CN102567996A - 一种遥感卫星图像质量评价的方法 - Google Patents

Abstract

本发明提供一种遥感卫星图像质量评价的方法。包括以下步骤：获取原始图像；通过退化处理获得一组不同质量的退化图像；分析退化图像的质量指标；分析退化图像的应用效果；建立从退化图像质量指标到应用效果的线性关系模型；由关系模型出发对遥感卫星图像质量进行评价。本发明针对遥感卫星图像的应用效果，采用主观评价和客观评价相结合的办法，有针对性地评价图像的质量。

Description

一种遥感卫星图像质量评价的方法

技术领域

本发明涉及一种遥感卫星图像质量评价的方法，属于对地观测与导航领域。

背景技术

现有遥感卫星图像类型较多，针对某些特殊的应用如何选择合适的遥感卫星数据成为研究/工程人员的难题。为了满足遥感卫星数据的质量评价，通常通过主观评价或客观评价的方法，采用3到5个图像质量指标来分析不同类型的遥感卫星图像的质量。目前，遥感卫星图像质量评价主要集中在指标的对比分析上，现有的遥感卫星图像质量评价方法为：

1、图像获取

获取国内、外中高分辨率的遥感卫星图像。

2、评价方法

(1)主观评价方法

主观评价方法是让观察者靠自己的视觉和经验，对遥感卫星图像提出质量分析，并给出质量分数，通过对所有观察者给出分布的统计(通常进行平均)，所得到的结果为遥感卫星图像的主观质量评价。

(2)客观评价方法

1)方差：图像方差一方面取决于景物的亮度变化幅度，另一方面也反映了成像***对这种亮度变化的响应特性，因此它是一个简单却有意义的质量参数。

${\mathrm{\σ}}^2=\frac{1}{m\×n}\underset{i=0}{\overset{m}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{(p(i,j)-\mathrm{\μ})}^2$

p(i，j)为图像像素亮度值，μ为图像亮度值的均值。

2)基于纹理特性的对比度：

$C_2=\underset{n=0}{\overset{L-1}{\mathrm{\Σ}}}{n}^2\left[\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}\hat{p}(i,j)\right],|i-j|=n$

为归一化的灰度共生矩阵值(相邻像元)。

3)图像细节信号能量：

${\mathrm{\σ}}_f^2=\frac{1}{m\×n}\underset{x=0}{\overset{m}{\mathrm{\Σ}}}\underset{y=0}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\σ}}_f^2(x,y)$

为图像局部区域方差。

4)空间分辨率：遥感图像像元的地面覆盖大小。可按下式测量：R＝D_g/D_p，D_g为两点间的地面距离(m)，D_p为两点间的像元距离(个)。空间分辨率不等于图像的地面分辨能力，但影响地面分辨能力。

5)最小相对对比度：用滑动窗口内最大亮度减去其平均亮度除以平均亮度，取所有窗口的相对对比度的最小值作为图像相对对比度。(图像最小对比度影响地面分辨能力)计算公式：

$C=L_{i,j}/{\stackrel{\‾}{L}}_{N_{i,j}}$

L_i，j为滑动窗口内最大亮度减去其平均亮度，

为窗口内平均亮度。

6)点锐度：计算公式(王鸿南，2004)：

$p=\frac{\underset{i=1}{\overset{m\×n}{\mathrm{\Σ}}}\underset{\mathrm{\α}=1}{\overset{8}{\mathrm{\Σ}}}|\mathrm{df}/\mathrm{dx}|}{m\×n}$

式中m，n为图像行列数，df为灰度变化值，dx为距离增量。该公式的解释：逐个对图像中的每点取8邻域点与之相减，先求8个差值的加权和(权的大小取决于距离，距离远，则权小，如45°和135°方向的差值需乘以

)，再将所有点所得值相加除以像素总个数。

7)亮度表现度：反映主观上对图像亮度的适应性或满意度。计算公式为：

$L=1-\frac{1}{n}{\log }_2\left(\min (2^n-1-\stackrel{\‾}{l},\stackrel{\‾}{l})\right)$

