SPOT6卫星图像处理关键技术研究

马世斌，杨文芳，张 焜

(1．青海省地质调查院，西宁 810012;2．青海省青藏高原北祁连地质过程与矿产资源重点实验室，西宁 810012)

0 引言

人类赖以生存的地球资源与环境一直是被密切关注的对象，而对地球资源与环境信息的获取离不开遥感技术，特别是航天遥感技术。1972年，由美国发射的地球资源技术卫星1号(ERTS1，后称Landsat1号)揭开了利用航天遥感技术进行地球资源调查与环境监测的序幕。此后，随着遥感技术的不断发展，世界各国陆续成功发射了大量的遥感卫星用于资源调查与环境监测，其中包括中国的多颗资源卫星以及法国的SPOT系列卫星、印度的IRS系列卫星等。这些卫星不论是在对地观测能力上还是在应用范围上均有很大的提升，均能体现出各自的优势［1－2］。但如何才能在实际应用中发挥不同传感器获取的数据的优势和特点一直是被关注的问题，而图像处理作为保证卫星数据应用质量的技术手段，是卫星数据应用的前提。

正射纠正、图像融合以及波段组合是遥感图像处理的关键技术。不同遥感图像的纠正、融合以及波段组合方法各异，只有针对不同图像采用不同的处理方法，才能达到较好的应用效果［3］。本文以2012年SPOT6卫星数据为信息源，通过对不同正射纠正方法的试验以及图像精度分析、对不同图像融合方法得到的融合图像的质量评价以及对不同波段组合方法的试验对比，就该卫星图像处理关键技术进行了初步探索，为今后SPOT6卫星图像的处理及应用提供一定的技术支持。

1 SPOT6卫星图像

SPOT6卫星是法国于2012年9月9日成功发射的高分辨率对地观测遥感卫星。其全色图像地面分辨率为1．5 m，4个波段的可见光/近红外图像地面分辨率为6 m，并具有沿轨和跨轨大视角侧视成像等特点，成像幅宽达60 km，在生态环境、地质矿产、农业、林业、环境保护与灾害监测、电信网络规划、测绘制图、城市规划和国防等领域具有较高的应用价值［4］。SPOT6卫星轨道参数如表1所示。

表1 SPOT6卫星轨道参数一览表Tab．1 SPOT6 satellite orbit parameter list

SPOT6卫星具有3个显著特点［5］:①具备立体或三线阵立体成像;②保留了SPOT5的标志性优势，具有60 km的大幅宽;③制定编程计划过程中集成了自动天气预报，最大化地提高了图像的接收成功率和质量。

本文使用的SPOT6 1A级原始数据包括6 m空间分辨率的多光谱数据和1．5 m空间分辨率的全色数据，数据格式为JPG2000，且1景数据被分割成一定存储大小的分块数据;每景多光谱数据和全色数据均自带严格物理模型(rigorous physical model，RPM)和有理函数模型(rational function model，RFM)的元数据文件，文件格式为XML。

2 实验区选择

在充分考虑地形地貌及地表覆盖物特点的基础上，本文以青海省都兰县西部，面积约4 000 km2的地区作为实验区(图1)

图1 实验区范围示意图Fig．1 Schematic diagram of experimental area

实验区既包含较为平坦的平原区，又包含高差较大的汗布达山地区，其地势自南向北逐渐降低。其中山地海拔多在4 800 m以上，山体陡峭，相对高差在50～700 m不等，平均高差为420 m;地表既有植被覆盖区，也有基岩裸露区，能够较好地保证SPOT6数据处理实验具有代表性。

3 图像处理实验

本文以接收到的SPOT6 1A级原始数据所提供的辅助资料为基础，按照常规图像处理的步骤，从图像的正射纠正、融合及波段选择和组合3个方面对图像处理方法与效果进行实验研究。

3．1 正射纠正方法与精度分析

3．1．1 纠正方法

图像纠正的目的就是要纠正系统性及非系统性因素引起的图像几何变形［6］。在遥感图像处理中，常用的纠正模型有多项式模型、RFM模型和RPM模型［7－8］。从接收到的SPOT6原始数据可知，多光谱数据和全色数据均自带RPM文件和RFM文件，因此分别利用RPM模型和RFM模型对SPOT6原始数据进行纠正实验。

