（控制科学与工程专业论文）遥感信息处理技术研究.pdf

摘要 博士后工作期间，作者参与了多项科研项目的工作，包括近空间对地观测系 统项目论证、近空间光学载荷适应性技术研究、高光谱图像与高空间图像融合算 法研究、探月激光高度计数据仿真与数据反演算法研究、激光探测技术的应用 潜力研究等。本文分别介绍了其中几个方面的研究内容作为工作总结。 在高光谱图像融合方面，本文介绍了一种高光谱图像的信息融合算法，提出 了该算法的实现流程，该算法不仅利用了图像的边缘信息，而且利用了两种图像 部分波段的亮度高度相关性，克服了常用的空间增强型融合算法的缺陷，一定程 度上实现了光谱信息的完整保持，同时还克服了常用融合需要分辨力重构而无法 避免边缘光谱模糊的缺陷，克服了亚像元分解常常落实到解非确定性方程上，造 成可能的错误解的缺陷，对配准精度要求低等。 在星载激光高度计数据处理技术研究方面，依据月球特征和激光高度计参数 建立星载激光高度计测距数据、激光出射角、卫星姿态角及卫星轨道数据的仿真 模型，以此作为生成c e 1 ( 嫦娥一号) 星载激光高度计的模拟测距数据，实现 了星载激光高度计的数据反演算法研究，即根据测距数据计算月球表面三维坐标 的算法，包括激光脚印点在载体坐标系中的定位和载体坐标系到月球坐标系的变 换两大部分；理论计算月球轨道分布情况，对卫星运行整个过程中的地面脚印点 覆盖情况进行预计，开展仿真模型误差的理论分析，包括激光脚印点在地理坐标 系( 北东地坐标) 中的定位误差，和脚印点从地理坐标系转换到月球坐标系引起 的误差，并分析了激光出射角和卫星姿态角参数改变对激光脚印点在月球坐标系 中三维坐标的影响。 在主动激光空间运动目标探测方面，分析了现有技术的探测能力，利用现有 技术可实现的探测系统指标，设计了空间主动探测仿真的流程，并进行了基本的 系统仿真，针对一个设定目标得到了部分数值仿真结果，为了弥补数值仿真样本 数的不足，利用s t k 仿真平台进行了基于上述数值仿真的可视化仿真，在数值 仿真结果不充分的情况下有效地说明了该探测手段的使用价值，并给与初步得分 析，指出了提高该系统能力的改进方向。 2 第一章概述 1 1 引言 本人博士研究生期间的主要工作内容是参与了一项国家8 6 3 重大项目的研 发，主要研究内容包括：宽视场高光谱成像系统的标定与视场合成、定量化高光 谱数据处理技术、高光谱图像噪声与质量评估、面向通用应用的图像融合技术的 初步研究等。博士后期间继续遥感数据处理的研究工作，主要内容包括：同时获 取的高空间分辨力图像和高光谱分辨力图像的基于地物分类应用的图像融合技 术，c e 1 激光高度计数据仿真与反演算法研究与实验，激光主动目标探测在空间 中的应用潜力仿真分析等。本文将分别予以介绍。 1 2 高光谱数据与融合技术研究的背景 成像光谱学( i m a g i n gs p e c t r o m e t r y ) 的新概念是在八十年代初期，由美国喷 气推进实验室( j p l ) 的科学家们，根据当时气象卫星和陆地卫星( l a n d s a t ) 的 多光谱空间遥感应用在众多领域蓬勃发展的事实提出的，其基本思想是，在许多 相互邻接、甚至有些是相互重迭的狭窄光谱波段，同时收集地面的辐射图像数据。 这样，不仅可以得到多个狭窄光谱波段的地面图像，而且还可得到地面上每个像 元地面的光谱曲线数据。结果，在地面图像二维信息的基础上，增加第三维( 光 谱) 信息，提高了从遥感数据判别并获取地面信息的能力。 自从成像光谱学的概念建立之后，不到十年时间便发展并建立起成像光谱仪 器技术。世界各国相继制成一批机载和星载成像光谱仪仪器。在成像光谱技术的 应用广泛展开的基础上，新的需求不断被提出，这促使技术工作者提出更为高级 的仪器和技术概念，这便是九十年代中期出现的被称为高光谱成像仪( h y p e r s p e c t r o m e t e ri m a g e r ) 的新型遥感仪。这是一种可以在几百个、甚至上千个连续 光谱波段获取目标图像的新型光电遥感仪。超光谱成像仪的显著特征，首先是光 谱分辨能力大幅提高：在可见光和红外辐射波长范围划分几百个狭窄的光谱波 段，例如在可见光的光谱分辨率要优於几个纳米( m ) 。 高光谱遥感图像的主要特征是图像信息的多维性，它包含了地球表面的空 间、辐射和光谱三重信息，如图1 1 所示，以三维数据的形式存储。人们可以在 任何波长位置上得到该波段的图像，获得地物大小、形状、相对位置等空问信息， 也可以在图像中任何空间位置上得到一个像元的光谱特性，获得该像元对应地物 的类型或成分的信息。 阿时获取的波段相商光谱圉罅中- - p s ! 问 图l - 1 光谱图像立方体与地物光谱曲线 高光谱遥感图像的其他特征例如光谱分辨力高和波段连续、相邻波段的例像 之间相关性强、数据量大、影响数据准确度的因素多、数据处理复杂、和应用领 域关系密切等特点，在高光谱数据应用过程中，数据处理是非常重要的环节，目 前在我国，也是制约该类数据应用进一步普及应用的重要因素之一。 