森林资源二类调查中遥感图像增强技术应用研究

王得印，栾忠平

(吉林省林业勘察设计研究院，吉林 长春 130022)

森林为人类生存发展提供了重要的物质资源，森林在维持生态圈和生态平衡中也起到了重要作用［1］。森林资源二类调查作为森林资源动态监测的基础工作，同时也是科学经营管理森林资源重要的科学依据。利用经融合与增强处理后的SPOT－5 遥感图像对森林进行细致调查与研究，做到对调查区域的森林资源数量、种类、质量等信息能够及时、准确的了解与掌握。遥感技术为森林资源调查提供了重要基础，现如今对遥感图像进行处理的软件逐步完善，将遥感图像增强技术应用于森林资源二类调查工作已取得良好效果。

1 研究区概况

蛟河林业实验区管理局地处长白山系张广才岭南段西坡的吉林省蛟河市前进乡境内，该局地理坐标43°51'～44°05'N，127°35'～127°51'E。该场地貌多为中低山地貌，东部与吉林省黄泥河林业局相连，南部与吉林省白石山林业局相接，西部与吉林省上营森林经营局长安林场和蛟河市林业局太阳林场相毗邻，北部与黑龙江省五常县相接壤。总经营面积31 823 hm2。海拔高度在330 ～1 176 m 之间。该林区属温带大陆性季风山地气候，年平均气温3.1℃，全年最高月平均气温20.2℃，最低月平均气温－22.2℃;年≥10℃活动积温2 350℃;无霜期117 d。年降水量为800 mm 左右，年相对湿度75%。年平均总日照时数2 111 h。土壤类型主要为暗棕壤。在中国植被区划中，该区属于长白山红松沙冷杉针阔混交林区，属长白山植物区系，原地带性顶极群落为阔叶红松林。据不完全统计，区内有高等植物99 科331 属643 种。

2 研究方法

2.1 遥感图像的选择

2003 年起，我国很多省份将SPOT－5 数据引进森林规划调查中，对空间分辨率有了更高的要求。这一高分辨率数据源的引进，有效地加快了林业数字化建设的进程，从而提高森林资源管理水平，使我国林业生产有据可依，使获取的森林资源调查数据具有现实性、准确性、高效性，进而有效地评价森林资源的质量和效益。本研究选取蛟河林业实验区管理局所辖地域的SPOT－5 卫星遥感数据，拍摄时间为2005 年5月，一个全色波段，四个多光谱波段，其中全色波段分辨率为2.5 m，属高清晰度遥感数据。

2.2 技术路线

技术路线如图1 所示。

图1 技术路线Fig.1 Tec hnology route

2.3 遥感图像融合处理

遥感图像的融合技术是信息融合技术的一部分，是聚集了图像加工、图像处理等手段的一种先进技术。图像融合［2］是指把两个或两个以上通过传感器获取的某个研究地区的遥感图像信息进行综合处理，并合成一个全新的关于该研究地区的数据信息处理的过程。

本次对精校正后的SPOT－5 全色和多光谱遥感图像的融合是利用遥感处理软件ERDAS9.2进行的，融合方法主要有高通滤波融合、乘积变换融合、比值变换融合［3］、IHS 变换融合、主成分变换融合［4］、基于单波段小波变换融合、基于IHS 变换的小波变换融合、基于主成分分析的小波变换融合和Ehlers 融合共9种，得到9 幅融合后的遥感影像。

2.4 遥感图像辐射增强处理

对经过融合后的九幅遥感图像分别进行直方图均衡化增强处理。直方图均衡化实质是对遥感图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内像元的数量大致相等;直方图均衡化目的是使处理后的图像灰度较为均匀，使频率最高的像元灰度被拉开，像元数目较少的灰度区间被压缩。