为图像亮度的均值。

8)清晰度：反映主观上对图像细节层次(高频成分)的适应性或满意度。计算公式为：

$B=\frac{1}{m\×N-1}[\underset{i=0,j=0}{\overset{M-1,N-1}{\mathrm{\Σ}}}{\left(W_x\right[i\left]\right[j\left]\right)}^2-{\left(W_x\right[0\left]\right[0\left]\right)}^2]$

W_x为小波变换后的系数矩阵。W_x[0][0]为低频成分，W_x[i][j]为不同尺度下的高频成分。

现有技术主要存在以下关键性的缺点：现有的技术均是通过两种不同类型的遥感卫星图像，通过其图像质量指标的对比来判断图像的质量。而遥感卫星图像最终是面向具体的用户，有专业背景知识的用户可以通过经验对图像的应用效果做出评价。图像质量指标与图像应用效果之间没有直接联系，因此也无法真实地反映遥感卫星图像的应用效果。

发明内容

本发明的目的是为解决现有技术存在的问题，而提供一种能够科学地、较准确地对遥感卫星图像进行评价的方法。

本发明为实现上述目的采用的技术方案是：提供一种遥感卫星图像质量评价的方法，包括以下步骤：

1)获取原始遥感图像；

2)将获取的原始图像通过退化处理获得一组不同质量的退化图像；通过数学方法进行退化得到不同质量或应用效果的退化图像；退化图像不少于30景；

3)分析退化图像的质量指标，包括在信噪比、方差、偏斜度、纹理对比度、清晰度、信息熵和细节能量；

4)由面向具体应用领域的遥感卫星图像判读专家分析退化图像的应用效果；

5)建立从退化图像质量指标到应用效果的通用模型方程；

6)由关系模型出发对遥感卫星图像质量进行评价。

本发明所述分析退化图像的质量指标中的信噪比即SNR，图象的信噪比等于图像信号与图像噪声的功率谱之比，单位为分贝；

设原始的不含噪声的二维灰度图像为A＝f(i，j)，其中i＝1，2，…，N，j＝1，2，…，M，已知斑点乘信噪声n均值为0，方差为VAR；含噪声的二维灰度图像为A’＝f’(i，j)，其中i＝1，2，…，N，j＝1，2，…，M，则：A＝A+n*A

原始图像信号功率：

$S_1=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}f{(i,j)}^2$

含噪图像噪声功率：

N₁＝VAR*N*M

含噪图像真实信噪比：

$\mathrm{SNR}=10*\mathrm{Log}\left(\frac{S_1}{N_1}\right)$

本发明所述分析退化图像的质量指标中的遥感图像的方差是各个像元与其算术平均数的离差平方和的平均数，利用方差来反映图像信息量；同一地区的不同图像，灰度分布范围越大，方差越大，则图像信息越丰富，图像质量越好；反之，方差越小，灰度分布范围越小，表明图像信息越不丰富，图像质量越差；

计算方法：d＝∑(i-m)²p(i)

式中，p(i)为图像中灰度值，为i所占整个图像像素数的百分比，m为图像的算术平均数。

本发明所述偏斜度反映图像直方图分布形状偏离平均值周围对称形状的程度；正偏斜度表示不对称边的分布更趋向正值，负偏斜度表示不对称边的分布更趋向负值；偏斜度越接近于0，表明图像的质量越好，反之，图像的灰度值向向一边偏移，导致图像质量变差；

计算方法：s＝∑((i-m)³p(i))/d³

式中，p(i)为图像中灰度值，为i所占整个图像像素数的百分比，m为图像的算术平均数，d为图像的方差。

本发明所述纹理对比度是对遥感图像上的信息差异反映明显度，当纹理对比度的值较大时，遥感图像上纹理特征明显，细节信息突出，图像的质量较好，纹理对比度的值较小时，纹理特征不明显，图像的质量较差；纹理对比度纹理计算方法：

