李春華

摘 要：簡述了ERDAS軟件和PCI軟件中幾種常用的融合方法，采用QB的全色影像和多光譜影像，對幾種常用的融合方法進行試驗和分析，結(jié)果表明HPF融合、PanSharp融合這兩種融合方法整體融合效果較好。

關(guān)鍵詞：影像融合；主成份變換；小波變換；HPF融合；PanSharp融合

隨著現(xiàn)代遙感技術(shù)的發(fā)展，人們可以獲得不同空間、時間和光譜分辨率的遙感影像[1]。使用融合后的影像比單獨使用全色影像或者多光譜影像更為有效[2]；融合后的影像有更豐富的細(xì)節(jié)信息，可以顯著提高分類結(jié)果的準(zhǔn)確性[3]。影像融合是將全色高分辨率影像的紋理細(xì)節(jié)信息和多光譜低分辨率影像的色彩信息相結(jié)合，獲得高分辨率的多光譜影像的一種技術(shù)。對于許多遙感應(yīng)用，尤其是基于GIS的應(yīng)用，對影像既有清晰的紋理需求又有豐富的光譜信息需求，因此影像融合是遙感影像應(yīng)用的關(guān)鍵。文章分別使用ERDAS軟件中的主成分變換法（PCA）、小波變換法（Wavelet）、HPF融合法和PCI軟件中的PanSharp融合法對高分辨率影像QuickBird（以下簡稱QB）的全色影像和多光譜影像進行融合，并對不同的融合方法進行比較和分析。

1 影像融合方法

1.1 主成分變換法（PCA）融合

主成分變換（PCA，Principal Component Analysis），又稱K-L變換，是建立在圖像統(tǒng)計特征基礎(chǔ)上的多維線性變換，具有方差信息濃縮、數(shù)據(jù)量壓縮的作用，以高分辨率數(shù)據(jù)替代多波段數(shù)據(jù)變換以后的第一主成分來達到融合的目的。具體過程：先由多光譜影像數(shù)據(jù)求得影像間的相關(guān)系數(shù)矩陣，根據(jù)相關(guān)系數(shù)矩陣計算特征值和特征向量，求得各主成分影像；再將高分辨率影像進行直方圖匹配，使其與第一主成分影像數(shù)據(jù)具有相同的直方圖；最后用直方圖匹配生成的高分辨率影像來替換第一主成分，將它同其他主成分一起經(jīng)逆主分量變換得到融合的影像[4]。

1.2 小波變換（Wavelet）融合

小波變換融合方法是Mallat于1989年提出的小波的多分辨分析思想及小波的分解和重構(gòu)快速算法，基本函數(shù)是一些小型波。該方法首先對參與融合的遙感影像數(shù)據(jù)進行小波正變換，將影像分解為更低分辨率的近似低頻影像和高頻細(xì)節(jié)影像，獲得相應(yīng)的低頻信息和高頻信息。再分別抽取來自高分辨率影像的高頻信息和低分辨率的低頻信息進行小波逆轉(zhuǎn)換，生成融合影像。

1.3 HPF（高通濾波）融合

HPF（High Pass Filtering）法是將高空間分辨率圖像中的邊緣信息提取出來，加入到低分辨率高光譜圖像中，由Schowengerdt在1980年提出。其基本思想是：用高通濾波器算子提取出高分辨率圖像的細(xì)節(jié)信息，然后簡單的采用像元相加的方法，將提取出的細(xì)節(jié)信息疊加到低分辨率圖像上，實現(xiàn)低分辨率多光譜圖像和高分辨率全色圖像之間的數(shù)據(jù)融合。

1.4 PanSharp融合

該方法基于統(tǒng)計原理，利用最小方差技術(shù)對參與融合波段的灰度值進行最佳匹配，同時利用該原理調(diào)整單個波段的灰度分布來減少融合結(jié)果的顏色偏差。此外，該方法還對輸入的所有波段進行一系列的統(tǒng)計運算來消除融合結(jié)果對數(shù)據(jù)集的依賴性并提高融合過程的自動化程度。

2 試驗效果與分析

2.1 試驗數(shù)據(jù)及效果圖

文章采用的數(shù)據(jù)是PCI2013試用版中的試驗數(shù)據(jù)QB衛(wèi)星影像，分為全色影像和多光譜影像兩種，其中全色影像的分辨率為0.61米，多光譜分辨率為2.44米，數(shù)據(jù)格式為img格式。原始的全色和多光譜影像已配準(zhǔn)好，為了便于目視定性比較，從試驗數(shù)據(jù)中截取局部示意范圍圖如圖1所示。對以上數(shù)據(jù)分別采用IHS變換法、主成分變換法（PCA）、小波變換（Wavelet）、HPF（高通濾波）融合、PanSharp融合等方法進行融合。根據(jù)經(jīng)驗值newband2=band2*0.9+band4*0.1，重組2波段，再進行波段堆積，最終獲得3波段的效果影像圖，如圖2所示。

