葉應(yīng)輝

(吉林大學(xué) 地球探測(cè)科學(xué)與技術(shù)學(xué)院，長(zhǎng)春 130026)

0 引言

遙感圖像指的是用于記錄地物電磁波信息的照片或膠片，包括航空像片、衛(wèi)星相片兩種組成形式。通常情況下，經(jīng)過(guò)計(jì)算機(jī)軟件處理后的遙感圖像被稱(chēng)為數(shù)字圖像，大多數(shù)以攝影或拍攝的方式獲取，在經(jīng)過(guò)圖像掃描儀的轉(zhuǎn)換處理后，其表現(xiàn)形式可由噪點(diǎn)信息轉(zhuǎn)化成為完整的地物景觀圖像[1]。在實(shí)施衛(wèi)星遙感圖像邊緣檢測(cè)的過(guò)程中，由于節(jié)點(diǎn)處信噪比指標(biāo)的數(shù)值水平并不能達(dá)到實(shí)際需求標(biāo)準(zhǔn)，一部分模糊噪點(diǎn)會(huì)與圖像原始節(jié)點(diǎn)混合在一起，這就對(duì)遙感圖像的清晰程度造成了嚴(yán)重影響[2]。

近年來(lái)，如何去除噪點(diǎn)、增強(qiáng)遙感圖像的清晰度是眾多學(xué)者的研究目標(biāo)，且其已經(jīng)獲得一定成果。如文獻(xiàn)[3]針對(duì)遙感圖像去噪后易模糊的問(wèn)題，提出基于方向和結(jié)構(gòu)特征的遙感圖像條帶噪聲分離方法。該方法雖然能夠確定衛(wèi)星遙感圖像邊緣節(jié)點(diǎn)之間的關(guān)聯(lián)度水平，但卻并不能將模糊噪點(diǎn)與圖像原始節(jié)點(diǎn)分離開(kāi)，故而并不能使衛(wèi)星遙感圖像的清晰度保持較高數(shù)值水平。文獻(xiàn)[4]提出的基于FD-RCF的高分辨率遙感影像耕地邊緣檢測(cè)方法。該方法充分利用了空洞卷積結(jié)構(gòu)，構(gòu)建了可應(yīng)用于衛(wèi)星遙感圖像的邊緣檢測(cè)模型，再利用該模型完成遙感圖像的邊緣檢測(cè)。經(jīng)實(shí)驗(yàn)表明，其雖可提高檢測(cè)畫(huà)面的清晰度，但對(duì)于邊緣檢測(cè)精度的提高仍然不足。文獻(xiàn)[5]針對(duì)高分辨率遙感影像邊緣檢測(cè)易模糊的問(wèn)題，提出了基于MSR-cut的高空間分辨率遙感影像邊緣檢測(cè)分割方法。該方法先利用分水嶺分割算法對(duì)影像進(jìn)行過(guò)分割，形成多個(gè)超像素區(qū)間，然后構(gòu)建評(píng)價(jià)函數(shù)得出其最優(yōu)分割尺度，對(duì)像素區(qū)域進(jìn)行初步合并，得到其粗分割結(jié)果，最后結(jié)合各地物的邊界權(quán)重信息進(jìn)行影像的精細(xì)分割。該方法雖然可提高邊緣檢測(cè)的分割精度，但其魯棒性不強(qiáng)，無(wú)法大范圍應(yīng)用。

深度學(xué)習(xí)算法可對(duì)圖像數(shù)據(jù)信息的二維結(jié)構(gòu)進(jìn)行重新定義，還可聯(lián)合定義權(quán)值與特征指標(biāo)權(quán)值，確定相鄰學(xué)習(xí)節(jié)點(diǎn)之間的相似性程度。相比于其他算法不但可大大減少數(shù)據(jù)運(yùn)算量，還可從根本上解決數(shù)據(jù)信息樣本分布不均衡的問(wèn)題。基于此，本文以深度學(xué)習(xí)算法為基礎(chǔ)，設(shè)計(jì)一種新型的衛(wèi)星遙感圖像邊緣檢測(cè)方法。