$c=\underset{i,j}{\mathrm{\Σ}}{\left|(i-j)\right|}^{2}p(i,j)$

本发明所述清晰度指图像细节边缘变化的敏锐程度，反映图像对微小细方差表达的能力，计算方法：采用点锐度算法，可用相邻像元之间在x，y两个方向的灰度变化速率的加权平均值来计算：

$\mathrm{EAV}=\frac{\underset{a}{\overset{b}{\mathrm{\Σ}}}(\mathrm{df}/\mathrm{dx})}{|f\left(b\right)-f\left(a\right)|}$

式中，df/dx为垂直于边缘的灰度变化率，f(b)-f(a)为该方向总对比度，清晰度的值越高，图像质量越好，反之图像质量越差。

本发明所述信息熵作为对图像质量的客观评价指标；信息熵的值越大，遥感图像中所包含的信息就越多，图像对比度越高，图像质量越好；当信息熵的值越小时，遥感图像中的信息越少，图像趋向均匀，因此地物趋向模糊且无法分辨，图像质量就越差；计算方法：

$H=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{P}_i{\log }_2{P}_i$

式中，i为图像像元可能取值，p(i)为图像像元值为i的概率。

本发明所述的图像的细节能量通过遍历计算图像的每一个小块区域的方差值，并将所得的总和求均值，它主要反映图像在总体上看细节区域的图像灰度波动情况，假定图像在小的局部区域总是平稳的，可以通过计算图像小区域的方差信息，来反映图像细节边缘变化的敏锐程度和图像对微小细方差表达的能力；计算方法：

${\mathrm{\σ}}_f^2=\frac{1}{m\×n}\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\σ}}_f^2(x,y)$

式中，

分别表示该图像在小区域中局部的方差，m，n为图像两个方向上的图像小区域的数量。

本发明所述的分析退化图像的应用效果是通过不少于2名专业领域的专家对不同质量退化图像进行专家目视解译，提取典型应用中的既定目标，将应用效果的好坏评价作定量化处理，并对图像质量进行打分。

本发明所述的建立从退化图像质量指标到应用效果的通用模型方程；通用评价模型即图像质量参数与图像应用效果之间的一般性关系模型，若模型中的图像质量参数表示为Q＝{q1，q2，…，qk}，图像应用效果的量化值表示为A(A∈[0，1]或A取离散分级值)，则可表示为A＝f(Q)；暂设用线性模型将图像应用效果与图像质量参数关联起来，则

A＝f(Q)＝BQ

B＝[b₀，b₁，b₂，L，b_k]，Q＝[1，q₁，q₂，L，q_k]^T

B为系数，此即基于应用的通用图像质量评价模型。

本发明选择高分辨遥感卫星图像为基础数据，通过退化后得到一系列的退化图像，满足分析的需要。

本发明从客观评价出发，对遥感卫星图像的指标信噪比、方差、偏斜度、纹理对比度、清晰度、信息熵和细节能量进行***说明。

本发明的主观评价对评价人员的身份做出说明，即为面向具体应用领域的遥感卫星图像判读专家。

本发明与现有技术相比具有以下优点：

1、本发明是真正从应用的角度出发建立了遥感卫星图像的评价方法。早期的图像评价仅仅是对比不同图像之间的指标的差异，说明图像质量的好坏。本发明则通过获取图像指标，通过具体的应用模型，获得了具体的图像应用效果，是对遥感图像面向应用时效果的具体分析，而不是简单的图像指标的对比分析，获得的评价结果更为准确、有效。

