李 霖，羅 恒，唐新明，李 楨

(1.武漢大學資源與環(huán)境科學學院，武漢 430079;2.國家測繪地理信息局衛(wèi)星測繪應用中心，北京 100830)

0 引言

資源三號(ZY－3)01星是我國自主研發(fā)的首顆民用高分辨率立體測圖衛(wèi)星，主要用于開展國土資源調查和監(jiān)測、生產全國基礎地理信息1︰5萬比例尺測繪產品、完成1︰2.5萬及更大比例尺地圖的修測和更新等工作[1－3]，對我國長期連續(xù)穩(wěn)定及快速獨立掌握衛(wèi)星遙感數(shù)據(jù)源具有重要意義。

圖像質量是衛(wèi)星業(yè)務化運行和應用的首要保障。通過對衛(wèi)星圖像質量進行評價，得到圖像處理和信息提取的先驗知識，對未來衛(wèi)星圖像質量的進一步提高以及后繼星的研制都具有重要意義[4]。多光譜圖像的輻射質量對影像信息提取和視覺重建的效果以及正射影像圖(DOM)和數(shù)字表面模型(DSM)等產品及其應用的質量有著決定性影響[5]。衛(wèi)星遙感圖像質量評價指標可分為客觀評價和主觀評價2種。構像質量是客觀質量評價中的一個主要方面，能夠反映圖像的可解譯性;光譜特性為多光譜圖像構像質量的重要特征要素，可以通過灰度統(tǒng)計參數(shù)(如均值、標準差等指標)反映圖像特征[6－7]，并通過清晰度、對比度、角二階矩和信息量等空間紋理參數(shù)對圖像的紋理特征進行評價[8－9]。波段相關性反映了多光譜圖像各波段之間的信息冗余程度，可為評價衛(wèi)星多光譜波段配置的合理性和研究圖像用于地物信息提取的能力提供參考[10－11]。由于客觀質量評價具有一定局限性，許多研究者和使用者從圖像工程和實際應用的角度出發(fā)，結合主觀質量評價的多項指標，對國內外遙感衛(wèi)星圖像質量進行了分析[12－14]，并以其他較典型的衛(wèi)星圖像作為對比參考，來評價所研究衛(wèi)星的圖像質量和特征[15－16]。

本文采用客觀評價與主觀視覺特征分析評價相結合的方法對ZY－3多光譜相機的傳感器校正(sensor corrected，SC)級圖像數(shù)據(jù)進行分析，明確其影像特征的有關指標，對灰度特征和紋理特征進行評價，并與參數(shù)性能相近的SPOT5衛(wèi)星多光譜圖像(high resolution geometric，HRG)進行質量對比分析，其結果可為用戶選用和處理ZY－3衛(wèi)星多光譜圖像數(shù)據(jù)提供參考。

1 數(shù)據(jù)源與實驗區(qū)概況

1.1 多光譜遙感圖像

ZY－3星載多光譜相機的分辨率為5.8 m，覆蓋寬度為51 km，設置了藍、綠、紅和近紅外4個波段，可實時或準實時地將圖像數(shù)據(jù)傳回地面接收站，通過地面處理提供假彩色及真彩色ZY－3圖像產品。SPOT5多光譜相機的分辨率為10 m，同樣設置了4個波段，但沒有藍波段，而是采用了綠、紅、近紅外和短波近紅外波段的配置(表1)。

表1 ZY－3和SPOT5多光譜相機光譜范圍Tab.1 Spectral range for multi－ spectral cameras of ZY－3 and SPOT5

由于SPOT5不具有藍波段，為了更好地進行性能比較，使用ZY－3與SPOT5相對應的波段進行對比研究，由綠波段、紅波段和近紅外波段組合成假彩色合成圖像，圖像覆蓋區(qū)域為安徽省蕪湖地區(qū)。

1.2 實驗區(qū)概況

實驗區(qū)選擇安徽省蕪湖地區(qū)。該地區(qū)屬亞熱帶濕潤季風氣候，地勢較為低平，有少數(shù)丘陵和洼地，為典型的沖積平原，地貌特征豐富，適合于研究ZY－3衛(wèi)星多光譜圖像對不同區(qū)域和地物的顯示能力。研究數(shù)據(jù)使用ZY－3多光譜SC級圖像，獲取日期為2012年2月19日;供對比分析的數(shù)據(jù)為覆蓋相同區(qū)域的SPOT5傳感器Scene 1A級圖像，獲取日期為2009年4月15日。