RPM是基于卫星轨道、摄影测量、测地学和地图学的模型，能够很好地反映图像获取时的几何物理状态，可以纠正由于卫星平台、传感器、地球以及地图投影引起的各种误差［6，9－10］;在 SPOT6 原始数据中，该模型由Dim．XML元数据文件(Dim为Vb语言中的Dim语句，意为“创立一个新的变量”)所提供，利用该元数据文件可以直接计算出SPOT6图像每个像元点对应的经纬度坐标，从而进行图像的几何纠正。RFM模型是物方空间坐标与像方空间坐标之间的数学映射，通过内定向和外定向参数来实现图像的纠正;在SPOT6原始数据中，该模型由RPC．XML元数据文件所提供，通过该元数据文件可以确定图像的内、外定向参数，从而进行SPOT6图像的几何纠正。

分别采用 ERDAS9．2 LSP模块下的“DEM+Dim(RPM)+GCP”和“DEM+RPC(RFM)+GCP”对SPOT6多光谱和全色原始数据进行正射纠正实验。其中，LSP模块是专门针对高分率数据的正射纠正处理而设计开发的，相比其他软件的正射处理模块操作简单，基本上由计算机自动完成，人工干预少，并且能够对数据进行批处理，大大提高了处理速度。在正射纠正中，读取Dim．XML元数据文件中的相关参数作为RPM模型参数，读取RPC．XML文件中的内、外定向参数作为SPOT6的RFM模型参数;选用由IRS－P5卫星数据制作的数字高程模型(DEM)数据和野外实测的地面控制点(GCP)数据作为本次正射纠正处理的辅助数据，其中DEM的精度可达10 m;GCP是用GPS野外实测的8个控制点，精度达到50～70 cm。另据相关文献资料表明，在生成正射图像的过程中，重采样的方式会影响到正射图像的清晰程度，本文选择三次卷积内插法进行重采样。具体处理流程如图2所示。

图2 ERDAS下SPOT6图像正射纠正处理流程Fig．2 Flow chart of or tho－rectification processing for SPOT6 image

3．1．2 精度分析

为了对比RPM和RFM模型的纠正精度，本文利用8个GCP对SPOT6全色波段数据进行了RPM模型的正射纠正实验，通过7个独立检查点 (independent check points，ICP)来分析对比其纠正精度;此外，还分别利用0～7个GCP来参与使用RFM模型的正射纠正实验，并通过对8～15个ICP的精度分析来明确RFM模型纠正的精度和参与纠正的GCP数量之间的关系(表2)。

表2 RPM模型和RFM模型纠正精度比较Tab．2 Comparison between rectification precision of RPM model and RFM model

实验表明:①RPM模型和RFM模型均能达到较高的正射纠正精度，其产品可满足1∶1．5万比例尺的制图精度，尤其是RPM模型纠正的图像精度明显高于RFM模型的纠正精度;②在GCP数量方面，对于RFM模型，使用1个GCP纠正的图像精度与使用8个GCP纠正的图像精度相差不大，因此纠正精度与参与纠正的GCP数量之间的关系不明显;③经实验分析，建议参与RFM模型纠正的GCP数量为3～4个，利用RPM模型纠正所需要的GCP数量最少为8个(少于8个则该方法不能进行)。因此，对于SPOT6原始数据的正射纠正，在GCP数量充足的条件下，建议采用RPM模型;对于GCP数量有限的情况，建议采用RFM模型。

3．2 图像融合方法及效果评价

3．2．1 融合方法

全色图像与多光谱图像融合，既可利用全色图像的高分辨率改善多光谱图像分辨率，又可充分利用多光谱图像中特有的对地物某些独特特征的精细反映，使融合图像包含更丰富的信息［11－14］。

本文分别采用 HIS，Brovey，PCA和PanSharp等变换法对SPOT6全色数据与多光谱数据进行融合实验，并就B3(R)B2(G)B1(B)组合的融合图像从空间细节的增强和光谱信息的保持2个方面进行了主观视觉和客观定量的对比评价。结果表明，Pan-Sharp变换法在空间细节增强和光谱信息保持2个方面均优于其他3种融合法，特别是对以制图为目的的图像融合，采用该融合变换法得到的融合图像更为理想。