由于光谱分辨力高，探测器 接收到的能量微弱，空间分辨力 和光谱分辨力常常不可兼得，因 为高光谱成像系统的光谱带宽很 窄，必须用较大的瞬时视场( i f o r ) 才能收集足够多的光量子以维持 可接受的信噪比，同样高空间分 辨率系统( i f o r 很小) 则必须加 图1 - 2 宽视场高光谱成像系统实现原理 宽光谱通道，也就是说在被动成像光学系统中，光谱分辨力和空间分辨力是一 对互为牵制的因素，无法同时获得精细的地物几何特征和高的光谱分辨力。 为了获取同一区域的高光谱和精细空间特征，可| 三l 采用不同的传感器获得的 高光谱遥感影像和高空间航摄影像进行数据融合的方法。过去常常有利用不同遥 感器不同时间飞行的数据( 尤其是卫星数据) 进行综合处理的文献报道，数据的 不同时相对某些不需要时间序列信息的应用往往带来很多干扰，因此需要不同的 遥感器联合工作，同时采集数据，为此我们开发了“机载高空间分辨力高光谱分 辨力多维集成遥感系统”，为此类应用打下了基础。 我国的高光谱成像技术一直紧跟世界同类仪器的最新发展水平，典型代表为 上海技术物理研究所开发研制的o m i s 系列和p h i 系列，前者为扫描成像方式， 后者为推帚成像方式。本文所使用的高光谱遥感数据即来自新一代的推帚式高光 谱成像仪( p h i - 3 ) ，p h i 3 和该研究所研制的推帚高分辨力数字相机相配合， 开发了多维集成遥感系统，为同时相高光谱和高空间分辨力图像的获取与处理打 下了基础。 多维集成遥感系统，具有同步获取高分辨力、图谱合一的遥感数据的能力。 所获取的遥感数据既有高空间分辨力数据，又有高光谱分辨力数据。系统指标如 下： 地面分辨力g s d ( 航高2 0 0 0 m 计算) ： 全色图像2 0 a m ， 多光谱图像4 0 c m ， 高光谱图像2 m ； 光学成像总视场角：4 2 。； 光学成像波段：全色图像4 6 5 - 6 8 0n m ； 多光谱图像 r6 1 0 6 6 0r i m ，g5 3 5 5 8 5l l m ，b4 3 0 4 9 0n m ； 高光谱图像4 2 0 - 9 0 0 n m ，1 2 8 个波段，光谱分辨力5 n m ，挑选波段记录， 同时记录128 个波段； 遥感图像数据融合是一个正在兴起，并有着重要的军事及民用应用价值的研 究领域，受到各国的广泛关注，每年都涌现大量的文献，在理论和技术方面已经 取得了很多成果，展现了良好的应用潜力，但是大部分研究和尝试仍属于试探性 质，算法也往往局限于特定的专题，普遍的融合理论、模型及方法还无法得到。 当前遥感图像融合的主要目标在于提高融合影像空间分辨率的同时，尽量保持原 图像的光谱特征，从而保证后续分析理解的有效性。在高空间分辨力全色图像和 高光谱分辨力图像融合方面，较常用和先进的实现方法有：小波融合、亚像元分 7 解融合、神经网络融合等，怎样根据遥感数据的特点，开发智能化、高准确度的 特征级和决策级融合方法是当前遥感数据融合技术的发展趋势。 本文提出了一种利用边缘检测和亮度相关实现高空间分辨力图像与高光谱 分辨力影像的融合方法，以克服分辨力差别较大的图像融合图像冲采样造成的模 糊问题，给出了该融合算法的处理流程，并得到了初步试验结果。 1 3 激光高度计数据处理技术的研究背景 利用激光高度计获取月球表面三维地形数据是我国嫦娥一号探月卫星的主 要任务之一，其中激光高度计的研制单位就是中科院技术物理研究所，作为合作 单位，我们能够获得有关激光高度计的基本信息，为此，展开了对激光测高数据 的处理的预研。 c e 一1 月球探测器有效载荷激光高度计作为光学有效载荷之一，测量卫星星 下点月表到卫星之间的距离，服务于月球表面三维影像获取的科学和应用目标。 探月一号卫星激光高度计由两个单机构成：激光高度计探头、激光高度计电路箱。 激光高度计是用于实现获取月球表面三维影像的一个有效载荷，根据探月一号 卫星有效载荷研制任务总要中的规定，在我国首次环月探测计划中它所承担的 主要科学探测任务是获取卫星星下点月表地形高度数据。激光高度计主要技术指 标如表1 1 所示。 表1 1 激光高度计的主要技术性能指标和获取科学探测数据特点一览表 名称指标 c l e m e n t i n el i d a r 距离测量范围 2 0 0 k i n _ + 2 5 k m6 4 0 k m 月球足印大小小于2 0 0 m近月点 2 0 0 m 激光波长 1 0 6 4 n m1 0 6 4 n m 激光能量 1 5 0 r r d1 7 l l 讨 脉冲宽度 5 7 n s1 0 n s 激光重复率 1 h z0 6 h z 接收望远镜孔径 1 4 0 m m1 3 1 m m 望远镜焦距5 3 8 m m 1 2 5 m m 距离分辨率lm 8 距离误差 沿卫星飞行方向上月面 足印点距离 5 m ( 仪器精度) - 1 4 k m 3 9 9 7 2 m 2 0 k m ( 比较平坦的月海 地区，在高地可以达到 1 0 0 k m ) 垂直卫星飞行方向上月根据相邻卫星轨道间距根据相邻卫星轨道间距 面足印点距离来决定来决定 科学探测数据记录的是激光高度计到记录的是激光高度计到 月表探测单元的距离月表探测单元的距离 数据覆盖区域全月球，由于是极轨卫星 所以月球两极激光高度 计足印点丰富密集 其主要任务是： ( 1 ) 通过星上激光高度计测量卫星到星下点月球表面的距离，为光学成像 探测系统的立体成图提供修正参数； ( 2 ) 通过地面应用系统将距离数据与卫星轨道参数、地月坐标关系进行综 合数据处理，获取按照一定模式分布的卫星星下点月表地形高度数据，制作全月 面栅格状的地形图，尤其是高于7 5 0 纬度和极区的地形图。