2 影像特征分析

2.1 影像特征統(tǒng)計

ZY－3 SC級多光譜圖像產品經過16 bit量化處理，輻射分辨率較高，更易于識別不同的地面輻射信號，使圖像的可檢測能力增強;相比之下，SPOT5的量化等級為8 bit，輻射分辨率較低。為了便于對ZY－3圖像進行灰度特征統(tǒng)計和比較，對ZY－3圖像進行重采樣，量化為8 bit。通過計算和統(tǒng)計值域范圍、均值、標準差等變量，對2種圖像的質量進行影像特征分析。值域范圍是圖像DN值的最大值和最小值之間的變化范圍，值域范圍愈大，影像信息愈豐富;平均值(m)反映地物影像的平均反射強度，表達圖像的整體輻射狀況;標準差(s)則可被看作圖像灰度值的概率密度函數(shù)的離散化圖形，反映圖像信息量，同一地區(qū)的不同圖像，標準差大表明圖像信息豐富。相關的計算公式為

式中:i，j分別為像元的行、列號;g(i，j)為像元灰度值;m為平均值;s為標準差;M為行數(shù);N為列數(shù)。

使用上述方法，分別對ZY－3多光譜圖像的藍、綠、紅、近紅外波段和SPOT5多光譜圖像的綠、紅、近紅外和短波近紅外波段數(shù)據(jù)的最小值、最大值、均值和標準差進行統(tǒng)計分析(表2)，用于對比2種圖像的影像特征。

表2 ZY－3和SPOT5各波段灰度特征統(tǒng)計Tab.2 Statistics of grey scale features for various bands of ZY－3 and SPOT5

根據(jù)對ZY－3和SPOT5各個波段的灰度特征統(tǒng)計數(shù)據(jù)的對比分析，可以得出以下結論:

體育比賽的賽場上，向來是少年英雄輩出的地方，而星光閃爍的天才少年，也絕不僅有泰國的昆拉武特。這不，男子網(wǎng)球選手的“王者”諾瓦克·德約科維奇最近便受到了巨大的挑戰(zhàn)，對方是來自德國的天才少年亞歷山大·茲維列夫（又被稱為“小茲維列夫”）。

1)ZY－3圖像的綠波段均值要低于SPOT5。因為SPOT5圖像的綠波段光譜覆蓋范圍要大于ZY－3，所以SPOT5圖像在綠波段接收的信息更為豐富;而在其余波段，ZY－3圖像的均值均高于SPOT5。

2)ZY－3圖像的各相鄰波段均值差別較小，在4個波段中，藍、綠、紅和近紅外波段之間相鄰波段均值差的絕對值分別為 7.821，0.891 和 8.763，均值差的平均值為6.139;而SPOT5圖像的各相鄰波段均值差的絕對值分別為 28.57，10.408 和18.081，均值差的平均值為19.019，均值差別較大。從圖1(a)可看出，ZY－3各相鄰波段的均值較均勻，因此ZY－3圖像的波段配置更為合理，各波段能量均衡，圖像信息豐富。

圖1 ZY－3和SPOT5圖像波段均值和標準差比較Fig.1 Comparison of mean and standard deviation between ZY－3 and SPOT5 bands

3)ZY－3圖像的4個波段的標準差均較大，標準差均值為55.209;SPOT5圖像的4個波段的標準差則遠小于ZY－3，標準差均值為24.583(圖1(b))。這說明與SPOT5圖像相比，ZY－3圖像各波段的灰度等級高、波譜信息量大、地物顯示效果好。

在多光譜遙感圖像中，各波段之間的相關性通常用來計算波段的近似程度，用相關系數(shù)表示。相關系數(shù)描述2個波段成像函數(shù)間的相互近似程度，相關系數(shù)絕對值越大，表示2個波段的相關程度越高，反之則越低。相關系數(shù)c的計算公式為

式中:Xi和Yi為2個波段圖像的灰度值;X和Y為灰度值的均值;M，N分別為圖像的行、列數(shù)。

對不同地物的ZY－3和SPOT5圖像進行了波段相關性統(tǒng)計。如圖2中的不同地物波段相關度蛛網(wǎng)圖所示，對于水體要素，ZY－3圖像各波段之間的相關系數(shù)低于SPOT5，尤其是近紅外波段與其他波段的信息冗余度最低;對于建筑物，ZY－3圖像的波段相關性略低于SPOT5，但二者各波段的信息耦合度都較高;而對于植被，SPOT5圖像的波段相關性則明顯低于ZY－3，故ZY－3圖像需要盡量使用近紅外波段數(shù)據(jù)，以便更好地提取植被信息。

