楊 棟，李彥甫，李洪偉，段 磊，劉 勇

(蘭州大學(xué)資源環(huán)境學(xué)院，甘肅蘭州730000)

谷歌地球(Google Earth)作為一種易學(xué)易用的地理信息應(yīng)用平臺已經(jīng)得到廣泛使用，特別是其中包含的亞米級QuickBird、WorldView-II以及航攝影像，更是一種難得的遙感數(shù)據(jù)資源。從谷歌地球可獲取免費(fèi)的高分辨率影像數(shù)據(jù)源，可以提供不同分辨率的影像，分辨率最高可達(dá)0.15 m。然而這些數(shù)據(jù)經(jīng)過處理已經(jīng)明顯失去光譜和色彩信息，難以滿足遙感制圖需求。因此，結(jié)合中分辨率、多光譜數(shù)據(jù)與谷歌地球高分辨率影像這兩方面的優(yōu)勢，從而產(chǎn)生色彩信息豐富并達(dá)到高空間分辨率的融合影像，對于滿足低成本、大比例尺制圖需求就具有十分重要的意義。目前的融合算法中全色和多光譜數(shù)據(jù)之間的空間分辨率差異在1∶2～1∶4。而當(dāng)影像的空間分辨率差異超過一定的閾值后，融合結(jié)果會表現(xiàn)出明顯的馬賽克現(xiàn)象。特別是在影像的色彩和紋理變化極其復(fù)雜的區(qū)域，鄰域像元間DN值對比太大，導(dǎo)致融合結(jié)果不理想。

對于分辨率差異較大的影像融合問題，Shevyrnogov等對NOAA AVHRR從1 000 m重采樣到100 m計算NDVI，然后和MSS的第一主分量進(jìn)行融合，得到了比較理想的結(jié)果［1］。Mularz等先采用濾波方法對低分辨率的Landsat TM影像進(jìn)行平滑，然后與高分辨率航空像片進(jìn)行融合，有效消除了分辨率差異導(dǎo)致的馬賽克效應(yīng)［2］。Erdogan等對航空像片和Landsat 7 ETM+影像融合，發(fā)現(xiàn)ETM+多波段影像與全色波段影像融合后再和航空像片融合時采用主成分變換的結(jié)果更好［3］。李軍等提出結(jié)合小波變換和IHS變換的疊加融合法［4］。鐘志勇等提出了一種基于信息特征的IKONOS和TM影像的融合方法［5］。王文君等采用小波變換增強(qiáng)高分辨率影像中目標(biāo)地物的邊緣信息，然后與多光譜影像進(jìn)行融合，得到理想的結(jié)果［6］。

為此，筆者以高分辨率谷歌地球遙感數(shù)據(jù)的任意一個波段作為高分辨率影像和一景成像時間為2013年10月11日Landsat 8光學(xué)陸地成像儀(OLI)影像進(jìn)行融合，探討了兩者的融合方法，以滿足大比例尺制圖的需求。

1 研究方法

以蘭州大學(xué)榆中校區(qū)為研究區(qū)，研究區(qū)西側(cè)是萃英山，校園周圍地勢比較平坦，土地利用以耕地為主。Landsat 8 OLI中包含8個30 m可見光/近紅外/短波紅外波段和1個15 m全色波段。谷歌地球第18級影像分辨率的空間0.5～0.6 m，與OLI多光譜波段的30 m空間分辨率相差約50倍。

在融合時，首先用Brovey變換方法對OLI影像的多光譜和全色波段進(jìn)行融合，得到空間分辨率15 m的多光譜影像。然后，分別使用Brovey變換、Gram-Schmidt變換和主成分變換方法進(jìn)一步與谷歌地球影像進(jìn)行融合，以比較不同方法的優(yōu)劣。其中，Brovey變換方法基于除法運(yùn)算實現(xiàn)了影像融合，是影像融合的基本方法;Gram-Schmidt變換方法則借助Gram-Schmidt變換實現(xiàn)了影像融合;主成分變換方法基于主成分變換，用全色波段替換第一主成分來完成影像融合。數(shù)據(jù)處理及融合基于Exclis ENVI/IDL和ERDASImagine軟件完成。