同时得到月面球函数 展开模型( 3 6 0 次x 3 6 0 阶) 。 ( 3 ) 基于测高数据，结合月球重力场模型反演月球内部构造，分析引力异 常区的物理特性。 我们主要利用仿真数据( 包括航空试验仿真和计算机数据仿真) 研究激光高 度数据由测距值转化到地形高程数据的算法实现。主要研究内容如下： 依据月球特征和激光器参数建立c e 1 星星载激光高度计测距数据、激 光出射角、卫星姿态角及卫星轨道数据的仿真模型，以此作为生成c e 1 星星载激光高度计的模拟测距数据，和初步分析测距数据定位精度的基 础： 卫星星载激光高度计的数据反演算法研究，即根据测距数据计算月球表 面三维坐标的算法，包括激光脚印点在载体坐标系中的定位和载体坐标 系到月球坐标系的变换两大部分；由原始仿真数据经过坐标系变换最终 9 得到激光脚印点三维坐标； 理论计算月球轨道分布情况，对卫星运行整个过程中的地面脚印点覆盖 情况进行预计； 基于仿真模型误差的理论分析，包括激光脚印点在地理坐标系( 北东地坐标) 中的定位误差，和脚印点从地理坐标系转换到月球坐标系引起的误差，并分析了 激光出射角和卫星姿态角参数改变对激光脚印点在月球坐标系中三维坐标的影 响。 该部分内容为作者和所指导的1 名硕士研究生合作完成。 1 4 激光主动目标探测的研究背景 空间目标探测在军事应用中，红外成像系统、雷达是最常用的探测设备，激 光主动探测具有较大的优势也有本身的局限，因此其在该领域的应用潜力需要进 行细致的分析。在现有技术条件下，激光主动探测技术能否在空间目标探测、跟 踪和识别中起到充分的作用，就是本研究的目的。 美国对此持有很积极的看法，进行了诸多的研究和试验，并应用到了星载弹 道导弹观测实验系统中。历史上，美国林肯实验室( t h el i n c o l nl a b o r a t o r y ) 早 在上世纪6 0 年代就开始了对激光的利用。最初的应用包括1 9 6 2 年开发l i d a r 系统用以测量地球和月球间的距离，1 9 7 3 年利用l i d a r 进行卫星跟踪。现今， 技术的发展，伴随着系统的小型化和性能水平的提高，已成就了一批新兴的项目， 诸如1 9 9 8 年启动的识别拦截技术项目( d 1 t p ) 和b m d 系统中借助l i d a r 完成 未来外大气层拦截机上的识别任务等。 为此我们收集了资料，详细分析了现有的技术能力，并结合已有的研究基础 设计了一个初步的激光主动探测空间目标的系统，设计了仿真系统的功能和结 构，和其他的探测系统配合，通过联邦仿真方式进行了针对某一个真实场景的目 标探测的数值仿真，因为时间关系之进行了一个实例的结果，为了进一步说明其 功能，进行了单独的基于s t k 软件的4 * 7 卫星星座系统的探测能力可视化仿真， 以期对此有个初步的了解和分析。详细内容略。 该部分内容为3 人合作成果，作者所做的工作是仿真系统的流程与方案的设计与可视化 仿：萁的实现。 1 0 第二章高光谱遥感数据与高分辨力全色数据的融合方法研究 2 1 高光谱遥感图像融合算法综述 简单地说，遥感图像融合就是图像合成技术，将不同平台( 卫星与机载) 上 的同一或不同传感器获取的不同空间与光谱分辨率图像按特定的算法进行处理， 以使所产生的新图像同时具有原来图像的多光谱特性以及高地面分辨率，来实 现不同的应用需求【h l 。按照融合在处理流程中的阶段可分为像素级、特征级以 及分类决策融合。目前，应用较多的遥感图像融合是不同分辨率的多光谱 ( m u l t i s p e c t r a l ) 与p a n ( p a n c h r o m a t i c ) 图像融合或高光谱( h y p e r 2 s p e c t r a l ) 图像与p a n 图像的特征级融合。 对融合算法的要求是保留尽可能多和准确的空间和光谱信息，这也是衡量融 合算法性能好坏的基本评价指标。 就融合处理算法而言，通过检索发现，在i e e e 、ei 、i nt e r n a ti o n a lj o ur n a l o fr e m ot es e ns i n g 等文献上发现了大量的针对具体的问题而提出的融合方法 对融合算法进行归纳，可分为三大类型：像素级融合、特征级融合和决策级融合。 高光谱分辨力遥感数据和高空间分辨力遥感数据的融合技术目前仍属于前 沿研究课题，很多研究和应用单位进行了多方面多层次的尝试，但是并没有在理 论和应用效果中取得重大突破，甚至至今没有得到承认的评价手段，往往只局限 于几幅图像的实验和仿真，尽管如此，高光谱图像融合所产生的新数据集的特性 仍体现了这个技术的应用潜力。 高光谱图像和高空间图像的融合属于多分辨力图像的融合。