圖2 ZY－3和SPOT5圖像波段相關度蛛網(wǎng)圖比較Fig.2 Comparison of band correlation between ZY－3 and SPOT5

2.2 典型區(qū)域直方圖統(tǒng)計

灰度直方圖用來表達圖像灰度級分布的概率，反映不同灰度值的像元面積或像元個數(shù)在圖像中所占的比例。分別選取城市、耕地和山區(qū)3個區(qū)域進行ZY－3和SPOT5圖像直方圖對比。

圖3 城區(qū)圖像直方圖Fig.3 Histogram of urban area images

2)耕地。圖4示出以耕地為主的郊區(qū)圖像直方圖。ZY－3和SPOT5圖像的綠、紅波段均呈現(xiàn)出雙峰分布，但ZY－3圖像的4個波段差異較大，地物區(qū)分效果好。SPOT5圖像綠波段能夠與紅、近紅外波段明顯區(qū)分，也能較好地顯示郊區(qū)的耕地地物信息;但近紅外和短波近紅外波段直方圖相互重疊，不利于耕地信息提取。

圖4 郊區(qū)圖像直方圖Fig.4 Histogram of rural area images

3)山區(qū)。相對其他區(qū)域，山區(qū)地物較為單調，因此ZY－3和SPOT5圖像的灰度值范圍均有所減小。在圖5的山區(qū)直方圖中，ZY－3圖像的亮度較適中，SPOT5圖像則偏暗;ZY－3圖像的藍、綠、紅波段和SPOT5圖像的綠、紅波段在直方圖中均為較簡單的正態(tài)分布，2個圖像的近紅外波段范圍跨度較大;而ZY－3圖像的3個波段的直方圖分布均勻，近紅外波段直方圖則有2個較小波峰;SPOT5圖像的近紅外波段直方圖較單調，且近紅外和短波近紅外波段重疊度高，對地物提取的效果會有一定影響。因此，ZY－3圖像的近紅外波段對山區(qū)地物的區(qū)分效果比SPOT5圖像的相關波段更好。

圖5 山區(qū)圖像直方圖Fig.5 Histogram of mountain area images

綜上所述，ZY－3圖像典型區(qū)域直方圖分布較好，圖像標準差大、偏斜度低，像元灰度值分布范圍較廣，峰度較小，在一定程度上說明ZY－3多光譜相機的輻射量化適當，輻射處理方法和參數(shù)配置合理。

2.3 紋理指標參數(shù)

紋理是反映遙感影像特征的重要信息，更是進行目視判讀和計算機自動解譯的重要基礎?；叶裙采仃囀且粋€相對頻率矩陣，通過統(tǒng)計在2個鄰近的、由特定距離和方向分開的處理窗口中出現(xiàn)的像元值，顯示了一個像元與其特定鄰域之間關系的發(fā)生數(shù)，可定量描述影像的紋理特征，通?？僧a生特征參數(shù)以反映地物類別在空間特征的差異特性和紋理信息的豐富程度。從灰度共生矩陣中產生的特征主要有均質性(homogeneity，HOM)、對比度(contrast，CON)、信息熵(entropy，ENT)和角二階矩(angular second moment，ASM)。

均質性也是局部穩(wěn)定性，主要用于度量圖像紋理局部變化的程度，反映圖像的均勻效果;對比度可理解為影像的清晰程度，反映某像素與相鄰像素的對比情況，紋理的溝紋越深，對比度越大，影像越清晰，視覺效果越好;信息熵可反映影像紋理的復雜程度，能夠用于評價遙感圖像信息量的豐富程度，紋理的復雜度越高，意味著圖像信息量越大，其熵值也越大;角二階矩是影像灰度分布均勻性的度量，主要用于觀察影像紋理粗細和方向性特征，紋理較粗時，角二階矩的值較大，反之則較小。相關的計算公式為

式中:p(i，j)為歸一化的灰度共生矩陣中的元素;i，j分別為像元的行、列號;n=|i－j|;L為灰度級。

利用灰度共生矩陣對ZY－3和SPOT5多光譜圖像進行概率統(tǒng)計，使用3像元×3像元的統(tǒng)計窗口，X，Y方向的步長均設置為1個像元，灰度量化等級為64;分別提取均質性、對比度、熵和角二階矩紋理特征值均值，并選擇ZY－3和SPOT5圖像的相同波段進行紋理特征統(tǒng)計數(shù)據(jù)對比(表3)。

