林瑶瑶，唐新明，薛玉彩，田永明，齐麟

1. 济南市勘察测绘研究院， 济南 250013；

2. 自然资源部国土卫星遥感应用中心，北京 100048；

3. 山东高速工程检测有限公司， 济南 250013

1 引 言

2012 年1 月9 日，资源三号卫星成功发射，它是我国首颗民用高分辨率光学立体测图卫星，主要应用于我国1∶5 万测绘产品制作，1∶2.5 万地形图的修补与更替（王鸿燕等，2020；王煌文等，2022；刘翔等，2023)。高分七号测绘卫星的全色分辨率达0.7 m，多光谱影像分辨率也达到2.8 m，是实现我国1∶1 万卫星测绘能力的关键卫星工程（赵文普等，2022；张太煜和冯献霆，2023)。随着图像分辨率的提高，卫星星上数据量亦是成倍增长，高分七号原始数据量已是资源三号的5 倍。星上海量的遥感数据需要经过压缩后才能及时下传到地面站。在遥感领域，采取的压缩算法有基于小波变换的JPEG2000 算法（连佳佳等，2019)、多级树集合分裂排序（set partitioning in hierarchical trees，SPIHT)算法（叶辰等，2022)、基于离散余弦变换的JPEG 压缩算法（刘婷和梁文龙，2022)、JPEG-LS 压缩算法（尤传亮，2019)等。在星上进行影像压缩的实时性要求较高，同时星上缓存巨大数据量的能力也有限。为能够及时获得较高压缩倍率的数据，满足使用精度和要求，须采用硬件压缩方式来实现星载高分辨率遥感影像的缓存和下传。其中，JPEG-LS 压缩算法复杂度低，压缩性能良好，更适用于硬件系统（陈聪，2018；张人愉，2018)。

遥感影像分类是多光谱影像应用的重要内容之一。经过压缩后的影像质量下降，部分影像信息丢失，影响到遥感影像在土地和地质应用、变化检测、专题信息提取与分析等方面的应用能力和应用范畴。Xue 等（2014)利用JPEG-LS 压缩算法对资源三号多光谱影像进行不同倍率压缩，分析影像融合效果，结果表明3 倍压缩后的遥感影像可以满足测绘应用需求。Danoedoro （2013)比较分析了基于像素和基于对象的分类方法对ALOS-AVNIR2 多光谱遥感影像分类精度的影响，结果表明基于对象的分类方法结果更稳定、分类精度更高。谭可清（2018)研究了JPEG2000 压缩对Landsat 8 与资源三号监督分类结果的影响。Elkholy 等（2019)对Geoeye 卫星遥感影像研究了离散小波变换（discrete wavelet transformation，DWT)压缩对 Geo-eye 卫星遥感影像的神经网络及最大似然分类结果的影响。胡晔（2020)选择JPEG2000 压缩算法对高分二号、Landsat 8 及资源三号卫星影像压缩，利用最大似然和支持向量机分类算法对影像进行分类，并计算 Kappa 系数、总体分类精度等精度指标。

综上所述，目前对多光谱遥感影像压缩影响分析多集中在不同卫星影像受压缩算法影响程度，以及不同分类方法对多光谱影像应用能力影响等方面的研究，缺少对高分辨率遥感影像星上压缩质量影响的相关研究。因此，本文对高分七号模拟多光谱影像进行了系统的星上压缩影响评价实验。利用JPEG-LS 算法对高分七号模拟多光谱影像进行不同倍率压缩，比较压缩后影像与未压缩影像灰度特征、纹理特征的差异；对遥感影像进行多尺度分割，选取分割后的图斑单元作为样本，继而采用面向对象的分类方法对遥感影像进行分类。同时，以临朐县为例，将未压缩影像的分割和分类结果作参照，对压缩后影像进行分割一致性和分类精度的验证。

2 多光谱影像压缩质量评价方法

2.1 构像质量评价

根据遥感影像构像质量分析内容、方向的不同，从灰度特征、纹理特征分析和影像对照差异分析两个方面进行构像质量分析评价（林瑶瑶，2019)。前者通过分别分析未压缩影像和重建影像的特征，研究不同压缩倍率后影像特征的变化；后者采取未压缩影像和重建影像直接进行关联的方法，研究压缩导致的影像质量的差别。

影像特征分析从影像光谱特征和纹理特征两方面进行。其中，光谱特征包括影像灰度平均值和灰度标准方差；纹理特征包括基于灰度共生矩阵提取的对比度和信息熵。影像光谱特征可以反映影像亮度值变化，影像纹理特征反映了纹理沟纹、影像信息量变化等。

影像对比特征分析通过比较原始未压缩影像和重建影像差异来进行。相关系数与峰值信噪比是常用的两种评价因子。其中：

式中，CC 为影像相关系数；f(i,j)、μf分别为未压缩影像在第i行、j列的灰度值及整幅影像的灰度平均值；g(i,j)、μg分别为重建影像在第i行、j列的灰度值及整幅影像的灰度平均值；M、N分别为影像总行数、总列数。影像相关系数用于表示两幅影像灰度相似程度。另：