多分辨力图像的 融合算法也可以分为像元级、特征级和决策级三大类型，其类别划分目前并不明 确，可粗略划分如下： i 啬血二址妊楹l l 础姜贼卜 数据融合 叫新数据z叫信息提取j i 高空间数据p z 町x ，y l ，一i 图2 1 高光谱图像与高空间图像的像素级融合 离光谱数据 x 高空伺数据 y 数据融台 研( x z ) 信息提取与数据变换 z = f ( y ) 信息提取 图2 - 2 高光谱图像与高空间图像的特征级融合 图2 - 3高光谱图像与高空间图像的决策级融合 在上图中信息提取包括特征提取和特征分类。其中第一种方法是基于两者数 据的融合，一切特征提取和地物分类在融合结束后进行，例如第二章介绍的多光 谱图像回归融合算法；第二种方法先经过某种数据处理或信息提取后进行特征与 数据的融合，如像元分解锐化算法、主成分变换融合算法等；第三种方法对图 像数据进行特征提取、分类后进行信息的决策融合，如利用雷达测量的树冠高度、 光谱分类结果、高空间的树冠纹理统计特征等进行林木种类识别等。前两种方法 在融合完成后得到的仍是多波段的图像数据，因此这两种方法在没有进行最后的 信息提取之前，又称为高光谱图像的锐化。第三种方法融合后将直接得到高空间 分辨力的地表物质类型图，但目前只能针对具体的应用目标具体实现。 从目前应用情况来看，应用最多，算法开发最多的是特征级融合。特征级融 合又可以分为两大类：空间域融合与光谱域融合。光谱域融合可以看作彩色空间 变换融合的延伸，也就是进行了主成分变换等光谱特征空间的变换后进行的融 合，这种融合不分波段进行，往往对光谱域中某一个或多个波段进行变换( 置换、 像素级融合) 后进行光谱特征空间的反变换，因此波段之间的连续性和原有的物 理特性保持很困难。空间域融合往往利用高空间分辨力图像的高频成分加到低空 间分辨力的高光谱图像中，使高光谱影像中包含高清晰度的空间信息，多滤波器 融合和小波融合是其中保存光谱信息较好的算法。 很多多分辨力图像的融合算法，其中有的可以用于高光谱图像得融合中。经 1 2 过文献调研，我们发现高光谱分辨力图像与高空间分辨力图像的融合主要有下述 几种实现算法： 1 、 高光谱分辨力图像波段选择，然后利用彩色变换进行融合，这种方法 是在国内采用最多的，基于彩色变换的融合过程提出了很多局部改进 算法。显然该算法无法保持高光谱信息，其融合结果仅仅能提高某一 种或几种目标物质的识别准确度，或者提高目视效果。 2 、 主成分变换融合算法，这种方法是高光谱与高空间图像融合得常规算 法，近年来的改进在于波段置换的局部改进。该算法的输出结果保持 了图像的波段数，但光谱曲线的形状发生了较大变化，对进一步利用 融合后的结果分析目标类型非常不利，只能采用面向目标和图像的数 据分析方法。 3 、 小波变换融合，根据一些文献的分析与实验，小波比变换融合算法是 保存光谱信息最好的算法，但是目前小波变换是针对二维图像的，因 此只能分别对所有波段进行融合，运算量大，因此大部分文献对该算 法的研究也仅仅限于少数几个波段。该算法的诸多改进在于小波系数 的选择，此外，很多算法将小波分解和彩色变换等结合成为新的算法。 小波算法并不能适应高光谱图像融合的特点，实际上是一种二维图像 的算法。 4 、 多滤波器融合算法，同小波变换融合。 5 、像素级融合，在高光谱图像融合中极少采用，一般用来提高图像目视 效果。 6 、 基于像元分解的图像融合方法目前仅见于外文文献，国内尚无太多该 项研究展开。该算法是唯一为高光谱图像开发的融合算法，将光谱分 类、像元分解、图像融合结合在一起，既保持了地物分类信息，又提 高了空间分辨力，是解决高光谱与高空间影像融合的最优方案之一。 但是由于光谱分类、像元分解、高精度配准算法也是尚未成熟的研究 内容，其融合精度也受到很大限制，因此该算法应用目前并不普遍， 大多数文献仅展示了少量图像的实验结果，甚至仅仅完成了仿真图像 的实验。该算法的多种改进算法一般集中在采用不同的像元分解算 法，不同的像元分解算法影响融合精度是已经明确的结论。 7 、基于神经网络、信息系统、人工智能系统等的决策级融合算法在各种 信息融合系统中都受到关注；高光谱图像也不例外，这类融合将充分 利用图像空间、光谱、先验知识、智能决策等信息，是智能化、高精 度高光谱图像融合的希望，但是该项研究刚刚开始，仅有联系少数几 种特征的数据综合分析或融合的文献，例如有关于融合d e b t 数据、高 光谱图像、高空间分辨力图像的信息融合尝试的报道，但以高光谱图 像为目标尚无详细算法的描述与理论研究。 作者对近2 0 0 0 年来发表的有关高光谱图像融合算法文献检索进行了统计， 外文文献仅限于e i 检索范围内，且外文资料更着重于具体应用目标，作为参考， 共检索到汉语文献5 0 余篇，英语文献3 0 余篇。其中汉语文献说明用于高光谱图 像融合的算法仅有2 篇，其他都是多光谱或二维图像的融合，有关高光谱图像融 合的英语文献较多，其中有很多为决策级算法，包括神经网络决策、亚像元分解 等，输出具有地表类型信息的结果，但是很多是基于特定目标的处理，此外还有 一定数量的探讨融合算法评价的文章，由此可见国际上该领域的发展趋势【5 1 。 