基于遥感技术的洪水监测研究

秦 良

(潍坊市水利事业发展中心，山东 潍坊 261061)

近年来，遥感技术在洪水监测中发挥了重要作用。与用于洪水测绘的光学传感器相比，这种发展提供了全天候监测能力。洪水绘图是用于洪水监测的技术之一[1- 2]，在这种技术中，将洪水前后的图像进行比较，对非洪水和洪水区域进行分类。最初洪水监测性能受限于卫星和航空图像[3]，但是，随着雷达遥感技术的发展，在恶劣天气条件下(如云层、闪电等)预测性能有限的问题也得到了解决。合成孔径雷达(SAR)图像的使用解决了洪水监测的问题，因为它具有全天候能力。在广义上，洪水绘图技术分为监督式(需要操作员参与)、半监督式和非监督式技术[4- 5]。

一些被广泛应用的洪水绘图技术包括目视解译、阈值化、纹理匹配等方法。目视解译是洪水绘图中常用的监督方法。半监督(分段)技术的提出是为了尽量减少用户的参与。该技术从用户中选择种子点，使用模糊逻辑生成连接图，取决于种子点的正确识别(由用户选择)。一些学者提出了一种无需用户参与和基于种子生长机制的洪水图，以克服用户经验不足的问题。然而，该方法仍然需要用户能够定位分割点[6- 7]。阈值化则将某些阈值用于无监督洪水监测。基于3个电磁散射模型的输出来选择阈值，以快速生成洪水图。然而，这些阈值在复杂的环境条件下效果可能并不好[8]。纹理匹配也用于从图像中识别水域。水的同质区域被分割，然后将颜色和纹理特征与预定义的水样进行比较。主要限制是计算时间长和纹理特征重叠[9]。复相干图用于对SAR数据进行洪水监测分析。这种技术不仅限于洪水破坏评估，还可以监测其他特性(如地震)。但是，这对于观测区域光学图像的可用性具有更高的要求[10]。

最近，江巨浪等[11]提出了一种处理方法。该方法应用不同的处理链(自适应直方图裁剪(AHC)、直方图重映射(HR)和直方图均衡化(HE))来提高可视化性能。然后通过组合处理过的前、后和差分图像来生成RGB图像。然而，这个过程有时会突出差分图像中的额外细节，从而降低质量。此外，均衡过程导致对比度增强，这又使处理后的图像看起来不自然。为了解决上述方法中的这些问题，我们提出了一种基于对比度增强的技术来提高合成洪水图的图像质量。该技术遵循了上述3条生成链。然而，这些链仅用于生成差分图像的前图像和后图像。通过将差分图像与均衡的前图像和后图像相结合，可以快速生成洪水图。本文使用了具有低百分位值的自适应直方图均衡化方法(AHE)来提高可视化性能。结果使用实例进行评估，这些数据集显示了所提出技术的可行性。

1 研究方法

本文提出了一种基于自适应直方图均衡化(AHE)的洪水监测技术，它由3个处理链组成。令IX(l，m)为前图像、IY(l，m)为后图像、IZ(l，m)为差分图像，其中l∈[0，…，(L-1)]和m∈[0，…，(M-1)]。

第一步是自适应直方图裁剪(AHC)，用来保存信息内容。图像的直方图在特定的百分位值处被剪切/截断(去除包含较少信息量的强度)。使用特定的百分位值q。裁剪原像IX的直方图。让hX(i)成为IX图像的直方图，其中i代表强度等级，即[0- 255]，累积直方图CX(i)计算公式如下：

(1)

q值计算如下:

q=arg[CX(i)|CX(i)=q×M×L]

(2)

一些论文采用q=0.98。然而问题是最终的RGB图中存在过多的细节，最终的RGB图是在建议的q百分位下生成的。为了解决这个问题，我们在第一步中使用了不同的q百分位值来生成差分图像。据观察，在低百分位值时，所需的细节被去除，而在高百分位值时，不需要的细节变得更加突出，从而降低了质量。因此，我们使用了q=0.3，因为它保留了导致洪水的强度值。

在第二步直方图重映射(HR)中，使用线性缩放将裁剪的直方图重新映射到原始强度范围。图像IX1的直方图被重新映射到全强度范围[0- 255]。min(IX1)代表所有强度的最小值，max(IX)代表图像中所有强度的最大值。IX2(直方图重映射图像IX1)计算公式如下：

(3)

