葉云青，王長征，周日貴

（1.華東交通大學(xué)軟件學(xué)院，江西南昌330013；2.華東交通大學(xué)信息工程學(xué)院，江西南昌 330013）

對遙感影像的顯示和分析，通常被稱為科學(xué)可視化?？茖W(xué)可視化與表達(dá)圖表之間的差異在于后者主要側(cè)重于傳達(dá)已經(jīng)被理解的信息和結(jié)果，而在科學(xué)可視化的過程當(dāng)中，科學(xué)家試圖理解數(shù)據(jù)并獲取知識(shí)[1]。

遙感數(shù)據(jù)經(jīng)過拷貝后一般存放在大容量的存儲(chǔ)設(shè)備中（如：硬盤或光盤），讀取數(shù)字遙感數(shù)據(jù)，經(jīng)過數(shù)字圖像處理（如，空間域及頻率域圖像處理）后將其傳輸?shù)接跋裉幚砥鞯膸彌_存儲(chǔ)器中，也就是顯示內(nèi)存的集合。最后再通過顯卡等硬件來實(shí)現(xiàn)顯示。

多波段圖像融合[2]是將獲取的某一場景的不同波段的遙感圖像數(shù)據(jù)進(jìn)行空間配準(zhǔn)，在此基礎(chǔ)上將各圖像數(shù)據(jù)所含的優(yōu)勢信息進(jìn)行相互補(bǔ)充，并有機(jī)結(jié)合起來產(chǎn)生新的、信息含量更大的圖像的綜合分析技術(shù)。圖像融合是信息融合的重要分支和研究熱點(diǎn)，已廣泛應(yīng)用在機(jī)器視覺、醫(yī)療診斷、軍事遙感等領(lǐng)域[3-4]。在遙感領(lǐng)域，大量遙感圖像的融合為更方便、更全面地認(rèn)識(shí)環(huán)境和自然資源提供了可能[5-6]，其成果廣泛應(yīng)用于大地測繪、植被分類與農(nóng)作物生長勢態(tài)評估、天氣預(yù)報(bào)、自然災(zāi)害檢測等方面。

論文對像素級影像融合的一般方法進(jìn)行了介紹，研究了圖像融合效果的客觀評價(jià)準(zhǔn)則，提出了基于最佳指數(shù)因子的自適應(yīng)權(quán)值圖像融合算法，并給出了實(shí)驗(yàn)結(jié)果。

1 像素級多波段遙感影像融合的一般方法

現(xiàn)在的成像模式有很多種，其中使用了許多種可以采集不同類型圖像/視頻的傳感器，如可見光傳感器（CCD，CMOS）、紅外傳感器、深度傳感器、層析成像（CT）、核磁共振成像（MRI）、合成孔徑雷達(dá)（SAR）及毫米波雷達(dá)傳感器（MMWR）等。根據(jù)信息表征層次的不同，多傳感器信息融合可分為數(shù)據(jù)級融合、特征級融合和決策級融合。因此，有的學(xué)者將圖像融合也分為3類：像素級融合、特征級融合和判決級融合[7-8]。像素級圖像融合指的是直接對各幅圖像的像素點(diǎn)進(jìn)行信息綜合的過程。

1.1 影像融合的一般步驟

為實(shí)現(xiàn)圖像融合，需要使用多種圖像技術(shù)來完成以下3個(gè)步驟：

1）圖像預(yù)處理。對圖像的預(yù)處理包括圖像歸一化、圖像濾波、圖像增強(qiáng)等。

2）圖像配準(zhǔn)。是要將各幅參與融合的圖像進(jìn)行空間配準(zhǔn)，圖像融合對配準(zhǔn)精度要求非常的高，如果空間誤差超過一個(gè)像素，則融合的結(jié)果會(huì)出現(xiàn)重影，影響融合的質(zhì)量。

3）圖像融合。經(jīng)過預(yù)處理和配準(zhǔn)，就可以對所得到的圖像進(jìn)行信息方面的融合。

1.2 像素級影像R，G，B三通道加權(quán)融合方法

在進(jìn)行像素級別的圖像融合的過程中，有許多種算法可以采用，在此著重介紹基于三通道的R，G，B加權(quán)融合法[9-10]。

加權(quán)融合法是一種比較簡單直觀的方法，具體的步驟如下：

1）在fk（x，y）中選擇相應(yīng)的區(qū)域，其中：fk（x，y）代表原始圖像；

2）對該區(qū)域的各波段圖像通過坐標(biāo)定位；

3）選擇對應(yīng)同一區(qū)域的fl（x，y）及fm（x，y），并將其與ft（x，y）配準(zhǔn)，其中：fl（x，y）代表一個(gè)波段的圖像，fm（x，y）代表另一個(gè)波段的圖像；

4）按式（1）進(jìn)行代數(shù)運(yùn)算以得到加權(quán)的融合圖像

式中：g（x，y）代表融合后的影像；ws1，ws2，wt分別代表各波段影像的權(quán)值（權(quán)值的大小可在[0，0，0]至[255，255，255]區(qū)間選擇）。其中的“+”表示的是一個(gè)連接運(yùn)算，按位分別連接到R，G，B三個(gè)通道。