3．2．2 融合效果评价

3．2．2．1 主观视觉评价

图3为SPOT6卫星B3(R)B2(G)B1(B)模拟真彩色合成图像以及采用上述4种融合方法所得到的融合图像。

图3 用4种融合方法得到的SPOT6融合图像(经2%掐头拉伸)Fig．3 SPOT6 fusion images with four fusion methods(after 2%pinched head stretch)

从图3可以看出:HIS变换得到的图像色调与原图像有较大差异，地物光谱特征被扭曲;PCA变换得到的图像光谱信息有较大失真(水体颜色有明显差异，带有水分的地物(如农田等)颜色也有明显变化);Brovey变换和PanSharp变换得到的图像相对于HIS变换和PCA变换的一个明显优点就是色调保持好(几乎完全保持了原始图像的色调)，影像清晰度高。

3．2．2．2 客观定量评价

选择信息熵、标准差、平均梯度、偏差指数和相关系数等5个指标从信息量、光谱特征和边缘特征等3个方面对4种融合方法所得到的融合图像进行定量比较，具体计算公式见文献［14－17］。定量比较结果见表3。

表3 4种不同融合方法的融合图像评价指标Tab．3 Evaluation index fused with four fusion methods

对表3中的定量评价结果分析如下:①信息熵是衡量图像信息丰富程度的一个重要指标，熵值的大小表示图像所包含的平均信息量的多少;从表3可以看出，上述4种融合法得到的融合图像的信息熵均较原始图像的大，表明其信息量均较原始图像丰富，其中，PanSharp变换法的熵值比PCA变换法、Brovey变换法和HIS变换法的熵值大，说明其信息量相对于其他3种融合图像的信息量更为丰富。②标准差在某种程度上可用于评价图像信息量的大小，PanSharp融合图像的信息量最大。③平均梯度反映的是图像中微小细节的反差能力与纹理的变化特征，同时也反映了图像的清晰度;从表3可以看出，PanSharp融合图像的平均梯度值最大，即融合图像中对微小细节和纹理特征的反映能力更强。④偏差指数反映融合结果与原始图像的偏差程度。⑤相关系数反映融合结果与原始图像的相似程度。从表3可以看出，PCA与HIS变换法的偏差指数值较大，而两者的相关系数又相对较小，因此这2种融合方法得到的融合图像与原始图像存在较大的失真。PanSharp与Brovey融合结果的偏差指数在4种融合算法中相对较小，而相关系数较大，说明它们在保持图像的光谱信息上效果较好。

定量融合实验评价结果表明:相对于其他融合算法而言，PanSharp融合法在信息量、光谱特征及边缘特征等3个方面具有综合优势;融合后的图像不仅很好地保留了原始图像的光谱特征，而且在增加融合图像的信息量、提高融合图像的清晰度进而改善图像可解译程度等方面均取到了很好的效果。

3．3 波段选择及组合方案

多光谱数据波段的选择和组合方案的确定取决于不同的应用目的，一是用于制图，作为专题图件的遥感影像背景图使用;二是用于信息提取。其中，用于信息提取的图像波段选择通常考虑3个方面的因素:①波段或波段组合信息含量;②各波段间相关性;③待识别地物光谱响应特征的差异。那些信息含量多、波段相关性小、地物光谱特征差异大及地物可分性好的波段组合即为最佳组合［18］。

1)适用于信息提取的波段选择及组合方法。多光谱遥感图像最佳波段选择有多种不同的方法，如熵、联合熵、协方差矩阵行列式值以及最佳指数因子(optimum index factor，OIF)等［19］。其中，OIF 是基于各波段图像标准差和不同波段之间相关系数的最佳波段组合选择方法。

本文通过对SPOT6多光谱数据的4个波段进行相关的数据统计及计算(表4)可知，波段组合B1B2B4和B1B3B4相对于B1B2B3和B2B3B4组合的OIF要大，表明在包含的信息量和数据独立性方面均较好。在保证图像信息量和波段独立性的前提下，将(B2+B3)/2组合作为一个图像波段(记作Bx)，参与波段组合的OIF运算;通过比较OIF可以看出，波段组合1Bx4能够最大限度地反映地物类别间的信息差异。为了反映实际地物的颜色，便于后期信息提取，认为 B4(R)B1(G)［(B2+B3)/2］(B)波段组合的效果最优(图4(a))。

