一种多源多时相高分遥感影像快速匀色处理方法及其应用

宋 鹏

(福建省测绘院,福建 福州 350000)

0 引言

近二十年来，作为现代测绘“3S”技术的代表之一，遥感技术取得了飞速的发展和进步。目前，我国已发射了多种遥感卫星，形成高、中、低轨道相结合，大、中、小卫星相协同，高、中、低分辨率相弥补的全球对地观测体系，能够准确快速地获取多种成像模态，多种空间、时间和光谱分辨率的对地观测数据。但是，相对于遥感数据的获取速度，其快速智能处理和服务能力仍严重滞后，海量数据堆积与有限信息孤岛并存的矛盾仍然十分突出[1]。在智能化测绘新时代，如何以更高的效率和更智能的手段获得更精准的处理结果，成为急需解决的问题。由于天气条件、时相和传感器存在差异等，导致获取的遥感数据不能被直接应用，这些影像需要经过辐射定标、大气校正、几何校正、图像匀色等后期处理才能被应用到各大行业领域中。生成大范围、时间有序、空间对齐、辐射一致的高质量合成遥感影像产品是摄影测量遥感的重要任务之一。而大范围的多源多时相高分遥感影像快速匀色技术就成为遥感影像处理的技术难点之一。

本文通过分析传统遥感影像匀色方法存在的问题，提出一种根据低分辨率基准色调影像的色彩，对大范围、多源多时相遥感影像进行色彩均一化处理，使整体影像色彩基本保持一致的匀色方法，并以福建省1∶10000卫星数字正射影像图生产制作为例，详细介绍该匀色方法的处理过程。

1 传统遥感影像匀色方法

随着遥感技术的飞速发展，遥感影像数据的应用越来越多，遥感的匀色处理技术也在遥感影像处理过程中发挥越来越大的作用。传统的遥感影像匀色处理主要依靠人工利用图像处理软件进行匀色处理。由于色彩处理的主观性较强，不同作业人员处理的结果也不一样，涉及到大范围的多源影像数据处理时，最终的处理效果不够理想，而且在色彩处理过程中需要耗费大量的人力和时间。

近年来，国内学者提出了许多遥感影像的匀色处理算法。其中，基于直方图匹配的匀色处理方法和基于Wallis滤波器的匀色处理方法在遥感影像匀色处理中应用广泛。基于直方图匹配的匀色处理方法是影像色彩一致性处理时经常用到的方法，直方图匹配是使待匀色的影像与匀色模板的直方图分布接近，此方法主要针对影像整体的色彩调节，对亮度不一致的影像处理效果不佳。基于Wallis滤波器的匀色处理方法是将待匀色影像的灰度均值和标准差映射到匀色模板的均值和标准差，使两个影像的相同区域的灰度均值和标准差基本相等。基于Wallis滤波器的匀色处理方法通常应用于单幅影像的匀色处理。

由于传统的经典匀色处理方法在当前海量影像匀色处理中都有其无法避免的缺点，因此，我们急需研究一种针对海量多源卫星遥感影像快速匀色处理的技术。

2 海量卫星影像匀色处理方法

在卫星正射影像生产过程中，所获取的影像数据一般是不同时相、不同区域的，色调存在差异，需要进行匀光匀色处理使之色调尽量一致。在对不同的匀色方法进行对比实验后，本文针对多源多时相高分遥感影像匀色处理提出了以下方案：基于小波变换[2]和Walls变换[3]的卫星影像色彩平衡方法，对原始卫星影像和基准色调影像进行小波分解，获得相应的高、低频信息，根据高、低频信息将原始卫星影像与基准色调影像进行色彩匹配，最后进行小波重构，获得色彩均衡后的影像[4]。卫星影像匀色处理流程如图1所示。

图1 卫星影像匀色处理流程

3 福建省1∶10000卫星数字正射影像图制作过程

根据本文提出的多源多时相高分遥感影像匀色处理方法，详细介绍福建省的1∶10000卫星数字正射影像图生产过程。

3.1 测区情况

福建省地处我国东南沿海，属于经济较发达地区，境内地势大致西北高东南低，沿海一带主要为平地、丘陵，西部和北部主要以丘陵、山地为主，森林覆盖率达66.8%。福建省属于沿海地区，地貌种类较全，多种地貌特征及海域覆盖的地域特点对于多源卫星影像匀色处理分析有着重要的意义。