2.2 比較分析

由不同融合方法得到的影像，從空間分辨率和清晰度來看，相對原始多光譜影像均有非常明顯的提高；從色彩方面來看，相對原始全色影像而言，融合結(jié)果圖像色彩豐富，更有益于對地物的辨識和解譯。通過對居民區(qū)建筑物輪廓、道路等的細(xì)節(jié)和植被的色彩等進行比較，很容易驗證這一點。上述各種融合方法有利也有弊，下面分別進行表述。

（1）主成分變化（PCA）融合法保留多光譜圖像的光譜特征方面優(yōu)于IHS變換融合法，相對而言，融合圖像上的細(xì)部特征更加清晰，光譜信息更加豐富，不過變換后的色彩信息較弱，各主成分失去了原有的物理特性，且該方法對融合區(qū)域的選擇非常敏感[5]。同時，因為該方法融合效果取決于替代圖像與第一主分量圖像的相似程度，所以容易產(chǎn)生光譜特征扭曲現(xiàn)象。

（2）小波變換法直接舍棄了全色圖像的低頻分量，用多光譜圖像的低頻部分去替代全色圖像的低頻部分，因此，在增強結(jié)果中容易出現(xiàn)分塊效應(yīng)，并在一定程度上損失了全色圖像的細(xì)節(jié)信息。其程度與小波分解的階數(shù)有關(guān)，階數(shù)越低，細(xì)節(jié)信息損失越多，但光譜信息保留越多，反之亦然。若小波分解的階數(shù)選得低，則增強后多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力較差，容易出現(xiàn)暈邊等現(xiàn)象，但光譜特性保留程度好。若小波分解的階數(shù)選得高，則增強后多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力較好，但光譜特性保留程度較差。

（3）HPF融合法能夠在一定程度上提取全色影像細(xì)節(jié)信息，把全色影像的細(xì)節(jié)信息直接疊加到多光譜影像上，并對其進行銳化處理，突出影像線性特征和邊緣信息，有效地保留了多光譜信息。但是，增強多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力的同時也容易增加噪聲，可能影響視覺效果。

（4）PanSharp融合方法能夠較好的保持高分辨率全色數(shù)據(jù)的紋理信息，不會出現(xiàn)HPF融合法影響視覺效果的噪聲現(xiàn)象，整體效果很不錯。不過，還是會損失一些光譜信息，色彩飽和度不夠，需要對飽和度等方面進一步處理。此外，與其他方法相比，該方法耗時較長一些。

3 結(jié)束語

遙感影像融合是遙感影像數(shù)據(jù)處理的重要環(huán)節(jié)，融合方法的選擇對融合效果來說非常重要。文章通過使用高分辨率試驗數(shù)據(jù)QB影像對ERDAS軟件和PCI軟件中幾種常用的融合方法進行試驗對比分析，發(fā)現(xiàn)每一種融合方法相對原始多光譜數(shù)據(jù)都有了很大提高，綜合分析表明HPF融合、PanSharp融合這兩種融合方法從細(xì)節(jié)紋理和光譜信息保留方面等整體融合效果來說較好。

融合方法的選擇可根據(jù)原始數(shù)據(jù)質(zhì)量和具體的遙感應(yīng)用項目需求來確定。若原始數(shù)據(jù)拍攝質(zhì)量好，配準(zhǔn)精度基本滿足要求，項目對地物特征紋理方面要求較高，則使用HPF融合比較合適。若原始數(shù)據(jù)拍攝質(zhì)量較差，項目對地物特征紋理和色彩均有要求，則使用PanSharp融合方法較好，可以避免使用HPF融合產(chǎn)生噪聲影像視覺效果。在項目實施中應(yīng)根據(jù)實際需求，靈活運用各種融合方法，提高項目實施效率。

參考文獻

[1]朱述龍，張占睦.遙感圖像獲取與分析[M].北京：科學(xué)出版社，2000.

[2]Mohanty K K，Majumdar T J.Comparision of Adaptive Filter，IHS and Fourier Transform Based Techniques for IRS-IC PAN/LISS-Ⅲ Data Merging[J].Int.J. of Remote Sensing，2003，24（9）：1969-1976.

[3]Teggi S，Cecchi R，Serafint F.TM and IRS-IC-PAN Data Fusion Using Multiresolution Decomposition Methods Based on the a trous algorithm [J]. of Remote Sensing，2003，24（6）：1287-1301.

[4]賈濟宏，張春泉.主分量變換法對SAR 影像同TM進行融合[J].現(xiàn)代測繪，2005（S1）：195-196

[5]胡召玲.多源多時相衛(wèi)星遙感圖像數(shù)據(jù)融合與應(yīng)用研究[M].北京：中國礦業(yè)大學(xué)出版社，2006.