在我国高光谱图像融合算法研究已经起步，但是尚处于初始阶段，大多数发 表的算法并不是针对高光谱，而是对多光谱图像，大多数仍以彩色图像的融合算 法为基础，这与国际上关于高光谱融合的算法发展有一定的距离，相信随着国内 高光谱数据应用范围的扩大，该类算法的研究也会有一个新的局面，例如张兵 2 0 0 2 年利用g i s 图像信息、d e m 等和高光谱图像信息融合提高地表分类精度就 属于此类，郑州测绘学院06 年开展了将粗糙集用于确定在面向应用的融合过程 中选取不同的融合算法来解决不同融合算法的局限性，选择最适合的融合算法， 但是其所采用的融合算法是目前较成熟的通用算法。 本文期望开发一种高光谱和高空间遥感影像的融合( 锐化) 方案，将图像的 空间信息考虑在内，利用边缘检测算法确定一个高光谱像元是否属于边缘区域， 以此决定不同的光谱处理方法，对非边缘像元保持其光谱信息填入高空间图像 中，对边缘处像元的光谱采用像元分解的方法获得高空间分辨力的光谱信息。像 元分解算法也利用边缘的空间信息，确定可能的光谱成分。该算法适用于光谱图 像的融合，尽力保持目标的光谱信息，可以称为光谱填图算法。 1 4 2 2 基于边缘信息的融合策略的算法描述 2 2 1 流程概述 基于边缘的高光谱图像融合算法采用先纯像元填图，再边缘像元分解，最后 分解更复杂的像元混合模式。这种融合方式将匀质区域的光谱计算平均光谱作为 纯像元光谱，因此会试图像消除细微的文理特征，如果希望保持该特征，则需要 在融合结束后进行能基本维持光谱曲线的纹理恢复。 图2 。4 基于边缘检测的高光谱图像融合算法流程 该图像融合算法的流程如图2 - 4 ，该流程最终生成的是高空间分辨力的高光 谱图像，对应的地面像元大d , n 高空间图像像同，而图像的波段数同高光谱图像 相同，此过程中进行了光谱平均并消除了杂散光谱代表的细节。 2 2 2 图像配准 上述流程图中省略了配准一项，但在整个过程中都离不开两图像的配准关 系，这是融合的前提。 像素级融合和特征级融合算法需要两个步骤的配准：一是确立两图像像元坐 标的对应关系，二是像元空间分辨力的匹配，也就是对地分辨力得图像进行重采 样，使其像元对应与高空间图像像元同样尺寸的地面目标。 本文算法只需要进行配准的第一步即可，无需重采样，因此也避免了边缘的 光谱的模糊。配准算法采用了常规的多项式卷绕法。 2 2 3 图像滤波 遥感图像总是非常复杂，包含大量小尺寸目标，这些目标是构成图像细节和 纹理的主要因素，给图像处理带来很多难度，本文采用分步处理的方式以降低数 据处理难度：先通过滤波将这些小目标消除，大目标光谱图像融合完毕后再针对 某些小目标进行像元分解，获得小目标的光谱分量，更细节的小目标则忽略掉。 小目标的定义是指从空间上尺寸较小，在图像上占据像元数很少的目标，到底占 据多少像元数需要根据图像内容判断，本文没有给出具体的判断根据，只是根据 试验图像人为确定了滤波尺度，从而确定了小目标。 图像的滤波无论是高空间图像还是高光谱图像都采用了一种基于邻域背景 检测的矢量滤波算法【6 】，当然，用于灰度图像时，就不再是矢量滤波器了。这种 滤波器不模糊边缘，可以消除小尺寸目标，因此是本章非常合适的滤波器。由于 分辨力的差别，高光谱图像采用了3 * 3 的邻域结构，高空间图像采用了5 * 5 的邻 域结构。 基于局部背景统计的矢量滤波器是基于模式识别中聚类的概念提出的，首先 需要定义两个概念奇异光谱和背景光谱。在光谱图像中，随机噪声或地面小 尺寸地物的光谱往往和邻域大多数像元不同，我们在此统一称为局部奇异光谱： 我们称局部范围内出现概率最大的光谱向量为局部背景光谱，非背景光谱就有可 能是奇异光谱或边缘，用背景光谱取代奇异光谱，就实现了去除随机噪声和地面 小尺寸地物的目的。在这个过程中，不会引入该范围内不存在的新的光谱矢量。 1 6 为此需要首先设计滤波模板，在此称为邻域的结构( s t r u c t u r ee l e m e n ts ) ， 因为它定义了用于局部背景统计的区域的范围和形状。邻域结构的定义同形态学 中的结构元素相同，一般定义成正方形或圆形，图2 - 5 为3 3 的正方形和圆形 的邻域结构，0 表示非邻域像元，1 表示有效邻域像元，可表示为： s = s u ： s 。，= 0 ，l ：u - - 一1 ，0 ，1：g ：- 一1 ，0 ，1( 2 2 1 ) 同理可根据需要采用5 5 ，7 7 等邻域结构。 图2 5 邻域结构 x1 图2 - 6 背景光谱 邻域结构在整个图像范围内滑动，在每个像元的邻域范围内求解背景光谱矢 量b g ，然后用求得的背景光谱b g 取代邻域结构的中心像元的光谱p ，实现整 个图像的滤波。由该滤波器的原理可见，该算法实质是腐蚀局部小概率光谱，保 存局部大概率光谱的过程，因此图像中的奇异光谱的空间面积小于邻域结构时， 该地物被消除。 求解背景光谱矢量是该算法的核心，其成败将影响光谱信息的准确性。首先 明确局部范围内出现概率最大的光谱的定义，如图2 6 所示，出现概率最大的光 谱指经聚类分析，模式特征点最密集数量最大的类的中心点光谱。根据该定义可 以设计多种聚类求解方法，但是该算法采用滑动窗，太复杂的聚类方法容易增大 计算量，又因为邻域结构内像元数较少，因此推荐采用近似计算方法。