最后，對融合結(jié)果從目視效果和定量評價方面進(jìn)行了分析。為了進(jìn)一步將融合結(jié)果與谷歌地球原始影像進(jìn)行比較，采用以下指標(biāo)對融合結(jié)果分別進(jìn)行了定量評價［7－8］:波段均值(Mean)、標(biāo)準(zhǔn)差、信息熵(Ent)、平均梯度(AveGrad)、相關(guān)系數(shù)(R)。在定量評價指標(biāo)中，均值、標(biāo)準(zhǔn)差和信息熵反映了融合結(jié)果影像中所包含的信息量，平均梯度反映了融合結(jié)果的清晰度和對比度，相關(guān)系數(shù)反映了融合結(jié)果的逼真度。

2 結(jié)果及其評價

從圖1可以看出，Brovey變換的結(jié)果包含了充分的地物細(xì)節(jié)，但色調(diào)效果比較單一，沒有充分增強(qiáng)色彩信息。而Gram-Schmidt變換和主成分變換的融合結(jié)果相對比較理想，兩者之間也沒有明顯的差異，整體而言融合結(jié)果比較理想，特別是在地物顏色相對單一、變化較小的區(qū)域，如西側(cè)的萃英山和學(xué)校周圍的耕地。

圖1 融合結(jié)果

表1是定量評價的計算結(jié)果。從表1可以看出，Brovey變換的結(jié)果除了相關(guān)系數(shù)和信息熵之外，其他各項的值均大幅降低，而且與另外兩種方法的結(jié)果差距較大，說明該方法的確不能產(chǎn)生可用的結(jié)果。其次，Gram-Schmidt變換和主成分變換結(jié)果的均值和標(biāo)準(zhǔn)差明顯增加，這說明結(jié)果中所包含的信息量顯著增加;而平均梯度的增幅最明顯，說明融合結(jié)果的清晰度和對比度更好;同時，融合結(jié)果各個波段與谷歌地球影像的相關(guān)系數(shù)接近1，說明融合結(jié)果的逼真度也保持得較好。最后，相比Gram-Schmidt變換，除信息熵之外，主成分變換的其他各項指標(biāo)均表現(xiàn)得更好，說明主成分變換融合的結(jié)果更優(yōu)。

表1 融合結(jié)果定量評價

3 討論

該研究首先對Landsat 8 OLI影像的多光譜和全色波段用Brovey變換方法進(jìn)行了融合，然后進(jìn)一步用不同方法與谷歌地球高分辨率影像進(jìn)行了融合。分析表明，無論從目視效果還是定量指標(biāo)來評價，主成分變換的融合結(jié)果都是最好的，基本能滿足高分辨率谷歌地球遙感數(shù)據(jù)和Landsat 8 OLI影像的融合要求。

［1］SHEVYRNOGOV A，TREFOIS P，VYSOTSKAYA G.Multi-satellite data merge to combine NOAA AVHRR efficiency with Landsat-6 MSS spatial resolution to study vegetation dynamics［J］.Adv Space Res，2000，26(7):1131－1133.

［2］MULARZ S，DRZEWIECKI W，PIROWSKI T.Merging landsat TM images and airborne photographs for monitoring open-cast mine area［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B7/3;PART 7):920 －927.

［3］ERDOGAN M，MARASH，YILMAZ A，et al.Resolution merge of 1∶35 000 scale aerial photographs with Landsat 7 ETM imagery ［J］.Int Archives Photogrammetry，Remote Sensing，and Spatial Information Sciences，2008，37:1281－1285.

［4］李軍，周月琴，李德仁.小波變換用于高分辨率全色影像與多光譜影像的融合研究［J］.遙感學(xué)報，1999(2):33 －38，81.

［5］鐘志勇，陳鷹，黎運(yùn)高.分辨率相差較大的衛(wèi)星影像融合方法研究［C］//Proceedings of the中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議(CIG’2001)和第一屆全國虛擬現(xiàn)實技術(shù)研討會(CVR’2001)，F(xiàn)，2001.

［6］王文君，秦其明，陳思錦，等.一種基于特征的遙感影像融合新方法［J］.遙感技術(shù)與應(yīng)用，2004(4):258 －261.

［7］趙英時.遙感應(yīng)用分析原理與方法［M］.北京:科學(xué)出版社，2003.

［8］贠培東，曾永年，歷華.不同遙感影像融合方法效果的定量評價研究［J］.遙感信息，2007(4):40 －45，105.