学术报告“图像处理方法设计的创新思维”笔记

报告题目：浅谈图像处理方法设计的创新思维

报告人：Jianguo Liu (Reader, Department of Earth Science and Engineer, Imperial College London，UK)

报告时间：2019年10月25日10:00

报告地点：学院报告厅（望江校区基础教学大楼B302）

报告内容：

图像处理是当今全方位发展的计算机视觉科学的基础，而其作为一门学科在很大程度上是随着卫星遥感技术的出现应运而生的，因为数字图像是卫星遥感记录和传输地球观测信息的必须手段。本报告通过介绍几个由报告人创新设计开发的广为世界应用的图像处理方法（BCET,DDS, SFIM, Simulated Reflectance, Radar coherence），探讨所涉及的科学思维方法。报告人强调在科学研究中要问题导向而不是方法导向，要善于逆向思维使失败变为成功。报告人不推崇追逐热门课题（Hot Topic）的修补堆砌式“科研”而强调独立思维提出并解决高价值问题。创新往往是在开拓冷门时实现的，而创新的追随者们则把冷门变成了热门。

报告人简介：

Jianguo Liu, Ph.D. 1991 in remote sensing and image processing from Imperial College London , UK and M.Sc. 1982, in remote sensing and geology from China University of Geosciences, Beijing, China. He is a Reader in Remote Sensing in the Department of Earth Science and Engineering, Imperial College London.

国际知名遥感图像处理及应用专家，多年从事遥感图像处理和地球科学应用研究，在国际期刊和重大学术大会上发表了140多篇学术论文，并集他的科研和教学成果撰写了两本学术专著由世界著名的Wiley-Blackwell出版社出版。他设计开发了许多简单新颖有效的图像处理方法，被国际主流图像处理软件采用，在遥感界得到广泛应用。他和他的学生在IGARSS等国际遥感学术会议上多次获奖。刘建国博士的研究涉域广泛包括：亚像素影像分析技术的研发和应用（图像高精度自动配准，三维数据生成，环境变化定量检测和台风云顶大气运动向量场数据的提取和分析）；SAR/InSAR数据处理优化用于地震/新构造形变和地表沉降的精确检测和正演模拟；以及地质灾害遥感GIS评估预测模型等方面。

Jianguo Liu教授主要介绍了他先前在遥感图像处理领域的成果的思路，分别有BCET、DDS、SFIM、SR和SAR Coherence五个算法，以亲身经历讲述了每个算法的设计思路、所运用的巧妙之处，让复杂的问题变得简单起来。Liu教授倡导独立思维，把问题的出发点设为对问题用数学公式进行建模，反对盲目地使用黑盒子进行处理。

• BCET(Balance Contrast Enhancement Technique)平衡对比度增强技术
  源自：Liu J G,Balance Contrast Enhancement Technique and its Application in Image Color Composition,International Journal of Remote Sensing,1991.
  问题描述：直接获取的图像往往会存在色彩偏差，使得一些波段的信息不会清晰地显示在图像中，所以用于图像合成的三个波段必须有相同的取值范围和均值。为此，需要调整不同波段的反差，保持RGB的彩色平衡。
  已知条件有最大值、最小值、均值，可设映射方程为y=a(x-b)^2+c,x为当前波段的像素值，y为调整后的像素值，则可根据三个已知条件建立方程组求解得a、b、c，从而对于每个波段都可以求得一个映射函数，使得图像的每个波段都归一化到极大值、极小值和均值相同，从而能保持RGB的色彩平衡。
• DDS(Direct Decorrelation Stretch)相关性解除的直接拉伸
  源自：Liu J G,Moore J M.Direct Decorrelation Stretch Technique for RGB Colour Composition ［J］.International Journal of Remote Sensing,1996,17:1005-1018.
  问题描述：对于一个多光谱图像而言，由于光谱间的相关性过强，线性变换并不能改变光谱间的相关性，对某个光谱进行单独拉伸时会引起其他光谱的变换，所以需要一种方法降低光谱间的相关性。
  最直接的方法就是对RGB图像转为HSI颜色空间，然后对饱和度分量S进行拉伸后，再次做HSI2RGB变换即可，还有一种方法是将图像小波变换后再处理最后逆小波变换到频率域。但是这几种类似的方法都是基于变换-逆变换的组合来进行的，需要一定的变换时间。
  于是Liu教授提出了一种方法，将不饱和图像建模为饱和图像和单纯背景灰度的叠加，即向量p=a+c。其中a和c分别表示灰度向量和饱和彩色向量。[c=(r,g,b),a=min(r,g,b)]只要设法减去向量a即可拉伸图像的饱和度同时降低相关性。但完全减去灰度向量出现了瓶颈，后来，Liu教授设计了一种只减去部分灰度向量的做法:pk=p-ka，其中k取值0到1。经过Liu教授验证，该算法在色度和亮度不变的基础上，提高了图像的饱和度，同时降低了光谱之间的相关性。
• SFIM(Smoothing Filter-based Intensity Modulation)基于亮度调节的平滑滤波
  源自：Liu, J. G . Smoothing Filter-based Intensity Modulation: A spectral preserve image fusion technique for improving spatial details[J]. International Journal of Remote Sensing, 2000, 21(18):3461-3472.
  问题描述：现成的算法对低分辨率图像的分辨率进行提高的时候，同时会导致图像内容的畸变，所以需要一种算法在提高分辨率的基础上保证色谱信息的不变。
  低分辨率图像可以表示为：
  
  其中，λ为波段，ρ为反射率，E为光源。同理，高分辨率图像可以表示为：
  
  经过推导，可得出SFIM图像如下：
  
  该图像可代替源图像进行提高分辨率操作，并且不受全波段图像的光谱影响，提高分辨率后原始的色谱信息保持不变。
• Simulated Reflectance 反射率的模拟
  源自：Guo L J , Mcm. Moore J , Haigh J D . Simulated reflectance technique for ATM image enhancement[J]. International Journal of Remote Sensing, 1997, 18(2):243-254.
  设E为太阳发射到地球的能量，由于能量守恒，这些能量一部分被地球吸收，另一部分被地球反射回去，设反射率为ρ，吸收率为α，则有：

设B为太阳发射的能量平衡，当地球温度变暖时为正，变冷时为负：
，E的下标分别为a、e、r分别表示地球吸收、热红外波段、反射的能量。
所以：

解得：

• SAR Coherence

"No information is information."教授如是说道。没有任何信息，也是一种信息，这种转变思维的方法，往往出其不意，找到一种快速解决问题的很好的方式。该算法可用于遥感检测那种隐蔽得很好的变化，比如地雷等等看起来表层没有变换的动作。

• 最后
  最后，教授介绍了他的著作《Image Processing and Gis for Remote Sensing》。并提到，他在科研中不推崇追逐热门话题的修补堆砌式的“科研”，而是强调独立思维并提出并解决问题，反对盲目黑盒子式解决问题。创新往往是在开拓冷门时实现的，而创新的追逐者们则把冷门变成了热门，其中的深邃的思想境界，让我们受益匪浅。