铁路工程地质遥感图像处理系统设计研究

丁小军

摘要：文章针对铁路工程缺少专业的地质遥感图像处理系统需求，设计支持图像融合评价、波段运算等功能的系统。在阐述系统的结构基础上，详细介绍系统图像文件管理、图像融合、图像增强等功能的设计。同时，选取部分实例测试系统功能，研究结果表明，根据光谱逼真度及其纹理清晰度可以定量评价图像融合结果，从而挑选最合理的融合算法，提升遥感影像可判释能力;水体指数法可以展现良好的细节信息，适用于平坦地域水体信息提取;谱间信息法可以把水体和阴影进行区分，适合用在陡峻山区信息提取。

关键词：铁路工程;地质遥感;图像处理系统;设计

中图分类号：U212.22，TQ015.9

文献标识码：A

文章编号：1001-5922（2019）08-0036-04

遥感是现代信息技术中一种重要的技术，主要用来采集地球空间信息及动态变化资料，成为广泛用于资料环境、测绘勘察、农业水利等领域开展科学研究的主要方法。近些年，随着遥感技术的迅速发展，高空间及光谱分辨率的卫星影像被广泛用于工程地质工作中。卫星影像除具备几何校正等功能外，还能依据地质判释情况完成图像增强、融合等处理。基于此，本文针对传统遥感图像处理软件所欠缺的功能，设计一款功能齐全的遥感图像处理系统，以满足铁路工程图像融合、图像特征增强等信息提取需要。

1 系统业务流程分析

与一般图像处理系统相比较，遥感图像处理系统不同之处表现在下列方面：遥感图像具有复杂、多样化特征;遥感图像实施处理时，要求数据有较小的损失量，且对数据处理精度提出更高的要求[1]。因此，遥感图像处理系统在构建与实现过程中均有一定的复杂性，采用这种系统提取专题信息，不仅要求操作人员具有一定的专业知识，也要求采用部分特殊的数据分析方法，便于用户理解、使用该系统各项功能。该系统业务流程如下：挑选系统内需要处理的遥感图像文件，若通过applet方法执行，必须对其进行授权，方可支持客户端访问本地资源。挑选需要处理的文件后，将遥感图像基本信息输入在内，包含尺寸、文件格式、灰度等[2][3]。程序对图像文件进行加载后，会利用原始大小显示这一图像。操作人员依据选择对图像开展各种处理，包含复原、增强等不同的操作，如图1所示。

2 系统功能结构设计

依据铁路工程开展地质遥感判释工作的实际需要，设计系统主要功能包含图像融合、图像增强运算等，如图2所示。

波段组合方法与处理：利用对多光谱数据展开统计分析，求解波段组合中的最佳指数，给出最合理的波段组合方法及其相应计算参数，完成波段组合处理操作[4]。

图像文件管理：该模块包含文件输入、输出及文件格式转换功能。该系统需要对不同格式的遥感图像及文件格式进行处理，包含：BMP、GIF、JPG等，因遥感图像主要为BSQ及BIL格式，因此，本系统重点关注这两种格式。对这两种数据格式进行读人时，必须输入相应地基本信息，如：图像尺寸、总波段数等，并挑选三个波段当做RGS显示出来。输入上述数据后，系统需要开展相应地信息监测，判定上述数据是否合理。若存在不合理的数据，系统则弹出相应地提示信息，并停止操作[5]。如果全部数据均合理，系统会采用图像原始大小及所选RCB波段进行处理。文件输入操作流程如图3所示。必须注意，文件输出则是在获取图像对应的一维数组，随之，将其写入在内存流内，执行写入文件操作同。一般情况下，所用遥感图像格式大多为BIL、BSQ，因此，系统需要顺利实现这两种格式间的转换。

图像融合功能：在于支持遥感图像实施多种融合处理，包含PCA变换融合、HPF变换融合等，并利用平均地区、相关系数、信息熵等参数对融合结果展开定量评价，挑选合理地图像融合算法，从而获取良好的融合效果[8][9]。

图像增强功能：该功能模块是系统算法中最主要的一个模块，一般情况下，一幅没有通过处理的遥感图像象素间对比度较差，很难精确分辨图像代表的地物细节。利用图像增强方式，不仅能增强图像对比度，也可以达到合理分辨地物细节的效果[10][11]。该功能模块具体功能，如图4所示。

信息提取功能：该模块功能支持通过计算机辅助提取水体、断裂构造等信息，有利于提升地质遥感判释效率。在铁路工程中开展勘察设计时，需要采用不同时期的卫星图像获得沿线不同类型河流特征及其地貌单元，深入研究河道演变规律，用于更好地指导做好现场调查及选线设计工作[12]-[14]。地表井等调查工作也是地质遥感日常工作内容之一。现阶段，通过卫星遥感影像可以顺利完成自动提取水体信息操作，而差值法、水体指数法等相继得到广泛的应用。其中，谱间信息法、水体指数法发展更为成熟，且效果好。前一种方法通过波段之间的光谱差异特征提取水体信息。依据水体特殊的多波段谱间关系特点，有学者提出创律谱间信息法模型：

B5/B2

（2）

上述式子中，B2、B3分别代表绿、红波段;a表示阀值;B4代表近红外;B5表示短波红外。可利用公式（1）把水体与阴影当做一类，与其它地物实施分离处理;式子（2）把水体和阴影进行分开。

后一种方法则要考虑水体的波谱特征，就是在绿波段展现出较强的投射型，短波红外处在水吸收带之内，真實展现地表所含水量敏感情况。因此，使用绿波段和短波红外波之间的差值与这两个波段数值之和比值当做归一化书体指数NDWl，如果满足NDWI>O这个条件，提取的地物是水体[15][16]。归一化水体指数求解公式如下：

