CN102411782B - 一种高光谱遥感图像三层彩色可视化方法 - Google Patents

Abstract

本发明提供的是一种高光谱遥感图像三层彩色可视化方法。首先利用全波段图像融合实现高空间分辨率的三通道空间信息彩色可视化图像；同时利用光谱解混结果，显示裂片纹理层以及基于空间相关性的饼图矩阵层，以显示局部及具体光谱信息；最终以空间信息层、显示裂片纹理层、饼图矩阵层三层组合形式表达高光谱图像。本方法生成的图像具有良好的特征独立性和视觉直观性，并能够避免颜色表达上的混乱。本方法对多种类别可同时或单独显示，也可对目标物体突出显示，以满足不同的观察需要。

Description

一种高光谱遥感图像三层彩色可视化方法

技术领域

本发明涉及一种高光谱图像的可视化方法，特别是一种充分利用高光谱数据信息源的三层彩色图像显示方法。

背景技术

高光谱数据不仅包含了丰富的空间信息还包含了丰富的光谱信息。传统的高光谱图像可视化方法中，对原始高光谱数据，用图像立方体来表达高光谱数据的整体，用光谱曲线来表达其二维光谱信息，用光谱曲面来表达其三维光谱信息，用灰度图像来表示某一波段或某一类别地物信息。然而波段数量的增多也必然导致信息的冗余和数据处理复杂性的增加，并且不利于可视化表达。

加入了色彩信息的三通道显示系统能够在图像中表达更为丰富的有用信息。因此将原始数据信息进行处理后再通过三通道加以显示，将会得到更为清晰直观的目视判别和可视化效果。目前高光谱数据用于三通道显示的常用预处理方法有：数据降维、光谱解混、分类和图像融合等。但是，将以上处理结果直接用于三通道显示，并不能充分利用高光谱丰富的信息源，一方面将会丢失大量有用信息，另一方面又仅能片面地表达地物的空间信息或者像素的光谱信息。

Ketan Kotwal和Subhasis Chaudhuri于2010年发表在《TRANSACTIONS ONGEOSCIENCE AND REMOTE SENSING》的文章《Visualization of Hyperspectral Images UsingBilateral Filtering》中提出了一种基于双边滤波的高光谱图像融合方法。这种融合方法，通过使用具有边缘保持特性的双边滤波器，使之能够保留存在于某些单独波段的细节信息。同时，对于大数据量的多波段高光谱图像，使用分层融合策略，可以在不影响图像融合质量和性能的前提下，提高计算和存储效率。

Shangshu Cai和Qian Du于2010年发表在《TRANSACTIONS ON GEOSCIENCE ANDREMOTE SENSING》的文章《Feature-Driven Multilayer Visualization for Remotely SensedHyperspectral Imagery》中提出了一种基于特性驱动的遥感图像多层可视化，利用数据驱动点、饼图、定向裂片技术等方法多层表示高光谱图像。然而，这五层图像都是利用光谱的线性解译结果进行显示，不仅空间信息有较多损失，视觉效果改进程度也很有限，饼图层较混乱，而且并无法突出显示某些感兴趣目标等等。

发明内容

本发明的目的在于提供一种同时显示地物的空间和光谱信息，即保留细节及边缘信息又可突出显示观察者感兴趣目标的高光谱遥感图像三层彩色可视化方法。

本发明的目的是这样实现的：首先利用全波段图像融合实现高空间分辨率的三通道空间信息彩色可视化图像；同时利用光谱解混结果，显示裂片纹理层以及基于空间相关性的饼图矩阵层，以显示局部及具体光谱信息；最终以空间信息层、显示裂片纹理层、饼图矩阵层三层组合形式表达高光谱图像。

