高分七号图像质量评价与解译度分析

罗 恒,贺 彪,郭仁忠,王伟玺,蒯 希,夏碧露

(1.深圳大学 建筑与城市规划学院，广东 深圳 518061；2.深圳大学 智慧城市研究院，广东 深圳 518061；3.广西壮族自治区自然资源遥感院，南宁 530023；4.广西交通职业技术学院 交通信息工程学院，南宁 530015)

高分七号是我国首颗国产亚米级民用双线阵立体测图卫星，于2019年11月4日在山西太原卫星发射中心成功发射升空。高分七号搭载了0.65 m分辨率的后视全色相机和0.8 m分辨率的前视全色相机，形成了双线阵立体测图能力，同时装备了2.6 m分辨率的多光谱后视相机，可以获取蓝、绿、红、近红外4波段多光谱影像，与后视影像融合可以形成0.65 m分辨率的多光谱融合影像，相关参数可参见表1。高分七号能够满足1∶10 000比例尺的立体测图和地形图绘制需求，支撑我国自然资源部国土卫星遥感应用中心(LASAC)完成地形图制图、立体测量、自然资源调查与监测等工作[1]。

影像的图像质量是卫星遥感应用能力的重要影像因素，无论是影像目视解译、正射纠正影像制作、数字表面模型生成等均需有良好的图像质量作为保证。准备量化的图像质量评价方法，有利于形成对同类、同传感器卫星拍摄影像进行质量分析，也能够对比不同卫星传感器拍摄影像，评估不同卫星数据源的质量和性能。此外，图像质量的评价也有利于卫星后续星相关参数的设计，提供面向应用需求的先验知识[2-3]。

图像质量包括传感器成像质量和影像产品的图像质量。前者包含如GSD，MTF，SNR，RER等方面的评价指标，主要面向传感器的成像性能[4]。后者包括如光谱特征、纹理特征、视觉效果等。关于卫星传感器成像质量，长期以来，国外有很多研究针对IKONOS，QuickBird，WorldView-1，CaroSat-1等主流光学遥感卫星的传感器进行了评估[4-5]。国内一些研究也对我国近年来快速发展的光学遥感卫星传感器进行分析，如对资源三号01星的地面和在轨图像质量进行评估，通过MTF，SNR等参数，表明资源三号卫星三线阵相机在轨性能符合设计要求[6]。对SPOT-5卫星的传感器进行分析，并且通过量化质量与资源三号影像进行对比[7]。随着高分七号卫星的发射，一些研究开始关注高分七号相机的相关指标。

在面向影像图像质量的研究中，一些研究通过灰度特征进行分析，前者包括光谱波段值域、均值、标准差等。此外，纹理特征也可以用于影像图像质量分析，如角二阶矩、对比度、信息熵、均质性等等，这些指标被用于影像的纹理特性的评估和分析中[4]。通过上述指标，研究人员和卫星设计人员对IKONOS, ALOS, CBERS-1, HJ-1和资源三号等卫星进行研究[4]，并且对资源三号等卫星的在轨图像压缩质量作出分析[8]。

然而，上述基于图像统计分析的图像质量特征指标无法综合性地从用户视觉角度出发对影像进行分析，因此，图像视觉效果的评估也同时被用于从主观角度分析影像图像质量，作为其他指标的补充[9]。随着卫星影像分辨率的提升，影像解译度开始被用于图像质量评估。最初提出影像解译度的是美国国家图像评估组织(NIMA)，主要是针对军用目标在航空和航天遥感影像上的可被解译概率进行分析，形成量化的评价等级，即NIIRS。研究人员探讨了NIIRS数值和IKONOS卫星相关参数的关联性[10]，并对IKONOS和QuickBird卫星影像NIIRS进行计算和比较。国内也有研究通过修正后的NIIRS对国产资源三号卫星影像解译度进行分析[4]。

MTF等成像质量评估的指标往往被卫星设计领域和生产领域以及光学或电子工程师用于分析图像特性，从这些参数中得到传感器性能的反馈。然而，随着卫星影像应用领域的快速扩大，越来越多的非航天或遥感等专业的非专业人员使用卫星影像完成自身领域的业务和工作。美国地质调查局(USGS)曾经做过调查，指出卫星遥感影像的用户涵盖了农业、环境、土地管理、甚至教育领域人员，这些用户来自科研机构、高校、政府机关及企业单位等等[7]。这些用户往往不具备专业的遥感影像处理、分析或者算法开发能力，甚至缺少相关应用所需的遥感和地理信息专业知识，对于他们来说，GSD，MTF，SNR等参数难以理解和使用。总而言之，遥感影像用户中很大比例为非专业人员，然而他们却需要有效了解影像的性能和可用能力，并运用这些影像解决工作中的问题并且作出决策。