在第三步(AHE)，我们使用自适应直方图均衡化来增强图像。传统HE有时会过度增强图像并产生不需要的伪影(粗糙度等)。而且图像有时可能显示所有细节或合并细节，从而导致图像质量下降。需要对比度增强技术来保持图像的平滑和自然，以获得更好的视觉结果。因此使用了一个新的直方图修改框架，通过保留细节来提高可视化效果。

HE通常将i的输入强度水平映射到Xi的输出强度水平：

Xi=(N-1)×CX(i)

(4)

式中，N—图像中的总强度水平；CX(i)—累积直方图。

这种映射适用于具有连续强度水平的图像，在这些图像中，它完美地均衡不同的直方图。为了使其适用于数字图像，可以修改输入直方图而不损害其对比度。然后，修改后的直方图可以用作HE的映射函数。同时引入了专门设计的惩罚项，可用于调整对比度增强的级别。一旦强度范围被重新映射，AHE可以削减一些不利影响(如过度增强，伪像和不自然的图像)。AHE的原理是使修正的hXm与当前直方图h的差异最小化，使得修正的直方图也更接近于统一直方图hXu，即：

(5)

式中，α—当前直方图和均衡化直方图的贡献。通过式(6)求解修正直方图hXm:

(6)

修正直方图hXm用于生成图像IX3和IY3(如图1所示)，值得注意的是使用传统直方图会产生不想要的伪像、过度增强和不自然的外观。这是因为传统HE的目标是将输入直方图与均匀分布相匹配。但是，AHE还将修正直方图和输入直方图之间的差分降至最低。因此，AHE为洪水监测提供了更可靠的结果。然后使用IX3和IY3生成差分图像IZ：

(7)

图1 算法的流程

2 模拟和结果

为了评估此方法的可用性，以山东省潍坊市某洪水发生区为例。这些图像分别为洪水前的图像(如图2(a)所示)和洪水后的图像(如图2(b)所示)。

差分图像相对于百分位值q的变化如图3所示。q值变大，则图像中的细节增加(反之亦然)。

在图3(a)中，我们可以注意到河流周围的地面区域很暗，这在图3(b)中变得非常明显，但是洪水并不那么清晰。在百分位值q=0.3时(如图3(c)所示)，地面面积、河流和洪水淹没区在要求的水平可见。当我们移动到更高的百分位值(q>0.3)时，地面区域逐渐变得更加突出，这种效应可以在图3(d—i)中观察到。

由各自的差分图像生成的RGB图像如图4所示。

在图4(a)和4(b)中，被淹没的区域是暗淡的，在河流周围逐渐消失。在图4(c)(q=0.3)中，河流周围的淹没区域(在图像的顶部中心)变得非常明显，达到令人满意的图像水平。对于较高的百分位值(q>0.3)的图4(d—g)，RGB图像逐渐增加图像底部中心的淹没区域(墨蓝色)。图像顶部中心的淹没区能见度也不好。这个现象在图4(h)和图4(i)中非常明显，在图4(h)和图4(i)中，洪水淹没的区域在河流周围变得更加模糊。

本文改进方法(AHE)与原方法(HE)的比较如图5所示。

图2 洪水发生区的原始图像

图3 不同q值下的差分图像IZ

图4 不同q百分位数的RGB图像

图5 2种方法的洪水图像结果比较

图5(a)是使用原方法生成的差分图像，图5(b)是使用改进后方法生成的差分图像。这些图像在细节上有明显的区别。图5(a)突出地显示了地面细节，而图5(b)相对突出了主要的所需细节。这些细节上的差分对它们各自的RGB图有很大影响(如图5(c)和5(d)所示)。我们可以注意到图5(c)河流周围的淹没区域是模糊不清的，这降低了能见度。在RGB中差分图像的不相关细节的占比非常大(图像底部中心和右上角的深色区域)。图5(d)显示了河流周围淹没区域的更好可见性(在顶部中心、右上角和底部中心)。可以清楚地注意到地面区域的细节，以及河流与洪水淹没区域的对比。

3 结论

本文提出了一种基于自适应直方图均衡化的洪水图像监测方法，该方法由直方图自适应裁剪、重映射和自适应直方图均衡化3个步骤组成。处理淹没前和淹没后的图像会产生不同的处理结果和差分图像。然后，使用处理过的前图像和后图像与差分图像的组合，生成洪水图。一种对比增强技术AHE被用作第三步，以消除由HE产生的过度增强。结果表明，对于较高的百分位值(q>0.3)的图，图像顶部中心的淹没区能见度并不好。当q=0.3时，河流周围的淹没区域变得非常明显，达到较好的图像水平。所提出的技术是对现有技术的改进，并具有更高的可靠性，此技术有望用于洪水监测工作。