1 基于深度學(xué)習(xí)的衛(wèi)星遙感圖像識(shí)別

衛(wèi)星遙感圖像的識(shí)別以Softmax分類(lèi)器設(shè)計(jì)為基礎(chǔ)，再聯(lián)合深度學(xué)習(xí)算法，建立完整的圖像節(jié)點(diǎn)數(shù)據(jù)集合，最后卷積、池化處理原則，得到準(zhǔn)確的圖像邊緣節(jié)點(diǎn)識(shí)別結(jié)果。

1.1 Softmax分類(lèi)器

Softmax分類(lèi)器是實(shí)現(xiàn)深度學(xué)習(xí)算法的執(zhí)行基礎(chǔ)，在數(shù)據(jù)集合空間中，能夠描述出信息參量節(jié)點(diǎn)的排列與分布形式，且要求所有學(xué)習(xí)信息參量的取值都要滿(mǎn)足回歸性查詢(xún)?cè)瓌t[6]。

假設(shè)對(duì)于待學(xué)習(xí)衛(wèi)星遙感圖像邊緣節(jié)點(diǎn)訓(xùn)練集{(e1,w1),(e2,w2),…,(eα,wα)}來(lái)說(shuō)，e∈[1,α]、w∈[1,α]的取值條件同時(shí)成立，且指標(biāo)e、指標(biāo)w不會(huì)等于同一物理自然數(shù)。針對(duì)深度學(xué)習(xí)算法原理，可將假設(shè)分類(lèi)函數(shù)q(e,w)表示為：

(1)

式中，β表示與指標(biāo)e相關(guān)的分類(lèi)系數(shù)項(xiàng)，δ表示與指標(biāo)w相關(guān)的分類(lèi)系數(shù)項(xiàng)。

規(guī)定χ1、χ2、…、χα表示α個(gè)不同的衛(wèi)星遙感圖像邊緣節(jié)點(diǎn)學(xué)習(xí)系數(shù)，且χ1≠0、χα≠1的不等式條件同時(shí)成立。聯(lián)立上述物理量，可將基于深度學(xué)習(xí)算法的衛(wèi)星遙感圖像邊緣檢測(cè)節(jié)點(diǎn)Softmax分類(lèi)器構(gòu)建表達(dá)式定義為：

(2)

其中:ε表示待學(xué)習(xí)數(shù)據(jù)項(xiàng)的初始分類(lèi)賦值指標(biāo)，t1、t2表示兩個(gè)隨機(jī)選取的待學(xué)習(xí)數(shù)據(jù)定標(biāo)值，且t1≠t2的不等式條件恒成立，γα表示數(shù)據(jù)信息參量學(xué)習(xí)深度指標(biāo)的最大取值結(jié)果。為使衛(wèi)星遙感圖像邊緣檢測(cè)節(jié)點(diǎn)得到準(zhǔn)確的分類(lèi)與處理，在建立Softmax分類(lèi)器表達(dá)式時(shí)，應(yīng)避免對(duì)相關(guān)參量指標(biāo)進(jìn)行重復(fù)取值，且關(guān)聯(lián)系數(shù)之間的物理差值水平也不宜過(guò)大。