大部分用户使用卫星遥感影像时，都是从影像的直观图像质量入手，如图像的清晰度、色调、对比度，关注于能够从该影像中判读和解译出哪些地面要素，是否满足工作需要，或者能够完成对应比例尺的地形图制图或者更新[11]。这些图像质量因素可以通过灰度统计特征、纹理特征指标了解[7]。有研究提出客观的图像质量评价无法完全反映图像对于用户的感受，要更好地评价图像质量，主观和客观因素需要结合起来[12]。因此，用户主观视觉效果和NIIRS可以有效使用来评估图像质量和性能。

一种面向用户的图像质量评价方法被提出[7]，该方法包含两个方面，即统计分析特征和解译度等级。统计分析特征方面，通过基于灰度的特征分析计算，对影像进行评估，适用于对不同传感器数据源或者相同数据源不同影像的图像进行对比。解译度等级方面，通过NIIRS和GIQE分析图像的可解译级别，并且与解译级别对应的任务进行对应，分析影像的可用性。此外，还有研究将NIIRS与制图比例尺的计算模型进行关联，在仅仅针对图像效果角度，形成通过NIIRS计算最大制图比例尺的方法，评估影像可用于制图的能力。

面向用户的图像质量评价方法较为适用于非专业领域用户对于卫星遥感影像可用性的分析和理解。通过该方法，可以对高分七号高分辨率的全色影像进行图像质量和应用潜能分析。

1 数据与研究区

本研究使用的影像为高分七号双线阵相机拍摄的全色影像，包括0.65 m分辨率的后视影像和0.8 m分辨率的前视影像，影像均为测试阶段的传感器校正级别(SC)影像产品，由我国自然资源部国土卫星遥感应用中心提供，相关参数见表1。

表1 高分七号卫星及双线阵相机主要参数

测试影像拍摄时间为2021年1月13日11时17分(图1)，拍摄区域为广东省珠海市部分区域，影像质量较好，含云量为0%，影像由喀什地面站接收，经过自然资源部国土卫星遥感应用中心进行传感器校正处理。前后视影像均覆盖城区、郊区等区域，包含建筑、道路、草地、林地、河流和沟渠、人工构筑物等，能够有效为解译度评价提供典型分析要素。

图1 高分七号前后视影像

2 高分七号图像统计特征分析

图像统计特征分析是图像工程的一项重要内容。统计分析包括灰度特征分析和纹理分析。灰度特征分析包含每一个像元亮度(DN)在图像中出现的频率，包括图像直方图、单变量统计(均值、标准差、最小值、最大值)等。纹理特征是图像质量评价的重要指标，分析内容包括图像对比度、熵、方差等。对具有不同地物特征的城区、郊区、耕地区域等不同范围影像，使用灰度特征分析和纹理特征分析评估高分七号影像图像特征和质量，分析该影像在这些不同区域对地物信息的反映情况。

2.1 灰度特征

灰度特征通过图像像元亮度、光谱强度、几何特征反映遥感影像图像质量。其中，直方图可以用于遥感影像图像信息的表达，基础单变量指标，包括影像对应区域DN值的均值、标准差等灰度信息，能够反映图像灰度特征[9]。图2为高分七号前后视影像的直方图。可见研究中所使用的高分七号影像提供了11位的量化位数，其前视影像DN值主要分布在200～1 200的DN值范围内，后视影像DN值主要分布在200～1 400的DN值范围内。整体上看来，前后视影像均出现两个波峰，后视影像对于实验区域具有较明显的光谱变化，其直方图具有更高的峰值和更明显的低谷，此外两个波峰较为明显。前视影像在DN值为297的像元数量达到峰值，在DN值为360的部分出现一个低谷，而后视影像在DN值为288的区域达到像元数量的峰值，在DN值为387的区域出现低谷。后视影像直方图中所体现的光谱变化特征使其在目视解译和影像信息提取方面，能够更好地对拍摄区域地物进行区分。

图2 高分七号前后视影像直方图

在影像图像质量量化分析和比较中，影像图像DN值的最小值、最大值、均值以及标准差可以作为评价指标。最小值和最大值可以反映DN值的值域，是相机对该区域地物光谱的响应能力。值域越宽，说明该影像能够提供的光谱信息越丰富。均值反映了相机对拍摄区域的平均光谱响应能力，是所有像元DN值综合和像素梳理的比值，可以体现影像整体的辐射效果。标准差是影像DN值密度的离散分布概率。标准差通常与图形信息量正相关，因此，运用标准差，能够分析影像的可用信息变化量以及影像的复杂程度。算式参考式(1)和式(2)[7]。