2、本发明中除了在建模时需要有经验的专家参与，其余部分不需要外来人为因素的介入。这样对图像的应用效果评价是客观评价，满足了图像客观评价的要求。

附图说明

图1为获取的原始图像。

图2为本发明原始图像和退化后的图像。

图3为需遥感卫星图像质量评价的图像。

具体实施方式

下面将结合附图和实施例对本发明的方法作进一步详细说明。

实施实例1：面向地质岩性应用的遥感卫星图像质量评价，其步骤包括：

步骤1，如图1为获取的原始图像；原始图像一般为覆盖地质岩性目标的高分辨率遥感卫星图像，这里采用的是WorldView-2数据；

步骤2，获取的原始图像经过退化处理后，可以得到大量的退化图像(部分图像如图2所示)；利用不同退化算法，对高分辨率遥感图像进行退化处理，得到大量的不同质量的遥感图像，以便下一步的分析；

步骤3，分析退化图像的质量指标；利用已有的指标计算方法计算不同质量的图像的7个指标，得到对应的指标集；

步骤4，获得退化图像的应用效果；通过不少于2名专业领域的专家对不同质量退化图像进行专家目视解译，提取典型应用中的既定目标，将应用效果的好坏评价作定量化处理，并对图像质量进行打分，得到与退化图像指标集对应的应用效果集；

步骤5，建立从遥感卫星图像质量指标到应用效果的方程；从图像指标集和效果集出发，建立方程：

A＝f(Q)＝BQ

B＝[b₀，b₁，b₂，L，b_k]，Q＝[1，q₁，q₂，L，q_k]^T

通过解算，得到方程系数；至此，建立了从图像指标到应用效果的模型。

步骤6，由关系模型出发对遥感卫星图像质量进行评价，首先计算图像的7个指标，通过步骤5建立的模型，可以计算图像对应的应用效果。

表1 化图像的指标及专家评分(部分)

y＝0.0761+0.6331x₁+2.35x₂+0.001x₃-0.399x₄-2.334x₅-0.0093x₆

式中，[x₁，x₂，x₃，x₄，x₅，x₆]分别对应遥感卫星图像的方差、偏斜度、纹理对比度、清晰度、信息熵和细节能量等指标，y为遥感卫星图像的应用效果。

由得到的通用模型方程出发，可以对图3需要质量评价的遥感卫星图像进行质量评价。这里应用步骤6进行质量评价，得到图3的遥感卫星图像质量为4.37，与专家给出的应用效果相同。

Claims (10)

1.一种遥感卫星图像质量评价的方法，其特征在于：包括以下步骤：

1)获取原始遥感图像；

2)将获取的原始图像通过退化处理获得一组不同质量的退化图像；通过数学方法进行退化得到不同质量或应用效果的退化图像；退化图像不少于30景；

3)分析退化图像的质量指标，包括在信噪比、方差、偏斜度、纹理对比度、清晰度、信息熵和细节能量；

4)由面向具体应用领域的遥感卫星图像判读专家分析退化图像的应用效果；

5)建立从退化图像质量指标到应用效果的通用模型方程；

6)由关系模型出发对遥感卫星图像质量进行评价。

2.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述分析退化图像的质量指标中的信噪比即SNR，图象的信噪比等于图像信号与图像噪声的功率谱之比，单位为分贝；

设原始的不含噪声的二维灰度图像为A＝f(i，j)，其中i＝1，2，…，N，j＝1，2，…，M，已知斑点乘信噪声n均值为0，方差为VAR；含噪声的二维灰度图像为A’＝f’(i，j)，其中i＝1，2，…，N，j＝1，2，…，M，则：A＝A+n*A

原始图像信号功率：

$S_1=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}f{(i,j)}^2$

含噪图像噪声功率：

N₁＝VAR*N*M

含噪图像真实信噪比：

$\mathrm{SNR}=10*\mathrm{Log}\left(\frac{S_1}{N_1}\right)$

3.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述分析退化图像的质量指标中的遥感图像的方差是各个像元与其算术平均数的离差平方和的平均数，利用方差来反映图像信息量；同一地区的不同图像，灰度分布范围越大，方差越大，则图像信息越丰富，图像质量越好；反之，方差越小，灰度分布范围越小，表明图像信息越不丰富，图像质量越差；