1.2 圖像節(jié)點(diǎn)數(shù)據(jù)集

對(duì)于衛(wèi)星遙感圖像的邊緣檢測(cè)區(qū)域而言，圖像節(jié)點(diǎn)數(shù)據(jù)集的建立充分體現(xiàn)了Softmax分類(lèi)器閉環(huán)的實(shí)際應(yīng)用能力。在深度學(xué)習(xí)算法的作用下，圖像節(jié)點(diǎn)數(shù)據(jù)集合意在將待檢測(cè)邊緣節(jié)點(diǎn)匯聚起來(lái)，并根據(jù)既定原則，對(duì)這些節(jié)點(diǎn)參量進(jìn)行重新排序，直至檢測(cè)主機(jī)能夠?qū)⒄l(wèi)星遙感圖像完全收錄在內(nèi)[7]。為使圖像節(jié)點(diǎn)數(shù)據(jù)集合滿(mǎn)足深度學(xué)習(xí)算法的構(gòu)建需求，首先應(yīng)確定隱含層節(jié)點(diǎn)所處位置，根據(jù)相鄰邊緣節(jié)點(diǎn)之間的權(quán)重配比關(guān)系，建立完整的圖像標(biāo)簽結(jié)構(gòu)；然后要按照初始節(jié)點(diǎn)與終止節(jié)點(diǎn)間隔距離，建立與衛(wèi)星遙感圖像相關(guān)的檢測(cè)點(diǎn)分布表達(dá)式；最后以Softmax分類(lèi)器定義表達(dá)式為標(biāo)準(zhǔn)，判定當(dāng)前數(shù)據(jù)集合是否滿(mǎn)足邊緣檢測(cè)方法的實(shí)際應(yīng)用需求[8]。完整的衛(wèi)星遙感圖像節(jié)點(diǎn)數(shù)據(jù)訓(xùn)練流程如圖1所示。

圖1 衛(wèi)星遙感圖像節(jié)點(diǎn)數(shù)據(jù)的訓(xùn)練流程

設(shè)δ表示衛(wèi)星遙感圖像的邊緣區(qū)域定義系數(shù)，t表示檢測(cè)指令執(zhí)行時(shí)長(zhǎng)，o1、o2表示兩個(gè)隨機(jī)選取的圖像節(jié)點(diǎn)定義項(xiàng)指標(biāo)，且o1≠o2的不等式條件恒成立，r表示圖像節(jié)點(diǎn)數(shù)據(jù)集合中的算子定義項(xiàng)。在上述物理量的支持下，聯(lián)立公式(2)，可將基于深度學(xué)習(xí)算法的衛(wèi)星遙感圖像節(jié)點(diǎn)數(shù)據(jù)集合表示為：

={r|r=δy+(t×)}

(3)

為避免衛(wèi)星遙感圖像邊緣檢測(cè)結(jié)果出現(xiàn)偏差，在建立圖像節(jié)點(diǎn)數(shù)據(jù)集合之前，需對(duì)所涉及數(shù)據(jù)信息參量進(jìn)行集中訓(xùn)練處理。

1.3 卷積和池化處理

由于衛(wèi)星遙感圖像具有明顯特性，所以在實(shí)施檢測(cè)算法的過(guò)程中，要求節(jié)點(diǎn)數(shù)據(jù)集合中參量指標(biāo)的統(tǒng)計(jì)特性必須保持一致，簡(jiǎn)單來(lái)說(shuō)，就是待檢測(cè)邊緣節(jié)點(diǎn)之間不能存在沖突。因此，圖像上所有節(jié)點(diǎn)的學(xué)習(xí)特征都完全相同。卷積處理則是在一致性原則基礎(chǔ)上制定的衛(wèi)星遙感圖像節(jié)點(diǎn)處理法則[9]。設(shè)ε、γ表示兩個(gè)不相關(guān)的遙感圖像節(jié)卷積處理系數(shù)，iε表示基于系數(shù)ε的節(jié)點(diǎn)定義權(quán)值，iγ表示基于系數(shù)γ的節(jié)點(diǎn)定義權(quán)值，且iε指標(biāo)、iγ指標(biāo)的取值同時(shí)屬于圖像節(jié)點(diǎn)數(shù)據(jù)集合。聯(lián)立上述物理量，可將衛(wèi)星遙感圖像邊緣檢測(cè)節(jié)點(diǎn)的卷積化執(zhí)行原則表示為：

(4)