本发明还可以包括：

1、空间信息彩色可视化图像获取方法为：

步骤1：利用自适应子空间分解划分原始高光谱图像数据为三个子区间；

步骤2：将三个子空间的数据分别进行分级的双边滤波融合，各融合为一幅图像；

步骤3：分别将所得的三幅图像赋给三色通道显示，如RGB、HSV、L*a*b*等彩色空间。

若此时得到的彩色图像亮度的平均值或彩色对比度低于设定的某临界值γ时，则进行亮度调整、彩色加强或边缘加强。

2、光谱信息彩色可视化图像获取方法为：

步骤1：将原始高光谱图像数据进行光谱解混；

步骤2：为不同光谱类别分配颜色标签；

步骤3：显示能够同时表示地物的空间信息和光谱信息的显示裂片纹理层；

步骤4：显示定序饼图。

3、还可以包括感兴趣目标突出显示，所述的感兴趣目标突出显示的方法为：对于感兴趣类别，利用光谱解译结果，在显示裂片纹理层，对感兴趣类别突出显示；对于已知的特定目标和未知小目标，利用目标检测结果，最后将检测出的像素显示为指定颜色并加入原彩色图像进行显示；在最终的显示图像中，单独显示某类感兴趣目标，或同时用指定的不同颜色区分显示几种感兴趣目标。

本发明提出了一种基于类别空间相关性的自动色彩分配方法，根据类别空间相关性来分配彩色标签，能够生成具有更好的类间可分性的彩色图像，具有更好的视觉效果。

本发明提出基于裂片纹理技术(OST)的高光谱显示方法。该方法能够同时表示地物的空间信息和光谱信息，既可以宏观的显示图像的混合彩色信息，也能对区域内每个混合像素的光谱组成进行更加准确的表达。并且，本方法生成的图像具有良好的特征独立性和视觉直观性，并能够避免颜色表达上的混乱。本方法对多种类别可同时或单独显示，也可对目标物体突出显示，以满足不同的观察需要。

本发明提出定序饼图显示策略。由于充分考虑了像素邻域类别的空间分布状况，本方法既可以显示像素中各端元类别的含量，同时还具有更好的类别空间分布特性。

以上的各种显示策略，可以根据需要分别单独显示，也可以多种策略组合显示。

附图说明

图1(a)-图1(c)为双边滤波融合图像；其中：图1(a)双边滤波融合后原始结果图像、图1(b)提高亮度后溢出信息、图1(c)提亮后融合图像。

图2(a)-图2(d)为不同程度边缘加强的结果图像；其中：图2(a)双边融合图像、图2(b)加入0.2倍边缘信息、图2(c)加入0.5被边缘信息、图2(d)三通道边缘信息。

图3为快速分配颜色标签方法框图。

图4为17类别颜色标签选取及类别分色显示结果。

图5为局部印第安纳农林数据四类别彩色显示结果；其中：图5(a-1)-图5(a-4)分别是第一类至第四类解混分量图、图5(b)LMM彩色混合显示结果、图5(c)OST显示结果、图5(d)类别3突出显示结果。

图6(a)-图6(d)为突出类别以及加入LMM背景的显示结果；其中：图6(a)加入透明度为0.2的LMM背景显示结果、图6(b)突出显示图6(a)中类别1的效果、图6(c)图6(a)中矩形框内图像放大效果、图6(d)图6(b)中矩形框内图像放大效果。

图7(a)-图7(c)为考虑空间相关性的饼图单元示意图；其中图7(a)双类别硬分类、图7(b)双类别软分类、图7(c)三类别。

图8(a)-图8(b)为农林数据类别6的空间饼图显示结果；其中：图8(a)原始饼图显示、图8(b)定序饼图显示。

图9(a)-图9(c)为圣地亚哥数据中未知小目标检测及显示结果；其中：图9(a)未知小目标突出显示结果、图9(b)小目标位置放大、图9(c)检测结果。

图10为加强边缘并对已知目标检测结果显示图。

图11为可视化步骤框图。

具体实施方式

下面结合附图对本发明做出更详细的描述。

本发明为一种新型的高光谱遥感图像多层可视化方法，下面给出本发明的详细实施方式：

1)所述的空间信息彩色可视化方法

步骤2中所述的双边滤波融合每一级的融合图像I_F计算公式如下：

上式中I(x，y，λ₁)到I(x，y，λ_M)表示为具有M个波段的高光谱图像立方体的子集。I_BF为双边滤波图像：

其中

分级融合方法如下：对于维数为(XλYλN)的高光谱数据，其波段数为N。在第一级，将数据等分为

个连续子集，其子集维数为(XλYλM)，使用双边滤波对每个子集进行融合，最终生成P个不同的图像。这P个图像作为下一级的输入图像，使用与上一级相同的方法融合这(XλYλP)维的数据，生成再下级的融合图像。以此类推，最终生成唯一的结果图像。