式中，B为影像位数；PSNR 为峰值信噪比，与均方误差（mean square error，MSE)相关，将压缩前后影像相同行、列号处的像元灰度差当作噪声，将未压缩影像当作信号，计算其信噪比。峰值信噪比大，影像受压缩影响小，影像质量高。

2.2 分割一致性评价

本文利用基于区域生长的分割技术对多光谱影像数据进行分割。eCognition 的多尺度分割方法将影像的空间及光谱异质性综合考虑，有效防止了只顾及光谱异质性最小造成的分割后图斑形状较为零碎现象，在面向对象分类中广为应用（陈蕊和张继超，2020；林荣清等，2020)。本文采用控制变量的方法，通过设置分割尺度参数、形状因子及紧致度因子分析实验影像不同地物的分割效果，继而选取合适的分割参数对多光谱影像进行分割，实验中，各个波段权重设为1。结合遥感影像视觉分割效果和最佳分割尺度图，确定本文采用的分割尺度为28、形状因子为0.2、紧致度因子为0.5。

采用确定的分割参数对原始未压缩影像和压缩后重建影像进行多尺度分割，以未压缩影像分割图斑数据为参考，分析不同压缩倍率对重建影像分割结果的影响，如图1 所示。

图1 影像分割影响评价Fig.1 Evaluation of image segmentation accuracy

2.3 分类精度评价

不同地物目标拥有不同的对象特征，关系到影像分析与信息提取；其中，光谱信息是最基础的特征，随着高分辨率影像的涌现，对象的形状和纹理信息得到充分表达。因此，本文运用遥感影像的光谱信息、形状信息和纹理信息进行多光谱影像的分类（潘俊虹和梁明，2022；王书珩，2022；武萌华，2023)。

首先，利用监督分类方法对原始未压缩影像及压缩后重建影像分别进行分类，得到各自的分类结果；其次，将重建影像分类结果与原始影像分类结果进行对比分析，研究压缩算法对多光谱影像专题信息分类精度及整体分类精度影响，评价路线如图2 所示。

图2 影像分类精度评价Fig.2 Evaluation of image classification accuracy

实验中，将地物类型分为建设用地、水体、林地、耕地、阴影、其他土地共六类；采用像元平均亮度值、每个波段平均值、相异性、最大差异、形状指数、长宽比及归一化植被指数（normalized difference vegetation index，NDVI)作为提取样本的分类指标。

利用混淆矩阵可以计算出评价分类效果的制图精度、用户精度、总体分类精度（邵亚琴等，2022)和Kappa 系数（徐辉等，2019)。

3 评价实验与结果分析

3.1 实验数据

遥感影像压缩评价实验与测试影像有着直接关系，综合考虑压缩算法与卫星研制工程，开展高分七号卫星影像模拟。

进行多光谱遥感影像压缩质量评价，需要综合考虑不同地物地貌的遥感影像受压缩算法的影响，实验选取影像大小为1700 像素×1700 像素、分辨率为2.8 m 的高分七号模拟多光谱影像作为测评影像，如图3 所示。多光谱实验影像区域选取山东省潍坊市临朐县，影像包括大面积的裸土、山林，以及成片的河流和城市建筑，地物类型丰富。

图3 多光谱影像Fig.3 Multispectral images

3.2 压缩算法

JPEG-LS 的核心是LOCO-I（low complexity lossless compression for images)算法，是一种基于自回归上下文来预测残差的编码方法，其编码方式由被编码像素点的失真控制参数和局部梯度的关系决定：如果被编码像素点的局部梯度在失真控制参数范围外，编码进入常规模式；否则，进入游程模式。

在JPEG-LS 游程编码模式中，编码器以x为起点计算游程长度，遇到不同像素值（对于有损压缩则为其值超出误差限)的图斑或当前行的行尾时，游程终止。JPEG-LS 常规编码方式包含重建值预测、预测误差计算和对预测误差进行Golomb 编码三个部分（刘向增等，2021)。其原理如

式中，Px为预测值；xa、xb、xc分别为位于a、b、c处的像素值。当x上方存在水平边缘时，选取像素a作为x的预测值；若x左侧存在垂直边缘，选用像素b作为x的预测值；如果算法没有检测到边缘，则用a+b-c来作为x处的预测值，如图4 所示。预测误差为x处像素预测值与实际值的差值，利用Golomb 对预测误差进行编码。

图4 预测值选取示意图Fig.4 Diagram of prediction value selection

3.3 影像特征评价结果

计算未压缩影像与压缩后影像各个波段及多波段灰度平均值和标准方差，如表1 所示。3∶1 压缩后单个波段和多波段差值统计不大，多波段统计均值差值为0.939，方差差值为0.018；6∶1 压缩后多波段均值差值为1.694，方差差值为0.725，各个波段和多波段差值统计较大。

