CN103793912B

CN103793912B - 一种基于解译能力等级的光学遥感影像图像质量评价方法

Info

Publication number: CN103793912B
Application number: CN201410039713.9A
Authority: CN
Inventors: 李霖; 罗恒; 朱海红; 李桢
Original assignee: Wuhan University WHU
Current assignee: Wuhan University WHU
Priority date: 2014-01-27
Filing date: 2014-01-27
Publication date: 2016-08-17
Anticipated expiration: 2034-01-27
Also published as: CN103793912A

Abstract

本发明涉及一种基于解译能力等级的光学遥感影像图像质量评价方法，包括将原始的光学遥感影像分为多幅子影像；根据光学遥感影像解译能力评价表中的相关要素，对每一幅子影像进行解译能力评价，得到子影像的解译能力等级分值；将各个子影像的解译能力等级分值进行汇总平均，得到原始的光学遥感影像最终的解译等级分数。本发明将光学遥感影像的图像质量要素与基础地理信息要素进行结合，并通过定性与定量相结合的主观评价方法，得到更为综合和符合人类认知的图像质量评价结果。为光学遥感影像使用者提供了遥感影像图像质量等级和可用性的评价参考方法。

Description

一种基于解译能力等级的光学遥感影像图像质量评价方法

技术领域

本发明属于遥感图像技术领域，尤其涉及一种基于解译能力等级的光学遥感影像图像质量评价方法。

背景技术

近年来，随着遥感技术的发展，光学遥感影像数据被广泛运用于各种领域，包括国土、测绘、环境等方面，随着遥感传感器性能的提高，影像分辨率从以传统遥感卫星作为平台的百米级中低分辨率到以卫星、飞机或者无人机等多种载体作为平台的亚米级超高分辨率，其可识别的地物要素以及要素细节特征均以成倍的数量增加。因此，光学遥感影像的图像质量是影像应用的重要保障，对影像解译、信息提取、正射产品生成、视觉重建等应用效果有着重要的影响，通过对遥感影像图像质量进行评价得到数据处理和信息提取的先验知识,对将来数据质量的进一步提高以及后继传感器的研制都具有重要意义。随着光学遥感影像的图像质量对影像的可用性影响越来越大，它也更多地受到人们的重视。

光学遥感影像图像质量评价方法具有多样性。灰度特征、信噪比、调制解调函数等从统计特征或成像特性方面出发的评价方法对于图像质量评价结果较为客观，如《一种对星载光学遥感图像压缩质量进行评价的方法》(申请号：200810191796.8)专利中使用了灰度等统计特征对图像质量进行评价，《一种光学遥感影像质量综合评价方法》（申请号：201310145880.7）则使用了分辨率、调制解调函数以及信噪比进行综合计算。但目前还没有一套数学模型可以完全模拟人类对现实世界图像的感知能力，人的视觉评价虽具有一定的主观性和不全面性，但依然是图像质量评价的重要方面，因此需要将主观目视评价方法作为图像质量的一个重要部分进行分析。

目前遥感图像质量的主观目视评价方法主要是通过人眼对影像的视觉要素特征进行评判，包括对比度、色调、清晰度等，如《一种对星载光学遥感图像压缩质量进行评价的方法》(申请号：200810191796.8)专利中使用纹理、清晰度、色调等主观因素进行评价。而主观评价缺乏一种普遍而统一的量化的评定标准，且无法与遥感影像所包含的要素、内容、情景相结合，其结果难以对影像的生产和应用产生实际的参考价值。

发明内容

针对上述问题，本发明的目的是提供一种基于解译能力等级的光学遥感影像图像质量评价方法。

本发明提供一种基于解译能力等级的光学遥感影像图像质量评价方法，包括以下步骤：

步骤1、将原始的光学遥感影像分为多幅子影像；

步骤2、根据光学遥感影像解译能力评价表中的相关要素，对每一幅子影像进行解译能力评价，得到子影像的解译能力等级分值；所述光学遥感影像解译能力评价表的每行表项包括等级、方法、大类、子类、要素五项，包括针对每一幅子影像执行如下子步骤，

步骤2.1，按照等级从低到高的顺序，从光学遥感影像解译能力评价表依次选取一个要素作为当前的目标要素，并在子影像中查找对应的地物；

步骤2.2，判断子影像中是否有对应的地物，若是则进入步骤2.3，若否则返回步骤2.1按顺序依次选取下一个要素作为新的目标要素进行处理；

步骤2.3，对比子影像中对应地物和当前的目标要素，判断是否符合目标要素的解译要求，若是则进入步骤2.4，若否则返回步骤2.1按顺序选取下一个要素作为新的目标要素进行处理；步骤2.4，记录当前的目标要素的等级，判断是否已选取过光学遥感影像解译能力评价表所有要素，若是则进入步骤2.5，若否则返回步骤2.1按顺序选取下一个要素作为新的目标要素进行处理；

