引用本文
韩丽蓉. 基于ERDAS的掩模图像生成方法探讨[J]. 国土资源遥感, 2013,25(2): 81-86
HAN Lirong. Discussion on the method of forming mask image based on ERDAS[J]. REMOTE SENSING FOR LAND & RESOURCES,2013,25(2): 81-86  
Permissions
Copyright©2013, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于ERDAS的掩模图像生成方法探讨
韩丽蓉
青海大学地质系,西宁 810016

作者简介: 韩丽蓉(1967-), 女, 硕士, 教授, 主要研究方向为遥感及地理信息系统。 E-mail:hanlirong123@yahoo.com.cn。

收稿日期: 2012-06-04
摘要

同时存在多种地物干扰影响时,如何利用遥感软件ERDAS的可视化编程Modeler模块生成符合某种条件的二值掩模图像及多值掩模图像,在以往文献中很少有介绍,但这项技术的确是去除干扰信息及提取有用信息的关键一步。针对此问题,探讨了基于该模块生成二值和多值掩模图像的方法; 将生成的多值掩模图像应用于卫星遥感图像处理,得到无干扰信息的遥感图像; 并在此基础上用主成分分析法提取遥感铁染蚀变信息及羟基蚀变信息。结果表明: 利用此方法生成的多值掩模图像应用于卫星遥感图像处理,可有效去除干扰信息,剔除假异常信息,为遥感蚀变信息提取提供高质量的基础数据。

关键词: ERDAS; 掩模图像; 干扰信息; 不规则区域
中图分类号:TP751.1 文献标志码:A 文章编号:1001-070X(2013)02-0081-06 doi: 10.6046/gtzyyg.2013.02.15
Discussion on the method of forming mask image based on ERDAS
HAN Lirong
Department of Geological Engineering, Qinghai University, Xining 810016, China
Abstract

The problem as to how to form binary or multi mask image by ERDAS’s Visualization Modeler according to the condition with mult-interference information has been seldom dealt with in previous papers; nevertheless, this problem is really the key to deleting the interference information and extracting the useful information. In this paper, the authors discussed the method for forming binary or multi mask image by ERDAS’s Visualization Modeler, extracted and analyzed the iron-stained and hydroxyl anomaly alteration information based on the multi mask image and principal component analysis technology. The results show that the interference information or the false information can be deleted and the useful information can be extracted from the remote sensing image by masking based on the multi mask image, and that the high quality basic data can be provided for the extraction of the alteration information from the remote sensing image.

Keyword: ERDAS; mask image; interference information; irregular region
0 引言

在遥感图像应用于地质找矿的研究中, 为了达到理想的地质解译和找矿信息提取效果, 必须结合研究区的实际情况采取合适的图像处理方法。例如利用TM卫星图像提取蚀变岩石出露部分的蚀变异常信息时, 遥感图像由于受到各种地物信息(主要是植被、盐碱地、云、水体和阴影等)的干扰[1, 2, 3, 4, 5], 可能会产生一些假异常信息; 所以图像预处理的关键一步是要生成干扰区域的掩模图像, 只有通过掩模运算去除干扰信息, 才能有效地提取蚀变异常信息。以往文献中介绍的基于ERDAS软件生成干扰区域的二值掩模图像的方法主要是利用伪彩色功能, 通过在属性表中改变像元的颜色确定二值密度分割的阈值, 并通过Recode命令重编码, 得到用于去除单一干扰因素的二值掩模图像, 过程烦杂, 不太实用; 而同时存在多种地物干扰影响时, 如何利用遥感软件ERDAS的可视化编程Modeler模块生成符合某些条件的二值掩模图像及多值掩模图像, 在以往的文献中很少有介绍, 但这项技术的确是去除干扰信息及提取有用信息的关键一步。鉴于此, 本文探讨了基于ERDAS的Modeler模块生成二值和多值掩模图像的方法, 并将该方法应用于青海省祁连地区TM数据遥感蚀变信息提取的图像预处理。实践表明, 将生成的多值掩模图像应用于卫星遥感图像, 得到无干扰信息的遥感图像, 为有效提取铁染和羟基遥感蚀变异常信息, 取得较好的地质找矿效果提供了高质量的基础数据。