表1 影像灰度平均值、标准方差统计Tab.1 Statistics of image gray average and standard deviation

影像压缩前后纹理特征，如表2 所示。3∶1 压缩后影像纹理差异不明显，多波段对比度差值和信息熵差值为0.042 和0.001；6∶1 压缩后多波段对比度差值和信息熵差值为0.327 和0.007，各个波段和多波段差值较明显。

表2 影像对比度、信息熵统计Tab.2 Statistics of image contrast and information entropy

影像压缩后与原始未压缩影像的差异特征，如表3 所示。3∶1 压缩后影像相关系数高，峰值信噪比大于50，压缩算法对重建影像影响较小，影像质量良好；单波段6∶1 压缩后影像相关系数最小降低到0.891，峰值信噪比小于50，重建影像质量较差。

表3 影像对比特征统计Tab.3 Statistics of image contrast features

3.4 影像分割一致性评价结果

设置分割尺度为28，形状因子为0.2、紧致度因子为0.5，未压缩影像及3∶1、6∶1 压缩比情况下的分割变化情况，如图5、图6 所示。在房屋、耕地此类地物边界明显的地区，影像执行分割后图斑形状变化较小；在林地、水体此类地物边界模糊的地区，影像执行分割后图斑形状变化相对明显；整体上，6∶1 重建影像分割图斑形状较3∶1 重建影像分割图斑形状变化明显。

图5 原始影像和重建影像的分割结果示例一Fig.5 Example of segmentation results for the original image and the reconstructed image—Example 1

图6 原始影像和重建影像的分割结果示例二Fig.6 Example of segmentation results for the original and the reconstructed image—Example 2

影像进行不同倍率压缩后，影像光谱特征及纹理特征会发生不同程度的变化，影像分割后图斑数量及图斑面积也会发生变化。图斑面积以像素形式体现，实验将平均图斑面积及图斑面积方差作为图斑面积变化的指标。由表4 知，压缩倍数越高，影像分割差异越大。3∶1 压缩后，图斑总数变化率为0.90%，平均图斑面积变化率为0.91%；6∶1 压缩后，图斑总数变化率为6.02%，平均图斑面积变化率为6.41%；两种压缩倍率压缩后，图斑面积方差变化率均较大，图斑面积离散程度也逐渐增大。

表4 影像分割统计数据Tab.4 Statistical data of image segmentation

3.5 影像分类精度评价结果

结合实验影像地物特征表现，针对每一种地物类型，随机选取了80～300 个样本作为训练区域，实施监督分类，并利用混淆矩阵对分类结果进行分析评价。

以原始影像为基准，3∶1 压缩后重建影像的Kappa 系数为0.91，影像分类精度结果统计，如表5 所示。除了耕地的制图精度、Kappa 系数小于0.90以外，其他地物类型的制图精度、用户精度及Kappa 系数均大于0.90；受压缩算法影响，重建影像在纹理相对细致的地区出现明显条带现象，容易与其他类型地物混淆，造成耕地的制图精度、Kappa 系数较低。虽然水体也具有比较细致的纹理，但是由于水体与其他地物类型的光谱信息有着较大差别，所以其分类精度受压缩算法影响较小。

表5 3∶1 JPEG-LS 分类精度Tab.5 3∶1 JPEG-LS classification accuracy

以原始影像为基准，6∶1 压缩后重建影像的Kappa 系数为0.87，影像分类精度结果统计，如表6 所示。除了个别地物，如水体的制图精度、用户精度、Kappa 系数，林地的制图精度、用户精度，建筑的用户精度，以及其他地物类型的制图精度大于0.90 以外，其余地物类型的各分类精度指标均小于0.90；当压缩比为6∶1 时，影像分类精度受到较大影响。

表6 6∶1 JPEG-LS 分类精度Tab.6 6∶1 JPEG-LS classification accuracy

4 结 论

对高分七号模拟多光谱影像进行压缩影响评价，可为高分七号星上多光谱压缩指标提供技术参考。本文从影像灰度、纹理，影像分割、分类精度四方面进行多光谱影像压缩影响评价，结果表明：①影像经JPEG-LS 压缩后，3∶1 压缩后影像灰度、纹理差异不明显，6∶1 压缩后影像差异有明显提升；②6∶1 压缩后影像图斑总数变化率和平均图斑面积变化率约是3∶1 时的7 倍，影像分割精度受到较大影响；③3∶1 压缩后影像的总体分类精度为0.95，Kappa 系数为0.91；6∶1 压缩后影像的总体分类精度和Kappa 系数分别降低为0.92、0.87，影像分类精度受到一定程度影响。综上所述，比较星上JPEG-LS 提供的3∶1 及6∶1 两种压缩比，多光谱遥感影像宜采用的压缩比为3∶1。

多光谱影像不同波段受压缩影响不同，降低单波段影像受影响程度，对提高影像应用能力，如影像专题信息提取、变化检测等方面具有重要意义。后续需要进一步开展多光谱影像压缩后在地质方面的影响，以及不同波段受压缩影响的具体程度。