若此时得到的图像亮度的平均值或彩色对比度低于用户设定的某临界值γ时，系统可自动进行亮度调整、彩色加强或边缘加强。亮度调整及边缘加强方法如下：

(a)对于异常点的存在导致亮度偏暗的图像，使用如下方法：根据观察者所需图像效果提高亮度，或取信息量最高时的亮度值(信息量评价标准可选择彩色图像信息熵)，同时将超出亮度范围的像素点记录到另一幅图像，与提亮后的图像同时显示，这样则可在得到更高视觉效果的同时不丢失重要信息，如图1所示。

(b)对因类间光谱特征相近而导致的对比度较弱的融合图像，根据观察者需要进行不同程度的边缘加强显示，以使不同类别地物更易目视判别。具体步骤为：

步骤1：将最终的融合图像F的三通道灰度图像分别进行边缘检测。

步骤2：将三幅边缘信息图像与原始图像F进行点乘后相加，得到各通道具体边缘强度信息的彩色图像f。

步骤3：将边缘信息图像f乘以系数r后，与原图像F相加，最终得到边缘加强的结果图像。

此方法在显示时，系数r可根据观察者自由设定。美国印第安纳农林数据双边融合后图像见图2(a)，三通道边缘信息如图2(d)所示。不同系数边缘加强的结果见图2(b)图2(c)。

2)所述的光谱信息彩色可视化方法如下

(1)一种基于类别空间相关性的自动色彩分配方法

本发明选择CIELUV空间进行类别色标的选择。n类的彩色标签选择方法见下式：

首先根据先验知识或光谱解混结果得到地物空间位置信息，然后根据上述结果分配类别标签，使空间相邻的标签具有较大色差。当想要达到更高视觉效果时，则可使用譬如遗传算法等智能优化方法，以使在相邻类别分给相邻颜色情况最少的前提下，相邻类别分配的颜色间隔均值最大。本发明提出一种快速分色方法，框图见图3：

步骤1：标记相邻类别以及混合像素所含类别，制成索引表K。将选择的颜色标签按照取色顺序依次排列，设颜色标签相对应的类别序列为M，第i号颜色标签所对因的类别号为m_i。设Q_i是与m_i不相邻、未指定且未遍历的类别集合。P_i为序列M第i位置的预选类别集合。计算所有类别所具有的不相邻类别数目N，其中第j类别的不相邻类别数为n_j。

步骤2：若类别颜色没有预先设定，可取N中最小的n_j对应的类别为m₁，起始颜色设置为1。若存在预设定类别，则选择其中最小的n_j对应的类别为m₁，同时记起始颜色为相应指定的颜色编号。

步骤3：分配颜色标签相对应的类别序列M。a)若目前序列位置类别预先设定，则把预设定类别放入集合P_i。b)若目前序列和下一位置均的类别都没有预先设定，如果Q_i为空，P_i取所有未遍历的未指定类别，否则取P_i＝Q_i。c)若