表3 ZY－3和SPOT5圖像紋理特征統(tǒng)計Tab.3 Statistics of texture characteristics of ZY－3 and SPOT5 images

分析表3中灰度共生矩陣的統(tǒng)計數(shù)據(jù)，可以得出以下結論:

1)在圖像局部穩(wěn)定性方面，ZY－3圖像的綠、紅及近紅外波段的均質性數(shù)值都小于SPOT5，說明ZY－3圖像在均勻程度上低于SPOT5，因此使用ZY－3圖像能夠獲得更為豐富和明顯的空間結構以及紋理特征。

2)城市圖像的對比度最高。無論是ZY－3還是SPOT5圖像，城市圖像對比度值均是農田圖像的2倍左右，而農田圖像對比度值又比山區(qū)高出1倍。在圖像的對比度統(tǒng)計方面，ZY－3和SPOT5圖像在3類典型地物圖像對比度客觀指標上差異顯著，ZY－3圖像的對比度遠遠高于SPOT5圖像，尤其是在地物結構復雜的城市區(qū)域最為顯著(約為SPOT5圖像對比度值的4倍)，說明ZY－3圖像的清晰度遠高于SPOT5圖像，這一點從紋理均質性分析中SPOT5圖像的對比度數(shù)值高于ZY－3圖像的情況也可以得到證實。

3)城市圖像的信息熵大于耕地和山區(qū)圖像。在上述3個區(qū)域中，ZY－3圖像各波段的信息熵也都略高于SPOT5圖像;尤其是在山地區(qū)域內，2種不同圖像熵的差值最大，表明ZY－3圖像接收地面信息能力強，信息量大，各種地類地物均能得到較好的識別。還可以看出，ZY－3圖像近紅外波段的熵值要高于其他波段，在進行圖像假彩色合成時，可盡量把該波段納入波段組合，以獲取更多的地物信息。

4)由于城市地物結構更為復雜，城市圖像的角二階矩均小于山地圖像和農田圖像，而不同區(qū)域的ZY－3圖像角二階矩都小于SPOT5圖像;因此，ZY－3圖像對紋理信息的反映強于SPOT5圖像，在空間復雜度方面優(yōu)于SPOT5圖像，對地物信息提取的性能更好。在紋理特征上，ZY－3圖像的空間紋理結構及信息含量比SPOT5圖像更加清晰和豐富，尤其是在城市等地物豐富、結構復雜的區(qū)域，充分利用ZY－3圖像的紋理特征有助于提高對地物的解譯能力。

3 影像地理要素視覺特征分析

數(shù)字特征統(tǒng)計評價對于圖像質量評價結果較為客觀，但目前還沒有一套數(shù)學模型可以完全模擬人類對現(xiàn)實圖像的感知能力;人的視覺評價雖具有一定的主觀性和不全面性，但依然是圖像質量評價的重要方面。因此，需要將主觀的目視定性評判標準和客觀的定量評價標準結合起來分析。

使用地理要素視覺特征評價方法，對比城市、耕地、山地等不同區(qū)域中的典型地物要素，對ZY－3和SPOT5圖像中典型地物要素邊緣的清晰度、飽和度和立體感等進行比較(各區(qū)域的感興趣區(qū)如圖6所示)。

1)城市中的主要地物為建筑及設施、道路和城市綠地，還有部分水體。在ZY－3多光譜圖像中，可以看出房屋和道路邊緣清晰，建筑和陰影對比較明顯，影像立體感較強;但部分人工地物區(qū)域亮度較大，淺色建筑邊緣對比度不足。SPOT5圖像的分辨率低于ZY－3圖像，因此在清晰度上要遜色不少，且人工地物整體偏亮，對比度效果相對不足。

2)耕地主要以植被和農林用地為主。ZY－3圖像中耕地田埂的突出部分較為清晰，植被和耕地飽和度較高，色調較為均勻，色彩鮮艷，對比度強。而SPOT5圖像的色調不夠均勻，飽和度不足;且由于空間分辨率較低，清晰度與ZY－3圖像相比有較大差距;道路和田地的對比度不明顯，一些田間路無法辨別。由于地勢較為平坦，2圖像的立體感均無法體現(xiàn)。

3)山區(qū)主要參考地物為山脊、林地和山間道路等。ZY－3和SPOT5圖像中的山地區(qū)域整體偏暗，山脊線和山體陰坡的道路不清晰，立體感不強;而ZY－3圖像中山峰陽坡的飽和度較高，比SPOT5圖像有更好的對比度，且林地區(qū)域邊緣更為清晰。