NDWI= （B2+ Bs）/（B2- B5）

（3）

上述式子内，B2代表绿波段;B5表示短波红外波段。

3 系统部分功能应用实例

3.1 图像融合效果评价

选取我国河南省的洛宁县一韩城县的ALOSlOm多光谱影像及2.5m全色影像相互融合为研究对象，以此展开相应地评价试验。图像实施融合前必须展开辐射校正、图像配准等处理。波段组合使用321组合方法，影像配准选定全色数据作为基准，并把多光谱和全色数据进行合理地配准。除系统软件自身配置的PCA转换、HPF变换等融合算法之外，还需要加入IHS变换、乘积变换等融合算法展开评价。

根据融合结合和原始图像所对应波段一系列参数进行计算，后采用平均值当做融合结果评价标准。ALOS数据所用不同融合方式效果评价参数，如表l所示。从相关性视角分析，小波变换能够获得良好的效果，其次分别为HPF、乘积这两种变换方法。由信息熵层面分析，小波变换能够获取最佳的结果，随之分别为Brovey及HPF变换;从偏差系数分析，HPF变换能获得更好地效果，其次分别是小波、Brovey变换。根据纹理清晰程度可知，小波变换效果更理想，随之依次为HPF和Brovey这两种变换;分析光谱逼真程度可知，HPF变换可以获取最佳的效果，其次分别是小波和Brovey变换。综合分析光谱逼真度及纹理清晰度可知，小波及HPF变换会获取最佳的效果，可当做地质判释遥感图像融合优先选取的方法。

根据图像融合评价结果可知，对同一种数据源，采用不同算法获取的融合效果存在一定的差异。因数据源类型、区域等指标存在差异，在铁路工程进行地质遥感判释操作前，需要对图像融合效果展开评价，找到最优的融合算法，并实施融合处理。

3.2 水体信息提取

选取新建设的浦梅线局部区域Landsat8多光谱影像为研究依据，开展水体信息提取分析。原始图像合成效果中水体显示为蓝色，能够看出有大河流、湖泊轮廓。根据提取的信息可知，影像内大规模的水体信息已经基本提取出来，与谱间信息法提取结果比较，水体指数法所提取的河流信息更为连续，小湖泊等信息提取效果更加丰富，表明水体指数法对于小型水体信息提取具有更好地效果。必须注意，图像右下角存在少量阴影及云覆盖，利用谱间信息法可以有效分离阴影和水体，水体指数法则会这些信息混为一体。

4 结语

综上所述，根据铁路工程开展地质遥感判释工作实际需求，设计一款用于铁路工程的遥感图像处理系统软件，以此完成图像融合评价、专题信息提取等功能。在此基础上，对系统部分功能展开应用测试，测试结果证实，依托光谱逼真度及其纹理清晰度评估图像融合结果，可以挑选出最佳的融合算法，提升图像可判释能力。同时，采用水体指数法提取平坦区域的水体信息，其细节显示效果优于谱间信息法，而谱间信息法有利于准确区分水利和阴影，满足陡峻山区提取水体信息需求。

参考文献

[1]刘桂卫，全德武，铁路工程地质遥感图像处理系统设计与实现[J].铁道工程学报，2017，34（8）：11-15+52.

[2]彭检贵，张良，李维良，等，桌面遥感图像处理系统并行处理架构选择与实验分析[J].软件导刊，2017，16（4）：201-204.

[3]明冬萍，邱玉芳，周文，等，遥感模式分类中的空间统计学应用——以面向对象的遥感影像农田提取为例[J].测绘学报，2016，45 （7）：825-833.

[4]陈颖，王天阳，刘倩，等.遥感图像处理技术在土地勘测中的应用[J].民营科技，2016，（10）：70.

[5]韩岳松.专家系统在遥感图像处理中的应用探讨[J].西部探矿工程，2014，26（7）：107-111.

[6]赵爽，李学军，刘涛，等，构建基于自主可控平台遥感影像处理应用系统关键技术[J].飞行器测控学报，2016，35（5）：385-391.

[7]张元军，基于双边滤波与小波阈值法的矿区遥感图像处理[J].金属矿山，2017，（9）：170-173.

[8]曹洪涛，李明，李器宇，等.ARCENGINE结合MAT-LAB的遥感图像处理技术[J].测绘与空间地理信息，2015.（10）：147-150.

[9]秦绪佳，洪夏阳，王慧玲，等政进的遥感图像SURF特征匹配算法[J].小型微型计算机系统，2016，37（2）：327-331.

[10]王鑫，遥感图像信息提取系统的设计与实现[J].自动化技术与应用，2018，37（1）：93-96.

[11]刘扬，付征叶，郑逢斌，等.高分辨率遥感影像目标分类与识别研究进展[J].地球信息科学学报，2015，17（9）：1080-1091.

[12]李亚飞，董红斌，基于卷积神经网络的遥感图像分类研究[J].智能系统学报，2018，13（4）：550-556.

[13]譚翔，毛海颖，支晓栋，等，基于无人机红外光谱技术的影像数据匹配方法研究[J].光谱学与光谱分析，2018，38（2）：413-417.

[14]李思瑶，周海芳，方民权，等，基于web的遥感影像并行系统设计[J].中国科技信息，2017，（9）：93-94.

[15]潘博阳，杨鹤猛，伍小洁，等，基于SIFT和AffinityPropagation的遥感图像配准算法[J].信息技术，2014，（12）：25-28+32.

[16]刘福魁，刘丽，曹世欣，等，遥感图像结合MapGIS在省级矿山卫片执法检查中的应用[J].国土资源遥感，2014.（ 3）：166-169.