(1)

(2)

式中：m为图像DN值均值;s为图像DN值标准差;i和j分别是行数和列数;g(i,j)是影像第i行、第j列像元的DN值;M是行数总和;N是列数总和。研究中对比了高分七号前视影像和后视影像的灰度特征。表2显示了前后视影像的均值和标准差分析对比结果。

2.2 纹理特征

当用户对遥感影像进行视觉解译的时候，除了通过光谱的色调变换等进行判读，同样运用纹理特征进行判读[9]。类似灰度特征，纹理特征也是影像图像质量评价的重要指标之一。作为灰度特征的补充，二阶灰度统计能够用于纹理分析。二阶灰度统计包括了角二阶矩、对比度、信息熵、均质性等，这些指标都能够通过将亮度数值与空间分布紧密相关的灰度共生矩阵计算[7]。

灰度共生矩阵计算，通过一定距离的窗口移动，DN值在相邻像元的出现概率得到计算。定量化的纹理特征可以反映地物的空间结构以及材质信息。

均质性也称为局部稳定性，衡量影像中局部纹理变化程度。对比度通过像元之间的差异大小反映影像的清晰程度，较高的对比度说明影像的纹理差异性具有更好的视觉效果。信息熵用来衡量影像纹理的复杂程度，与信息的丰富程度正相关。式(3)—式(6)为均质性、对比度、信息熵和角二阶矩算式[7]。

(3)

(4)

(5)

(6)

式中:HOM为均质性;CON为对比度;ENT为熵;ASM为角二阶矩;p(i，j)是灰度共生矩阵中的归一化元素;i和j分别为行数和列数;n=|i-j|;L为灰度级别。

对高分七号前后视影像通过灰度共生矩阵进行纹理特征计算，使用3×3像素的移动窗口，步长为1个像素，量化级别为64。从灰度共生矩阵中计算得到均质性、对比度、信息熵以及角二阶矩。使用分辨率较为接近的高分二号相同区域全色影像与高分七号前后视影像进行对比，三者的均质性、对比度、熵、角二阶矩纹理统计分析结果见表2。

表2 高分七号前后视影像和高分二号影像图像分析结果

从表2的统计结果和图3的纹理图中可以看出，高分七号后视影像具有较好的影像纹理效果，其均质性为0.492，低于高分七号前视影像和高分二号影像，说明其影像图像纹理更为丰富，变化信息明显，其对比度也比前视影像和高分二号影像分别高出约14%和33%，图像纹理熵均优于后两者。角二阶矩3种影像差别不明显。通过对比可看出，高分七号后视影像的纹理图中地物的边缘和表面图案更为清晰，能够较好地区分地面包括建筑、道路、水体、植被等要素。总体上看，相比高分七号前视影像和高分二号影像，高分七号后视影像纹理更为丰富和细腻，信息量最大，对于目视解译和信息提取，该影像能够提供更好的纹理特征基础。

图3 高分七号前后视影像和高分二号影像纹理图

3 高分七号图像解译度分析

图像解译度等级(NIIRS)标准最初由美国图像分辨率评估与报告标准(IRARS)委员会提出。对于用户来说，NIIRS是目前国际上最为通用的遥感影像图像质量评价方法。该体系中，较高的解译度级别表明影像对于解译任务中的地物有更好的发现和识别能力，此外，解译度级别还能够根据任务需求来分析所需要的影像图像质量水平。

图像解译度对于应用遥感影像完成解译工作的任务具有重要参考意义。它将解译任务需求要素与图像质量进行有机关联，是一种兼顾主观解译综合效果与客观量化指标的计算方法。从用户角度看来，NIIRS是一种面向用户的图像质量评价方法，特别对于非专业的遥感影像用户，NIIRS标准中对应级别的要素内容能够提供非常有效的参考依据[13]。

利用通用图像质量方程式(GIEQ)对影像的NIIRS进行计算。GIQE3.0版本仅仅使用了GSD，RER和SNR进行计算，后续GIQE4.0对其进行进一步的改动。GIQE4.0[4]算式如下：

NIIRS=10.251-a×lgGSD+b×lgRER-

(7)

式中：GSD是地面采样间隔，数值上与分辨率相同;RER是相对边缘响应函数;H是过冲;G是MTF中对图像进行锐化的核计算得到的噪声增益;SNR是信噪比；a和b是变量。根据GIQE4.0模型，如果RER>0.9，则a=3.32，b=1.559，否则，a=3.16，b=2.817[4]。

GSD是基于地面的像元间距投影的地面采样间隔。GSD通过计算X(与推扫方向相同)和Y(与推扫方向垂直)方向上的像元采样间隔的几何平均值得到，可以通过影像元数据获取，单位为英寸。