本文设计 了一种效果良好的简化算法，如下： 模式特征点最密集数量最大的类的中心点可以简化为s i 个特征点分布最密 集的区域的中心点，进一步简化为距s i - 1 个特征点距离和最小的点，因此得到 求解邻域背景像元位置的算法： 设邻域结构中有s n 个非零元素，求出这些元素对应的光谱矢量两两间的欧 氏距离矩阵，并对该矩阵的每一个向量由小到大排序，前s i 个距离和最小的元 1 7 素，就是近似的背景光谱所在的位置，式中o r d e r 0 表示排序。 矗i n = m i n s i o r d e r ( 碣。：碣3 4 。肼) l j ， o r d e r ( d ：。如，畋。) l s i o r d e r ( d 期1 4 2 叱肼- i ) l ( 2 。2 2 ) 其中s i 一般设为邻域像元个数的一半，即( s n - 1 ) 2 。 该滤波器的实现和矢量中值滤波器的实现算法非常接近，差别仅在于矢量中 值滤波器根据每个像元距其他所有邻域像元的距离和的最小值作为b g ( 在这里 称为中值光谱，不是背景光谱) ，而不是其中最小的s i 个。此外我们可以在一 维空间内和特征点空间内更直观地显示其滤波效果的差别( 图2 7 ) 。 图2 7中值滤波器与基于背景统计的滤波器的滤波效果差别 图2 - 7 中粗线是原始值，其中有三种类型的 边缘，a 为孤立脉冲，b 为低通边缘，c 为较锐利 的阶跃边缘，对于a 和c ，两者的滤波效果是相 同的，而对b ，中值滤波将保持原始值基本不变， 途中细线则是本文滤波器的效果，可见本文滤波 2 - 8 在特征点空间的不同 器使低通边缘得到锐化，而中值滤波器确没有此 效果。 从特征点空间也可以解释这种差别( 图2 - 8 ) ：中值滤波器选择圆圈中的点， 而本文设计的滤波器选矩形中的点。在高光谱图像中混合像元在不同地物的边界 处是不可避免的，中值滤波器比本文设计的滤波器更容易选择混合像元，因此本 文滤波器在高光谱图像的边缘性能上更优，且光谱分布更集中。 当进行小目标光谱分解时，可采用未经滤波的图像，以还原小目标的原始形 态和位置，也可根据需要直接将这些小于3 * 3 的目标忽略。 2 2 4 边缘检测 通过引入光谱矢量梯度测度，可以构造多种高光谱边缘检测算法，这些算法 将灰度图像的边缘检测算法和光谱梯度测度相结合，具有不同的边缘检测性能， 本章中主要采用了两种梯度算法：高空间图像采用光谱欧氏距离测度的s o b e l 边 缘检测算法，主要目的是检测连续的边缘；高光谱图像采用最大波段变化率测度 的邻域距离算法，既检测连续边缘也检测孤立、非连续的光谱变化；而检测被滤 除的小目标则利用基于邻域背景检测滤波器滤波后的图像和原始图像差的算法， 类似于形态学中的形态学梯度运算。 高光谱图像采用二维矢量矩阵的形式表示，首先确定光谱图像的边缘检测测 度，因为梯度就是差，或者差别，光谱矢量的差别越大则说明梯度越大，因此光 谱差别的测度就可以方便地成为梯度测度。 评价光谱差别的大小可以有两种测度：一是光谱距离，其值越大光谱间的差 别越大，二是相似度测度，其值越大，光谱越相似，光谱间差别越小，梯度也就 越小，前者我们可以直接用于求梯度，后者则可用于将彩色图像基于光谱距离的 边缘检测方法引入高光谱图像中。 ( 1 ) 光谱距离测度 下面是常用的几种光谱距离的表达式【7 1 ： ( 1 ) 光谱距离： 欧氏距离毋。= 忻一乃0 = 【主( z p 卜f a b ) 2 】 ( 2 2 3 ) 绝对距离q = z z t b j - 乃t b j l ( 2 2 4 ) 切氏距离d = 峄l z 【6 卜f j b l ( 2 2 5 ) 明氏距离 v l , j ：t 窆1 z t , , 1 一f j t b l 册】 ( 2 2 6 ) d l ，2 = ( z 一乃) 7 v 叫( z 一乃) 瓢距离二击l ( x i - - v - ) ( 杠) r 仑7 = = _ 一x ) ( x i x ) 。 c a m b e r r a 距离( l a n c e 距离、w i l l i m s 距离) 1 9 打 面，产 b m 相对光谱疏毗= 一c 喀掣， 试= 窆b = l 略乎 d d 2 f ，= ( 2 - 2 8 ) ( 2 - 2 - 9 ) ( 2 2 - 1 0 ) 式中b 表示波段号，取值范围从l 到高光谱图像的波段数n 或其子集，f i b 】 表示第b 个波段的整个图像的平均值。 比较范数的定义和光谱距离皿，一般应该满足的公理，容易发现，两者的差 别在于范数具有奇次性，而光谱距离没有该要求，因此所有的范数都可以作为矢 量距离的计算公式，但是并不是所有的距离都是范数。分析上述常用的光谱距离 定义公式可见，它们大多数是矢量范数，如欧氏距离是2 范数、绝对距离( 1 范 数) 、切氏距离( 绝对值最大值，可以证明最大值运算也是范数) 、明氏距离( m 范数) 、马氏距离( 具有对一切非奇异线性变换的不变性，当v 为正定矩阵时， 也是范数，被称为椭球范数或加权范数) ，只有c a m b e r r a 距离不是范数，不满足 范数的齐次性，而在梯度运算时，c a m b e r r a 距离具有分量相关性，也就是与当 前向量相关的特性，并不适合做可以全局比较的测度。 