池化處理原則可根據(jù)深度學(xué)習(xí)算法確定衛(wèi)星遙感圖像邊緣檢測(cè)節(jié)點(diǎn)的表現(xiàn)特征[10]。若備選節(jié)點(diǎn)取值完全屬于圖像節(jié)點(diǎn)數(shù)據(jù)集合，則可將衛(wèi)星遙感圖像邊緣檢測(cè)節(jié)點(diǎn)的池化執(zhí)行原則表示為：

(5)

式中，κ、ι表示兩個(gè)不相等的遙感圖像節(jié)點(diǎn)池化處理系數(shù)，pκ表示基于系數(shù)κ的圖像節(jié)點(diǎn)池化特征，pι表示基于系數(shù)ι的圖像節(jié)點(diǎn)池化特征，φ表示待檢測(cè)向量的池化處理定義項(xiàng)指標(biāo)，且pκ指標(biāo)、pι指標(biāo)的取值也同時(shí)屬于圖像節(jié)點(diǎn)數(shù)據(jù)集合。出于綜合性考慮，深度學(xué)習(xí)算法的構(gòu)建必須參考衛(wèi)星遙感圖像邊緣檢測(cè)節(jié)點(diǎn)的卷積與池化處理表達(dá)式。

2 衛(wèi)星遙感圖像拼接處理

本文引用SURF算法完成衛(wèi)星遙感圖像的拼接處理，先建立積分圖像，然后經(jīng)過(guò)尺度空間建立、圖像邊緣特征點(diǎn)配準(zhǔn)及梯度信息熵計(jì)算的處理流程實(shí)現(xiàn)待檢測(cè)衛(wèi)星遙感圖像的拼接與處理。

先建立積分圖像，所謂積分圖像就是對(duì)原始圖像原點(diǎn)到該點(diǎn)進(jìn)行積分所得到的圖像。設(shè)P(x,y)為原始圖像原點(diǎn)O到點(diǎn)P的像素和，I(i,j)表示原始圖像對(duì)應(yīng)像素點(diǎn)(i,j)的值，則積分圖像中點(diǎn)P的值可表示為:

(6)

2.1 尺度空間

所謂尺度空間就是一幅圖像通過(guò)一定算法那獲得空間一些列分辨率不同的圖像。通常情況下，一幅未知衛(wèi)星遙感圖像中會(huì)包含大量的邊緣節(jié)點(diǎn)特征內(nèi)容，若不能準(zhǔn)確預(yù)測(cè)出圖像特征節(jié)點(diǎn)所在的尺度空間，則會(huì)使邊緣區(qū)域內(nèi)檢測(cè)節(jié)點(diǎn)所包含的特征參量被忽視，從而使得最終所得檢測(cè)結(jié)果并不能完全滿(mǎn)足實(shí)際應(yīng)用需求[11]。故而對(duì)于衛(wèi)星遙感圖像來(lái)說(shuō)，為使其邊緣性檢測(cè)結(jié)果能夠反映出整幅圖像內(nèi)節(jié)點(diǎn)特征的分布形式，應(yīng)根據(jù)其算法構(gòu)建完整的尺度空間。本文利用SURF算法，采用不同大小的濾波器對(duì)圖像進(jìn)行處理，從而得到空間圖像金字塔。采用該種方法可使得圖像的多尺度空間表現(xiàn)出平面圖像的空間特征，保證圖像拼接的旋轉(zhuǎn)不變性，其所采用的箱式濾波器效果近似于高斯二階偏導(dǎo)數(shù)，其效果如圖2所示。

圖2 箱式濾波器近似效果

采用該種方式提高傳統(tǒng)尺度空間建立計(jì)算的復(fù)雜性，縮短計(jì)算時(shí)間，保證計(jì)算數(shù)據(jù)的性能[12]。接下來(lái)，設(shè)k1表示邊緣區(qū)域內(nèi)的圖像節(jié)點(diǎn)特征參量，k2表示其他區(qū)域內(nèi)的圖像節(jié)點(diǎn)特征參量，且k1≠k2的不等式條件恒成立，Δφ表示單位時(shí)間內(nèi)圖像特征節(jié)點(diǎn)檢測(cè)數(shù)量，利用上述參數(shù)對(duì)尺度空間表達(dá)式進(jìn)行定義：

