遥感影像重采样方法实现与应用研究

来源:用户上传      作者:王枭轩　左小清　杨泽楠

　　摘  要： 重采样是对遥感图像进行处理的一个重要处理过程。为了保证遥感影像的清晰度、真实度，还有就是图像处理的时间效率，就要选择合适而且正确的方法来处理影像数据，这种选择是非常有实际意义的。本文采用最邻近插值法和双线性插值法这两种重采样方法对图像进行旋转、缩放，并对处理结果进行了对比分析。结果可知：最邻近法速度快，双线性次于它，但是双线性法得出的效果优于最邻近法。所以在选择合适的重采样方法的时候，要综合考虑耗时、产品的效果，从而选择合适的重采样方法。
　　关键词： 重采样;最邻近插值法;双线性插值法;三次卷积插值
　　中图分类号： TP79    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.07.007
　　本文著录格式：王枭轩，左小清，杨泽楠. 遥感影像重采样方法实现与应用研究[J]. 软件，2019，40（7）：4246
　　【Abstract】： Resampling is an important process of remote sensing image processing. In order to ensure the clarity and authenticity of remote sensing images， as well as the time efficiency of image processing， it is necessary to choose appropriate and correct methods to process image data， which is of great practical significance. In this paper， two resampling methods， the nearest interpolation method and the bilinear interpolation method， are used to rotate and scale the image， and the processing results are compared and analyzed. The results show that the nearest neighbor method is faster and bilinear than the nearest neighbor method， but the result of bilinear method is better than the nearest neighbor method. Therefore， when selecting an appropriate resampling method， it is necessary to comprehensively consider the time consumption and product effect， so as to select an appropriate resampling method.
　　【Key words】： Resampling; Nearest interpolation method; Bilinear interpolation; Cubic convolution interpolation
　　0  引言
　　由于各种原因，卫星遥感图像在遥感图像的生成过程中会产生一定的畸变，有三个原因：首先，对于卫星遥感器本身[1]：卫星遥感器本身的问题，使图像的几何畸变发生，这种问题有很多源头，比如，由于速度引起的扫描速度偏差，扫描镜自身的误差等，这些原因，都会造成图片产生变化，从而产生误差。其次是卫星原因[2]：由于卫星一直绕地球在椭球轨道上转动，因此卫星的运行快慢以及卫星的高低都会不停地发生变化，除此之外，卫星的姿态也会发生一定改变，就是这些使得图像发生畸变。最后是地球本身的原因：地球本身与图像成像有很大的关系。其中，最主要的原因有地球的曲率、地球的自转、地形的起伏变化等[3]。卫星接收图像都是在轨道运行降阶，简而言之，地球自西面向东面自转，而卫星绕地球从北端向南端运动[4]。这种相对运动造成了卫星的星下位置偏移，这种偏移就使图像产生了畸变。
　　图像的质量与图像的变形有着很大的关系，所以就要修改生成的图像，纠正几何变形经常使用的是这三种方法：粗糙的几何粗校正、几何精校正和综合校正。几何粗纠正处理变形问题，通过传感器的标定数据、传感器位置、卫星的姿态等[5]，数学计算来处理几何畸变。利用几何校正方法，修正方法是利用数学模型来描述图像的变化，该模型是基于图像失真，在原始图像与对应点之间得到的，然后使用公式修正畸变。将几何粗校正和精校正结合在一起，就是综合校正，首先是遥感图像的粗校正，然后利用上面的方法对几何畸变进行修正。
