1.3　图像匀光、匀色

随着航空航天摄影测量中硬件性能的提升和几何纠正等相关技术的逐渐成熟，航空摄影的应用范围越来越广，其中DOM作为航空摄影测量的主要成果之一，在城市规划、地理国情监测及工程勘测中发挥着重要作用。在全国第三次地理国情普查中，测绘部门的一项重要任务就是基于高分辨遥感图像生产正射影像并将其作为变化监测的底图。其中，农村土地调查采用优于1m分辨率的航天遥感图像，城镇采用优于0.2m分辨率的航空遥感图像。在全球测图中，生产全球高分辨率正射图像也是该项目的重要内容之一。可见，DOM有着极其重要的作用，但是，一方面，人们对正射影像的生产能力有着强烈的需求；另一方面，由于各种原因，大面积的正射影像又存在各种辐射问题，生产单位往往需要大量的人力对遥感图像进行手动调色处理，这种作业模式受作业员的主观因素影响较大。另外，数据汇总单位往往需要对其进行重新调色，这种二次调色的行为极有可能破坏图像的纹理信息，并且这种作业模式工作效率低下，极大地限制了正射影像的生产效率，不能适应大数据时代信息更新的步伐，严重制约了正射影像的使用。因此，图像匀光、匀色算法的研究具有较大的现实意义和应用价值[6]。

遥感图像数据在地理信息产业和其他领域的地位越来越重要，在建设这些领域的相关数据的基础设施的过程中，它们是最重要的信息来源，并且迫切需要建设成对多比例尺和多数据源等海量空间数据能够进行高效管理与利用的大型图像数据库。但是，在实际生产数据的过程中，由于各种原因造成图像本身存在一定的质量问题，因此，如何实现图像数据库中的图像地物纹理清晰、色彩真实、目视效果好等目标是遥感图像数据处理过程中的关键技术之一。

随着摄影测量技术的发展，航空影像作为空间数据的来源，越来越受到人们的重视。数字正射影像将遥感数字图像或航空遥感图像扫描后，先经过DEM（数字高程模型）对其进行逐像元投影差纠正，再进行匀光、匀色处理后镶嵌成图的影像数据。数字正射影像地图作为可以量测的影像，是摄影测量与遥感的主要产品之一，已经成为测绘生产部门的一个非常重要的产品，并且其用途的广泛程度越来越大，在国民经济的许多其他领域发挥了重大作用，其地位也越来越突出，如可直接从成图中目视是否存在或存在多大程度的非法占用其他用地的情况等，在国土资源监督和调查方面起着巨大作用[7]。

常见的光学遥感图像按飞行平台的不同可以分为高空卫星图像和中低空航空图像。高空卫星图像的色彩一致性问题主要来自季节、太阳高度角、系统性成像畸变等，中低空航空图像的色彩差异主要受飞行平台稳定性、拍摄角度、光照条件等因素的影响[6]。这些图像都需要经过一定的处理，包括几何校正、匀光、匀色等，只有经过处理才能投入实际的应用中。而匀光、匀色过程需要较大的人力投入和时间投入，以求努力达到视觉效果好、色彩接近真实、地物纹理清晰等目的[7]。最关键的是，不同类型的匀光、匀色方法生成的结果图像具有不同的特点，如何挑选适合图像样本的匀光、匀色方法是图像处理前需要解决的关键问题。特别是针对深度学习模型，匀光、匀色的结果直接影响深度学习模型的训练结果，如果匀光、匀色的结果与真实预测图像偏差较大、色彩分布不均、噪声分布不一致，那么当把模型应用到新的测试图像上时，模型的测试结果往往不理想。因此，图像匀光、匀色是深度学习在图像应用领域中的关键技术之一。图像匀色效果如图1.4所示。

图1.4　图像匀色效果