楊景輝

中國測繪科學(xué)研究院，北京100830

影像融合是衛(wèi)星影像處理流程中重要的一環(huán)，已經(jīng)廣泛應(yīng)用于遙感影像目視解譯、自動分類、正射影像制作、影像測圖等。隨著衛(wèi)星影像分辨率的提高和在軌衛(wèi)星數(shù)目的增加，大量的數(shù)據(jù)處理需求及短時間的響應(yīng)要求對影像融合的處理帶來了極大的挑戰(zhàn)。

已有融合模型只能描述一至兩類融合方法，通用性不強，缺乏可描述更多算法、更一般性的融合模型；其二缺乏可適用大部分融合算法而且可大幅提升處理性能的影像融合并行計算方法；再者少數(shù)幾個具有調(diào)節(jié)能力的融合算法調(diào)節(jié)參數(shù)多，運算量大，實用性不強，缺乏調(diào)節(jié)參數(shù)少、便于并行計算、融合效果可調(diào)節(jié)的算法。

針對上述問題，本文的主要創(chuàng)新點如下：

（1）遙感影像融合通用模型。在3類融合算法分析與數(shù)學(xué)推導(dǎo)的基礎(chǔ)上，提出了遙感影像像素級融合通用模型，該模型通過一個簡單的數(shù)學(xué)公式清晰地反映了參與融合的多光譜影像、從高分辨率全色影像提取的空間細(xì)節(jié)信息和采取的融合策略三者之間的運算關(guān)系；該模型能描述大多數(shù)融合算法，列舉了常用融合算法映射成通用模型時兩個重要參量的數(shù)學(xué)表達(dá)式。該模型的建立有助于融合算法分析與比較，用于算法實現(xiàn)與執(zhí)行時，大部分算法基本步驟相同，有利于算法集成和模塊復(fù)用，針對某些算法能舍棄一些不必要的步驟，減少計算量需求。

（2）耦合通用模型的影像融合多核并行計算方法。將通用模型與多核計算機結(jié)合，提出了適應(yīng)性廣、計算效率高的影像融合并行處理策略，開發(fā)了一個集成八個典型融合算法、運行于多核計算機的并行計算框架，并在兩臺分別安裝Windows和Linux操作系統(tǒng)的工作站上進(jìn)行了并行處理試驗。該并行計算方法不僅能取得較高的加速比，而且能有效地利用多核計算機的計算資源；最好情況下完成整個融合流程最短時間接近一個極限，該極限為直接讀取源影像，未經(jīng)過任何計算之后再將數(shù)據(jù)寫入輸出影像所用時間之和；在一臺具有兩個CPU的工作站上進(jìn)行并行融合處理時，整個融合流程相對串行處理可取得最高13.9倍的加速；融合算法的并行版本最高32.6倍快于商業(yè)軟件ERDAS IMAGINE中相應(yīng)算法版本，其融合效果與商業(yè)軟件沒有明顯的差別。

（3）耦合通用模型的影像融合GPU并行計算方法。將通用模型和GPU結(jié)合提出了可用于大幅面處理、適應(yīng)性廣的融合并行處理方法，并對CUDA環(huán)境中參數(shù)進(jìn)行優(yōu)化設(shè)置，以Nvidia公司新一代Fermi架構(gòu)GPU為計算平臺，對整景影像進(jìn)行了并行處理實驗。該方法加速性能明顯，根據(jù)整景影像測試結(jié)果，采用目前中等級別的GPU加速卡計算性能可提高至107倍；適用性廣，可應(yīng)用于多個影像融合算法。

（4）融合效果可調(diào)節(jié)且經(jīng)過并行優(yōu)化的分塊回歸融合算法。提出了經(jīng)過并行優(yōu)化的分塊回歸融合算法ParaBR，并分別針對高分辨率光學(xué)影像融合和SAR與光學(xué)影像融合進(jìn)行塊長優(yōu)化。分塊回歸融合算法具有調(diào)節(jié)能力，可根據(jù)需求調(diào)節(jié)融合效果偏重光譜信息還是偏重空間細(xì)節(jié)信息，也可通過優(yōu)化在光譜信息保持與空間細(xì)節(jié)增強之間取得一個較好的平衡。與5個算法（常用或前沿）的融合效果進(jìn)行比較表明，分塊回歸算法針對高分辨率光學(xué)影像融合效果比較穩(wěn)定；也能很好地應(yīng)用于SAR與光學(xué)影像融合；并行優(yōu)化后的分塊回歸融合算法ParaBR相比5個融合算法的商業(yè)版本或開源版本具有最高的處理性能。