1 二值掩模图像生成方法
1.1 不规则区域的二值掩模图像

利用Vector模块的“ vecter to raster” 功能, 可将具有拓扑关系的边界矢量多边形(* .coverage)转换为栅格图像, 即具有掩模功能的二值图像(图1)。

图1 不规则区域的二值掩模图像Fig.1 Binary mask image of irregular region

设置参数时, 输入的coverage类型为polygon; 在矢量图层属性表中将ID字段的值赋予像元; 输出的图像是专题图像thematic。进而可利用此掩模图像进行掩模运算(Masking), 得到不规则区域。

1.2 符合某种条件的二值掩模图像

从TM卫星图像中提取遥感蚀变异常信息时, 遥感图像由于受到各种地物信息的干扰[2, 3, 4, 5], 要提取蚀变异常信息, 首先要生成干扰区域的二值掩模图像, 然后通过掩模运算去除这些干扰信息。

1.2.1 单一干扰因素二值掩模图像

单一干扰因素包括植被(zhibei)、盐碱地(yanjiandi)、云(yun)、水体(shui)和阴影(yinying)等。

1.2.1.1 植被的二值掩模

绿色植被在近红外波段(TM4)形成强反射, 在红波段(TM3)形成吸收谷[6, 7, 8]。可采用空间建模工具Model Maker建立除法模型来计算植被指数NDVI, 即

NDVI=(TM4-TM3)/(TM4+TM3)。 (1)

经实验确定植被的分割阈值为NDVI=0.21, 通过Conditional的EITHER语句进行条件判断, 即“ EITHER 1 IF(NDVI> 0.21) OR 0(OTHERWISE)” , 则得到条件NDVI> 0.21成立时为植被, 其输出值被赋予1; 条件NDVI≤ 0.21成立时为非植被, 其输出值被赋予0的植被二值掩模图像(图2)。

图2 存在植被干扰时的二值掩模图像Fig.2 Binary mask image with vegetation interference information

若要通过掩模运算去除植被干扰信息, 在设置setup recode时, 将植被干扰区域的分类编码新值(new value)设置为0, 非植被干扰区域的分类编码新值设置为1, 即可得到非植被区域图像(图3)。

图3 非植被区域图像Fig.3 Image of non- vegetation region

1.2.1.2 盐碱地的二值掩模

盐碱地在TM3的灰度值相对较高, 经实验确定盐碱地的分割阈值为130。与植被相似, 同样可得到条件TM3> 130成立时为盐碱地, 其输出值被赋予1; 条件TM3≤ 130成立时为非盐碱地, 其输出值被赋予0的盐碱地二值掩模图像。

1.2.1.3 云的二值掩模

云的反射光谱特征在TM1的灰度值相对较高, 经实验确定云的分割阈值为165。与植被相似, 同样可得到条件TM1> 165成立时为云, 其输出值被赋予1; 条件TM1≤ 165时为非云, 其输出值被赋予0的云二值掩模图像。

1.2.1.4 水体的二值掩模

水体的反射光谱特征为TM7< TM1, 利用TM7/TM1经实验确定水体的分割阈值为0.2。与植被相似, 同样可得到条件(TM7/TM1)< 0.2成立时为水体, 其输出值被赋予1; 条件(TM7/TM1)≥ 0.2成立时为非水体, 其输出值被赋予0的水体二值掩模图像。

1.2.1.5 阴影的二值掩模

陆地上阴影的反射光谱特征为TM7> TM1, 利用TM7/TM1经实验确定阴影的分割阈值为3。与植被相似, 同样可得到条件(TM7/TM1)> 3成立时为阴影, 其输出值被赋予1; 条件(TM7/TM1)≤ 3成立时为非阴影, 其输出值被赋予0的阴影二值掩模图像。

