（1 哈尔滨工程大学，黑龙江 150001；2 中国科学院遥感应用研究所，北京 100101）
摘要:  美国陆地卫星Landsat-7提供的观测数据一直以来被广泛应用各个领域，但其传感器ETM+上的扫描行校正部件SLC（Scan Line Corrector）在2003年5月31日发生故障，导致Landsat-7影像出现坏行，难以正常使用。为了使剩余的78%的数据能够被利用，NASA立即组织有关科学家研究解决这一问题的方案。我们与NASA科学家密切配合，探索了五种修复方法。经过对这五种方法的尝试与试验，自适应局部回归算法得到较好效果。修复后的图像完整没有明显的修复边界，达到理想的效果。本文介绍了该算法的基本原理、流程和试验结果，并对修复效果进行了评估 。
关键词： Landsat-7，坏行数据，修复方法
1．前言
      1999年4月美国发射的L

andsat-7上搭载了专题扫描仪（ETM+），其空间分辨率为30m，扫描幅宽为185km。由于其出色的影像质量，Landsat-7的数据现在被世界上15个地面站所接收，广泛应用于资源调查、环境监测、地质调查、测绘、考古和规划管理等领域。数据分发也在世界各地进行，是我国现在应用最为广泛的地球观测数据。因此，该数据的损坏对这些领域造成了很大的影响。
      Landsat-7卫星上SLC部件虽然已经失效，但是Landsat-7卫星仍然在轨道上正常运行。SLC的损坏并没有影响其它器件的性能，主扫描镜继续能正常工作，具有提供有用图像数据的能力。另外，在存在坏行数据的影像上，仍然有约78%的数据是完好的。因此研究如何修复由于SLC失效而造成的数据坏行，将所得到的有坏行的数据重新利用起来，成为当前国际遥感领域中研究的热点。
针对SLC失效造成的影像坏行数据，USGS/NASA专门组成了一个陆地卫星小组继续研究发掘Landsat-7系统剩余的可用价值。我们配合专家组探索了五种方法修复由于SLC失效造成的影像数据坏行。方法包括：全景直方图匹配 （Global Histogram Match）、全景差分直方图匹配 (Global Differential Histogram Match)、局部差分直方图匹配（Local Differential Histogram Match）、自适应局部回归（Adaptive Local Regression）、局部直方图匹配 (Local Histogram Match)等五种方法。本文详细介绍了自适应局部回归方法的算法原理，并对2003年6月15日和7月1日的两景SLC-Off图像进行了修复，取得了良好结果。
2．图像修复的基本原理与算法
2．1 图像修复基本原理
       图像坏行数据的修复，是将其他相同轨道号但获取时间不同的图像与原图像坏行相应位置处的数据复制出来，填充到坏行中，使带有坏行的图像完整。
      在每一景图像中，丢失的数据大约占整个图像的22%。越靠近图像边缘的地方，坏行的宽度越大。但是，每一景图像由于受到大气的不同程度的影响,图像之间色调会有差异,如果直接将对应值填充进去,会在填充边缘产生明显的边界,影响了图像的后续处理。因此，要首先处理填充图像，尽量减少与被修复图像的色调差异，实现无缝填充。
采用自适应局部回归的方法，都能够使得填充图像的色调接近于被修复图像，这样修复后的图像在填充的边缘，就不会有明显的填充边界。
2．2自适应局部回归算法
      回归分析作为研究变量间关系的统计分析方法，旨在根据统计数据寻求一个变量对另一变量或若干变量的经验公式（回归方程），以近似表示或描述变量间统计意义上的因果关系。自适应回归算法利用回归方程建立了两幅图像DN值的联系，通过计算，将填充图像的色调向被修复图像靠近。
在对图像进行修复之前，填充图像必须以被修复图像为基准进行配准。然后计算图像坏道中的每一个像素点的填充值。对于坏行中的每个像素点，它的DN值是从以它为中心一个17´17大小的窗口中通过回归方程算出的。如果这个窗口中，两幅图像都有值的像素点个数N<144，则窗口增大为19´19，21´21，直到N>144为止。填充值计算如下：

