周群 ，楚恒，王汝言

(1.重慶郵電大學(xué)通信學(xué)院，重慶 400065; 2.重慶市勘測院，重慶 400020)

1 引 言

資源三號(Resources Satellite －3)測繪衛(wèi)星是我國首顆民用高分辨率光學(xué)傳輸型立體測圖衛(wèi)星［1］，衛(wèi)星同時具有測繪和資源調(diào)查功能。于北京時間2012年1月9日，在太原衛(wèi)星發(fā)射中心由“長征四號乙”運載火箭成功發(fā)射升空。衛(wèi)星裝載有2.1 m分辨率正視全色CCD相機、3.5 m分辨率的前后視相機和5.8 m分辨率的多光譜相機，能夠提供豐富的三維幾何信息，實時將圖像數(shù)據(jù)傳回地面。和國內(nèi)現(xiàn)有的資源類遙感衛(wèi)星相比較，資源三號測繪衛(wèi)星圖像分辨率高、圖像幾何精度和目標(biāo)定位精度都非常出色，并且具有在國際上有很強競爭力的1∶ 5萬比例尺立體測圖能力，對追趕其他國家衛(wèi)星遙感技術(shù)具有非常重要意義。

資源三號衛(wèi)星傳感器的全色波段為450 nm ～800 nm，多光譜波段中藍(lán)色波段為450 nm ～520 nm，綠色波段為520 nm ～590 nm，紅色波段為630 nm ～690 nm，近紅外波段為770 nm ～890 nm。

本文以資源三號衛(wèi)星遙感數(shù)據(jù)為研究對象，利用FIHS(Fast Intensity Hue Saturation)、GIHS(Generalized Intensity Hue Saturation)，IHS(Intensity Hue Saturation)與DWT(Discrete Wavelet Transform)結(jié)合，IHS(Intensity Hue Saturation)與SWT(Stationary Wavelet Transform)結(jié)合等遙感影像融合方法，對重慶市兩江新區(qū)某地方影像數(shù)據(jù)進行了融合，與ERDAS Imagine 中較好成像效果的HPF(High Pass Filter)方法進行對比，采用主觀評價與客觀評價相結(jié)合的方法對融合結(jié)果做出評價。

2 融合方法

由于技術(shù)的限制，大多數(shù)的遙感衛(wèi)星平臺同時搭載多光譜(Multispectral，MS)波段傳感器和全色(Panchromatic，PAN)波段傳感器，只能獲取高分辨率全色影像和低分辨率度光譜影像。為了增強對遙感影像的應(yīng)用，我們需要將低空間分辨率多光譜影像與高空間分辨率全色影像進行融合，獲得同時具有豐富光譜信息和高空間分辨率的影像。本文主要采用的融合方式屬于像素級多光譜與全色遙感影像的融合—Pansharpening。

目前國內(nèi)外流行的融合方法主要分為成分替換(Component Substitution，CS)和多分辨率分析(Multi －Resolution Analysis，MRA)兩種類型［2］。而目前的研究也表現(xiàn)出兩個趨勢，一是對通過對成分替換方法進行分析，總結(jié)出這類融合方法的通用表達(dá)式，在通用表達(dá)式的基礎(chǔ)上設(shè)計初具有更好效果的融合方法，例如FIHS 和GIHS;二是將成分替換方法與多分辨率分析方法相結(jié)合，得到具有更好性能的混合型融合方法，例如將IHS 變換和DWT(離散小波)結(jié)合起來，將IHS 變換和SWT(靜態(tài)小波)結(jié)合起來［3］。

2.1 FIHS 方法和GIHS 方法

IHS 融合方法，是將用三原色表示RGB 顏色空間的彩色圖像，轉(zhuǎn)換為用亮度(Intensity，I)，色度(Hue，H)以及飽和度(Saturation，S)表示IHS 顏色空間的彩色圖像，然后用更高空間辨率的全色圖像替換亮度圖像I，并進行IHS 逆變換，最終得到具有更高空間分辨率的彩色圖像。Tu［4］等在2001年通過對IHS 變換的矩陣計算過程進行簡化提出一種快速IHS 融合方法，成為FIHS 方法。FIHS 方法只是對IHS 融合方法的簡化，用δ=I' －I=PanM－I 表示全色圖像的空間細(xì)節(jié)信息，則有:

即只需要計算空間細(xì)節(jié)圖像和亮度圖像，然后將空間細(xì)節(jié)與原多光譜圖像相加，就可以得到融合結(jié)果圖像。FIHS 方法的表達(dá)式如下:

原始的IHS 融合方法，只能用于解決全色圖像與三波段多光譜圖像的融合問題?；贔IHS 的方法，則可以通過擴展亮度的定義，來實現(xiàn)更多波段多光譜圖像的融合。對于包含了紅光、綠光、藍(lán)光以及近紅外光四個波段的多光譜圖像，Tu［4］等提出采用如下的亮度定義來進行融合:

其中NIR 表示近紅外波段的多光譜圖像。基于這種改進型IHS 融合方法稱為GIHS 方法。

2.2 IHS 與小波結(jié)合方法

基于顏色空間變換的融合方法以及基于多尺度分解的融合方法在原理上沒有重疊或抵觸，而且具有互補性。目前許多較成熟的基于多分辨率分析的融合方法，也都是以成分替換方法為基礎(chǔ)而實現(xiàn)的［5］。這兩種方法相結(jié)合，就是在顏色空間變換之后，在變換域內(nèi)對主元成分和全色圖像進行基于多分辨率分析的融合，相當(dāng)于對成分替換方法的進一步細(xì)化［6，7］。本文采取與IHS 與DWT 相結(jié)合與IHS 與SWT 相結(jié)合的方法。具體的步驟為:

(1)將多光譜影像與全色影像進行配準(zhǔn)，并采樣至于全色影像相同大小;

(2)對多光譜影像進行GIHS 變換，采用文中式(4);

(3)將用全色影像與變換后的I 分量進行直方圖匹配，使其色調(diào)保持一致;

(4)對I 分量和全色影像進行小波變換，得到不同尺寸的小波系數(shù);

(5)對小波系數(shù)進行反變換，高頻系數(shù)采用全色影像的高頻系數(shù)，低頻系數(shù)選用I 分量的低頻系數(shù)。

(6)將第(5)步得到的新I 分量結(jié)合H、S 進行IHS反變換，得到融合圖像。

其中DWT 方法小波基采用coin8，分解層數(shù)為3層。SWT 方法小波基采用coin3，分解層數(shù)為3 層。

2.3 HPF 方法

HPF(High Pass Fliter)方法就是把高分辨影像進行傅里葉變換，在變換后的頻率域內(nèi)對圖像進行高通濾波，把濾波后得到的高頻成分融合到多光譜圖像中，最終就獲取了融合圖像。

3 融合質(zhì)量評價

評價方法可以分為兩類:主觀評價和客觀評價。

主要依靠人眼進行評估，由于應(yīng)用目的的不同，所關(guān)心的地物相關(guān)特征也不同。通過主觀評價可以快速的對比出圖像質(zhì)量的好壞。由于主觀評價具有波動性和隨意性，標(biāo)準(zhǔn)不統(tǒng)一，因人而異，必須通過客觀的評價因子來進行評價。本節(jié)實驗中用到的客觀評價標(biāo)準(zhǔn)有相對平均光譜誤差(RASE)、相對全局維數(shù)綜合誤差(ERGAS)以及相關(guān)系數(shù)(CC、SCC)、平均梯度(AG)［8］。

(1)相對平均光譜誤差(RASE)。其中，M 為原始多光譜影像的N 個光譜波段的平均輻射值，RMSE為均方誤差。

(2)相對全局維數(shù)綜合誤差(ERGAS)。其中，h和l 分別表示參與融合的全色圖像與多光譜圖像各自的分辨率，N 為融合圖像的波段數(shù)，Mi為每個光譜波段的平均輻射值，RMSE(i)是第i 個波段的融合結(jié)果圖像相對于參考圖像像元值的均方根誤差。

(3)相關(guān)系數(shù)(CC)。反映影像融合結(jié)果影像與原始多光譜影像之間在光譜特征上的相似性。其相似度越高，則表示融合后的影像對多光譜影像的光譜特征保持度越高。用來反映R 和F 之間的相關(guān)程度，若相關(guān)系數(shù)越大，說明融合質(zhì)量越好。定義如下:

(4)空間相關(guān)系數(shù)(SCC)。相關(guān)度越高，表名圖像的紋理信息越清楚。在計算空間相關(guān)系數(shù)時，首先利用拉普拉斯濾波器對多光譜融合影像與全色影像進行高通濾波，然后再分別計算高通濾波后的全色影像與多光譜融合影像各個波段之間的相關(guān)系數(shù)。

(5)平均梯度(AG)?？擅舾械胤从硤D像對微小細(xì)節(jié)反差表達(dá)的能力，因此可用來評價圖像的清晰程度。一般來說，平均梯度越大，圖像就越清晰。其中、△xF(x，y)、△yF(x，y)分別為影像F(x，y)沿x 和y方向的差分。

4 試驗結(jié)果及評價

影像融合的目的是在盡量保持原始影像數(shù)據(jù)相關(guān)信息的前提下，提高影像的可判斷性，即融合后的影像兼具全色影像的高空間分辨率和多光譜影像豐富的色彩信息。因此，對于融合影像質(zhì)量的評價，可以從影像的空間分辨能力與光譜信息兩個方面考慮。本次試驗通過主觀評價和客觀評價對試驗結(jié)果進行分析。