2.5 遥感图像光谱增强处理

经过融合后的9 幅遥感图像分别进行去相关拉伸增强处理。去相关拉伸是对图像的主成分进行对比度拉伸处理，而不是对原始图像进行拉伸，从而达到图像增强目的［5］。

3 结果与分析

3.1 遥感图像质量目视判读

在ERDAS9.2 遥感处理软件中，源数据先进行融合处理，然后再对融合结果进行直方图均衡化增强处理和去相关拉伸增强处理，结果得到18 幅增强后的遥感图像，根据森林资源二类调查的需要进行目视判读。在18 幅遥感图像中，挑选出可以满足森林资源二类调查需要(不同地物之间差别明显、图像清晰)的3 幅遥感图像，如图2 ～图4，但这3 幅遥感图像差别不明显，由于目视判读进行质量评价，受人为因素影响，评价结果可能不同，所以要客观反映图像质量，还需要对其进行定量分析，才能确定其质量的相对好坏。其他15 幅遥感图像因为无法满足森林资源二类调查的需要，所以可以直接舍去，不对其进行定量分析。

图2 主成分变换－直方图均衡化Fig 2 Principal component change－histogram equalization

图3 乘积变换－直方图均衡化Fig.3 Product change－histogram equalization

图4 高通滤波－直方图均衡化Fig.4 High－pass filtering－histogram equalization

3.2 遥感图像质量定量分析

3.2.1 遥感图像标准差［6］

标准差反映组内个体间的离散程度，离散程度越大，标准差越大，遥感图像所包含的信息量也就越大，越容易进行目视判读。反之，不容易进行目视判读。各遥感图像标准差统计值如表1 所示。

表1 三幅图像处于不同波段的标准差及标准差平均值Tab.1 The standard deviation and standard deviation average value of 3 images with different band

从表1 中可以看出，三幅增强后的遥感图像标准差由大到小依次为高通滤波－直方图均衡化＞主成分变换－直方图均衡化＞乘积变换－直方图均衡化，其中高通滤波－直方图均衡化与主成分变换－直方图均衡化的结果相差不大。

3.2.2 遥感图像信息熵

遥感图像信息熵是从整个信息源的统计特性来考虑的，它是从评价意义上来表征信息源的总体特征，它描述了图像信息源的平均信息量。所以，信息熵越大，遥感图像所包含的平均信息量也就越大，越容易进行目视判读。反之，则不利于进行目视判读［7，8］。各遥感图像信息熵统计值如表2 所示。

表2 三幅图像处于不同波段的信息熵及信息熵平均值Tab.2 The information entropy and information entropy average value of 3 images with different band

从表2 中可以看出，三幅增强后的遥感图像信息熵由大到小依次为高通滤波－直方图均衡化＞主成分变换－直方图均衡化＞乘积变换－直方图均衡化。

4 结论

通过对精校正后的SPOT－5 全色遥感图像和SPOT－5 多光谱遥感图像先进行图像融合，然后再对融合结果进行增强处理。增强处理的结果先根据森林资源二类调查的需要进行目视判读，再对质量较好的遥感图像用ENVI5.0和MATLAB7.0 软件进行定量分析，通过图像标准差和图像信息熵的对比分析，结果表明:对于SPOT－5 遥感图像先进行高通滤波融合，然后再对融合结果进行直方图均衡化增强处理，图像所包含的信息量最大，最能满足森林资源二类调查进行目视判读的需要，判读的结果也会最高。此研究为今后森林资源二类调查中SPOT－5 遥感图像的处理工作提供借鉴。

［1］周麟.森林资源二类调查技术新颁规定的应用与分析［D］.南京:南京林业大学，2006.

［2］POHL C，Van Genderen J L. Multisensor image fusion in remote sensing concepts，methods and applicat ion［J］.International Journal of Remote Sensing，1998，19(5):823－854.

［3］孙丹峰.IKONOS 全色与多光谱数据融合方法的比较研究［J］.遥感技术与应用，2002，1(17):41－44.

［4］贾永红.基于像元的遥感影像融合方法的比较［J］.测绘信息与工程，1997，(4):29－30.

［5］党安荣，贾海峰，陈晓峰，等.ERDAS IMAGINE 遥感图像处理教程［M］.北京:清华大学出版社，2010.

［6］方丽玲，吴立新，周广明，等.IS 支持下水质模型的应用［J］.新疆环境保护，1999，21(3):1－8.

［7］张淑芬，邢艳秋，艾合买提江·阿不都艾尼，等. 基于TM 遥感影像的森林类型分类方法比较［J］.森林工程，2014，29(1):18－21.

［8］李双福，刘庆忠，芦静，等. 基于DGPS 的SPOT5 遥感影像几何精校正研究［J］. 吉林林业科技，2013，42(1):26－29.