为了数据存储访问的方便, 一幅图像需要存储为二维矩阵(范围可用矩形表示)的形式。然而, 图像所在区域并不能完全被涵盖在该矩形中。这种情况尤其发生在几何纠正后的图像和刚刚镶嵌后的图像中, 几何纠正使原始的矩形图像区域由于拉伸变形等变成了不规则区域, 镶嵌则使规则矩形拼接后变成不规则多边形。

以镶嵌图像为例说明有效区域确定的算法。假设基准图像是一个2幅图像的镶嵌图像(图2中基准图像的格网区域), 而待配准图像是一幅矩形图像(如图2所示), 在基准图像内, 左上角和右下角部分都是无效区域。由于背景和有效区域有像元值差异, 可以利用边界追踪算法自动追踪有效区域的边界从而获得有效区域。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 镶嵌图像之间的关系Fig.2 Relation map of images to be mosaicked

重叠部分的有效区域是一个多边形, 该多边形内任意一点在2幅图像的像元值均不为背景值, 而多边形外的任意一点至少在一幅图像上为背景值。在高精度几何精校正的基础上, 2幅图像的地理坐标都已经确定, 则可以用多边形裁剪的方法确定2个多边形的重叠区域, 即有效重叠区域。

当有效区域确定后, 即可以进行图像的拼接。在2幅图像进行拼接时, 对于非重叠区域, 分别采用各个图像的像元值; 而对于重叠区域的值, 应优先采用基准图像的像元值, 只有当基准图像在重叠区域内是无效区域时, 才采用待配准图像的像元值(对图2中有效重叠区域的取值如图3所示)。这时需要判断像元值是否落在有效区域内, 频繁计算原始图像中的像元是否在某一区域内, 即判断点是否在多边形内的算法, 使总体效率低下。本文采用多边形和二值图像2种方法表示有效区域。多边形法用来确定图像镶嵌的拼接线; 二值法则用一幅多边形扫描转换得来的二值图像来表示图像的有值区域, 1代表有效值, 0代表背景值。二值图像占用存储空间小。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 图2中重叠区域内不同部分的取值Fig.3 Different values in different areas of the overlapping part in Fig.2

在拼接后的图像上, 有效重叠区域的部分边界上会出现一条明显的接缝线, 规定重叠区有效区域的多边形的边的方向为逆时针, 即多边形的有效区域在边界的左侧。遍历多边形的所有边, 当边的右侧落在待配准图像的有效区域内时, 在该边是一条接缝线(图3中的粗线部分)。该边左侧(重叠区域内)的值采用基准图像的值, 而右边(重叠区域内)的值采用待配准图像的值, 因此在该处出现接缝线。缓冲区是为了消除接缝线而建立的区域, 具体讨论见1.3节。

由于遥感成像受地区、季节、气象及太阳高度角等各种因素的影响, 不仅存在大气干扰造成的辐射退化, 而且不同时相图像数据的分布及统计特征也有明显差异, 这些差异导致几何拼接后的结果图像上有明显的色调差异。因此, 需要做一个整体的色调调整, 使相邻2幅图像具有和谐过渡的色调。色调调整方法主要有如下3种:

(1)方差均值法。该方法的本质是线性调整, 假设要进行调整的2幅图像分别为f(x, y)和g(x, y), 并且希望把图像f(x, y)的色调调整到与g(x, y)一致。设α 是f图像相对于g图像的增益变化, β 是零线漂移量。即

g(x, y)=α f(x, y)+β (1)

式中, α 和β 分别根据图像有效重叠区域内的方差和均值确定。

(2)Wallis变换方法^[5]。该方法可以看作是一个比较特殊的滤波器, 它的目的是将图像的灰度均值和方差映射到给定的灰度均值和方差。目前Wallis变换在图像匹配^[6]和图像融合^[7]中都有应用。