3.2 数据准备

3.2.1 原始卫星影像数据准备

本次实验所使用的卫星遥感影像数据主要为覆盖福建省地区的“高景一号”卫星遥感影像，部分数据为“Wordview 2”和“Pléiades”卫星遥感影像，现势性为2020年和2021年，分辨率0.5m。具体数据情况如表1所示。

表1 影像数据情况

3.2.2 基准色调参考影像的选取

在匀色处理之前，需要选取覆盖生产区域的低分辨率历史影像作为基准色调参考影像，即匀色模板。匀色模板的选取主要考虑三个因素：第一，影像色彩一致性较好，保证匀色后影像整体色彩一致；第二，影像无云雾覆盖，包含的地物要尽量丰富；第三，影像分辨率较低，数据量小，一张模板影像能覆盖整个生产区域，可以使用PhotoShop等图像处理软件对匀色模板进行整体色彩调整，使其达到较好的色彩效果[5]。

本次实验选取的匀色模板是从Google地球上下载的20m分辨率影像数据，并使用PhotoShop对其色彩、曝光度、亮度、对比度等相关参数进行调整，使整个匀色模板色调尽量趋于一致。调整后的匀色模板如图2所示。

图2 匀色模板

3.3 原始卫星影像正射校正

首先对待处理的原始卫星影像数据进行分析，选取质量较好、时效性较新的数据，剔除云雾较多、质量较差的数据。结合生产区域现有的基础测绘1∶10000正射影像和数字高程模型成果，基于影像密集匹配的技术提取遥感影像控制点，进行区域网平差并解算遥感影像外参数，然后配合数字高程模型成果对全色波段遥感影像进行正射校正；再以平差解算后的全色影像对多光谱波段遥感影像进行配准和正射校正，生成高精度的全色影像和多光谱影像。

3.4 影像拉伸处理

通过对全色影像和多光谱影像的色阶调整，对影像进行拉伸处理，改善影像的对比度，突出影像的细节信息。图4(a)和图4(b)是对原始全色影像图3(a)和原始多光谱影像图3(b)处理后的结果，可以发现，经过拉伸处理后原始影像的对比度和影像细节有了较好的改善，此过程能够减少影像后期匀色处理的细节缺失。

(a)原始全色影像 (b)原始多光谱影像

(a)拉伸处理后全色影像 (b)拉伸处理后多光谱影像

3.5 全色影像匀光处理

由于传感器镜头透镜的因素，透镜在不同位置的进光量会有明显差异，造成同一景影像数据存在光照不均匀的现象[6]，还有部分影像有云雾等因素，导致影像在亮度、色彩等方面存在差异。在对全色影像进行匀色前，需要对其进行匀光处理，消除光照不均匀的现象，使每一景影像整体的亮度与反差分布均匀，减少影像后期处理过程中的曝光问题。

3.6 色彩均衡处理

根据小波变换和Walls变换的卫星影像色彩平衡方法，将纠正后的全色影像和多光谱影像与基准色调影像进行色彩匹配，最后进行小波重构，生成色彩均衡后的全色影像和多光谱影像。图5(a)和图5(b)分别是经过色彩均衡处理后的全色影像和多光谱影像。

(a)色彩均衡处理后全色影像 (b)色彩均衡处理后多光谱影像

3.7 影像融合

将色彩均衡处理后的全色影像和多光谱影像进行融合，生成色彩一致性较好的真彩色卫星影像成果，如图6所示。

图6 融合处理后的影像成果

3.8 影像镶嵌

将匀色处理后的单景正射影像导入影像镶嵌处理软件中进行自动生成镶嵌线处理，再结合人工处理的方式对整个实验测区的影像进行镶嵌线编辑，最后进行镶嵌处理，生成正射影像成果，如图7所示。

图7 福建省匀色后的影像成果

4 实验结果分析

根据匀色处理流程对福建省影像进行匀色处理，然后进行镶嵌拼接生成一张正射影像成果[7]，可以发现整个实验测区内影像的色调差异得到了明显改善，色彩一致性较好，各景影像接边处不存在明显的色彩差异，特别是海域部分的接边处色彩过渡平滑，较传统的匀色方法有了较大的改善。

5 结束语

经过研究和实验，本文提出的根据小波变换和Walls变换的卫星影像色彩匀色方法针对海量多源多时相高分卫星遥感影像匀色处理有较好的效果。采用该方法对多源多时相遥感影像进行匀色处理，解决了海量遥感影像数据匀色处理效率低、效果差等技术难题，具有良好的应用前景。