1.2.2 多种干扰因素二值掩模图像

若TM卫星图像同时存在上述多种干扰因素的影响, 令A为植被区域, A¯为非植被区域; B为盐碱地区域, B¯为非盐碱地区域; C为云区域, C¯为非云区域; D为水体区域, D¯为非水体区域; E为阴影区域, E¯为非阴影区域, F为非干扰区域; 则A∪ B∪ C∪ D∪ E为总干扰区域图像, A¯∩ B¯∩ C¯∩ D¯∩ E¯为非干扰区域图像F, 且

(2)

1.2.2.1 A∪ B∪ C∪ D∪ E(总干扰区域图像)的实现

可利用上述单一干扰的二值掩模图像在Modeler模块里建模, 将value=1的各种干扰区域图像进行“ OR” 并集处理, 即

(zhibei=1)OR(yanjiandi=1)OR(yun=1)OR, (3)

得到总干扰区域图像为1、非干扰区域图像为0的多种干扰二值掩模图像(图4)。

图4 多种干扰的二值掩模图像(Ⅰ )Fig.4 Binary mask image with mult-interference information(Ⅰ )

1.2.2.2 A¯∩ B¯∩ C¯∩ D¯∩ E¯(非干扰区域图像)的实现

方法Ⅰ — — 利用上述只存在单一干扰时的二值掩模图像在Modeler模块里建模, 将value=0的各种非干扰区域图像进行“ AND” 交集处理, 即

(zhibei =0)AND(yanjiandi=0)AND, (4)

得到非干扰区域图像为1、总干扰区域图像为0的多种干扰的二值掩模图像(图5)。

图5 多种干扰的二值掩模图像(Ⅱ )Fig.5 Binary mask image with mult-interference information(Ⅱ )

方法Ⅱ — — 利用上述只存在单一干扰时的二值掩模图像在Modeler模块的条件函数(criteia table)中设置一定的参数(图6), 进行“ AND” 交集处理, 同样可得到非干扰区域图像为1、总干扰区域图像为0的多种干扰的二值掩模图像(图5)。

图6 条件函数criteia table中的参数设置Fig.6 Parameter setting in criteia table

2 多值掩模图像生成方法

若TM卫星图像中同时存在植被、盐碱地、云、水体和阴影5种干扰因素, 则需要生成存在这5种干扰因素的区域多值掩模图像, 然后根据需要通过掩模运算分别提取这5种干扰因素。

因为A∩ B¯∩ C¯∩ D¯∩ E¯=A; A¯∩ B∩ C¯∩ D¯∩ E¯=B; A¯∩ B¯∩ C∩ D¯∩ E¯=C; A¯∩ B¯∩ C¯∩ D∩ E¯=D; A¯∩ B¯∩ C¯∩ D¯∩ E=E; 所以可利用原始图像在Modeler的条件函数criteia table中设置5种干扰因素的判别条件(参数设置如图7所示), 分别进行“ AND” 交集处理, 实现上述5种交集运算, 得到非干扰区域图像为0、植被干扰区域图像为1、盐碱地干扰区域图像为2、云干扰区域图像为3、水体干扰区域图像为4、阴影干扰区域图像为5的多值掩模图像(图8(a))。使用所生成的多值掩模图像对含有上述5种干扰信息的原始TM图像(图8(b))进行掩模运算, 获得去除干扰信息后的高质量的新TM图像(图8(c))。

图7 条件函数criteia table中的参数设置Fig.7 Parameter setting in criteia table

图8 通过多值掩模运算剔除干扰信息的TM图像Fig.8 TM image deleted interference information based on multi-value masking image

3 掩模图像的应用

在使用本文方法生成的二值掩模图像和多值掩模图像对原始TM 图像进行掩模运算, 有效去除植被、盐碱地、云、水体和阴影等5种干扰信息, 获得高质量新图像的基础上, 本文进一步利用主成分分析法提取遥感蚀变信息; 并与直接使用原始TM 图像提取遥感蚀变信息的结果进行对比, 以验证本文方法的有效性。

