高 歆，呂心靜，徐永新

（許昌學院 城鄉(xiāng)規(guī)劃與園林學院，河南 許昌461000）

1 引言

隨著遙感技術(shù)的不斷發(fā)展，從不同傳感器獲取到的遙感影像數(shù)據(jù)逐步增多，為資源調(diào)查、環(huán)境監(jiān)測、災(zāi)害的預(yù)測預(yù)報等提供了豐富的影像數(shù)據(jù)[1]。與此同時，地球觀測數(shù)據(jù)信息量迅猛增長，數(shù)據(jù)信息量十分巨大，而龐大數(shù)據(jù)的處理已成為制約地球信息技術(shù)發(fā)展的一大障礙。每一種遙感數(shù)據(jù)都存在局限性，空間、時間和光譜分辨率不可能同時兼顧，因此為融合不同遙感數(shù)據(jù)的優(yōu)點，提高其原始分辨率，需要采用遙感影像融合技術(shù)。例如：TM遙感影像有7個不同的波段，光譜信息量巨大，空間分辨率卻只有30m，SPOT數(shù)據(jù)光譜段少，但是其全色波段的空間分辨率可達10m，對影像的細節(jié)特征描述較為詳細，因此，TM和SPOT影像數(shù)據(jù)的結(jié)合，可以顯著提高遙感影像的質(zhì)量。另外，還可以與微波影像進行融合，比如側(cè)視雷達圖像可以反映地物的微波反射特性，與陸地為衛(wèi)星相比，在反映土壤、水體、居民點以及道路、渠道等線性地物具有較高的優(yōu)勢，融合后的影像更有利于對地物進行綜合分析和運用[2]。

Quickbird是目前應(yīng)用較為廣泛的商業(yè)衛(wèi)星，在2010年發(fā)射成功，主要提供了0.6m高分辨率的全色圖像數(shù)據(jù)和2.44m的低分辨率多光譜圖像數(shù)據(jù)，包括4個波段：藍（0.45～0.52um）、綠（0.52～0.60um）、紅（0.63～0.69um）、近紅外（0.76～0.90um），在城市、土地利用規(guī)劃、資源環(huán)境管理等領(lǐng)域應(yīng)用極為廣泛。隨著遙感技術(shù)的不斷發(fā)展，大量的遙感影像不斷出現(xiàn)，遙感影像融合技術(shù)成為遙感應(yīng)用研究領(lǐng)域的重要課題，并得到了迅速發(fā)展，其主要的融合方法有IHS變換、Brovey（比值）變換、PCA（主成分）變換以及 WT（小波）變換。本文還引入了一種融合WT變換與IHS變換特點的一種新的方法，WT－HIS方法，以Quickbird影像為實驗數(shù)據(jù)，對上述方法的優(yōu)劣進行研究和分析。

2 幾種常用的融合方法

2.1 HIS方法

IHS變換本質(zhì)是把IHS空間中的強度分量I提取出來，將具有較高空間分辨率的全色影像替代多光譜影像中提取出的I分量[3]。IHS變換是一種以R、G、B 3個分量表示的多光譜影像成分分離為H、I、S 3個成分，H、I、S 3個因子相互獨立，利用IHS變換法對不同細節(jié)分辨率的影像進行復(fù)合，可以得到不同的圖像顯示效果。因為IHS變換能夠保留大量的高分辨率影像的空間細節(jié)信息，在遙感影像融合的許多方面都得到了應(yīng)用[4－5]。IHS具體計算如下：

上式中：R、G、B分別表示多光譜影像的3個波段，H是圖像色度，I代表圖像亮度，S是影像飽和度，v1，v2分別是估算H（色度）和S（飽和度）時所運用的中間的數(shù)據(jù)變量。其反變換式為：

2.2 主成分變換

主成分變換融合方法是通過對原始多波段影像進行主成分變換，將其轉(zhuǎn)化為幾個互不相關(guān)的組分，其中按照特征值的大小進行排序，分別形成第一、二等主成分，第一主成分包含的信息量最多，之后，用全波段影像代替第一主成分進行反變換，獲取融合后的影像。從計算過程可以看出，PCA融合充分使用了所有波段信息，而非3個波段，這樣做也會丟失部分光譜信息[6]。

