公式（4）对遥感影像信息量进行度量。定义1个具有256个灰度值的数字影像的熵，如公式（4）所示。

（4）

式中：H[P]为数字影像熵；pn为第n副影像的设定灰度值的概率；n为第n副影像；pi为灰度gi出现的概率。

将公式（4）中的灰度概率pi近似看作灰度频率，如公式（5）所示。

（5）

式中：fi为灰度gi出现频数；N为影像像素总数。利用熵值对整幅遥感影像进行信息度量，使用影像编码对影像进行压缩。

3 遥感影像质量量化

结合代用质量特性的理念，找到容易度量的代用质量特性，对遥感影像质量进行量化，主要有以下5个方法。第一，利用分辨率量化。分辨率是图像中可分辨物体的大小。分辨率越高，图像中可分辨的物体越小，图像质量越高[8]。第二，利用几何精度量化。几何精度是图像中物体位置和形状的准确度。几何精度越高，图像中物体位置和形状越准确，图像质量越高。第三，利用色彩准确度量化。色彩准确度是图像中颜色的准确度。色彩准确度越高，颜色越真实，图像质量越高。第四，利用噪声量化。噪声是图像中的随机干扰。噪声越小，图像质量越高。第五，利用均匀性量化。均匀性是图像中不同区域之间的亮度、色彩等特征的一致性。均匀性越高，图像质量越高。还有一些具体的质量度量指标，例如均方差、信噪比、方差、标准差以及信息熵等，可以评估影像质量。这些指标可以从不同的角度反映影像的信息量和质量，为遥感影像的质量评估提供重要的参考依据。在进行遥感影像质量评估的过程中，须根据具体需求和场景选择合适的度量指标，综合评估影像质量。还需要考虑影像的融合、传输和压缩等处理过程对质量的影响以及不同数据源和传感器之间的差异和局限性。

用影像分辨率对影像质量进行量化，如公式（6）所示。

b=k×a " " " " （6）

式中：b为基于影像分辨率对影像质量的量化处理；k为转换系数；a为图像原始分辨率。

在图像质量检验过程中，根据像素尺寸判断图像分辨率是不够精确的。内插影像分辨率如图4所示，图4（a）的地表分辨率为1 m，图4（b）的地表分辨率提高至2 m。由图4（b）插值得到的图4（c）地表分辨率仍然为1 m。虽然图4（a）与图4（c）在地表分辨率方面一致，但是其成像质量存在差别。综上所述，将地面分辨率作为评价图像质量的指标具有局限性。

针对上述问题引入调制度理论，调制度越大，图像对比度越高，即图像的明暗差异越明显，如公式（7）所示。

（7）

式中：M为调制度；Imax为灰度最大值；Imin为灰度最小值；Ia为振幅；I0为平均亮度。

为更好地度量和评估遥感影像的质量，将调制度作为质量量化的指标。调制度是遥感影像中像素值的变化程度，反映影像中地物的反差情况和细节信息。对调制度进行计算和分析，可以了解影像中地物的分布、纹理和结构等信息，对影像质量进行评估。调制度的大小和均匀度都可以作为质量量化的依据，这些指标可以判断影像的清晰度、对比度和信息量等。将调制度作为质量量化指标，可以为后续遥感影像质量度量提供重要的参考依据，更好地理解和评估遥感影像的信息量。

4 构建遥感影像质量度量模型

结合因素论域构建遥感影像质量度量模型。遥感影像质量度量的因素论域如公式（8）所示。

Ue={ugeo，umlf，ures，uref} " " " （8）

式中：Ue为遥感图像质量评价因子域；ugeo为遥感图像的几何特性；umlf为图像调制曲线测定品质特征；ures为遥感图像真解像度；uref为遥感影像元数据完整性。将上述公式作为遥感影像质量度量模型，对其质量评价值建立评语论域，如公式（9）所示。

V=（v1，v2，v3，v4） " " " （9）

式中：V为遥感影像质量评语集合；v1～v4依次为优、良、合格和不合格。

在实践中，将遥感图像作为主要数据来源，处理后得到的特定图像产品是遥感图像质量评价的重要内容。度量这些产品的质量，可以评估其准确度、清晰度和信息量等方面的表现，为后续遥感影像处理和应用提供重要的参考依据。

在实际应用中，通过遥感影像质量度量能够了解影像产品的优点和缺点，发现其中存在的问题并进行改进。例如，在数字遥感影像平面图中可以度量其几何精度、色彩准确度和分辨率等指标，利用这些指标评估其地图要素的表示精度和地图的可读性。在数字遥感影像地图中，可以度量其几何精度、色彩准确度、分辨率和信息量等指标，以评估其在反映地表要素过程中的表现。在三维景观图中，可以度量其几何精度、色彩准确度、分辨率和场景真实度等指标，以评估其在反映三维空间信息过程中的表现。

5 模型对比

为了深入理解遥感影像的信息量以及质量度量模型，进行一项对比试验。本试验的目的是比较不同度量模型在遥感影像处理方面的表现，为实际应用提供依据。选择作为试验研究对象的影像来源广泛，具有代表性。在信息量度量模型的试验中，采用上文提出的度量模型和传统度量模型，对比2种方法在不同遥感影像中的应用效果，将2种模型应用性能进行比较。2种度量模型在不同遥感影像中的信息量度量结果见表1。

对比试验数据可知新度量模型在多数遥感影像中的信息量度量高于基于像素的统计方法的信息量度量，说明新度量模型在提取遥感影像细节信息方面更有优势。

6 结论

综上所述，研究提高遥感应用效果的重要途径是研究遥感影像信息量以及质量度量模型。本文研究提出的模型能够更好地挖掘遥感影像中的信息，提高遥感应用的实际效果，为地理信息获取、环境监测和城市规划等领域的发展提供有力支持。

参考文献

[1]陈广成，余煌浩，李彬权，等.基于高分一号遥感影像的广州市南沙区土地利用变化特征分析[J].人民珠江，2023，44（12）：54-63.

[2]杨瑞林，管海燕，谢欢.基于AlexNet网络的高分辨率遥感影像建筑物提取方法研究[J].测绘与空间地理信息，2023，46（11）：35-38，41.

[3]王松伦，马晓楠，潘子轩.基于遥感影像的生产建设项目扰动图斑人机协同智能提取方法[J].测绘通报，2023（11）：132-138.

[4]苏子漪，王心悦.浙江树人学院省遥感图像处理与应用国际科技合作基地 推进对外教育科技人才合作 深耕智能影像计算[J].今日科技，2023（11）：71-72.

[5]余培东.融合注意力机制和深度超参数化卷积的遥感影像桥梁目标检测算法[J].科学技术创新，2023（25）：38-41.

[6]杨文军，张杨，王福生，等.基于高分光学遥感影像的湖南省油茶林地识别技术研究——以汉寿县为例[J].中南林业调查规划，2023，42（4）：30-34，62.

[7]郝娇娇，郭雯豪，刘耀徽，等.基于高分辨率遥感影像的古中山国平原区地面古河道识别研究[J].河北师范大学学报（自然科学版），2023，47（6）：628-637.

[8]罗友好，罗旭，龙晓泽，等.基于Sentinel-2遥感影像的珠海淇澳岛红树林对多台风连续干扰的响应研究[J].热带地理，2023，43（11）：2155-2166.