(7)

2.2 特征點(diǎn)提取及配準(zhǔn)

(8)

為減少數(shù)值運(yùn)算量，默認(rèn)衛(wèi)星遙感圖像邊緣區(qū)域內(nèi)的待檢測(cè)特征點(diǎn)不會(huì)出現(xiàn)-覆蓋性排列的表現(xiàn)形式。

2.3 梯度信息熵

為增大衛(wèi)星遙感圖像的基礎(chǔ)分辨率水平，使待檢測(cè)特征參量在邊緣區(qū)域內(nèi)呈現(xiàn)較為清晰的分布排列狀態(tài)，在完成圖像拼接處理后，還需根據(jù)特征參量的實(shí)時(shí)分布形式，計(jì)算梯度信息熵指標(biāo)的具體數(shù)值[15]。所謂梯度信息熵是指待檢測(cè)衛(wèi)星遙感圖像所反映出的節(jié)點(diǎn)分辨率情況，一般來(lái)說(shuō)，其數(shù)值結(jié)果越大，就表示邊緣區(qū)域內(nèi)待檢測(cè)節(jié)點(diǎn)與其他區(qū)域內(nèi)普通節(jié)點(diǎn)之間的差異性越大，獲得實(shí)時(shí)檢測(cè)結(jié)果所需的等待時(shí)間也就越短。故而在實(shí)施衛(wèi)星遙感圖像邊緣檢測(cè)指令時(shí)，應(yīng)盡可能使梯度信息熵指標(biāo)達(dá)到其極大值[16]。設(shè)ν為衛(wèi)星遙感圖像梯度熵增系數(shù)的初始取值，在深度學(xué)習(xí)算法作用下，該項(xiàng)物理指標(biāo)的最小值只能等于自然數(shù)“1”，f為衛(wèi)星遙感圖像邊緣區(qū)域內(nèi)的特征點(diǎn)梯度值度量系數(shù)，d為深度學(xué)習(xí)算法作用強(qiáng)度，?、θ表示兩個(gè)隨機(jī)選取的信息熵增量標(biāo)度值，且?≠θ的不等式條件恒成立。聯(lián)立上述物理量，可將衛(wèi)星遙感圖像邊緣檢測(cè)區(qū)域內(nèi)的梯度信息熵指標(biāo)計(jì)算表達(dá)式定義為：

(9)

出于計(jì)算簡(jiǎn)便性考慮，在執(zhí)行衛(wèi)星遙感圖像邊緣檢測(cè)算法時(shí)，?系數(shù)、θ系數(shù)的初始取值都等于物理自然數(shù)“1”。

3 衛(wèi)星遙感圖像的邊緣檢測(cè)

本次研究基于深度學(xué)習(xí)中的CV算法對(duì)衛(wèi)星遙感圖像進(jìn)行邊緣檢測(cè)，其需同時(shí)求解一階微分邊緣算子、二階微分邊緣算子，然后根據(jù)合適的微分算子計(jì)算圖像的梯度幅值與雙閾值，以此完成其邊緣檢測(cè)。

3.1 一階微分邊緣算子

(10)

(11)

3.2 二階微分邊緣算子

二階微分邊緣算子也叫過(guò)零點(diǎn)算子。對(duì)于衛(wèi)星遙感圖像來(lái)說(shuō)，在邊緣區(qū)域處，如果二階微分函數(shù)同時(shí)存在兩個(gè)或兩個(gè)以上的零值，才表示在該取值條件下的邊緣算子系數(shù)能夠滿(mǎn)足深度學(xué)習(xí)算法的處理需求[19-20]。規(guī)定衛(wèi)星遙感圖像邊緣檢測(cè)算法的二階微分函數(shù)為：

