机载成像光谱仪, 特别是以摆扫式成像的光谱仪(如OMIS-II), 获取的图像上往往存在边缘辐射畸变现象, 主要表现为同一扫描行中同种地物的亮度值(DN值)从机下点向两侧递减。这主要是由传感器成像时观测角的变化导致的地面分辨率、大气路径长度、仪器— 太阳— 目标几何关系以及地物反射非朗伯特性等因素综合作用的结果^{[1, 2]}。因此, 图像边缘辐射畸变校正是机载高光谱遥感图像深化处理和定量应用的首要环节。

目前, 针对图像边缘辐射校正的方法主要有空间-频率域滤波方法、直方图匹配法和矩匹配法。空间-频率域法主要通过小波变换来实现, 很容易将处于条带频率的非条带有用信息去除掉, 即对非畸变区域产生负面作用, 因此不宜用于定量化遥感中^{[3, 4]}; 直方图匹配法和矩匹配法均是基于图像本身的灰度特征进行的, 其理论基础是假设探测器在不同角度观测同一目标时, 得到的数值应该是相同的, 同时当遥感器观测大范围地物时, 探测器在每个角度上(对应图像中的某列)观测到的不同地物的概率是相等的, 因此, 当选定某一列为参考列时, 其他列的输出值可以根据参考列输出值的统计特征来匹配。直方图匹配法使单列分图像的累积概率直方图与参考列的累积概率直方图相匹配, 但在实际计算中, 当将原始直方图中概率为P的DN_i值匹配到参考直方图中的DN_r值时, 可能找不到完全与之相对应的P, 这就需要按一定规则(比如四舍五入)将其划入与之相邻近概率值对应的DN_r'中, 从而产生归属误差(Binning Error)^{[5, 6]}。另外, 在转换过程中, 由于偏移量的不同可能使某些本来不饱和的像元转换后变得饱和(最大值)。直方图匹配法对直方图相似性假设的要求是比较严格的^[7]; 矩匹配法将各列的均值、标准差和参考列的均值、方差相匹配, 进而实现图像校正目的, 在图像条带噪声去除方面应用最为广泛, 具有自动、快速完成图像辐射校正的优点^{[1, 8]}, 最近在地形辐射噪声去除方面也有突破^{[9, 10]}。

由于航空遥感定量化要求很高, 为保证后续应用的有效性, 在实现图像边缘辐射校正的同时必须保证数据在空间维和光谱维上的准确性, 而过去研究主要集中在空间维上。本研究尝试运用直方图匹配法和矩匹配法校正OMIS-II图像的边缘辐射畸变, 并从空间维和光谱维上分析校正结果。

本文研究数据是通过参加中国科学院西部行动计划“ 黑河流域遥感-地面观测同步试验与综合模拟平台建设” 与国家基础研究计划(973)项目“ 陆表生态环境要素主被动遥感协同反演理论与方法” 在黑河组织的大型综合试验获取的。2008年6月4日对张掖— 大满地区进行了航空高光谱遥感数据获取, 采用的主要成像光谱仪之一为OMIS-II, 获得了15个条带数据。OMIS-II(也叫实用模块化成像光谱仪Ⅱ 型)是上海技术物理研究所研制的一套先进的机载高光谱成像系统, 在可见光到热红外区间有64个波段, 总视场角为73° , 详见表1。

表1

Tab.1

表1(Tab.1)

表1 OMIS-II波段设置 Tab.1 Bands of OMIS-II 波段/μ m 波段数/个 0.46~1.10 60 1.55~1.75 1 2.08~2.35 1 3.0~5.0 1 08.0~12.5 1

表1 OMIS-II波段设置 Tab.1 Bands of OMIS-II

本次试验平均飞行高度为1 500 m, 对应地面分辨率约4.5 m。图像前60个波段经过去暗电流处理和基于POS的几何粗纠正, 因此本文的分析仅对前60个波段进行。

与飞行同步进行了地面典型地物反射率光谱测量。所用仪器为野外便携式光谱仪ASD FieldSpec FR, 工作波长范围为350~2 500 nm, 其光谱分辨率在350~1 000 nm之间为3 nm, 1 000~2 500 nm之间为10 nm, 可以满足波长重采样要求。测量地点在工行度假村和盈科气象站, 主要测量地物为水泥路面、玉米、小麦、荒漠、黑布和白布等。这些同步测量光谱将用于OMIS-II图像的反射率标定和辐射校正后光谱保真效果评价。

图1为原始图像与校正后图像的局部比较。校正前图像存在着明显的中间亮两边暗的视觉效果, 而且沿着扫描方向其辐射亮度极不均匀, 图像边缘模糊不清, 这是因为OMIS-II视场角大, 大气对入射光的衰减越到边缘越严重。另外, 在本次试验中, 由于机舱底部窗口偏小, 使得航带两侧像元为机舱壁遮挡, 更加剧了辐射畸变的严重性。通过直方图匹配法和矩匹配法处理后, 整个图像的对比度增强, 空间纹理信息大大提高了, 尤其是图像两侧部分恢复效果良好, 地表信息清晰可见。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 辐射校正前后图像比较Fig.1 Contrast between original and calibrated images

