方世民，文鴻雁，張　靜，李秋鋒( .桂林理工大學測繪地理信息學院，廣西桂林　500; 2.中國人民解放軍信息工程大學測繪學院，鄭州　50002; 3.武漢大學測繪學院，武漢　30072; .重慶郵電大學通信與信息工程學院，重慶　00065)

?

基于Sobel算子的球體IHS遙感影像融合算法

方世民1，文鴻雁1，張靜2，3，李秋鋒4
( 1.桂林理工大學測繪地理信息學院，廣西桂林541004; 2.中國人民解放軍信息工程大學測繪學院，鄭州450002; 3.武漢大學測繪學院，武漢430072; 4.重慶郵電大學通信與信息工程學院，重慶400065)

摘要:提出一種基于Sobel算子的球體IHS遙感影像融合算法，先對多光譜Mul影像做IHS變換并提取I分量，采用八方向模板Sobel邊緣檢測算子計算不同窗口參數(shù)( level)的全色Pan影像與I分量的局部區(qū)域清晰度值GP和GI，并根據(jù)局部區(qū)域的清晰度的大小確定不同區(qū)域的融合影像的I分量的新值I'。采用本文方法1 ( level =12)和方法2 ( level =24)，通過實驗并與其他融合方法比較，本文方法在提高影像分辨率的同時也保留了更多光譜信息和邊緣細節(jié)，效果較好。

關鍵詞:球體IHS; Sobel算子;區(qū)域清晰度;遙感融合

經(jīng)典IHS［1－5］影像融合算法在保留全色影像光譜信息的同時也提高了融合影像的空間分辨率，但其融合影像易發(fā)生顏色失真，導致原始光譜特性扭曲。因而很多學者提出了基于IHS融合的改進算法，針對IHS的I分量與Pan影像的融合規(guī)則進行改進:如王曉燕提出的基于結構相似度的IHS融合算法［6］，把基于區(qū)域影像的結構相似度與IHS 的I分量的新值選取結合起來，設定合理閾值取得了很好的效果;杜藝等提出FFT增強IHS融合算法［7］都是針對IHS的I分量選取作一定改進并都取得較好的效果。本文提出了一種基于Sobel算子的球體IHS遙感影像的融合算法，采用八方向模板Sobel邊緣檢測算子來檢測全色Pan影像與多光譜Mul影像的IHS變換I分量的局部區(qū)域Sobel函數(shù)值，并根據(jù)區(qū)域梯度函數(shù)值和不同區(qū)域融合影像的I分量的新值I'，在提高影像分辨率的同時也保留了更多光譜信息和邊緣細節(jié)，取得較好的效果。

1　融合的基本理論

1. 1 IHS融合理論

IHS變換是一種基于視覺原理的彩色空間模型，定義了3個互不相關且又容易預測屬性分量: I(強度)、H(色度)、S(飽和度)表示IHS系統(tǒng)，其中I表示強度的大小，H表示顏色純度，S表示同亮度的顏色濃度。IHS顏色模型能把強度和顏色分開，因而能有效的將RGB影像中的I分量和H、S分量分離，為融合影像保留更多的光譜信息提供了較好的方法。

IHS常用的顏色模型有球體彩色變換、圓柱彩色變換、三角彩色變換、單六角錐彩色變換等，其中球體IHS變換融合的效果最好［8］。IHS融合法是通過將多光譜影像Mul的RGB彩色空間轉換到IHS空間，將IHS空間的I分量與高分辨率影像Pan影像通過一定融合規(guī)則生成新的I分量I'，再由新分量I'與H、S轉換成RGB彩色空間F，生成的融合影像在空間分辨率和光譜信息上都比原圖像有很大提高，有利于后續(xù)的影像處理。

1. 2 Sobel算子的清晰度評價函數(shù)

影像的邊緣梯度值可敏感的反映影像的微小細節(jié)反差能力，同時也反映了影像的清晰度，邊緣是影像的基本特征，影像的細節(jié)信息都包含在邊緣，因而基于邊緣信息檢測的影像清晰度評價函數(shù)就更好地反映影像的信息豐富程度，而作為一種客觀評價影像質(zhì)量的標準，基于八方向模板Sobel邊緣檢測算子對圖像中每個點進行的鄰域卷積計算，提取八方向上的邊緣成分［9－10］，即

其中: u( i，j)為圖形灰度，*為卷積，sl( l = 1，2，…，8)代表某個方向模板，其原理是對選定的圖像的同樣窗口進行卷積得到圖像的梯度值，并與設定的閾值進行比較，大于閾值就認為是邊緣點，把2× 2圖像窗口中央的像素值用255代替，小于閾值就用0替代。圖像中每個像點的梯度值為

大于閾值的梯度值，即被認為是圖像邊緣像素的梯度值并相加，以邊緣梯度能量和定義圖像的清晰度評價函數(shù)

圖像的細節(jié)越豐富，在頻域表現(xiàn)為高頻分量多，在空域表現(xiàn)為相鄰像素的特征值變化大，就具有更大的梯度函數(shù)值，其質(zhì)量評價函數(shù)值也越大即邊緣能量越大，圖像包含的信息量也就越多。