选用2000年获取的青海省祁连地区TM图像进行上述方法对比实验。该区域蚀变岩石出露部分含有铁染和羟基蚀变信息, 植被较稀疏, 适合于进行遥感蚀变异常信息提取。

3.1 基于原始TM 图像的遥感蚀变信息提取

使用原始TM图像(图8(b))提取含铁染矿物主分量及含羟基矿物主分量。

对TM1, 3, 4, 5 四个波段进行主成分分析, 提取含铁染矿物主分量。判断准则是: 含铁染物主分量的特征向量, 其TM3的贡献系数应与TM1及TM4的贡献系数符号相反, TM4的贡献系数与TM3及TM5的贡献系数相反。由其特征向量及特征值可知, 第4主分量(PC4)为代表铁染蚀变信息的主分量(详见参考文献[3, 9, 10, 11])。

对TM1, 4, 5, 7 四个波段进行主成分分析, 提取含羟基矿物主分量。判断准则是: 含羟基矿物主分量的特征向量, 其TM5的贡献系数应与TM7及TM4的贡献系数符号相反, TM5和TM7的贡献系数值符号相反且绝对值越大越好; TM5一般与TM1的贡献系数符号相同。由其特征向量及特征值可知, 第1主分量(PC1)为代表羟基蚀变信息的主分量(详见参考文献[3, 9, 10, 11])。

3.2 基于掩模处理后TM 图像的遥感蚀变信息提取

使用经掩模处理去除干扰信息后的TM图像(图8(c))提取含铁染矿物主分量及含羟基矿物主分量(方法同3.1节), 同样得到TM1, 3, 4, 5四个波段主成分变换后的第4主分量(PC4)为代表铁染蚀变信息的主分量, TM1, 4, 5, 7四个波段主成分变换后的第1主分量(PC1)为代表羟基蚀变信息的主分量。

3.3 遥感蚀变信息提取效果对比

采用PC4(R), PC1(G), TM7(B)假彩色合成方法, 合成基于原始TM图像提取的矿化蚀变信息图像(图9(a))和基于经掩模处理后无干扰信息TM图像提取的矿化蚀变信息图像(图9(b))。其中, 偏红色的图斑为铁染蚀变异常信息, 偏绿色的图斑为羟基蚀变异常信息, 偏蓝色的图斑为地质背景信息, 偏黄色的图斑为铁染与羟基混合蚀变异常信息。

图9 矿化蚀变信息提取结果对比Fig.9 Comparison between the results of mineralization alteration information extracted

比较图9中的2个图像可以发现: 在基于原始TM图像提取的矿化蚀变信息图像(图9(a))中有大量偏红色的铁染蚀变异常信息, 而在利用多值掩模图像处理后的无干扰信息TM图像提取的矿化蚀变信息图像(图9(b))中, 偏红色的铁染蚀变异常信息范围比图9(a)中的小而集中, 并与实际地质资料比较吻合, 说明图9(a)中存在一些假的铁染蚀变异常的现象; 而利用多值掩模图像处理得到的无干扰信息TM图像提取的矿化蚀变信息中有效地剔除了假异常现象, 提取出真实可靠的遥感蚀变信息。

上述结果表明, 利用本文方法生成的多值掩模图像应用于卫星遥感图像处理, 可有效地去除干扰信息, 剔除假异常信息, 为遥感蚀变信息提取提供高质量的基础数据。

4 结论

1)本文介绍的生成二值掩模图像的方法中, 生成不规则区域的二值掩模图像的目的是裁剪出某个不规则研究区域, 剔除干扰信息以利于提取有用信息。

2)同时存在多种干扰因素的影响时, 利用图像在ERDAS系统的Modeler模块建模, 在条件函数criteia table 中设置参数、做交集处理得到二值和多值掩模图像的方法, 简单易行, 可操作性更强。

3)利用生成的掩模图像去除干扰地物或提取某一类地物时, 难免会因为阈值选择不当而出现去除信息过多或仍然存在假异常的现象, 在实际应用中可结合该地区的物探、化探、地质构造等多种地学资料进行对比验证, 以排除可能出现的假异常。

The authors have declared that no competing interests exist.