根据范数性质的定理可知，1 3 维线性空间矿中的任意两种范数( 不限于p 一范 数) 都是等价的，因此引入范数的概念后，上面的可以用来计算梯度的测度都可 以广义地称为光谱梯度范数，其定义不仅仅局限在上述测度的定义范围内，而是 可以根据应用需要，强调梯度变换因素中的更重要的要素，构建更适用的范数。 上文定义的相对光谱距离的光谱梯度范数就是根据图像在不同波段动态范围可 能不同的特点，对不同波段加权产生的，这在对记录辐射能量值的高光谱图像处 理中是必要的。 因此，也可以把光谱距离测度称为范数测度。 ( 2 ) 光谱相似度测度t 7 1 光谱相似度测度是评价两个光谱之间相似性的测度，两个光谱相等时，输出 为1 ，其他情况下都小于1 。常用的有： 光谱角余弦 胪磊 相关系数，：二j 生型! 五二旦 ，( 2 2 1 3 ) 。【( z f ) r ( z f ) ( 一f ) 7 ( 乃一r ) 1 3 指数相似系数乞，= i i 善 ne x p 卜；箐】( 2 - 2 - 1 4 ) 其中盯2 p 】为该波段的方差； 理论上，上述测度都可以为我们提供将灰度图像中的边缘检测方法扩展到光 谱图像中的可能，不同的测度将带来性能上或大或小的差异，如切氏距离显然抗 脉冲噪声的能力较差。此外还必须考虑到高光谱图像数据运算量比较大的问题， 算法的有效性和运算速度是我们选择测度时必须考虑的因素，仅仅由于这个原 因，本文在算法实验时采用了欧氏距离、相对光谱切氏距离、光谱角余弦等测度。 高光谱图像的s o b e l 边缘检测算法： 石= f ( x + l ，y 一1 ) + 2 f ( x + l ，y ) + 厂( x + l ，y + 1 ) 五= f ( x - 1 ，y 一1 ) + 2 f ( x - 1 ，j ，) + f ( x - 1 ，y + 1 ) 参2f 一( x - 1 , y + 1 、+ 2 f 一( x , y + 1 ) + ( ( x + 1 ，y + 1 )( 2 2 1 5 ) 五= f ( x 一1 ，y - 1 ) + 2 f ( x ，y - 1 ) + f ( x + l ，y - 1 ) = d q 口( f ，正) j ，= d 缈( f 3 ，五) 这里d c ：o 表示任何一个光谱梯度范数。 获得边缘梯度后，高空间图像的边缘还需要进行边缘处理，因为高空间图像 的边缘检测最终目的是图像分割，需要生成连续的边缘，断续的边缘对下一步的 运算结果影响较大。图像分割算法有很多，除了基于边缘检测的方法外，还有气 球充气法、可变形模型、区域合并法、区域分割法等，有些算法比较复杂，适应 2 l 性较差，在复杂的遥感图像上应用都有较大的难度，因此本文选用了通用性较好 的基于边缘检测的方法：先求解图像梯度，然后利用阀值法去除微弱的梯度，最 后根据边缘梯度大小的连续性及方向连接小的边缘断点。为了提高可靠性，本文 还对边缘进行了少许人工编辑。 2 2 5 纯像元策略 ( 1 ) 纯像元判断 本章中，纯像元指仅包含地表匀质目标的像元，在空间上表现为无明显可见 的亮度变化，这个概念和混合光谱分解中的纯像元( 端元) 概念在某些情况下存 在差别，例如较稀疏的草地在混合光谱分解中将分解为草和土地弱个端元，但在 本文中如果草和土地的纹理不可分辨就认为是纯像元。 纯像元的判断策略是：如果高光谱图像中的一个像元在相应高空间图像中的 扩大区域内为均匀的，则该像元为纯像元。所谓的扩大区域指大于可能的最大配 准误差的区域范围，该定义是降低融合算法对配准精度要求的策略之一。例如， 高空间图像和高光谱图像空间分辨力之比为4 ：1 ，而配准误差在2 个高空间像 元，则可以这样定义扩大区域：4 + 2 + 2 = 8 ，即与高光谱像元对应的8 * 8 区域范围。 这种配准精度是不难做到的，如果多项式卷绕的配准算法作不到，则采用三角网 法，或者精度更高的小面元法。 本文采用的具体实现算法是利用高光谱和高空间图像的边缘信息进行判断， 高光谱图像中一个像元为纯像元当下述判据成立： 以该像元为中心像元的中3 * 3 邻域内无边缘像元( 由于边缘检测采用了 邻域距离算法，该判据可放松约束，例如修改为：该像元梯度 钆，3 * 3 邻域内其他像元梯度 ) 。激光出射角的测量精度在1 以 内。 通过实验记录，可看出此二角的随机波动随着飞行器飞行时间的增加而趋于 平稳，基本可以认为是一个常数，其扰动量在i m r a d 以内。 3 1 2 轨道数据特点【1 3 】【1 4 1 月球周围没有大气，因此理论上月球卫星可以在尽可能低的轨道上工作。但 是实践表明，在月球非球形引力、地球和太阳引力以及太阳光压等的作用下，月 球卫星轨道有较大的摄动，外方位元素的波动较大，引起较大的误差。另外，月 球卫星高度的剧烈变化，对星上有效载荷的正常工作( 如照相等) 也有较大的影 响。通过卫星内耗，卫星飞行任务要求等多方面考虑，将月球轨道设定在距月面 2 0 0 2 5 k m 的范围内。 对月球进行探测的卫星，往往需要通过对月球表面进行照相和遥感，测绘月 球表面形貌和探测月球资源，而完成这类任务通常采用极轨道，这样可以实现对 月球的全球覆盖。下面建立月球简化模型，对月球卫星轨道进行模拟。 视月球为一规则球体，月球卫星轨道为圆形极地轨道。