　　坐标修正后的原图像，处理得到的图像只是纠正了地理空间位置[6]，图像里并没有像素值，这样就要基于原图像中的像素值得到处理后的像素值，从而得到一幅完美的可以投入使用的图像。根据地理坐标校正模型，将校正后的像元反算回原始的图像，不过原图像里坐标空间和地理坐标空间是不一样的[7]，因此他俩的变换也是非线性的。换句话就是，校正后的像元反算回原始的图像后，得到的不可能完全是整数，要做到与原图像一模一样是不切实际的，因此处理后的图像不能直接被原图像的像素值覆盖[8]，要选取一个合适的方法，处理后得到相应的灰度值，这样这个过程就完成了重采样。
　　1  實验方法
　　1.1  比例缩放
　　图像比例缩放是指对指定的图像进行缩放处理，在x轴上按照一定比例缩放 倍，同样在Y轴也缩放 倍，就生成了新的图像[9]。一方面，如果 ，就说明了在两个轴上进行了同尺度的变化，这种形式的变化就叫做全比例缩放。另一方面，如果 ，进行了比例缩放的原因，使得原图中的一些点的位置会产生变化，就会有畸形的现象出现。 　　设原始图像中的点P0（x0，y0）按照给定的比例进行处理后，在新图像中所对应的点为P（x，y），则点P0（x0，y0）、P（x，y）进行比例缩放前后它们之间的关系可以用矩阵的形式进行表示：
　　进行处理后的图像，里面的点有在原图中可能会没有对应的点，所以要对其进行插值，接下来图像的比例缩小，当 时是一个较容易的图像变小，这样会把图变到原来的图的1/2，此时原图像中的（0，0）在处理后图像中是（0，0）;原图像中的（0，2）在处理后图像中是（0，1），这样往后推。图像被缩小处理后，里面的量就下降了，画布也小了。此时，只需要在原图上把原来图中的奇偶数行列重构新图，换句话说，处理一点时要每行隔一个像素，然后每隔一行处理。不过在处理图像时没有固定比例的变化，就需要算出所选取的行列。
　　其中c1=1/k1，c2=1/k2，凭借此公式就可以得出新图像。 缩小图像意味着在原始图像中选择所需的信息。当你放大图像的时候，你会有一个额外的区域，你需要将额外的区域赋值，这样它就有了正确的灰色值。所以放大图像比缩小图像复杂得多，当 时，图像会放大两倍。
　　根据放大倍数k次，最邻近插值法需要向新图像的 子块添加一个像素值。很明显，如果在挑选放大尺寸时挑选的太大按照最邻近插值法处理会出现马赛克[11]。当f  f （f ， f >0）时，图像不按比例放大，在x方向和y方向的比例不相同，由于倍数选择的不同所以这种操作肯定会使图像发生几何变形。进行放大就是在新图的一个 的子块中添原图的一个像素值。经过处理后图像的质量肯定会发生改变，而为了使质量变得更好，常常会选择使用线性插值法。线性插值法就是：当分数地址与像素不同时，求出4个像素点之间的距离线性插值是根据计算的比例来进行的，线性插值是由四个相邻的像素值来执行的。
　　1.2  旋转
　　旋转，图像的旋转通常是图像的中心点为原点，而新的图像是通过旋转某个角度得到的。即将图像上的像素旋转同样的角度。然后图像尺寸会发生改变，对于超出显示区的图像有两种处理方法，一种是直接进行删除，另外一种是可以为了将旋转后的图像都进行展示把图像的显示区扩大。可以用矩阵的变换来表示图像的旋转变化。设 经过逆时针转 角后对应的点为P（x，y）。旋转前后点 、P（x，y）的坐标是：
　　利用上面的方法进行图像的旋转操作时需要注意：图像进行处理前，为了避免出现信息的丢失，要对坐标进行平移。图像进行旋转以后，可能会出现空洞点。对于这些空洞点要进行填充处理，不然会对图像的质量造成一定程度的影响，这种处理就是插值处理。上面所展示的旋转是绕坐标轴原点（0，0）处理的。但是如果图像的处理要绕一个确定的点（a，b）进行，则首先要把坐标系平移到该点，然后再进行转动，接下来把经过旋转处理的图像平移回原来的（0，0），这就是复合变换。如果将图像绕点（a，b）逆时针转 角，首先是将原点移到（a，b），即
　　最邻近插值法假设之一是最接近于网格点p（x，y）的点的属性值就是该点的属性，要处理的节点值可以使用网格节点的最邻近值。假使里面的数是按照一个间一个的放置，而且是不是随意的，是均匀的，先做的事就是把数据换一个格式，换做SURFER样式。然后应用最邻近法，或者在文件中，数据是紧密打包的，只有几个点没有值，可以使用最邻近法来填充那些没有值的数据点。在搜索椭圆中设置一个值，将该网格文件中的空值赋值给没有值的数据。在选择搜索区域时，这个区域的半径小于数据之间的距离，一些节点没有值，然后用空值替换。在应用最邻近插值方法时，使用网格文件而不是XYZ数据，也可以使它们之间的距离相等。相邻点插值网格法没有其他选择，它是均匀的，没有突变，同样对在间距匀称的数据里内插也是有效果的，在这种情况下，同样对一些区域，比如填充无取值的数据也很有用。
　　2  结果分析
　　2.1  程序耗时分析
　　为了对重采样方法在MATLAB中运行所需时间进行分析，选用了一幅分辨率为256像素 256像素的影像图。