参考文献
[1] 党安荣, 王晓栋, 陈晓峰, 等. ERDAS IMAGINE遥感图像处理方法[M]. 北京: 清华大学出版社, 2003: 69-94.
Dang A R, Wang X D, Chen X F, et al. The ERDAS imagine remote sensing image processing methods[M]. Beijing: Tsinghua University Press, 2003: 69-94. [本文引用:1]
[2] 张玉君. 遥感异常提取方法技术推广教材[M]. 北京: 中国国土资源航空物探遥感中心, 2007.
Zhang Y J. The promotional materials of remote sensing anomaly extraction technology[M]. Beijing: China Aero Geophysical Survey and Remote Sensing Center for Land and Resources, 2007. [本文引用:2]
[3] 苏一鸣, 李向前, 朱叶飞. ETM+/TM蚀变遥感异常提取方法在宁镇地区的应用[J]. 地质学刊, 2009, 33(1): 84-88.
Su Y M, Li X Q, Zhu Y F. Application of ETM+/TManomaly extraction method of altered remote sensing in Nanjing to Zhenjiang region[J]. Journal of Geology, 2009, 33(1): 84-88. [本文引用:4] [JCR: 2.436]
[4] 张玉君, 杨建民, 陈薇. ETM+/TM蚀变遥感异常提取方法研究与应用——地质依据和波谱前提[J]. 国土资源遥感, 2002, 14(4): 2-5.
Zhang Y J, Yang J M, Chen W. A study of the method for extraction of alteration anomalies from the ETM+/TM data and its application: Geologic basis and spectral precondition[J]. Remote Sensing for Land and Resources, 2002, 14(4)2-5. [本文引用:2]
[5] 陈建平, 王倩, 董庆吉, 等. 青海沱沱河地区遥感蚀变信息提取[J]. 地球科学: 中国地质大学学报, 2009, 34(2): 314-318.
Chen J P, Wang Q, Dong Q J, et al. Extraction of remote sensing alteration information in Tuotuohe, Qinghai Province[J]. Earth Science: Journal of China University of Geosciences, 2009, 34(2): 314-318. [本文引用:2] [CJCR: 1.071]
[6] 孙家柄, 舒宁, 关泽群. 遥感原理、方法和应用[M]. 北京: 测绘出版社, 1997: 107-110.
Sun J B, Su N, Guan Z Q. Remote sensing principle, method and application[M]. Beijing: Press of Surveying and Mapping, 1997: 107-110. [本文引用:1]
[7] 孙家柄. 遥感原理与应用[M]. 武汉: 武汉大学出版社, 2003: 116-141.
Sun J B. Remote sensing principle and application[M]. Wuhan: Wuhan University Press, 2003: 116-141. [本文引用:1]
[8] 郭凯, 孙培新, 刘卫国. 利用ERDAS IMAGINE从遥感影像中提取植被指数[J]. 西部探矿工程, 2005(6): 210-212.
Guo K, Sun P X, Liu W G. Abstracting vegetation index from remote sensing images using ERDAS IMAGINE[J]. West-China Exploration Engineering, 2005(6): 210-212. [本文引用:1] [CJCR: 0.196]
[9] 李明. 利用遥感等手段圈定紫金山铜金矿床外围找矿有利区[J]. 国土资源遥感, 2012, 24(1): 137-142.
Li M. The delineation of potential ore-prospecting areas in the Zijinshan copper-gold deposit and its outskirts by using remote sensing and other means[J]. Remote Sensing for Land and Resources, 2012, 24(1): 137-142. [本文引用:2]
[10] 张永庭, 张晓东, 刘自增, 等. 宁夏区地质构造与围岩蚀变遥感信息提取[J]. 国土资源遥感, 2012, 24(1): 132-136.
Zhang Y T, Zhang X D, Liu Z Z, et al. The extraction of fault structure and wall rock alteration remote sensing information in Ningxia[J]. Remote Sensing for Land and Resources, 2012, 24(1): 132-136. [本文引用:2]
[11] 况忠, 龙胜清, 曾禹人, 等. 黔西南地区遥感构造与金矿的关系及找矿预测[J]. 国土资源遥感, 2012, 24(1): 160-165.
Kuang Z, Long X Q, Zeng Y R, et al. The relationship between remote sensing structures and gold deposits and ore-prospecting prognosis in southwest Guizhou[J]. Remote Sensing for Land and Resources, 2012, 24(1): 160-165. [本文引用:2]