计算方法：d＝∑(i-m)²p(i)

式中，p(i)为图像中灰度值，为i所占整个图像像素数的百分比，m为图像的算术平均数。

4.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述偏斜度反映图像直方图分布形状偏离平均值周围对称形状的程度；正偏斜度表示不对称边的分布更趋向正值，负偏斜度表示不对称边的分布更趋向负值；偏斜度越接近于0，表明图像的质量越好，反之，图像的灰度值向向一边偏移，导致图像质量变差；

计算方法：s＝∑((i-m)³p(i))/d³

式中，p(i)为图像中灰度值，为i所占整个图像像素数的百分比，m为图像的算术平均数，d为图像的方差。

5.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述纹理对比度是对遥感图像上的信息差异反映明显度，当纹理对比度的值较大时，遥感图像上纹理特征明显，细节信息突出，图像的质量较好，纹理对比度的值较小时，纹理特征不明显，图像的质量较差；纹理对比度纹理计算方法：

$c=\underset{i,j}{\mathrm{\Σ}}{\left|(i-j)\right|}^{2}p(i,j)$

6.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述清晰度指图像细节边缘变化的敏锐程度，反映图像对微小细方差表达的能力，计算方法：采用点锐度算法，可用相邻像元之间在x，y两个方向的灰度变化速率的加权平均值来计算：

$\mathrm{EAV}=\frac{\underset{a}{\overset{b}{\mathrm{\Σ}}}(\mathrm{df}/\mathrm{dx})}{|f\left(b\right)-f\left(a\right)|}$

式中，df/dx为垂直于边缘的灰度变化率，f(b)-f(a)为该方向总对比度，清晰度的值越高，图像质量越好，反之图像质量越差。

7.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述信息熵作为对图像质量的客观评价指标；信息熵的值越大，遥感图像中所包含的信息就越多，图像对比度越高，图像质量越好；当信息熵的值越小时，遥感图像中的信息越少，图像趋向均匀，因此地物趋向模糊且无法分辨，图像质量就越差；计算方法：

$H=-\underset{i=0}{\overset{255}{\mathrm{\Σ}}}{P}_i{\log }_2{P}_i$

式中，i为图像像元可能取值，p(i)为图像像元值为i的概率。

8.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述的图像的细节能量通过遍历计算图像的每一个小块区域的方差值，并将所得的总和求均值，它主要反映图像在总体上看细节区域的图像灰度波动情况，假定图像在小的局部区域总是平稳的，可以通过计算图像小区域的方差信息，来反映图像细节边缘变化的敏锐程度和图像对微小细方差表达的能力；计算方法：

${\mathrm{\σ}}_f^2=\frac{1}{m\×n}\underset{x=1}{\overset{m}{\mathrm{\Σ}}}\underset{y=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\σ}}_f^2(x,y)$

式中，

分别表示该图像在小区域中局部的方差，m，n为图像两个方向上的图像小区域的数量。

9.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述的分析退化图像的应用效果是通过不少于2名专业领域的专家对不同质量退化图像进行专家目视解译，提取典型应用中的既定目标，将应用效果的好坏评价作定量化处理，并对图像质量进行打分。

10.如权利要求1所述的一种遥感卫星图像质量评价的方法，其特征在于：所述的建立从退化图像质量指标到应用效果的通用模型方程；通用评价模型即图像质量参数与图像应用效果之间的一般性关系模型，若模型中的图像质量参数表示为Q＝{q1，q2，…，qk}，图像应用效果的量化值表示为A(A∈[0，1]或A取离散分级值)，则可表示为A＝f(Q)；暂设用线性模型将图像应用效果与图像质量参数关联起来，则

A＝f(Q)＝BQ

B＝[b₀，b₁，b₂，L，b_k]，Q＝[1，q₁，q₂，L，q_k]^T

B为系数，此即基于应用的通用图像质量评价模型。

Images