F=ζ(v1+v2+…+vn)2

(12)

其中：ζ表示基于深度學(xué)習(xí)算法的二階微分偏導(dǎo)系數(shù)，且系數(shù)ζ的最小取值結(jié)果也始終大于物理自然數(shù)“1”，v1、v2、…、vn表示定義編號(hào)由1-n的微分節(jié)點(diǎn)標(biāo)記系數(shù)，n表示最大微分向量。

在公式(11)的基礎(chǔ)上，設(shè)bmin表示二階微分算量的最小取值結(jié)果，bmax表示二階微分算量的最大取值結(jié)果，m表示衛(wèi)星遙感圖像邊緣檢測(cè)算量定標(biāo)準(zhǔn)，ω表示基于深度學(xué)習(xí)算法的二階運(yùn)算系數(shù)，τ表示二階微分偏導(dǎo)向量。聯(lián)立上述物理量，可將基于深度學(xué)習(xí)算法的二階微分邊緣算子計(jì)算表達(dá)式定義為：

(13)

在對(duì)衛(wèi)星遙感圖像邊緣節(jié)點(diǎn)進(jìn)行檢測(cè)的過(guò)程中，一階微分邊緣算子、二階微分邊緣算子不可能同時(shí)取得零值結(jié)果。

3.3 梯度幅值

(14)

只有在梯度幅值指標(biāo)計(jì)算取值結(jié)果保持不變的情況下，深度學(xué)習(xí)算法才能對(duì)衛(wèi)星遙感圖像邊緣區(qū)域內(nèi)的特征參量進(jìn)行準(zhǔn)確檢測(cè)。

3.4 雙閾值計(jì)算

在對(duì)衛(wèi)星遙感圖像邊緣進(jìn)行檢測(cè)時(shí)，圖像特征參量的灰度變化較為明顯，因此為使檢測(cè)結(jié)果具備恒定性，應(yīng)根據(jù)雙閾值表達(dá)式對(duì)所選取檢測(cè)區(qū)域進(jìn)行閾值分割。雙閾值就是從極大值、極小值兩個(gè)角度，對(duì)待檢測(cè)衛(wèi)星遙感圖像的邊緣特征參量進(jìn)行判別，在建立表達(dá)式條件時(shí)，則要求這兩項(xiàng)指標(biāo)的取值結(jié)果必須滿(mǎn)足深度學(xué)習(xí)算法的約束條件[23-24]。設(shè)Tmax表示待檢測(cè)衛(wèi)星遙感圖像邊緣特征參量的極大性閾值參考條件，Tmin表示極小性閾值參考條件，W雙向性標(biāo)記系數(shù)。聯(lián)立上述物理量，可將雙閾值表達(dá)式定義為：

(15)

在深度學(xué)習(xí)算法的支持下，考量雙閾值表達(dá)式的約束能力，從而實(shí)現(xiàn)對(duì)衛(wèi)星遙感圖像邊緣的精準(zhǔn)檢測(cè)。

4 實(shí)例分析

本次實(shí)驗(yàn)在一臺(tái)操作系統(tǒng)為Windows 10的筆記本電腦中進(jìn)行，其內(nèi)存為4 GB。以Matlab 2016a平臺(tái)中完成模型仿真，選取三幅遙感圖像作為本文的研究樣本，如圖3所示，對(duì)其展開(kāi)研究。

圖3 遙感圖像研究樣本

為充分驗(yàn)證所提方法的實(shí)用性，選取文獻(xiàn)[3]基于方向和結(jié)構(gòu)特征的檢測(cè)方法為對(duì)比方法，進(jìn)行對(duì)比實(shí)驗(yàn)。將選取的三幅遙感圖像在保證清晰度的情況下，對(duì)其進(jìn)行復(fù)制出來(lái)，以復(fù)制后圖像作為對(duì)照組實(shí)驗(yàn)對(duì)象，將原圖像作為實(shí)驗(yàn)組實(shí)驗(yàn)對(duì)象，分別對(duì)其進(jìn)行邊緣檢測(cè)。待檢測(cè)完畢后，選取信噪比、模糊噪點(diǎn)個(gè)數(shù)及圖像清晰度為指標(biāo)對(duì)比檢測(cè)完畢后圖像邊緣檢測(cè)質(zhì)量。