步骤2.5，将所记录的最高等级确定为子影像解译等级分数；

步骤3、将各个子影像的解译能力等级分值进行汇总平均，得到原始的光学遥感影像最终的解译等级分数。

而且，步骤3中，

设各个子影像的解译能力等级分值记为a₁、a₂、a₃…a_n，得到原始的光学遥感影像最终的解译等级分数如下，

A_{n} = \frac{a_{1} + a_{2} + a_{3} + \cdot \cdot \cdot + a_{n}}{n}

式中，A_n为原始的光学遥感影像解译等级，n为子影像总数。

而且，所述光学遥感影像解译能力评价表如下，

本发明将光学遥感影像的图像质量要素与基础地理信息要素进行结合，并通过定性与定量相结合的主观评价方法，得到更为综合和符合人类认知的图像质量评价结果。为光学遥感影像使用者提供了遥感影像图像质量等级和可用性的评价参考方法。

附图说明

图1为本发明实施例的评价方法总体流程图。

图2为本发明实施例的子影像解译等级评价流程图。

具体实施方式

下面结合附图及实施例对本发明作进一步说明。

本发明所提供评价方法将光学遥感影像分为不同的子影像后，对每一幅子影像进行评价打分，将各个子影像的分值进行汇总平均，得到该影像最终的解译等级分数。使用最能体现图像使用质量和效果的解译能力等级，可以对光学遥感影像图像质量进行评判，获得一个综合的图像质量主观评价结果。具体实施时，可参考计算机软件技术实现本发明技术方案的过程。参见图1，实施例包括以下步骤：

步骤1、将光学遥感原始影像按比例分为n个子影像，如分成1/4幅、1/8幅……等相同大小的子影像，如图1中得到子影像1、子影像2…子影像n。例如，某原始影像拆分为4张1/4幅子影像，左上角和左下角子影像主要为市区和部分水系、右上角影像主要为林地和部分耕地，右下角影像则主要为耕地。

步骤2、根据评价表中的相关要素，对每一幅子影像进行解译能力评价，得到子影像的解译能力等级分值。可根据评价表中的内容和要求，对每一幅子影像进行评价，对表中在影像里出现的相关要素进行比较和判读，并根据表中该要素判读评价方法和描述内容或特征对子影像的解译能力等级进行打分。

将基础地理信息要素与影像地物解译要素进行结合可得到光学遥感影像地理要素解译评价表，简称评价表。具体实施时，可以预先建立评价表，对任一光学遥感原始影像进行评价时，可导入评价表，根据评价表内容判读。实施例建立的评价表将最能表现遥感影像最终质量、效果和应用潜能的解译能力作为对图像质量的评价标准，运用了光学遥感影像图像解译方法，结合基础地理信息要素分类方法对解译地物要素进行组织和分类，得到的评价表见表1。

评价表中主要包括等级、方法、大类、子类、要素五项。例如某幅子影像评价符合以下表项：

3.7

发现

交通

车辆

汽车

“等级”是指解译等级，分为0-9，可包含一位小数，如4.5。0为由于图像质量较差无法进行使用或者判读，其余得分从1开始，表示从低到高的不同解译能力等级，9为最高解译等级得分。

“方法”是指解译的方法类型，包括发现、识别、区分、计数四项。参考美国图像分辨率评估和报告标准委员会的图像解译方法，不同解译要素或相同解译要素的不同等级具有不同的解译方法、解译特征，根据美国图像分辨率评估和报告标准委员会的图像解译方法，评判方法包括发现、识别、区分、计数四种，“发现”为可以直接发现或者根据影像场景中的形状或者其他情景信息观察、搜索或者一定程度地推理，发现相应地物要素的存在，但不要求进一步对其特征进行区分；“识别”是根据要素的特征或者更为细节的组成部分，明确地物要素的名称或者类别，识别依据对影像上客观存在的要素、组成部分和细节特征，而非对情景的估计和推理；“区别”是根据影像中的所发现的地物要素的细节，明确区分其中一个或多个不同类型的要素、对象或特征；“计数”是对影像中地物要素或者对象的数量进行统计。

“大类”是解译要素的大类，“子类”是大类下细分的类别，“要素”是子类中的具体要素、对象和特征。

评价表中的每一行内容，是解译方法和要素或特征的组合，方法为动词，要素为名词，如以下表项：

等级	方法	大类	子类	要素
					3.6	识别	植被与土质	植物	开阔地的独立树丛

等级3.6的满足标准便是，“识别”“植被与土质”大类下“植物”子类的“开阔地的独立树丛”。

实施例中子影像解译能力评价具体步骤如图2所示：

1）按表中等级顺序在子影像中查找对应类别。首先是根据评价表中的要素内容，按照等级从低到高的顺序（实施例按表1中从1到9.0的顺序）从评价表中取一个待查找的“大类”和“子类”，在影像中查找存在的对应类别内容，如出现该类别，进入2）；如没有出现该“大类”和“子类”要素，则继续按顺序从评价表中取下一个待查找的“大类”“子类”内容（表中的下一行）进行查找。