2　基于Sobel算子的IHS融合方法

IHS的基本原理是用高分辨率的Pan影像替代IHS的I分量I'，使得融合影像有較高的空間分辨率和較豐富的影像光譜信息，而Sobel清晰度評價函數(shù)對于圖像的評價反映了融合影像的好壞，越清晰的圖像包含的細節(jié)紋理信息越豐富，融合的圖像質(zhì)量越好。

本文提出的基于Sobel算子的IHS融合算法是對經(jīng)IHS變換后多光譜Mul影像的I分量和Pan影像計算其圖像的局部清晰度值GI和GP，比較局部區(qū)域兩者的大小，如果Pan局部區(qū)域的清晰度值大于I分量清晰度值，則用Pan影像替代I分量，否者I不變，即

其中，Pan( i，j)和I( i，j)為像素點的值。最后生成新的I分量I'并與H、S經(jīng)IHS反變換得到融合后的影像F。本文通過設定不同區(qū)域窗口參數(shù)值( level)，經(jīng)實驗驗證，并與其他融合方法對比分析，來選取合理的區(qū)域窗口參數(shù)。采取level = 12和level = 24兩個窗口參數(shù)值進行圖像融合，其步驟為:

①本文方法1，采用12×12的區(qū)域窗口由Sobel算子的函數(shù)值計算I分量和Pan影像的局部清晰度值GI1和GP1，結合式( 4)生成融合影像F1;

②本文方法2，采用24×24區(qū)域窗口由Sobel算子的函數(shù)值計算I分量和Pan影像的局部清晰度值GI2和GP2，結合式( 4)生成融合影像F2。

具體流程如圖1所示。

圖1　基于Sobel算子的IHS融合算法Fig. 61IHS fusion algorithm based on Sobel operator

3　融合影像及質(zhì)量評價

通過對某地區(qū)的全色影像Pan ( 256×256)和多光譜影像Mul ( 256×256)采取不同融合方法的實驗，基于Sobel算子的IHS影像融合算法分別采用本文方法1 ( 12×12)和方法2 ( 24×24)的滑動窗口，通過比較區(qū)域窗口的Sobel算子的函數(shù)值來確定I分量的區(qū)域新值I'，并與經(jīng)典IHS融合法、球體IHS融合法比較。同時，本文采用了主觀和客觀兩方面相結合的方法對融合影像進行質(zhì)量評價。

結合多光譜影像由直觀目視效果可以看出，本文算法的融合影像相較于IHS法的融合影像而言，融合影像顏色失真的問題有一定的減弱，同時融合影像更加清晰可辨，視覺效果也更加理想。

為了更合理有效的反映融合影像效果，采用了以下的客觀質(zhì)量評價指標［11－17］:

( 2)圖像的信息熵H，反映了圖像信息豐富程度，信息熵越大圖中所包含的信息越多，融合效果越好。

( 4)空間分辨率SF反映了一幅圖像空間域的總體活躍程度。

實驗的結果如表1所示。

圖2、圖3為源圖像，而圖4～圖7分別為經(jīng)典IHS法、球體IHS法、本文方法1、本文方法2的融合影像，并結合以上質(zhì)量評價參數(shù)進行對比分析。

由表1的質(zhì)量評價參數(shù)值可知，本文方法1和方法2相較于經(jīng)典IHS融合算法和球體IHS融合算法圖像的熵值和空間頻率都得到了提高，表明本文算法較單一的IHS算法在提高空間分辨率同時，融合影像的光譜信息量也得到更多的保留。而本文方法1和方法2的像素值和平均梯度值與對應的IHS法比較，也有明顯提升，說明本文算

表1　不同融合方法的評價參數(shù)Table 1　Evaluation of different fusion methods

圖2　多光譜影像MulFig. 62Multispectral images Mul

圖3　高分辨率影像PanFig. 63High resolution image Pan

圖4　基于經(jīng)典IHS融合影像Fig. 64Fusion image based on the classical IHS

圖5　球體IHS融合影像Fig. 65Sphere IHS fusion image

圖6　本文方法1的融合影像Fig. 66Image fusion Method No. 1

圖7　本文方法2的融合影像Fig. 67Image fusion Method No. 2

法所采用的局部區(qū)域的Sobel算子函數(shù)值作為選取I分量的標準，融合影像的質(zhì)量得到明顯提升。同時，本文方法1和方法2相較而言，雖然方法2的時間相較于方法1有一定增加，結合表1中的質(zhì)量評價值綜合而言，方法2得到的融合影像的效果相對較好。

4　結論

由實驗結果表明，本文提出的基于Sobel算子的球形IHS融合算法取得較好的效果，不僅增加了融合影像的信息豐富程度，同時在提高融合影像的細節(jié)信息和紋理特征方面也得到了很好的效果。特別是對于影像的清晰度而言提高尤為明顯，這對于后續(xù)遙感融合影像的判讀、解譯以及制圖和實際應用都會起到很好的幫助作用。同時對于選取不同局部區(qū)域的窗口參數(shù)進行了進一步研究，通過實驗對比分析了兩種不同窗口參數(shù)的融合效果，發(fā)現(xiàn)level = 24的融合影像效果更好。但是對于不同類別或不同用途的融合影像，要根據(jù)具體目的或要求來選取合適的融合窗口參數(shù)，在此方面還需要更深入的研究。