(16)

對(duì)于衛(wèi)星遙感圖像來(lái)說(shuō)，邊緣節(jié)點(diǎn)處信噪比指標(biāo)的數(shù)值水平可用來(lái)描述模糊噪點(diǎn)對(duì)于圖像清晰度的影響能力，從而反映出所選取檢測(cè)方法的準(zhǔn)確性水平。如上式所示，邊緣節(jié)點(diǎn)處信噪比指標(biāo)的數(shù)值越大，模糊噪點(diǎn)對(duì)于圖像清晰度的影響程度越輕，即當(dāng)前所選取檢測(cè)方法的準(zhǔn)確性水平較高；反之，若邊緣節(jié)點(diǎn)處信噪比指標(biāo)的數(shù)值較小，則表示模糊噪點(diǎn)對(duì)于圖像清晰度的影響程度較重，即當(dāng)前所選取檢測(cè)方法的準(zhǔn)確性水平較低。

所提方法、文獻(xiàn)[3]方法檢測(cè)后，先自適應(yīng)劃分DN值子區(qū)間,然后以一定百分比最小局部標(biāo)準(zhǔn)差的平均值估算每一DN值子區(qū)間對(duì)應(yīng)的噪聲大小,估算每一DN值子區(qū)間對(duì)應(yīng)的信噪比，最后完成整幅圖像的信噪比數(shù)值計(jì)算。獲得衛(wèi)星遙感圖像邊緣節(jié)點(diǎn)處信噪比指標(biāo)(ψ)的數(shù)值變化情況，其對(duì)比如圖4所示。

圖4 信噪比數(shù)值

分析圖4可知，隨著實(shí)驗(yàn)時(shí)間的延長(zhǎng)，兩種方法獲得的衛(wèi)星遙感圖像邊緣節(jié)點(diǎn)處信噪比指標(biāo)均呈現(xiàn)出來(lái)回波動(dòng)的數(shù)值變化狀態(tài)。當(dāng)實(shí)驗(yàn)時(shí)間等于30 min時(shí)，實(shí)驗(yàn)組信噪比指標(biāo)達(dá)到最大值62.7 dB，整個(gè)實(shí)驗(yàn)過(guò)程中，實(shí)驗(yàn)組信噪比數(shù)值的波動(dòng)區(qū)間為55.1～62.7 dB，取得極小值時(shí)的實(shí)驗(yàn)時(shí)間為40 min；當(dāng)實(shí)驗(yàn)時(shí)間等于60 min時(shí)，對(duì)照組信噪比指標(biāo)達(dá)到最大值45.6 dB，整個(gè)實(shí)驗(yàn)過(guò)程中，對(duì)照組信噪比數(shù)值的波動(dòng)區(qū)間為38.9～45.6 dB，取得極小值時(shí)的實(shí)驗(yàn)時(shí)間也為40 min；從平均值角度來(lái)看，實(shí)驗(yàn)組信噪比均值始終高于對(duì)照組。

表1 模糊噪點(diǎn)個(gè)數(shù)值

分析表1可知，實(shí)驗(yàn)組模糊噪點(diǎn)個(gè)數(shù)相對(duì)較少，其最大值只能達(dá)到1.32×105個(gè)，與對(duì)照組最大值2.39×105個(gè)相比，下降了1.07×105個(gè)。

聯(lián)合圖4、表1及公式(16)，對(duì)實(shí)驗(yàn)組、對(duì)照組衛(wèi)星遙感圖像清晰度(R)指標(biāo)進(jìn)行計(jì)算。具體計(jì)算結(jié)果如表2所示。

