遥感图像处理与展示平台的设计与实现

摘要：在工程项目研发中，我们需要一种既能够进行常规的图像处理，又便于测试算法，还能够管理图像信息并友好地展示流程和处理结果的软件系统。针对这种需要，我们以现有的各种图像处理算法为基础，参考商用和开源软件系统，采用面向服务的架构，设计并实现了一个遥感图像处理与展示平台。

关键词：遥感图像处理;展示平台;设计;实现

1遥感图像处理的数据源及图像分类方法

1.1数据源

遥感图像的数据来自卫星对观测区域某一时间段的地物电磁波辐射数据进行收集，形成影像。数据当中的亮度值表示的是地物辐射光谱能量情况，数据纹理表示的是地物光谱结构情况。遥感卫星数据影像的种类有很多，每种影像数据的信息分辨率都存在差异，因而在具体应用的过程中，需根据具体要求和数据影像的特点进行合理的应用。例如美国的Landsat系列卫星影像数据源的空间分辨率属于中分辨率遥感卫星，在中尺度的资源环境监测、生态效益分析等方面的应用较为广泛，且应用的成本较低，监测的质量较好。我国的高分系列遥感卫星影像属于中高分辨率的遥感卫星，在高精度的环境调查、国土监测方面表现良好。

1.2分类方法

遥感图像的分类方法主要有监督分类和分监督分类两种。非监督分类，需要人工参与较少，仅根据影像数据的灰度值，直接将各种地物光谱的信息不同的地物进行区分，然后将分类的信息进行综合整理，确认属性信息。监督分类方法的分类结果精确度较高，首先从影像当中挑选出具有代表性的训练样本，然后在根据训练样本的特征建立分类规则，然后运用分类规则将影像进行相应的分类。在监督分类法应用之前，需要具备先验的类别知识，准确挑选出训练区的训练样本。

2图像预处理

2.1颜色空间转换

颜色空间也称彩色模型，从提出到现在已有好几种形式，但在实际的应用中RGB和YUV是最常见的空间模型。其中RGB颜色空间是根据人眼识别颜色的能力提出的，所以它的空间模型与人眼的结构保持一致，我们生活中所见的大部分颜色都可以通过三个基本颜色—红色（R）、绿色（G）和蓝色（B）之间进行组合。R、G、B三个分量之间相关性很强，色度、亮度以及饱和度之间关系密切很难分开，再加上RGB颜色空间需要存储的字节比较多，在科学研究中不经常使用，也不适用于遥感图像分割。而且当其中的亮度变化必将会引起三个量都变化。但模型在图像显示时便于直接观察，经常作为硬件设备的模型，尤其是在彩色扫描仪、彩色电视机以及一系列的彩色监控视频摄像机等领域广泛运用。在自然界中，每一束光都是由R、G、B这三种不同基色按照不同的比例混合在一起形成复合色，在研究中通常用立方体来表示RGB颜色空间模型，当三基色分量都为0时，结合后即为黑色（0，0，0）当三基色分量达到最强的时候，可以结合为白色（1，1，1）。

2.2分块处理

在进行遥感图像信息处理时，避免不了要对庞大数据量进行分析和计算，以一幅240x240的RGB彩色图像为例，要处理240x240x3=172800个数据，这样严重影响了算法速度。每幅图像是由许多像素组成，像素越大处理的速度就越慢，如果能将一幅图像中众多的像素分割成n个小块I0（y，u，v），I1（y，u，v），…In（y，u，v）这样每一块对应的像素相比原图就会少很多，再对分的每个小块Ii（y，u，v）进行分割处理，算法的处理时间就会缩短。为了使分过块的图像像素颜色类别之间的变化达到最小，因此在分块时需要注意将图像分成尽量小的小块图像。

3平台的设计与实现

3.1平台设计

国内的遥感软件中，整体相对来说比较出色的是CASMImageInfo。该系统由中国测绘科学研究院与四维公司联合开发，主要针对遥感应用的需求，可对多光谱、高光谱、遥感数据源进行分析处理。除此之外，国内软件还有的RSIES、IRSA、SARINFORS等软件，RSIES可以针对区域的地质调查进行遥感信息解译。而IRSADisplay遥感图像处理软件可以针对遥感图像进行一些常规的图像处理，中国林业科学院与北大遥感所联合开发的SARINFORS软件则是专门针对成像遥感开发的软件。整个平台中最核心的功能是“遥感图像处理”，由各种服务来完成，主要实现一些常见的图像预处理和工程中将要用到的一些图像处理功能，包括光学和SAR图像处理中都会用到的几何校正、地理编码、图像配准、图像融合、道路检测等等。这些功能的实现方式是一类处理对应一个服务。这样设计的目的是使各种图像处理功能的开发者可以专注于功能的实现，可以采用开发者熟悉的任何编程语言，只要服务遵循各种标准化的接口服务规范，就不必考虑与平台的耦合性问题，既方便了功能的设计，又简化了平台的实现。

3.2系统实现概况

平台的主体基于WPF框架和WCF服务实现。数字地球完全采用WPF框架实现。基础服务均采用WCF服务实现，遥感图像处理服务则可以使用WCF或Axis2框架。服务的开发可以基于任何语言，只要最后能够封装成这两类服务之一即可。而数据访问设计了专用I/O模块，核心是GDAL/OGR库，同时根据平台的需要进行了扩展，供所有需要访问数据的服务使用。目前，系统的基本框架已经完成，实现了一些常见的图像预处理功能，如辐射校正、几何校正、图像镶嵌、图像配准、图像融合、滤波及重采樣等等，工程应用实现了道路检测和其他几项应用，数字地球则实现了影像叠加、ROI标注、漫游、轨道仿真、距离测试、语音控制及手势控制等等。只要遵循现有的架构，未来可以很方便地扩展任何其他处理和展示功能。图1为平台的主界面的实现效果。平台主界面分为3部分，上面为工具栏，左边是图层、ROI、图像叠加层和卫星轨道仿真的菜单栏，剩下部分为数字地球。工具栏采用流行的Ribbon框架，包括数字地球、图像处理和图像工具3部分。图层用来加载数字地球中常见的基础图层。ROI用来标注一些经常访问的热点地区，而图像叠加层则用来放置最近经常访问的热点图像。卫星轨道仿真列出了一些常见的轨道模型。数字地球上加载了基础的可见光图层和国界矢量图层，两个椭圆仿真的是高分1号和TerraSAR-X卫星的轨道。

3.3遥感图像处理流程

对于每一种遥感图像处理算法，算法实现者负责包装成服务，数字地球上则需添加该服务的分步调用窗口，处理的结果可在数字地球上展示。地形校正算法的实现分为3步。（1）选择校正影像，如果有缩略图会在第一步中显示供用户参考。（2）随后选择校正的波段并设置校正算法的参数。（3）接下来选定图像保存的路径和格式后就可以开始校正了，校正的结果也有缩略图显示效果。校正结束后，如果选择结果浏览，则校正结果图像会被加载到数字地球上。如果图像较小，则可以直接加载，大到一定的程度则需要切片后才能加载。

作者简介：杨勇（1982.08-），单位：中国电子科技集团公司第十研究所，最高学历：硕士研究生，职称：工程师，从事的研究方向或专业工作内容：地理信息服务与遥感应用方面的工作。