該方法在不影響原始圖像的分辨率的情況下，提供了一種有效的融合手段，在此提出的基于最佳指數(shù)因子的自適應(yīng)權(quán)值多波段遙感圖像融合算法就是基于該算法的一種改進(jìn)。在保證圖像分辨率的情況下提供了較有效的融合及觀測手段。

1.3 像素級影像加權(quán)融合方法的例子

按照前面介紹的加權(quán)平均融合方法，以某地區(qū)的互聯(lián)網(wǎng)衛(wèi)星圖像的1，2，3波段影像為數(shù)據(jù)。

1）在原始遙感圖像中選擇相應(yīng)的區(qū)域，如圖1所示；

2）對該區(qū)域的各波段圖像通過坐標(biāo)定位；

3）選擇對應(yīng)同一區(qū)域的其他兩個(gè)波段，并將其與原始圖配準(zhǔn)，結(jié)果如圖2所示；

4）按式（1）進(jìn)行代數(shù)運(yùn)算以得到加權(quán)的融合圖像，融合后的效果如圖3。

2 圖像融合過程中所遇到的問題

雖然，基于三通道的R，G，B加權(quán)融合法可以有效的融合多波段的影像數(shù)據(jù)，達(dá)到一個(gè)信息疊加的目的，但在這個(gè)融合的過程中還需要考慮一些因素。

1）加權(quán)的過程中，權(quán)值的大小如何控制？

在多波段遙感影像的融合過程中，對每個(gè)通道的數(shù)據(jù)如何控制權(quán)值，這個(gè)權(quán)值是否固定為確定的值？自適應(yīng)的獲取權(quán)值是一個(gè)有效的方法，可以提供一個(gè)較佳的融合效果。

2）對多個(gè)不同波段的遙感影像的不同組合是否會(huì)對最終的融合效果有影像？

遙感圖像通常都提供多個(gè)波段的影像，供用戶分析。對于這些多波段的遙感影像，如何從中選擇合適的波段來進(jìn)行融合，不同的波段組合融合的效果是否相同？事實(shí)證明不同的波段組合，不同的組合順序，都會(huì)影響最后的融合效果。

3）如何衡量融合的效果?

既然，不同的波段組合，不同的組合順序，都會(huì)導(dǎo)致最后的融合效果不同，那是否有方法來衡量融合的效果呢？權(quán)值的改變，也會(huì)影像融合效果。這就需要能夠從客觀上提供衡量的手段，為波段的選擇，及組合提供科學(xué)的依據(jù)。

3 基于最佳指數(shù)因子的自適應(yīng)權(quán)值圖像融合算法

基于最佳指數(shù)因子的自適應(yīng)權(quán)值融合方法，是針對在進(jìn)行多波段數(shù)據(jù)融合的過程當(dāng)中，所遇到的實(shí)際問題，結(jié)合統(tǒng)計(jì)學(xué)的知識(shí)，提出的在多波段不同遙感數(shù)據(jù)的組合中，選擇包含信息量最佳的若干組合進(jìn)行RGB三通道加權(quán)融合的方法。該方法基于各個(gè)波段組合內(nèi)及組合間的總方差與相關(guān)性的數(shù)量特征。

3.1 自適應(yīng)加權(quán)融合

對選擇的3個(gè)波段組合，按加權(quán)的方式融合到3個(gè)R，G，B通道去，形成真彩色的圖像。權(quán)值的大小設(shè)定為[0，0，0]至[255，255，255]，可以通過計(jì)算最佳指數(shù)因子的方式，獲取最佳權(quán)值組合。權(quán)值的大小改變，會(huì)影響最終的客觀評價(jià)值，也就是文章后面介紹的最佳指數(shù)因子。通過枚舉的方式，可以獲取最佳的權(quán)值組合（即當(dāng)前組合的最佳指數(shù)因子最大）。

3.2 最佳指數(shù)因子

計(jì)算任意3個(gè)波段影像集的OIF（optimum index factor，最佳指數(shù)因子）公式如式（2）。這種方法可以應(yīng)用于任何多光譜遙感影像集，具有最大OIF的3個(gè)波段遙感影像，包含了最為有價(jià)值的信息，在影像融合階段，可以依據(jù)該參數(shù)，在多種組合種選擇最佳的組合，供研究分析使用。該因子為衡量多波段的遙感影像融合效果提供了一個(gè)客觀依據(jù)。

式中：Sk為第k波段的標(biāo)準(zhǔn)差，計(jì)算公式如（3）；rj為待評估的3個(gè)波段中任意兩個(gè)波段間的相關(guān)系數(shù)的絕對值；Abs為數(shù)學(xué)函數(shù)，取絕對值，計(jì)算公式如（4）。