根據(jù)ZY－3和SPOT5圖像在上述3個區(qū)域的不同判讀特征和效果，由多位長期從事圖像生產和使用的專家對2種圖像進行了影像地理要素視覺特征評價，并把評價、對比結果分為“好”“較好”“一般”“差”4個評價等級，對不同區(qū)域的不同指標進行了統(tǒng)計和分析，結果如表4所示。

表4 ZY－3和SPOT5圖像視覺要素特征對比Tab.4 Comparison of visual element characteristics between ZY－3 and SPOT5 images

從表4中的對比可以看出，ZY－3多光譜圖像的5.8 m的高空間分辨率和較好的輻射性能，使其多光譜圖像在影像地理要素視覺特征和解譯質量方面具有較大的優(yōu)勢。從3個研究區(qū)域中的清晰度、色調和對比度等主觀評價情況來看，ZY－3圖像均有比SPOT5圖像更好的效果，適合用作各種遙感應用的基礎圖像。

4 結論

1)對ZY－3和SPOT5高分辨率幾何(HRG)多光譜圖像的灰度統(tǒng)計和紋理特征進行對比分析的結果表明，ZY－3多光譜圖像各個波段量化等級高、有效值域寬、均值差異較小、能量分布均衡，且標準差較大，圖像層次豐富，影像分辨率、清晰度和色調均優(yōu)于SPOT5圖像。

2)對于水體、建筑的信息提取，ZY－3圖像具有更低的波段相關性;但在植被方面則稍遜于SPOT5圖像，需利用近紅外波段數(shù)據(jù)以達到更好的植被信息提取效果。

3)在紋理特征方面，ZY－3圖像能較好地反映地物類別的空間特征和結構的差異特性，紋理豐富程度高于SPOT5。

從總體上來看，ZY－3多光譜圖像產品在圖像質量、紋理特征等方面都有較好的性能，可以滿足中、小比例尺制圖和應用要求;與ZY－3三線陣TDICCD(時間延遲積分電荷耦合器件)高分辨率相機全色圖像融合后，還能滿足更高精度制圖的應用需求。

志謝:感謝國家測繪地理信息局衛(wèi)星測繪應用中心提供ZY－3圖像數(shù)據(jù)。

[1]李德仁.我國第一顆民用三線陣立體測圖衛(wèi)星——資源三號測繪衛(wèi)星[J].測繪學報，2012，41(3):317－322.Li D R.China’s first civilian three－line－array stereo mapping satellite:ZY－ 3[J].Acta Geodaetica et Cartographica Sinica，2012，41(3):317－322.

[2]劉 斌，孫喜亮，邸凱昌，等.資源三號衛(wèi)星傳感器校正產品定位精度驗證與分析[J].國土資源遙感，2012，24(4):36－40.Liu B，Sun X L，Di K C，et al.Accuracy analysis and validation of ZY－3’s sensor corrected products[J].Remote Sensing for Land and Resources，2012，24(4):36－40.

[3]唐新明，張 過，祝小勇，等.資源三號測繪衛(wèi)星三線陣成像幾何模型構建與精度初步驗證[J].測繪學報，2012，41(2):191－198.Tang X M，Zhang G，Zhu X Y，et al.Triple linear－ array imaging geometry model of Ziyuan－3 surveying satellite and its validation[J].Acta Geodaetica et Cartographica Sinica，2012，41(2):191－198.

[4]楊元元，王鴻南，汪 靜，等.CBERS－1衛(wèi)星超期圖像數(shù)據(jù)質量評價研究[J].航天返回與遙感，2003，24(4):34—39.Yang Y Y，Wang H N，Wang J，et al.Research on the quality of exceed images provided by CBERS－ 1 satellite[J].Space Recovery and Remote Sensing，2003，24(4):34－39.

[5]Baltsavias E P，Pateraki M，Zhang L.Radiometric and geometric evaluation of IKONOS GEO－images and their use for 3D building modeling[C]//Proceedings of Joint ISPRS Workshop on High Resolution Mapping from Space 2001，Hannover，Germany:ISPRS 2001.

[6]翟 亮，唐新明，李 霖.遙感影像壓縮的構像質量評價[J].測繪與空間地理信息，2006，29(6):46－48.Zhai L，Tang X M，Li L.Image quality assessment for compressed remote sensing images[J].Geomatics and Spatial Information Technology，2006，29(6):46－48.