2）对比子影像地物要素和评价表中的“要素”。对比影像中出现要素是否符合评价表中对应“要素”解译要求的描述内容，如果该要素符合其在评价表中对应要素中的解译要求，则该影像达到评价表中要素所对应的等级，进入3）。相同分数的要素是并列关系，只要符合其中一项，则表示影像达到该解译等级，例如某子影像中能够“发现”“交通”大类下“车辆”子类中的“汽车”，则其满足等级为3.7的解译要求，同时，该子影像可满足分数同为3.7的“区分”“交通”“车辆”“火车的不同类型车厢”，“区分”“居民地及设施”“工矿及其设施”“使用中和废弃的采石场”这两项解译描述内容，见下表。

等级	方法	大类	子类	要素
					3.7	区分	交通	车辆	火车的不同类型车厢
3.7	发现	交通	车辆	汽车
					3.7	区分	居民地及设施	工矿及其设施	使用中和废弃的采石场

3）记录符合描述的要素“等级”分值，判断是否已经为表中最终项，如不是，则返回1）继续按顺序查找下一项等级的类别内容。如已到表中最后要素，则取最后成功判读要素的等级作为该子影像解译评价等级，即可确定子影像解译等级分数。

例如，在一幅覆盖市区的子影像中，通过初步判读，影像质量良好，无任何遮挡，因此首先排除因质量问题所对应的等级“0”，从等级1的解译标准开始对影像进行评价。直到等级3.6，该影像均满足要求或无法找到评价表中所述要素，进行等级3.7的判读，发现影像中无“火车”要素，无法对3.7第一项所述的“区分”……“火车单节车厢”进行判读，则跳过，进入3.7第二项“发现”……“汽车”，由于影像中可以发现公路上的汽车，因此满足该项要求，则该子影像等级初步判定为3.7。以此类推，由于后续等级要素的要求均无法满足，因此，该子影像最终解译等级为3.7。如后面找到更高等级，则为更高等级分数，如5.0。这样可以从遥感影像使用者角度，对其图像质量进行主观评价，并用评价表中对应要素的参考分值进行打分。

具体实施时，可涉及流程为针对每一幅子影像执行如下子步骤：

步骤2.1，按照等级从低到高的顺序，从评价表依次选取一个要素作为当前的目标要素，并在子影像中查找对应的地物；

步骤2.5，将所记录的最高等级确定为子影像解译等级分数；

步骤3、将各个子影像的解译能力等级分值进行汇总并计算他们的平均值，得到该原始的光学遥感影像最终的解译等级分数。

设各个子影像的解译能力等级分值记为a₁、a₂、a₃…a_n，如式(1)所示。

A_{n} = \frac{a_{1} + a_{2} + a_{3} + \cdot \cdot \cdot + a_{n}}{n} - - - (1)

式中，A_n为原始的光学遥感影像解译等级，n为子影像总数。

如将一个原始影像分为4个子影像，解译等级分别为3.6、3.5、3.6、3.7，则经过平均计算，得到该原始影像解译等级为(3.6+3.5+3.6+3.7)/4=3.6，计算结果保留一位小数。

为便于实施参考起见，提供实施例的评价表如下：

表1光学遥感影像地理要素解译评价表

本发明的上述实例仅仅为说明本发明实现，任何熟悉该技术的人在本发明所揭露的技术范围内，都可轻易想到其变化和替换，因此本发明保护范围都应涵盖在由权利要求书所限定的保护范围之内。

Claims

1.一种基于解译能力等级的光学遥感影像图像质量评价方法，其特征在于，包括以下步骤：

步骤1、将原始的光学遥感影像分为多幅子影像；

步骤2.3，对比子影像中对应地物和当前的目标要素，判断是否符合目标要素的解译要求，若是则进入步骤2.4，若否则返回步骤2.1按顺序选取下一个要素作为新的目标要素进行处理；

步骤2.4，记录当前的目标要素的等级，判断是否已选取过光学遥感影像解译能力评价表所有要素，若是则进入步骤2.5，若否则返回步骤2.1按顺序选取下一个要素作为新的目标要素进行处理；

步骤2.5，将所记录的最高等级确定为子影像解译等级分数；

2.根据权利要求1所述基于解译能力等级的光学遥感影像图像质量评价方法，其特征在于：步骤3中，

A_{n} = \frac{a_{1} + a_{2} + a_{3} + ... + a_{n}}{n}

式中，A_n为原始的光学遥感影像解译等级，n为子影像总数。

3.根据权利要求1或2所述基于解译能力等级的光学遥感影像图像质量评价方法，其特征在于：所述光学遥感影像解译能力评价表如下，