表2 衛(wèi)星遙感圖像清晰度

分析表2可知，隨著實(shí)驗(yàn)的延長(zhǎng)，實(shí)驗(yàn)組、對(duì)照組衛(wèi)星遙感圖像清晰度指標(biāo)R的數(shù)值變化趨勢(shì)，符合來(lái)回波動(dòng)的變化規(guī)律。對(duì)于實(shí)驗(yàn)組檢測(cè)方法而言，當(dāng)實(shí)驗(yàn)時(shí)間等于30 min時(shí)，其清晰度指標(biāo)R的數(shù)值計(jì)算結(jié)果最大，達(dá)到了5.45×10-4；當(dāng)實(shí)驗(yàn)時(shí)間等于50 min時(shí)，其清晰度指標(biāo)R的數(shù)值計(jì)算結(jié)果最小，僅為4.91×10-4；兩者之間的物理差值為0.54×10-4。對(duì)于對(duì)照組檢測(cè)方法而言，當(dāng)實(shí)驗(yàn)時(shí)間等于60 min時(shí)，其清晰度指標(biāo)R的數(shù)值計(jì)算結(jié)果最大，達(dá)到了1.97×10-4；當(dāng)實(shí)驗(yàn)時(shí)間等于30 min時(shí)，其清晰度指標(biāo)R的數(shù)值計(jì)算結(jié)果最小，僅為1.75×10-4；兩者之間的物理差值為0.22×10-4。整個(gè)實(shí)驗(yàn)過(guò)程中，實(shí)驗(yàn)組衛(wèi)星遙感圖像清晰度指標(biāo)R的數(shù)值水平始終高于對(duì)照組。

綜上可知，本次實(shí)驗(yàn)結(jié)論為：基于方向和結(jié)構(gòu)特征的檢測(cè)方法不能較好地促進(jìn)衛(wèi)星遙感圖像邊緣區(qū)域節(jié)點(diǎn)處信噪比指標(biāo)的數(shù)值水平，且與之相關(guān)的模糊噪點(diǎn)個(gè)數(shù)值較大，這就導(dǎo)致最終所得的圖像清晰度水平較小，無(wú)法滿(mǎn)足實(shí)際應(yīng)用需求；而基于深度學(xué)習(xí)的檢測(cè)方法能夠合力促進(jìn)衛(wèi)星遙感圖像邊緣區(qū)域節(jié)點(diǎn)處信噪比指標(biāo)的數(shù)值水平提升，且與之相關(guān)的模糊噪點(diǎn)個(gè)數(shù)值相對(duì)較小，滿(mǎn)足提升圖像清晰度的實(shí)際應(yīng)用需求。

5 結(jié)束語(yǔ)

新型衛(wèi)星遙感圖像邊緣檢測(cè)方法根據(jù)深度學(xué)習(xí)理論，完善了Softmax分類(lèi)器，并以此為基礎(chǔ)，對(duì)待測(cè)圖像的邊緣性特征節(jié)點(diǎn)進(jìn)行卷積與池化處理，在已知尺度空間條件的前提下，該方法準(zhǔn)確定義了特征點(diǎn)所處位置，并根據(jù)梯度信息熵指標(biāo)的計(jì)算數(shù)值，求解一階微分邊緣算子與二階微分邊緣算子，進(jìn)而得到完整的雙閾值表達(dá)式。與基于方向和結(jié)構(gòu)特征的檢測(cè)方法相比，深度學(xué)習(xí)算法針對(duì)圖像邊緣節(jié)點(diǎn)處信噪比指標(biāo)數(shù)值水平較低的問(wèn)題進(jìn)行了有效改進(jìn)，可在避免模糊噪點(diǎn)對(duì)圖像清晰度產(chǎn)生影響的同時(shí)，實(shí)現(xiàn)對(duì)衛(wèi)星遙感圖像邊緣的精準(zhǔn)檢測(cè)。