4.1 主觀評價

如圖1～圖7所示，從視覺效果上可以看出，5 種融合后影像的空間分辨率有明顯的提高，更加清晰、更容易判讀。首先對比一下FIHS 和GIHS 方法，兩種方法空間信息增強方面效果都非常好，但FIHS 顏色失真較大，特別是綠地，顏色整體偏淡，而一些藍(lán)色建筑顏色偏重，也就是說在保持光譜信息能力方面存在一定的缺陷。GIHS 相比FIHS 來說，在紋理信息方面基本上沒有弱化，顏色保真有了很大的提高，IHS +DWT 和IHS +SWT 從目視效果來看均達(dá)到了良好的效果。不論是從融合影像的空間分辨能力，還是從光譜信息保持能力，都驗證了我們?nèi)诤戏椒ǖ恼_性。HPF 方法在光譜保持性方面效果要好于FIHS 方法和GIHS 方法，但是整體顏色偏重，清晰度也略低于以上4 種方法。

4.2 客觀評價

在本次試驗中，通過計算影像的RASE、ERGAS、CC、SCC 和AG 這5 個參數(shù)來比較、分析各融合方法對空間信息的增強及光譜信息的保持能力。各個參數(shù)的統(tǒng)計值如表1所示。

我們首先分析FIHS 和GIHS。在光譜保持性方面，由于GIHS 方法加入了近紅外波段，使之與多光譜影像相關(guān)性增強，效果明顯優(yōu)于FIHS，在清晰度方面SCC 和AG 的值都比較接近于FIHS 方法。也驗證了我們目視得到的結(jié)果，GIHS 在稍微降低清晰度的同時大大提高了光譜保真度。對于兩種混合型融化方法IHS +SWT以及IHS+DWT，從各項數(shù)據(jù)來看，我們得到的結(jié)果都比較類似，清晰度和GIHS 得到的結(jié)果不相上下，在光譜保真度方法較前兩種方法都有了很大的提升，并且IHS+DWT 方法的結(jié)果要優(yōu)于IHS+DWT 方法。這與目視效果達(dá)到一致HPF 融合方法結(jié)果在光譜行方面高于FIHS 方法，清晰度和以上方法有所差距。

表1 圖像融合評價參數(shù)統(tǒng)計

從融合圖像質(zhì)量客觀評價中可以看出，各種方法都有其優(yōu)劣。如果純粹希望得到既清晰、光譜性又好，IHS+SWT 方法較為合適，隨之帶來的是運算量巨大。如果在希望能保證速度的同時得到成像較好的影像，GIHS 方法較為合適。在對圖像質(zhì)量要求不高時，HPF方法它的速度是無可比擬的。

5 結(jié) 語

本文選取4 種代表方法對我國首顆高精度民用立體測繪衛(wèi)星資源三號測繪衛(wèi)星重慶市兩江新區(qū)某地區(qū)域全色與多光譜影像進行融合，并與HPF 方法進行對比研究。通過研究得出對于運算速度和影像質(zhì)量的需求的不同，所采取的方法也不同。要想兩者兼得，融合方法的研究不能僅停留在算法的組合和復(fù)加上，而是將側(cè)重理論體系和統(tǒng)一框架的研究上［9～10］。

［1］Li Deren．China’s First Civilian Three －line －array Stereo Mapping Satellite:ZY－3［J］．Acta Geotactic et Cartographical Sinica，2012，41(3):317 ～322．

［2］Jaewan C，Junho Y，Anjin C．Hybrid Pansharpening Algorithm for High Spatial Resolution Satellite Imagery to Improve Spatial Quality［J］．Geoscience and Remote Sensing Letters，IEEE，2013，10(3):490 ～494．

［3］Aiazzi B，Baronti S，Lotti F．A comparison between global and context － adaptive pansharpening of multispectral images［J］．Geoscience and Remote Sensing letters，IEEE，2009，6(2):302 ～306．

［4］Tu T M，Huang P S，Hung C L，et al．A fast intensity －h(huán)ue－ saturation fusion technique with spectral adjustment for IKONOS imagery［J］．Geoscience and Remote Sensing Letters，IEEE，2004，1(4):309 ～312．

［5］Shah V P，Younan N H，King R L．An efficient pansharpening method via a combined adaptive PCA approach and contourlets［J］．Geoscience and Remote Sensing，IEEE Transactions on 2008，46(5):1323 ～1335．

［6］薛堅，于盛林，王紅萍．一種基于提升小波變換和IHS 變換的圖像融合方法［J］．中國圖象圖形學(xué)報，2009，14(2):340 ～345．

［7］Gong Jianzhou，Liu Yansui，Xia beicheng．Response of Fusion Images to Wavelet Decomposition Levels of Integration of Wavelet Transform and IHS with Multiple Sources Remotely Sensed Data［J］．Journal of Image and Graphics，2010，15(8):1269 ～1270．

［8］Chu Heng，Chen Huagang．A New Remote Sensing Image Fusion Algorithm in the Decimated Wavelet Domain ［J］．Opto－Electronicb Engineering Feb，2009，36(2):91 ～95．

［9］Dou Wen，Chen Yunhao，He Huiming．Theoretical Framework of Optical Remotely Sensed Image Fusion ［J］．Acta Geodaetica et Cartographica Sinica，2009，38(2):131 ～137．

［10］Yang Jinghui，Zhang Jixian，Li Haitao．Generalized Model for Remotely Sensed Data Pixel level Fusion and its Implementation Technology［J］．Journal of Image and Graphics，2009，14(4):604 ～61．