表4 SPOT6各波段组合最佳指数因子Tab．4 Optimum index factors for band combinations of SPOT6

2)适用于制图的波段选择及组合方法。根据以往作业经验及本次实验数据的特点，选择B3(R)B2(G)B1(B)波段组合进行彩色合成，其结果适用于制图，该组合影像的整体色调反差适中，基本接近真彩色(图4(b))。

图4 不同波段组合的遥感图像Fig．4 Remote sensing images composed with different band combinations

4 结论

在遥感图像处理中，图像纠正、图像融合以及针对不同应用目的的波段选择与组合方法是保证图像质量及应用效果的关键。本文在明确SPOT6 1A级原始数据组织结构特点的基础上，就该数据的图像处理从正射纠正、图像融合及波段组合3个方面进行了实验研究，得到如下结论:

1)通过严格物理模型(RPM)和有理函数模型(RFM)图像正射纠正方法的对比，认为在辅助信息相同且精度较高的前提下，采用RFM模型和RPM模型纠正的正射图像产品均能达到1∶1．5万比例尺的制图精度，但RPM模型纠正的精度明显优于RFM模型的纠正精度。

2)在GCP数量的需求上，RPM模型最少需要8个，RFM模型仅需要3～4个。因此，在GCP数量充足的条件下，建议采用RPM模型进行正射纠正，能够取得较好的纠正效果;对于GCP数量有限的情况，建议采用RFM模型进行纠正。

3)通过对4种不同方法融合图像的对比研究，认为PanSharp方法融合的图像在信息量、光谱特征及边缘特征等方面具有综合优势。

4)通过对不同波段组合方式的分析，认为B4(R)B1(G)［(B2+B3)/2)］(B)波段组合图像在信息提取上最有优势，而B3(R)B2(G)B1(B)波段组合图像在影像制图方面效果更佳。

［1］ 李德仁，童庆禧，李荣兴，等．高分辨率对地观测的若干前沿科学问题［J］．中国科学(D 辑:地球科学)，2012，42(6):805－813．Li D R，Tong Q X，LiR X，etal．Current issues in high－resolution Earth observation technology［J］．Science China Earth Science，2012，55(7):1043－1051．

［2］ 蒙继华，吴炳方，杜 鑫，等．遥感在精准农业中的应用进展及展望［J］．国土资源遥感，2011，23(3):1－7．doi:10．6046/gtzyyg．2011．03．01．Meng JH，Wu B F，Du X，et al．A review and outlook of applying remote sensing to precision agriculture［J］．Remote Sensing for Land and Resources，2011，23(3):1－7．doi:10．6046/gtzyyg．2011．03．01．

［3］ 袁金国．遥感图像数字处理［M］．北京:中国环境科学出版社，2006．Yuan JG．Digital Image Processing of Remote Sensing［M］．Beijing:Chinese Environment Science Press，2006．

［4］ 北京视宝卫星．SPOT6加入Pléiades1A轨道［EB/OL］．［2012－09－18］．http://www.3snews.net.BeijingSPOT.SPOT6joinsPléiades1Ain orbit［EB/OL］.［2012－09－18］．http://www.3snews.net.

［5］ 程三友，李英杰．SPOT系列卫星的特点与应用［J］．地质学刊，2010，34(4):400－405．Cheng SY，Li Y J．Characteristics and application of SPOT satellites［J］．Journal of Geology，2010，34(4):400－405．

［6］ 关元秀，程晓阳．高分辨率卫星影像处理指南［M］．北京:科学出版社，2008．Guan Y X，Cheng X Y．High－resolution Satellite Image Processing Guide［M］．Beijing:Science Press，2008．

［7］ 余树影，王海燕，韩鹏飞，等．浅谈遥感影像纠正方法及精度分析［J］．测绘技术装备，2010，12(2):22－24．Yu SY，Wang H Y，Han P F，et al．Analysis of remote sensing image correction method and accuracy［J］．Surveying and Mapping E-quipment，2010，12(2):22－24．