相对边缘响应(RER)是衡量影像中边缘轮廓变化坡度的指标，它的数值表现了影像的MTF特征。对边缘像元DN值进行拟合计算，获取该边缘的边缘扩展函数(edge spread function，ESF)[4]。从边缘的ESF中计算归一化边缘响应值为+0.5和-0.5点的差值，作为该方向边缘的边缘响应(ER)数值。分别对影像中X和Y方向的边缘进行上述计算，得到ERx和ERy，通过计算两者的几何平均，得到最终的RER[4]。

GSD和RER是GIQE中占据主要影响的两个指标，此外，几何过冲H，MTF核G和信噪比SNR也产生一定影响[4]。

几何过冲高度(overshoot height)H用来计算ESF中距离边缘0.25个像元增量区域，范围在距离边缘1.0～3.0个像元之间的变化，如果该区域的函数是单调递增，则使用边缘1.25像元距离的归一化边缘响应值作为H数值，否则，使用+1～+3像元距离位置的最大值作为H[4]。同样，H也需要计算X方向和Y方向的结果，得到其几何平均值。

G是边缘锐化计算得到的噪声增益，同样也是X和Y方向的几何平均值。由于本次实验使用的是高分七号测试影像，没有其进行MTFC处理的相关信息，因此，按照G的默认值1进行计算。

SNR反映了影像的信息获取能力，是几个指标中影响最小的。文献[14]的研究中指出GIQE4.0中，GSD对结果的影响为72%，RER为20%，SNR小于1%。主要使用高分七号影像元数据中的数值进行计算。

通过上述相关指标，计算得到高分七号后视影像解译度为4.127，前视影像解译度为3.837。研究对高分七号前后视影像和对应级别的国内其他高分辨率卫星影像解译度进行计算和对比，得到GIQE的计算结果，各项指标计算结果如图4所示。

图4 不同卫星影像解译度指标计算结果对比

4 高分七号制图能力分析

全色影像具有更高的分辨率和更好的几何特征，能够进行地形图绘制或者融合多光谱影像构建正射纠正影像(DOM)。其中，用户较为关注的一个方面，便是利用该全色影像能够完成何种比例尺的制图，不同比例尺的影像能够完成不同的应用，如土地利用和土地覆盖以及基础地理信息要素的解译、绘制和表达。不同图像质量的影像体现出来的综合视觉效果质量，影响其作为制图数据源的应用能力，从图像视觉质量角度，越好的图像质量能够完成更大比例尺的应用。

影像制图中，人眼分辨率、图像校正系数、影像的分辨率等因素，都决定了该影像能够完成的制图比例尺[14]。提出，基于实际制图应用经验，分辨率和制图比例尺具有较大相关性，其相关性算式如下：

C×GSD=e×M×1 000.

(8)

式中:C为图像校正系数，该参数描述了图像数据和真实情况的差距，单位是像元；GSD为地面采用间隔，或分辨率，单位是m；e是人眼分辨率，单位是mm；M为制图比例尺的分母。该算式反映了GSD在制图比例尺中的重要影响，两者为反比关系。

根据GIQE算式和制图比例尺计算式，可以得到NIIRS和制图比例尺分母(1/M)之间的关系，使得一旦计算得到NIIRS数值，便可以计算得到潜在的制图比例尺数值。反过来，明确了所需的制图比例尺，可以确定能够满足该比例尺的影像图像质量。NIIRS和制图比例尺关系式如下：

(9)

式中:C为图像校正系数，取值为1;e为人眼分辨率，选取较为通用的0.2 mm[14];M为从视觉角度的制图比例尺;0.025 4为NIIRS中GSD英寸单位和制图比例尺公式中m单位的换算系数。式中的M为制图比例尺的比例因子，即比例尺分母，通过该数值，可以计算出对应影像在图像质量方面能够满足的最大制图比例尺。

通过式(9)，计算高分七号前后视影像可用制图比例尺，结果如表3所示。

5 结束语

本研究利用面向用户的图像质量评价方法对高分七号前后视影像做了分析，还利用图像解译度指标评价了高分七号前后视影像的可用性以及制图能力，并且与其他影像做了对比。结果表明，高分七号前后视影像具有较好的光谱特性和纹理效果，其较高的分辨率和图像质量能够为影像目视解译和信息提取提供丰富的特征信息，特别是其后视影像，有助于多光谱影像融合形成正射纠正影像，在解译度方面，高分七号后视影像具有更高的解译能力，能够达到4.127的解译级别，从图像质量方面最大能够完成1∶7 000比例尺制图，完全满足1∶10 000标准比例尺的初始设计目标。