[7]Crespi M，De Vendictis L.A procedure for high resolution satellite imagery quality assessment[J].Sensors，2009，9(5):3289－ 3313.

[8]周雨霽，田慶久，張雪紅.CBERS－02B衛(wèi)星CCD數(shù)據(jù)質量評價與植被分類應用潛力[J].遙感信息，2008(6):47－52.Zhou Y J，Tian Q J，Zhang X H.CBERS－ 02B CCD image data quality evaluation and application potential for vegetation classification[J].Remote Sensing Information，2008(6):47－52.

[9]楊忠東，古松巖，邱 紅，等.中巴地球資源一號衛(wèi)星CCD圖像質量評價和交叉定標研究[J].遙感學報，2004，8(2):113－120.Yang Z D，Gu S Y，Qiu H，et al.CBERS－1’s CCD image quality evaluating and cross calibrating study[J].Journal of Remote Sensing，2004，8(2):113－120.

[10]馮晉臣，趙榮堂，張石新.多波段遙感信息的數(shù)據(jù)壓縮處理及其信道相關性的研究[J].通信學報，1984，7(3):52－28.Feng J C，Zhao R T，Zhang S X.The studies of data compression processing and channel correlation of multispectral remote sensing[J].Journal on Communications，1984，7(3):52－58.

[11]盧 健，彭 嫚，盧 昕.遙感圖像相關性及其熵計算[J].武漢大學學報:信息科學版，2006，31(6):476－480.Lu J，Peng M，Lu X.Relativity of remote sensing images and entropy calculation[J].Geomatics and Information Science of Wuhan University，2006，31(6):476－480.

[12]張 霞，張 兵，趙永超，等.中巴地球資源一號衛(wèi)星多光譜掃描圖象質量評價[J].中國圖象圖形學報，2002，7(6):581－586.Zhang X，Zhang B，Zhao Y C，et al.Image quality assessment for the infrared multi－spectral scanner of the Chinese－Brazil earth resources satellite[J].Journal of Image and Graphics，2002，7(6):581－586.

[13]汪 靜，楊媛媛，王鴻南，等.CBERS－1衛(wèi)星02星圖像數(shù)據(jù)質量評價[J].航天返回與遙感，2004，25(2):34－38.Wang J，Yang Y Y，Wang H N，et al.The quality evaluation of the image date of CBERS－1 No.2 satellite[J].Space Recovery and Remote Sensing，2004，25(2):34－38.

[14]劉 江，張為成，王 強.MODIS影像質量評價方法研究[J].黑龍江工程學院學報:自然科學版，2009，23(1):32－35.Liu J，Zhang W C，Wang Q.The study on image quality assessment for MODIS data[J].Journal of Heilongjiang Institute of Technology:Natural Science，2009，23(1):32－35.

[15]王欽軍，田慶久.IRS－P6衛(wèi)星LISS3圖像數(shù)據(jù)質量評價[J].地理與地理信息科學，2007，23(3):11－14.Wang Q J，Tian Q J.Quality evaluation of LISS3 image from IRS－P6 satellite[J].Geography and Geo－ Information Science，2007，23(3):11－14

[16]何宇華，謝俊奇，劉順喜.ALOS衛(wèi)星遙感數(shù)據(jù)影像特征分析及應用精度評價[J].地理與地理信息科學，2008，24(2):23－26.He Y H，Xie J Q，Liu S X.Image characteristics analysis and application accuracy assessment of ALOS data[J].Geography and Geo－ Information Science，2008，24(2):23－26.

[17]何中翔，王明富，楊世洪，等.遙感圖像客觀質量評價方法研究[J].工程圖學學報，2011，32(6):47－52 He Z X，Wang M F，Yang S H，et al.Research on objective quality assessment of remote sensing image[J].Journal of Engineering Graphics，2011，32(6):47－52

[18]Zhang B，Chen Z C，Li J S.Image quality evaluation on Chinese first earth observation hyperspectral satellite[C]//Proceedings of 2009 IEEE International Geoscience and Remote Sensing Symposium(IGARSS)Gape Town:IEEE，2009，1:I－188－I－191.

[19]徐 文，葛曙樂，龍小祥，等.“資源三號”衛(wèi)星三線陣相機輻射質量評價[J].航天返回與遙感，2012，33(3):65－74.Xu W，Ge S L，Long X X，et al.Radiometric image quality assessment of ZY－3 TLC camera[J].Space Recovery and Remote Sensing，2012，33(3):65－74.