2.3 Brovey方法

Brovey方法是一種有關(guān)色調(diào)標準變化的較為簡單的融合方法，也是目前較為常用的融合算法。該方法應(yīng)用較為簡單，分別對應(yīng)相乘全色影像和低分辨率多光譜影像的各個波段像元灰度值。該方法對影像的銳化效果較好，當全色影像與多光譜影像進行融合時會出現(xiàn)波譜不一致的問題，此方法不能得到有效解決，所以會造成一定的光譜扭曲。

3 基于WT－HIS的融合方法

小波變換是20世紀在泛函分析和調(diào)和分析的基礎(chǔ)上發(fā)展起來的，被廣泛應(yīng)用于信號和圖像處理領(lǐng)域的一種技術(shù)方法，是傅里葉分析的發(fā)展。小波變換可以將圖像分解為高頻和低頻信息兩個部分，能夠更有效地描述邊緣和非連續(xù)信息，還可以通過反變換恢復(fù)原圖像，這種優(yōu)良的品質(zhì)使得它與其它融合方法的結(jié)合值得期待?；贗HS和WT的融合方法基本思想如下：通過IHS變換將原圖像分解為色度、亮度和飽和度3個分量，將亮度I分量和全波段影像使用小波變換進行分解，使用融合規(guī)則將分解出來的兩幅影像的高頻和低頻成分別進行處理，得到新圖像的低頻和高頻成分，然后進行一系列的反變換生成新圖像[7，8]。

基于IHS和WT融合方法的詳細步驟如下：①影像配準：選擇兩幅大小一致、分辨率不同的兩幅影像，以高分辨率作為校正參考影像，對低分辨率影像進行校準，校準精度應(yīng)控制在半個像元以內(nèi)。②IHS變換：對多光譜影像進行IHS變換，將R、G和B分量變?yōu)镠、I和S分量。③直方圖匹配：以I分量作為參考，將高分辨率影像進行直方圖匹配。④采用不同的規(guī)則進行融合：對I分量和直方圖匹配后的高頻影像進行小波變換，高頻融合規(guī)則是對兩者對應(yīng)的像元值進行比較，保留其中的最大值作為新的高頻成分，低頻融合規(guī)則是取兩低頻系數(shù)的均值作為新的低頻成分，然后對形成的新成分實施反變換得到融合后的圖像。

圖1 WT－HIS融合步驟

4 不同融合方法計算結(jié)果

通常情況下，選擇波段需要考慮幾個方面的問題：波段或波段組合信息量的大??；各波段之間的相關(guān)程度；研究區(qū)域內(nèi)欲識別地物的光譜信息強度。本文為了比較幾種方法之間的優(yōu)劣，選取了同一遙感平臺、同一傳感器獲取的影像，研究其多光譜波段影像和全色影像的融合過程。選擇影像位于印度某市，地物信息豐富，含有植被、建筑物、道路、水體等典型的地物，遙感影像是2013年9月的Quickbird數(shù)據(jù)，提供了0.61m的高分辨率影像數(shù)據(jù)和2.44m的多光譜數(shù)據(jù)。

圖2a－圖2g分別是原始影像、全波段影像、以及HIS等5種方法融合后的影像。從圖中可以看出，融合后的影像比原始影像在空間分辨率和清晰度上都有所改善，融合后的影像損失了較少的原始信息，影像上地物之間的邊界都比較清晰，提高了地物的細節(jié)特征，尤其從河流邊界、居民地的內(nèi)部結(jié)構(gòu)上進行分析，看出融合后的效果較好，形狀規(guī)則十分清晰，容易進行判讀。在影像的光譜特征上也有了一定提高，各類地物的光譜畸變較小。從光譜色彩來說，WT變換和WT－IHS變換得到的融合影像與原始的多光譜影像最為接近。Brovey方法存在一定的光譜失真，融合影像與原始的多光譜影像相比具有一定的差別。從空間細節(jié)上說，PCA影像的亮度值過高，造成圖像對比度降低。WTIHS方法在空間細節(jié)信息和光譜信息的保持方面與其他方法相比稍顯優(yōu)越。