上述公式中，BVik為第k波段第i個(gè)像元的亮度值；μk為第k波段的均值；SPkl為任意兩波段的離均差乘積和；covkl為任意兩波段的協(xié)方差。

4 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)硬件環(huán)境：CPU為PentiumⅣ2.4 GHz，內(nèi)存512 M，顯卡NVIDIA GeForce4 MX。軟件環(huán)境：操作系統(tǒng)為Windows XP，開發(fā)工具為Visual C++2005。

4.1 加權(quán)融合值法

實(shí)驗(yàn)表明，不同的通道權(quán)值，為用戶觀測融合影像提供不同的顯示效果，如圖4所示。這里選擇圖2中配準(zhǔn)后的三波段影像，給定權(quán)值為：[110，74，60]（設(shè)定的權(quán)值最后要經(jīng)過歸一化），融合后影像的OIF值為7.884 982。

4.2 最佳指數(shù)因子法

根據(jù)圖2中，選擇的衛(wèi)星數(shù)據(jù)中第一、第二、第三波段影像，在融合的過程當(dāng)中，選擇的波段不同，波段的組合順序不同，其OIF的值也不相同，見表1。從試驗(yàn)結(jié)果中可以看出組合（3，2，1）最佳，組合（1，2，3）其次。而OIF值是衡量融合效果的客觀數(shù)據(jù)，以上波段組合的融合效果圖如圖5所示。

表1 實(shí)驗(yàn)結(jié)果數(shù)據(jù)比較Tab.1 Comparison of experimental results

4.3 基于最佳指數(shù)因子的自適應(yīng)權(quán)值圖像融合算法

根據(jù)前文的實(shí)驗(yàn)結(jié)果，選擇OIF值最大的組合（3，2，1），通過枚舉的方式，獲取最佳的權(quán)值組合（即當(dāng)前組合的最佳指數(shù)因子最大）。自適應(yīng)權(quán)值融合效果圖如圖6所示，權(quán)值選擇為[121，123，126]，OIF值為8.568 249。

4.4 實(shí)驗(yàn)結(jié)果對比

通過表2中的實(shí)驗(yàn)結(jié)果可以看出，在多波段遙感影像的融合過程中，通道的權(quán)值，波段的組合，都會(huì)影響最后的融合效果?；谧罴阎笖?shù)因子的自適應(yīng)權(quán)值圖像融合法是一個(gè)有效的方法，可以提供一個(gè)較佳的融合效果。

表2 實(shí)驗(yàn)結(jié)果對比Tab.2 Comparison of experimental results

5 總結(jié)

影像融合在遙感影像的顯示和分析過程中起到了重要的作用。以科學(xué)的方式探究數(shù)據(jù)和信息，從而獲得對數(shù)據(jù)內(nèi)涵的理解，這已經(jīng)是人們探索空間數(shù)據(jù)的重要手段?；谧罴阎笖?shù)因子的自適應(yīng)權(quán)值融合方法，結(jié)合各個(gè)波段不同組合的總方差與相關(guān)性的數(shù)量特征，選擇包含信息量最佳的若干組合進(jìn)行自適應(yīng)加權(quán)融合以獲取較高的OIF，為研究人員提供了一個(gè)有效的觀測手段。

[1]劉先紅.多傳感器融合算法研究[D].西安：西安電子科技大學(xué)，2006.

[2]JOHN R J.遙感數(shù)字影像處理導(dǎo)論[M].北京：機(jī)械工業(yè)出版社，2007.

[3]張麗蘇，吳嘉平.分層分區(qū)分景相結(jié)合的區(qū)域土地利用/覆蓋分類方法——以浙江錢塘江流域分類為例[J].國土資源遙感，2007，73（3）：74-80.

[4]張世清，姜慶五，汪天平，等.遙感技術(shù)用于洲灘型血吸蟲病流行區(qū)釘螺孳生地生態(tài)的監(jiān)測[J].中華預(yù)防醫(yī)學(xué)雜志，2003，37（5）：331-335.

[5]LIU Q J，TAKEUCHI N.Vegetation inventory of a temperate biospherereserve in China by image fusion of Landsat TM and SPOTHRV[J].Journal of Forest Research，2001，6（3）：139-146.

[6]陳東，李飚，沈振康.SAR與可見光圖像融合算法的研究[J].系統(tǒng)工程與電子技術(shù)，2000，22（9）：5-7.

[7]胡江華，柏連發(fā)，張保民.像素級多傳感器圖像融合技術(shù)[J].南京理工大學(xué)學(xué)報(bào)，1996，20（5）：453-456.

[8] 張加友，王江安.紅外圖像融合[J].光電子·激光，2000，11（5）：537-539.

[9]李軍，林宗堅(jiān).基于特征的遙感影像圖像融合方法[J].中國圖像圖形學(xué)報(bào)，2002，2（2）：103-107.

[10]LALLIER E，F(xiàn)AROOQM.Areal time pixel-level based image fusion viaadaptive weight averaging[A].In：Proceedings of the 3rd Interna-tional Conference on Information Fusion[C].2000：9-13.