　　首先利用MATLAB对图像进行处理，比如：放大、缩小以及旋转，然后得到重采样方法的程序耗时，实验所用计算机配置为：处理器Core（TM）i3-4030u，内存4GB，硬win1064位操作系统。对图进行处理后所耗时间见下表。
　　由重采样耗时表可知在进行了放大、缩小、旋转的操作之后，最邻近法的耗时相比较而言耗时短。在对图片进行放大的时候，随着放大倍数的增加，重采样方法耗用的时间也随之增加，但是相对而言最邻近法耗时是比较少的;对图像进行缩小操作的时候，最邻近法耗时小;在对图片进行旋转操作的时候，旋转的角度小耗时越大，但是同样最邻近法的耗时还是最小的。
　　2.2  结果对比分析
　　在选用合适的重采样方法的时候不仅是要考虑运行时所消耗的时间，还要考虑到使用重采样方法之后对原始图像的影响。所以对重采样后所产生的效果进行对比。
　　图片放大之后对其耗时进行分析，可以得出：最邻近内插法是对其直接的赋一个值，计算方法简单，所以使用最邻近内插法耗时少;但是，由于相邻的灰度值之间存在间隔，这些间隔是不连续的，所以造成被校正后的图像亮度落差过大，细节上的结构不细致;最邻近内插法进行改善之后就是双线性内插法，它是以原来的影像各个网格在之前进行改正过的影像网格中的面积进行权重处理，当前属性就是进行加权平均之后的属性，导致影像轮廓模糊，但与最邻近内插法相比还是挺自然的。对旋轉后的图片进行观察，可以看出：用双线性法处理后的图片较清晰，而最邻近法处理后的图片有点模糊，利用最邻近法进行处理需要的时间少，而双线性内插法的时间比最邻近法的时间多。所以，最邻近法速度快，双线性次于它，但是双线性法得出的效果优于最邻近法。所以在选择合适的重采样方法的时候，要综合考虑耗时、产品的效果，从而选择合适的重采样方法。由于本人能力有限，所以双三次卷积法并没有能够写出相关程序。 　　3  结论
　　本文利用重采样方法对图像进行处理是现代社会广泛应用的技术，而选择合适的重采样方法是问题的关键。最邻近插值法和双线性插值法的计算过程简单，计算量小，而且相比较而言双线性的精度比最邻近高点，所以选择重采样方法时，如果想确保一定的精度，可以选择双线性。最邻近和双线性
　　适用于2级及2级以下的产品。当精度要求不高但是需要快速的得出图像的时候可以考虑选择最邻近;双线性是最邻近改进后的，所以适用范围广，可以满足大多数的情况;对于精度更高的产品需要选用精度更高的方法。选择重采样方法的时候要综合考虑程序耗时以及产品的精度，这样才能达到想要的处理结果，提高效率。
　　参考文献
　　[1] 艾梦池， 程效军. 数字影像重采样方法实现及对比分析[J]. 辽宁工程技术大学学报， 2015， 34（12）： 1-6.
　　[2] 张周威， 余涛， 孟庆岩， 等. 空间重采样方法对遥感影像信息影响研究[J]. 华中师范大学学报， 2013， 47（3）： 1.
　　[3] 何立， 孙涵， 黄永璘， 等. MODIS1B数据的重采样方法研究[D]. 广西： 广西师范学院， 2007.
　　[4] 闫李月， 左小清， 葛小三. 基于本体的地理空间信息语义表达研究——以旅游出行计划为例[J]. 软件， 2019， 40（01）： 114-119.
　　[5] 曾丽萍. 遥感图像几何校正算法研究[D]. 成都： 电子科技大学， 2008.
　　[6] 夏海宏. 图像缩放及其GPU实现[D]. 浙江： 浙江大学， 2010.
　　[7] 杨劲松， 周长宝， 黄伟艮等. 遥感图像数据重采样的一种快速算法[D]. 浙江， 国家海洋局， 2002
　　[8] 张小璞， 左小清. 在ArcGIS下基于Python的路网数据批处理方法[J]. 软件， 2018， 39（07）： 130-133.
　　[9] 孙毓蔓， 左小清， 苏文豪. 基于ArcGIS Engine与C#. net的地块合并功能的实现[J]. 软件， 2018， 39（10）： 150-155.
　　[10] 孙玉刚. 数字图像修复技术研究[D]. 南京： 南京航空航天大学， 2011.
　　[11] 王林， 杨克俭. 基于双线性插值的图像缩放算法[J]. 电脑编程技巧与维护， 2008（10）： 55-56.
　　[12] 王森， 杨克俭. 基于双线性插值的图像缩放算法的研究与实现[J]. 自动化技术与应用， 2008（7）： 39-39.
　　[13] 杨泽楠， 黄亮， 王枭轩. 结合DEM的面向对象高分三号SAR影像高原山区水系提取[J]. 昆明理工大学学报（自然科学版）， 2019， 44（01）： 39-46.
　　[14] 叶东华. 基于全景视觉的图像配准方法研究[D]. 哈尔滨工程大学， 2011.
　　[15] 信冠栋， 施昆， 吕晓阳. 遥感动态监测模型在拉市海湿地保护區土地利用中的研究[J]. 软件， 2018， 39（4）： 170-175.
　　[16] 赵桔青， 陶福寿. 基于GIS的城镇土地资源承载力评价[J]. 软件， 2018， 39（7）： 52-56.
转载注明来源:https://www.xzbu.com/8/view-15016177.htm