為了客觀的對融合后的影像的融合結(jié)果進行評價，通常采用均值、標準差、信息熵、平均梯度、相對偏差和相關(guān)系數(shù)這六個指標進行評價[9]，可通過 Matlab7.0進行計算。得到的結(jié)果見表1。

從均值分析，亮度值最高的是PCA融合影像，其次是WT－IHS影像，Brovey影像的均值最低，WT和IHS影像最接近原始多光譜影像的亮度。融合影像的標準差與多光譜影像相比有增加也有降低，其中WTIHS影像與WT影像的標準差最大，說明圖像的對比度較大，影像中包含的信息量較為豐富，在信息熵參數(shù)也有相似的表現(xiàn)。圖像的信息熵可以反映圖像信息的豐富程度，WT－IHS的信息熵最高，說明融合后的影像比原始影像包含的信息量增多，光譜和細節(jié)信息保持程度較好。WT影像和IHS影像的信息熵與原始影像相比，略有提高，與原始影像比較接近。而Brovey影像和PCA影像的信息熵卻低于原始影像，這說明融合后的信息量沒有增加反而降低，不能夠充分反映圖像中的紋理信息。從表中可以看出，所有融合方法的平均梯度都比原始影像的平均梯度大，說明融合后影像的清晰度提高，影像空間細節(jié)的表現(xiàn)能力增強，融合效果較好。其中WT影像的平均梯度最高，說明影像的細節(jié)表現(xiàn)能力最強。相對偏差反映了圖像的扭曲程度，Brovey方法的相對偏差最高，說明使用它融合后的影像的扭曲程度較大。相關(guān)系數(shù)表現(xiàn)融合前后兩幅圖像的關(guān)聯(lián)程度，從表中可以看出，WT－IHS影像的相關(guān)系數(shù)最高，說明與原始影像相比丟失的信息量最少，最接近與原始影像。Brovey的相關(guān)系數(shù)最低，與其他融合影像相比，原圖像的信息丟失較多。總的來說，融合后的遙感影像與原始影像相比，分辨率大大提高，影像更為清晰。WT影像和IHS影像的平均梯度最高，說明其空間分辨率較高，該方法是以犧牲圖像光譜分辨率來提高圖像的空間分辨率的。PCA變換和Brovey變換不論是在光譜信息豐富程度還是在空間分辨率的精度方面效果都不明顯，低分辨率的多光譜信息與高分辨率空間信息二者之間權(quán)衡的較好一種方法就是WT－IHS變換法。

表1 不同融合方法的定量評價指標

5 結(jié)語

小波變換能夠?qū)D像的高頻信息和低頻信息分解開來，很好地反映了圖像的紋理結(jié)構(gòu)，從計算結(jié)果來看，確實驗證這一點。HIS和WT變換的精度最高，但犧牲了部分光譜信息，綜合來看，WT－HIS的效果較好。

圖2 不同方法的融合結(jié)果

[1]賈永紅，李德仁，孫家柄.多源遙感影像數(shù)據(jù)融合[J].遙感技術(shù)與應(yīng)用，2000，15（1）：41～44.

[2]趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學出版社，2009.

[3]黃登山.像素級遙感影像融合方法研究[D].長沙：中南大學，2011.

[4]張一平.像素級遙感影像融合技術(shù)研究[D].鄭州：解放軍信息工程大學，2012.

[5]肖 剛.多源遙感影像特征信息融合理論及應(yīng)用研究[D].上海：上海交通大學，2004.

[6]孫丹峰.IKONOS全色與多光譜數(shù)據(jù)融合方法的比較研究[J].遙感技術(shù)與應(yīng)用，2002，17（1）：42～43.

[7]王文杰，唐 聘，朱重光.一種基于小波變換的圖像融合算法[J].中國圖像圖形學報，2001，6（11）：1130～1135.

[8]劉建偉，宋夢馨，郭 平.一種基于HSI和小波變換的遙感圖像融合方法[J].北京師范大學學報：自然科學版，2008，44（6）：595～599.

[9]許 民.高分辨率遙感影像融合方法研究及融合效果評價——以ALOS和SPOT的全色與多光譜影像為例[M].蘭州：蘭州大學，2010.