浅谈遥感影像处理

姜耀鹏

（61175部队，武汉430074）

浅谈遥感影像处理

姜耀鹏

（61175部队，武汉430074）

本文通过论述遥感影像的特点，介绍了目前遥感影像处理的主要领域，并通过介绍几种最新的方法通过实例介绍验证遥感影像的发展趋势。

遥感影像处理；超分；影像融合；影像补绘

1 前沿

遥感影像多以光谱数据为特征，如IKONOS、Quick Bird等高空间分辨率卫星影像都有获取多光谱影像的能力。微波遥感数据如SAR数据虽不易为多波段数据，却从多极化角度得到弥补。遥感影像处理的理论基础和处理方法与现有的数字图像处理和模式识别的理论、方法相似，如边缘提取，影像复原，影像融合等；但是基于数字图像处理的影像处理方法所涉及的往往仅仅针对单波段数据，即黑白影像，如纹理分析；有关的概念、方法也是针对黑白影像，影像分割也是如此，至多讨论到彩色影像。当然，这些理论、方法是可以用于处理遥感影像的，但却没有反映遥感影像的特点，同时在遥感影像处理领域上还具有一些特殊性，如遥感影像死像元修复，遥感影像去薄雾等，正是基于这一考虑，我们应该针对遥感影像数据特点，进行遥感影像处理研究。

2 主要内容

2.1 遥感影像超分变率重建

遥感影像的超分辨率重建研究和数字图像处理类似，都是采取一定的手段将受到噪声，模糊和降采样的低质影像恢复为高质量影像的。超分辨率重建一般分为3个范畴：基于内插的超分辨率重建，基于多幅影像重建的超分辨率重建，基于学习的超分辨率重建方法。

Zhang［1］等人针对高光谱序列影像，提出了一种基于PCA成分域的多时相高光谱影像超分辨率重建方法，将多时相高光谱影像的配准和超分辨率重建均转换到PCA成分域进行，从而同时保证算法的速度和精度。

Zhao［2］等人针对高光谱影像，提出了一种稀疏模型与混合像元分解模型的结合的超分辨率重建算法。在这种算法中用到了现在流行的压缩感知的知识，根据实验统计证明影像可以通过一组稀疏系数选择过完备训练字典中原子线性稀疏表达。通过合适的稀疏系数我们能够还原出高分辨率影像。在这篇文章中作者根据影像复原退化模型，建立变分模型，以稀疏表达为框架，加入混合像元分解的光谱约束项，能够保证在对影像进行重建的过程中，每个像元的组分不变，实现光谱保真度。

2.2 遥感影像融合

现有的影像融合方法大部分都没有建立已知和未知之间的直接关联，因此缺乏严格的理论根基和数学基础。为了提高多光谱遥感影像的空间分辨率，并有效保持原有的光谱信息，提高后续特征识别的精度，Jiang等人［3］提出了一种基于模型的正则化影像融合方法，分别建立已知的低空间分辨率多光谱影像与高分辨率全色影像有所求高分辨率多光谱影像之间的关系模型，利用正则化技术进行融合处理。

2.3 遥感影像补绘与去条带方法

现有影像补绘与去条带方法大部分都没有包含影像的先验信息，从而未能在影像处理过程中对影像邻域施加约束。因此，zeng等人［4］提出了一种MAP框架下的影像补绘与去条带方法，使用Huber－MRF先验模型在处理过程中对待求影像的邻域信息施加先验约束，从而得到更优的处理结果。

图1 Sub-images of Aqua MODIS of 500-m pixel resolution acquired on January 18,2009,over southern China.(a)True color composite band R=1 band,G=band4,B=band3;(b) Original band 6;(c)采用bands 2,5,7分类结果；(d)GF恢复结果；(e)WCGF恢复结果and(f)文中提出的方法。

3 结论

由于遥感数据的多光谱特性，许多研究者都根据遥感影像特点自适应的选择合适的影像处理方法，也提出了各种新方法新思路。我们在进行遥感影像应用，也应该根据其特点，利用高光谱波段之间的信息相关性和高分影像的高分辨率特点进行研究，同时根据其光谱特性建立模型防止光谱畸变。

［1］H.Zhang,L.Zhang,H.Shen."ASuper－resolution［1］Reconstruction Algorithm for Hyperspectral Images,"Signal［1］Processing,DOI：10.1016/j.sigpro.2012.01.020,2012(SCI).

［2］Y.Zhao,J.ang,Q.Zhang,L.Song,Y.Cheng and Q.［1］Pan"Hyperspectral imagery super－resolution by sparse［1］representationandspectralregularization"EURASIP［1］Journal on Advances in Signal Processing 2011,2011：87.

［3］C.Jiang,H.Zhang,H.Shen and L.Zhang,"A Practical［1］Compressed Sensing－Based Pan－Sharpening Method,"IEEE［1］Geoscience and Remote Sensing Letters,DOI：10.1109/［1］LGRS.2011.2177063,2012(SCI).

［4］H.Shen,C.Zeng and L.Zhang,"Recovering Reflectance of［1］AQUA MODIS Band 6 Based on Within－Class Local Fitting,"［1］IEEEJournalofSelectedTopicsinAppliedEarthObservations［1］and Remote Sensing,vol.4,no.1,185－192,2011（SCI）.

P237;TP751

B

10.3969/j.issn.1001－0270.2015.01.23

2014－08－22