按照目前国际上月球 测绘的通用标准，选择半径r e = 1 7 3 7 4 公里的正球体作为月球参考椭球体，该 正球体的表面作为月面高程基准面，激光高度计距离测量数据也采用这一标准。 表3 - 2 卫星轨道设计主要技术指标 名称指标 轨道类型 环月圆轨道 轨道高度( 日础) 2 0 0 k m + 2 5 k m 、 轨道倾角9 0 0 5 0 ( 极轨卫星) 轨道偏心率e 0 0 星下点速度 1 4 2 7 k m s 月面上的轨道间距( a s ) 3 9 5 k m 轨道周期( r ) 1 2 7 分钟 寿命至少工作一年 表3 - 3 一些月球几何参数 名称指标 月球半径 1 7 3 7 4 公里 月球自转周期 2 7 3 2 1 6 6 日 月球自转速度4 6 2 6 参考椭球体采用上述半径的正球体 理想情况下，月球卫星绕月球运行的轨道为圆形极地轨道。当月球轨道 h o ，6 盯= 2 0 0 k i n 时，圆轨道月球卫星的圆周数据v c = 1 5 9 1 k m l s ，则轨道周期： 丁= 2 万( 尺l + 局r o 曲“) v 0 = 2 x 3 1 4 1 6 ( 1 7 3 2 4 + 2 0 0 9 1 5 9 1 = 7 6 5 4 4 s 1 2 7 m i n ( 3 1 1 ) 激光器频率为1 h z ，绕月一周激光脚印点个数为：n = 厂t = 7 6 5 4 ； 卫星两绕月轨道间的经度差为： 吐= 血( 2 积l ) 3 6 0 03 9 5 ( 1 7 3 7 4 6 2 8 3 ) x3 6 0 0 = 1 3 0 0 ( 3 一卜2 ) 完全覆盖月球一次共绕行3 6 0 0 1 3 0 0 2 7 6 圈，卫星飞行一年可绕月 3 6 5 2 4 6 0 1 2 7 = 4 1 3 8 圈，4 1 3 8 2 7 6 1 5 次完全覆盖月球。 若在不进行月球轨道偏移量调整的时候，卫星飞行一年得到的轨道疏密不 均： 卫星完全覆盖月球一次角度余量为1 2 0 ( 3 6 0 0 1 3 0 0 = 2 7 6 1 2 0 ) ，在不 进行轨道偏移量调整时，每完全覆盖月面一次，卫星轨道就偏移原轨道 1 3 0 一1 2 0 = 0 1 0 ，经过1 3 次全月覆盖飞行，卫星轨道开始出现重叠。 若对轨道偏移量进行调整，即尽量使激光脚印点的覆盖范围更广更均匀， 则进行一年测量，达到的最理想的两轨道间的距离为：1 3 0 0 1 5 0 0 8 7 0 ，在赤 道方向上两轨间距离为2 6 3 k m 。 月表面两连续激光点间的经度、纬度差为： 衄2 l 3 6 0 u = 0 0 4 7 。= 2 8 2 2 。= o o o 蚴口d( 3 十3 ) 缸。= 1 n 址= 0 6 11 = 0 0 0 0 0 0 2 9 r a d 赤道附近距离为( 设激光脉冲为无一= 1 h z ，视两激光点间所在的面近似为 平面) ： 缸朋5 饿1 3 6 0 o 2 酬屯= l 4 2 砌( 3 - 1 4 ) 血舭= 址 3 6 0 ”2 万r l = 5 1 4 8 m 月球卫星的位置数据将由v l b i 提供，一般精度可达几十米。 3 1 3 姿态数据特点 月球卫星的姿态数据将由星敏感器提供，一般精度达到秒级，仿真时扰动范 围在分级即0 0 0 0 2 9 弧度以内。 3 1 4 数据仿真 设产生【一1 ，+ 1 】间随机数的函数为r a n d ( t ) 。通过分析月表特征并参考激光高 度计指标，得激光测距数据仿真如下： 3 2 一般激光数据： s = h 。庙f ，+ r a n d s o ) ( 3 - 1 - 5 ) 高地激光数据：s = 日础+ r a n d s ( t ) - f ( a t ) ； ( 3 1 6 ) 月海激光数据：s = h 棚+ r a n d s ( f ) + f ( a t ) ： ( 3 1 7 ) 其中，轨道高度日。曲“= 2 0 0 o , n ；r a n d s ( f ) = 2 5 xr a n d ( t ) 为测距数据波动，在 + 2 5 o n 以内，由激光出射角波动、卫星姿态以及轨道波动所引起，f ( a t ) 为高地 或月海到月球平均距离的差值的函数( 卫星在& 时间段飞过月海或高地) 。 激光出射角仿真： 口( f ) = 口。+ 旭疗d 口( f ) ( 3 - 1 - 8 ) f l ( t ) = 风+ r a n d 口( f ) 口o ，风为激光束原始出射角，r a n d 口( f ) ，r a n d 卢( f ) 为随时间变化的波动量e r a n d 口( f ) = 0 0 0 1 xr a n d ( t ) ，r a n d 芦o ) = 0 0 0 1 r a n d ( t ) 。 卫星轨道仿真： 6 ( f ) = 一刀1 2 + m o d ( t ，n ) n x 2 z + r a n d 6 ( f ) f ( f ) = 一万+ 【f m o d ( t ，n ) n o r b i t l e n x2 z + r a n d ，( f ) ( 3 _ 1 9 ) 办( f ) = 日耐+ r a n d ( f 1 为一轨激光脚印点数，o