［8］ 廖 瑛．SPOT－5遥感数据特性及其图像处理关键技术探讨［J］．科技创新导报，2009(1):233－234．Liao Y．Discussion of the SPOT－5 characteristics and key technology of image processing of remote sensing data［J］．Science and Technology Innovation Herald，2009(1):233－234．

［9］ 石迎春，叶 浩，郭 娇，等．几何纠正模式对QuickBird全色影像定位精度的影响——以黄土高原为例［J］．国土资源遥感，2011，23(3):135－139．doi:10．6046/gtzyyg．2011．03．24．Shi Y C，Ye H，Guo J，et al．The effect of geometric rectification modes on positioning accuracy for Quick Bird panchromatic image:A case study of loess plateau［J］．Remote Sensing for Land and Resources，2011，23(3):135－139．doi:10．6046/gtzyyg．2011．03．24．

［10］ 王 生．基于SPOT5卫星遥感数据的正射影像图制作探讨［J］．林业调查规划，2007，32(4):14－16．Wang S．Discussion of orthogonal projection like drawing based on SPOT5 satellite remote sensing data［J］．Journal of Forestry Survey Planning，2007，32(4):14－16．

［11］ 翁永玲，田庆久．遥感数据融合方法分析与评价综述［J］．遥感信息，2003(3):49－54．Weng Y L，Tian Q J．Analysis and evaluation of method on remote sensing data fusion［J］．Remote Sensing Information，2003(3):49－54．

［12］ 孟强强，杨 桄，童 涛，等．基于小波变换的多聚焦图像融合算法［J］．国土资源遥感，2014，26(2):38－42．doi:10．6046/gtzyyg．2014．02．07．Meng Q Q，Yang G，Tong T，et al．Fusion algorithm of multifocus images based on wavelet transform［J］．Remote Sensing for Land and Resources，2014，26(2):38－42．doi:10．6046/gtzyyg．2014．02．07．

［13］ 董张玉，赵 萍，刘殿伟，等．一种改进的小波变换融合方法及其效果评价［J］．国土资源遥感，2012，24(3):44－49．doi:10．6046/gtzyyg．2012．03．09．Dong Z Y，Zhao P，Liu D W，et al．An improved wavelet transformation image fusion method and evaluation of its fusion result［J］．Remote Sensing for Land and Resources，2012，24(3):44－49．doi:10．6046/gtzyyg．2012．03．09．

［14］ 王 乐，牛雪峰，王明常．遥感影像融合技术方法研究［J］．测绘通报，2011(1):6－8．Wang L，Niu X F，Wang M C．Research on remote sensing imagery data fusion technology and methods［J］．Bulletin of Surveying and Mapping，2011(1):6－8．

［15］ 董广军．高光谱与高空间分辨率影像融合技术研究［D］．郑州:解放军信息工程学院，2004．Dong G J．High Spectral and High Spatial Resolution Image Fusion Technology Research［D］．Zhengzhou:The PLA Information Engineering，2004．

［16］ 林 卉，张连蓬．高分辨率遥感影像融合及其质量评价［J］．工程勘察，2009(1):64－68．Lin H，Zhang L P．High－resolution remote sensing image fusion and its quality evaluation［J］．Geotechnical Investigation and Surveying，2009(1):64－68．

［17］ 王海晖，彭嘉雄，吴 巍，等．多源遥感图像融合效果评价方法研究［J］．计算机工程与应用，2003，39(25):33－37．Wang H H，Peng JX，Wu W，et al．A study of evaluation methods on performance of the multi－source remote sensing image fusion［J］．Computer Engineering and Application，2003，39(25):33－37．

［18］ 许 菡，燕 琴，徐泮林，等．多源遥感影像融合最佳波段选择及质量评价研究［J］．测绘科学，2007，32(3):72－74．Xu H，Yan Q，Xu P L，etal．A study ofoptimal bands selection and evaluation methods on performance of multi－source remote sensing image fusion［J］．Science of Surveying and Mapping，2007，32(3):72－74．

［19］ 王庆光，潘燕芳．多光谱遥感数据最佳波段选择的研究［J］．韶关学院学报:自然科学版，2006，27(3):42－44．Wang Q G，Pan Y F．Multi－spectral remote sensing data of optimal band selection research［J］．Journal of Shaoguan University:Natural Science，2006，27(3):42－44．