已有预设定类别，则P_i取类别需与其前后都不相邻的序列；若P_i中类别数为零，则P_i＝Q_i；若仍为空，则P_i取其余所有未遍历的未指定类别。

步骤4：计算P_i中各类别所具有的不相邻且未分配的类别数目N。若P_i长度大于1，m_i取P_i中n_j

1的最小n_j所对应类别序号；若P_i长度为1，则m_i即为P_i集合中所含的类别序号。

步骤5：若所有类别已遍历，根据起始颜色编号调整颜色标签序列顺序，将已选取的颜色标签分配给以上所得的类别序列中的相应类别，循环结束。若未完成遍历，返回步骤3。

最后，将分配的颜色标签分配给相应的光谱类别。农林数据17类别颜色标签选取及类别分色显示结果见图4所示。

(2)定向裂片纹理技术可视化方法

将颜色标签转换到CIELUV彩色空间下。给定背景灰度值bg，其中bgP[0，1]，再按下述方法生成ROI中所有类别的纹理图像I：

步骤1：每种端元类别都采用一个特定方向的裂片来表示，同种类别的所有方向裂片组成其类别特有的定向纹理。

步骤2：方向裂片的色调h就是该端元类别所对应的类别标签的色调。

步骤3：饱和度s为归一化的各像素的类别含量值a，其取值范围是[0，1]。

步骤4：所有纹理单元的明度值即为像素中该端元的丰度值，然后将其归一化到[bg，1]。

为消除人为规则图像对整体纹理显示的干扰，在绘制纹理阵列图像时，须引入单位纹理的随机抖动。

单独显示裂片纹理时，可选择值为bg的灰度背景。若为获得更好的视觉效果，也可采用具有恰当透明度的空间信息层或LMM层作为背景。方向裂片长度及背景灰度可根据需求设定。背景灰度和类别纹理的最低灰度值也可分开设置，但通常设为相同灰度bg。

图5(a)是各类别的解混结果。图5(b)是利用上文方法分配的颜色标签，采用线性混合模型(LMM)方法生成的结果。图5(c)是OST的显示结果。图6(a)即为加入透明度为0.2的LMM背景后的结果。

(3)饼图矩阵建立方法

在局部放大情况下，可利用饼图和解混图像同时显示端元的空间信息与光谱信息。

传统意义上用以显示物质组成的饼图是以圆心作为各扇形的顶点，本方法中，则根据邻域元素的组成以及该元素所含的端元成分，计算扇形顶点坐标以及扇形的位置，以产生更加符合实际边缘的类别成分位置。

饼图矩阵绘制步骤如下：

步骤1：选定邻域类别对应边。

本文取8邻域，如图7，将单个像素的定序饼图设为正八边形，两平行边之间距离为1，其八条边分别对应该像素的八个邻域。若不考虑邻域为混合像素，只考虑邻域像素判断类别为有或无的情况，类别A的邻域分布如图7(a)所示(S为背景类)，其对应的正八边形边为fg、gh和ha。若考虑邻域像素的混合情况时，则取相应边的中点，可达到更加准确的表示，如图7(b)所示，则类别A对应的边为mg、gh和hn。

步骤2：求取定序饼图中心点q。

(a)当邻域类别数R为2时，若中心元素所含类别A为m％，则在八边形内，线段af的中垂线上求取一点q，使得多边形qahgf面积占整个正八边形面积的m％。若考虑邻域像素的混合情况，顶点q的求取方法不变，最终表示该端元类别A的定序饼图区域为qnhgm。

(b)当中心像素相邻类别R大于2时(例如3类，如图7(c)所示，中心像素含有A、B两类含量分别为m％和n％)，类别对应边选取与前方法相同，顶点则需使多边形qnhgmf和qcban的面积分别占整个正八边形面积的m％和n％。当类别在增加到R＞3时，则从最多邻域数量的类别光谱开始，顺时针确定顶点，取第i类顶点在已分配类别的边缘线上，且保证各类的面积比。即若图7(c)中存在类别C，则C类对应的顶点在线段mqc上取得，同时保证对应的多边形有相应的面积比。最后一类别填充剩余空隙。

步骤3：利用上文色彩分配策略结果，按照类别所对应的标签颜色，填满各多边形区域。

步骤4：将每个预显示点重复步骤1到步骤3，直到每个需要点都被显示。按照每个像元的原像素位置对应的显示每个像元对应的饼图，组成饼图矩阵，最后根据放大比例及观察者要求调整整体饼图矩阵图像的大小。印第安纳州农林数据第六类别光谱解译结果的空间饼图显示结果如图8(a)所示，图8(b)为传统饼图矩阵。

步骤4中所述饼图层，可选择感兴趣区域内所有像素点加以显示，也可选择只显示混合像元，然后将其叠加在放大后的解译图上，尤其是当不同类别的地物空间位置相对较集中时，这样不仅减少了耗时，更突出显示了非纯像元的空间位置信息。

3)所述的感兴趣目标突出显示

(a)对于感兴趣类别，可利用先验知识或光谱解译结果，在OST层，对感兴趣类别突出显示。

具体方法如下：可将OST策略中感兴趣类别用方向角度为0°或90°的裂片纹理表示，也可增加需要突出显示类别的裂片宽度。当各类别的地物空间位置相对集中时，在局部像素显示策略中采用只显示ROI内混合像素的显示策略，以突出非纯像素的空间位置信息。