校正前后图像的清晰度(图2)表明, 直方图匹配和矩匹配校正后整景图像的清晰度均高于原始图像的清晰度, 均值分别为0.044 3和0.044 4, 而原始图像清晰度均值为0.039; 对于畸变严重的图像边缘, 直方图匹配和矩匹配校正后的清晰度要显著高于原始图像相同部分的清晰度, 其清晰度均值分别为0.031、0.030和0.018。同时直方图匹配和矩匹配校正结果之间的清晰度没有显著差异。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 不同校正方法对图像清晰度的影响Fig.2 Clarity of the original image and calibrated image

为进一步说明两种校正方法的校正效果, 从图像中选取地物均匀的若干扫描行, 通过校正前后DN值的比较来做具体说明(图3)。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 校正前后沿扫描行DN值分布Fig.3 The distribution of DN values before and after correction

从图3可以看出, 两种校正方法校正效果差异不大, 最大差异约7%。与原始图像相比, 用直方图匹配和矩匹配方法校正后左起像元号250到450的DN值与校正前相差较小, 差异的均值分别为7.29%和6.19%; 而用直方图匹配和矩匹配方法校正后图像两侧DN值差异很大, 差异的均值分别为40.93%和39.31%。这表明两种校正方法均能在保持图像中间区域DN值的基础上恢复图像边缘像元的DN值。

以上分析说明, 在空间域上, 矩匹配法和直方图匹配法校正效果基本一致。但是, 高光谱遥感器在获取地物空间谱的同时也获取了地物的光谱, 因此分析两种校正方法对典型地物光谱的影响具有十分重要的作用。本文采用经验线性法对原始图像、两种方法校正后的图像进行反射率转换。实际运算中, 选取了水体、白布、水泥和小麦4种地物。采用矩匹配法和直方图匹配法对图像校正的目的是恢复图像的边缘信息, 因此, 要分析校正效果应该从校正后的图像能否保持图像中间地物光谱信息和恢复图像边缘地物的光谱信息两方面研究。

图像获取时间为2008年6月份, 此时的田间植被只有小麦能完全覆盖地面, 可以认为是纯像元, 因此, 通过提取校正前后小麦的反射率曲线来分析校正效果。图4为不同方式获取的小麦反射率曲线。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 小麦反射率曲线比较Fig.4 Comparision of Reflectance curves of wheat

图4(a)表明, 原始图像中间位置的小麦反射率曲线与矩匹配校正后的小麦反射率曲线变化趋势基本一致, 且曲线十分光滑; 直方图匹配法校正后的小麦反射率曲线存在明显的噪声, 因此需要进一步做平滑处理, 平滑后的小麦反射率曲线的噪声得到部分的抑制(图4b)。分析图4(c)可得, 与ASD实测结果相比, 原始图像的小麦反射率曲线严重畸变, 而矩匹配和直方图匹配法校正后的图像边缘小麦的反射率曲线基本得到恢复。在图4(a)、(b)、(c)中, 直方图匹配法校正后的小麦反射率曲线在620~690 nm之间均存在明显的反射峰, 而实际上, 小麦在620~690 nm之间应是红波反射谷。以上分析表明, 在光谱维上, 矩匹配法校正的效果要优于直方图匹配法。

本文首先从空间维上总结和比较了直方图匹配法和矩匹配法对OMIS-II图像边缘畸变校正的效果, 在此基础上运用经验线性法获取了典型地物反射光谱, 分析了这两种校正方法对地物反射光谱曲线的影响, 结果表明:

(1)在空间维上, 直方图匹配法和矩匹配法均能有效恢复图像边缘地物信息, 且通过目视比较、清晰度分析以及对扫描行上DN值的比较分析, 认为两种方法校正后的图像没有显著差异。

(2)在光谱维上, 直方图匹配法校正后的小麦光谱曲线存在明显噪声, 需要做平滑处理, 同时在620~690 nm区域存在显著的反射峰, 这与实际情况不符。而矩匹配法在保持图像中间区域小麦反射率的前提下, 能够有效恢复图像边缘位置的小麦反射率。

(3)从运算效率上来看, 矩匹配法运算简单, 计算时间短, 而直方图匹配法在同样配置的计算机上运算时间长, 效率低。

(4)对OMIS图像采用矩匹配法进行图像边缘畸变校正是明智的选择。在对高光谱图像进行辐射校正时要同时从空间维和光谱维两个方面进行分析。

(5)矩匹配和直方图匹配法在相对辐射校正同时, 部分消除了地物二向反射规律, 对于二向反射定量遥感需求的科研人员, 该方法校正后的结果要慎用。