其中，a为增益，b为偏差，DNt为被修复图像的DN值，DNs为填充图像的DN值，DNti为被修复图像上第i点的DN值，DNsi为填充图像上第i点的DN值。
最后，将计算出的填充值最终填充到被修复图像相应位置中。
由于在整景图像上坏道的宽度在不同位置各有不同，其中左侧的坏道宽度最大，被修复图像和填充图像某些地方都是坏道，无法进行填充修复，因此就要再利用另一幅（或几幅）图像，遵循同一过程，再修复一遍，直至完全修复。
2．3 算法流程图
自适应局部回归算法的软件实现流程图，如图1。

图1 自适应局部回归流程图
2．4  图像修复结果
文中选用两景是Landsat-7的SLC-Off数据，轨道号为37/37。被修复图像的获取时间是2003年6月15日，填充图像时间是2003年7月1日。文中裁取了一块512´512的子区进行实验。这块地区的地物主要是山区。

2．5  图像修复效果评价
       通常，引起两景图像不同的因素主要集中于几个方面。一方面是大气对光线的吸收、气溶胶引起的光线散射和双向反射比分布函数的影响带来的每一景图像的色调不同。另一方面云层的遮蔽、地表上的地物变化、植被长势的变化等生物气候学的影响引起两幅图像的不同。
图2中a图是2003年6月15日landsat-7 ETM+ 图像上一块512´512子区,即要修复的图像。b图是与a图同一地区,2003年7月1日获取的图像，即填充图像。引起两景图像不同的主要因素是大气的影响。两景图像在亮度和色调上有所差异，经过自适应局部回归的处理，使得这种差异变小，由图3可以看出，得到的修复后图像没有明显的填充边界。修复的效果达到的预期要求。
3．结论与讨论
由上面的修复结果可以看出，采用自适应局部回归的算法对由于SLC失效造成的图像坏道进行修复具有比较理想的效果。经过一幅或几幅填充图像修复后的图像没有明显的填充边界，色调上比较一致，能够对其进行进一步的图像处理，进而应用到一些对图像时相性要求不高领域中。
但是，在整景图像中，并不是每个地方的修复都能达到预期的目的。地表的植被生长发生变化是带来效果不理想的主要原因。云层的覆盖造成地物不可知。因此在选择填充图像的时候，一是尽量选择没有云层覆盖，并且地表变化较少、没有积雪覆盖的图像，二是所选的填充图像尽量在时间上与被修复图像相近，尽可能的保证两景图像变化不大。
参考文献
[1] Conghe Song，Patrick J.Quirk，Curtis E.Woodcock．Recovering Landsat 7 ETM+ Missing Data Due to SLC-Off．
[2] David G.Kleinbaum，Lawrence L.Kuppe，Keith E.Muller，Azhar Nizam．Applied Regression Analysis and Other Multivariable Methods，Third Edition．Thomson Press，2003．6．(机械工业出版社有影印版)
[3] Kenneth.R.Castleman．Digital Image Processing．Pearson Education Press，2003．（清华大学出版社有影印版）
[4] http://landsat.usgs.gov/slc_enhancements/
[5] 赵英时．遥感应用分析原理与方法．北京，科学出版社，2003．
[6]Dang Anrong，Wang Xiaodong，Chen Xiaofeng，Zhang Jianbao．ERDAS IMAGINE RS Image Processing Method．Beijing，Tsinghua University，2000．

Research on the Recover of Landsat 7 SLC-Off Images
Shou Jingwen1   Chen Xue2
(1 Harbin Engineering University 150001;
2 Institution of Remote Sensing Application, Chinese Academy of Science)
Abstract:  An instrument malfunction occurred onboard Landsat 7 on May 31,2003. The problem was caused by failure of the Scan Line Corrector (SLC),and the problem appears to be permanent. Some regular bad lines present on the SLC-Off scenes which can’t be used anomaly. However, the total useful data of image has been estimated to be approximately 78% over a given scene. In order to use the remained data, the Landsat Science Team is exploring the means to recover the images. Under the instruction of the NASA scientists, we tried many methods, and this paper introduced Adaptive Local Regression in detail. The experiment result indicates that this method is an effective method for the recover of Landsat 7 SLC-Off Images.
Key words:  Landsat-7; SLC-Off images; recover