(3)直方图匹配法。该方法是将一幅图像经过拉伸变换, 使之具有与目标图像相似的直方图。它是遥感图像处理中比较常用的方法。

本文用上述3种方法对同一组遥感图像进行色调调整试验, 并对比效果(见2.1节), 选取较优的一种作为色调调整的方法。

拼接线的确定通常有2种方式: ①以拼接边界作为拼接线; ②在重叠区域内根据图像的灰度纹理等特性选择最佳拼接线。本文以图像有效区域的拼接边界作为镶嵌处理的拼接线(图3中的粗黑线)。经色调调整后的图像, 在接缝线附近还会存在微小的色调差异, 因此, 在图像镶嵌过程中, 需要有一种技术能够修正拼接缝附近像元的灰度, 使拼接缝附近的灰度有一个光滑的过渡。现有的方法主要有基于小波变换^{[8, 9]}和基于重叠影像^[10]2种。这2种方法各有优缺点, 前者理论严密, 但实现起来比较困难, 处理过程对计算机的内存要求很高; 后者算法简单, 但当图像几何镶嵌精度不高时, 处理效果不好。本文的镶嵌建立在高精度的几何配准基础上, 采用了基于重叠区图像的拼接缝消除方法— — 缓冲区加权平均法。

首先在接缝线上向接缝线的内侧回退两个缓冲半径, 作为消除接缝线的缓冲区域(如图3所示的条带区域); 然后在缓冲区内用加权平均法对像元进行重采样。缓冲区内的加权平均重采样公式为

F(x, y)=0.5R(R-t)f(x, y)+0.5R(R+t)g(x, y)(2)

式中, F(x, y)为输出像元值; f(x, y)为主图像缓冲区内像元值; g(x, y)为配图像缓冲区内像元值; R为缓冲半径(2R< 重叠宽度); t为缓冲区中的点到中心线的距离, 左上为负, 右下为正。

加权平均就是要把接缝线处的色调差异平滑推广到整个缓冲区内, 这样在视觉上有一个平滑的过渡。但同时会影响到图像信息的质量, 因此要选择一个合适的半径来生成缓冲区。本次试验选用20个像元的缓冲区半径, 即要求至少有40个像元宽的重叠区域, 这在一般的航摄图像和卫星图像中都能满足。

本文对1.2节中所述的3种方法进行对比实验, 实验图像为2幅覆盖杭州地区的、获取时间不同的SPOT 5卫星图像, 2幅图像之间有明显的色调差异(图4(a))。3种方法的色调调整效果如图4所示。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 不同方法色调调整实验结果 (a图左下角为基础图像, 右上角为待调整图像; b~d图左下角为基准图像, 右上角为色调调整后图像)Fig.4 Test results of color adjustment using different methods

可以看出, 直方图匹配方法效果最好(图4(d)); 方差均值法的效果不理想, 它使调整后图像与目标图像同名像元求差值的平方和最小, 即总体离差最小, 这并不能保证图像有相似的色调(图4(b)); Wallis变换虽然有较好的效果, 但是该变换有2个未知的参数, 它们的确定通常是一个经验值, 图4(c)是其参数调整到最佳时的效果。

为了整体流程的自动化, 本文采用了直方图匹配法。从本质上讲, 方差均值法和Wallis变换均是对原始图像作一个线性的拉伸, 而直方图匹配变换则是根据不同的直方图特性对原始图像进行分段调整, 适合于任意2幅遥感图像之间色调差异的非线性特征。

采用多波段遥感数据进行2组实验, 第1组数据为2004年获取的3幅杭州地区TM多波段合成图像(1 024像元× 1 024像元), 第2组为2005年获取的6幅杭州地区SPOT卫星多波段合成图像(1 024像元× 1 024像元), 组内图像间均存在明显色调差异(图5(a)和图6(a))。经过自动匀光处理的多幅拼接图像, 整体色调一致, 且不存在明显接缝线(图5(b)和图6(b))。

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 第1组实验图像(TM)Fig.5 Test image group 1(TM)

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 第2组实验图像(SPOT)Fig.6 Test image group 2(SPOT)