当观察者对局部农林数据中类别1感兴趣时，采用OST技术使用加粗裂片的方法对该类别进行突出显示，结果如图5(d)。图6(a)是加入透明度为0.2的LMM背景后的结果；图6(b)是图6(a)中类别1突出显示的效果。图6(c)、图6(d)分别为图(a)(c)中矩形框内图像放大效果。

(b)对已知的特定目标和未知小目标，可利用恰当的目标检测结果确定目标像素位置，如当背景未知的小目标检测可用CEM检测。

(c)对于场景中存在光谱信息未知的小目标时，可以根据高光谱数据在特征空间这一特殊的几何结构进行端元提取，继而实现对感兴趣目标的探测。

将检测出的像素保持原亮度(或设其亮度为1)，同时换成指定颜色加入原彩色图像进行显示。图9中是对于圣地亚哥部分数据中含有未知小目标的部分图像检测，以及检测后的突出显示，红色表示检出的测物体。在最终的显示图像中，可以单独显示某类感兴趣目标，也可指定不同颜色类别，同时用不同颜色区分显示几种感兴趣目标。图10为加强边缘并对已知目标的检测结果显示图。

Claims (1)

1.一种高光谱遥感图像三层彩色可视化方法，其特征是：

步骤一，利用双边滤波融合实现高空间分辨率的三通道空间信息彩色可视化图像；

步骤二，将原始高光谱图像进行光谱解混，利用光谱解混结果，得到定向裂片纹理图像以及饼图矩阵图像，以得到局部及具体光谱信息；

步骤三，以空间信息彩色可视化图像、定向裂片纹理图像、饼图矩阵图像三层组合形式表达高光谱图像，实现高光谱遥感图像三层彩色可视化；

其中，步骤一中的空间信息彩色可视化图像获取方法具体为：

步骤1：利用自适应子空间分解划分原始高光谱图像数据为三个子区间；

步骤2：将三个子空间的数据分别进行分级的双边滤波融合，各融合为一幅图像；

步骤3：分别将所得的三幅图像赋给三色通道进行显示，所述三色通道是RGB、HSV或L*a*b*彩色空间；

若此时得到的彩色图像亮度的平均值和彩色对比度中的任一低于设定的某临界值γ时，则进行亮度调整、彩色加强或边缘加强；

其中，步骤二中所述的局部及具体光谱信息的获取方法为：

步骤1：将原始高光谱图像数据进行光谱解混；

步骤2：为不同端元类别分配颜色标签；

步骤3：得到能够同时表示地物的空间信息和光谱信息的定向裂片纹理图像；

步骤4：得到饼图矩阵图像；

其中，步骤二的步骤3中所述的定向裂片纹理图像的获取方法具体为：

步骤（1）：将原始高光谱图像中每种端元类别都采用一个特定方向的裂片来表示，同种类别的所有方向裂片组成其类别特有的定向纹理；

步骤（2）：确定色调，将各端元分配到的颜色标签的色调赋值给相应类别的方向裂片的色调；

步骤（3）：确定饱和度，将原始高光谱图像中各像素含有的各端元的丰度值归一化，分别将其作为相应的定向纹理的饱和度，其取值范围是[0,1]；

步骤（4）：确定明度，将原始高光谱图像中各像素含有的各端元的丰度值作为其相应定向纹理的明度，然后将其归一化；

步骤（5）：确定背景，选择灰度背景，或采用空间信息彩色可视化图像或LMM层作为背景显示所选区域的定向裂片纹理图像；

其中，步骤二的步骤4中所述的饼图矩阵图像的获取方法具体为：

步骤（1）：将单个像素的定序饼图设为正八边形，两平行边之间距离为1，其八条边分别对应该像素的八个邻域，选定邻域类别对应边；

步骤（2）：求取定序饼图中心点q；

步骤（3）：按照不同端元类别分配的颜色标签所对应的颜色，填满正八边形中的各多边形区域；

步骤（4）：每个预显示点进行上述步骤（1）到步骤（3），直到每个预显示点都被显示，按照原高光谱图像中各像元的原像素位置对应地显示每个像元对应的饼图，组成饼图矩阵,最后根据放大比例调整整体饼图矩阵图像的大小。

Images