參考文獻:

［1］孫小丹．基于小波低頻分量微調(diào)的IHS變換融合法及其應用［J］．遙感技術與應用，2011，26 ( 3) : 328－333．

［2］陳春香，長文化，宗學寶，等．基于色彩空間與小波變換的圖像融合［J］．桂林工學院學報，2007，27( 3) : 417－421．

［3］郭雷，李暉暉，鮑永生．圖像融合［M］．北京:電子工業(yè)出版社，2008: 53－56．

［4］Choir M．A New Intensity-Hue-Saturation fusion approach to image fusion with a trade of parameter［J］．IEEE Transactions on Geoscience and Remote Sensing，2006，44(6) :1672－1682．

［5］Carper W J，Lillesand T M，Kiefer R W．The use of intensityhue-saturation transformations for merging SPOT panchromatic and multispectral image data［J］．Photogrammetric Engineering and Remote Sensing，1990，56 ( 4) : 459－467．

［6］王曉艷，劉勇，蔣志勇．一種基于結構相似度的IHS變換融合算法［J］．遙感技術與應用，2011，26( 4) : 670－676．

［7］杜藝，龔循平，林祥國．一種FFT增強的IHS變換融合方法研究［J］．測繪通報，2010 ( 10) : 44－46．

［8］楊烜，梁繼民，楊萬海，等．基于進化策略和IHS變換的圖像融合方法［J］．電子學報，2001，29( 10) :1388－1391．

［9］賈永紅．多源遙感影像數(shù)據(jù)融合技術［M］．北京:測繪出版社，2005: 44－47．

［10］蔣婷，譚躍剛，劉泉．基于SOBEL算子的圖像清晰度評價函數(shù)研究［J］．計算機與數(shù)字工程，2008，36 ( 8) : 129－131，191．

［11］魏世超，段先華，夏加星．基于Sobel算子和局部能量的圖像融合新算法［J］．計算機技術與發(fā)展，2012，22 ( 4) : 61－64．

［12］敬忠良，肖剛，李振華．圖像融合——理論與應用［M］．北京:高等教育出版社，2007: 196－202．

［13］張靜，王建明，袁振峰．基于IHS與多進制小波變換的多源遙感影像融合［J］．測繪工程，2008，17( 2) : 13－15．

［14］溫黎茗，彭力．基于Sobel算子的小波包變換遙感圖像融合算法［J］．計算機工程與應用，2013，49 ( 3) : 207－209．

［15］Petrovic V．Subjective tests for image fusion evaluation and objective metric validation［J］．Information Fusion，2007，8 ( 2) : 208－216．

［16］張麗俠，張力，艾海濱．改進IHS變換的圖像融合方法研究［J］．測繪科學，2011，36 ( 6) : 149－151．

［17］高穎，王阿敏，王鳳華，等．改進的小波變換算法在圖像融合中的應用［J］．激光技術，2013，37( 5) : 690－695．

Sphere IHS remote sensing image fusion algorithm based on Sobel operator

FANG Shi-min1，WEN Hong-yan1，ZHANG Jing2，3，LI Qiu-feng4
( 1. College of Surveying and Mapping Geographic Information，Guilin University of Technology，Guilin 541004，China; 2. Information Engineering University，Zhengzhou 450002，China; 3. School of Geodesy and Geomatics，Wuhan university，Wuhan; 430072，China; 4. Chongqing University of Posts and Telecommunications，Chongqing，400065，China)

Abstract:A sphere IHS remote sensing image fusion method based on Sobel operator is presented．First，the multispectral image Mul is transformed by IHS transformer and extracts I Component．After that，for different window parameter values ( level) of the new remote sensing images fusion algorithm，eight direction template Sobel edge detection operators are used to calculate the local regional definition of the panchromatic Pan and the local regional definition of the I Component．According to the size of the local regional definition values，the new value of I Component of different parts of images is determined．When compared Method 1 ( level =12) and Method 2 ( level =24) with other fusion methods by experiments，it shows that Method 1 and 2 can effectively enhance spatial resolution while retraining more spectral information and edge details，the performance of the proposed methods is much better．

Key words:IHS sphere; Sobel operator; area definition; remote sensing fusion

通訊作者:文鴻雁，博士，教授，glitewhy@163. com。

作者簡介:方世民( 1986—)，男，碩士研究生，研究方向:小波、圖像處理，fangsm1986@163. com。

基金項目:國家自然科學基金項目( 41461089; 41071294) ;廣西“八桂學者”專項經(jīng)費項目;廣西空間信息與測繪重點實驗室項目(桂科能130511402; 1207115－06) ;廣西礦冶與環(huán)境科學實驗中心項目( KH2012ZD004)

收稿日期:2014－01－06

doi:10. 3969/j．issn. 1674－9057. 2015. 01. 014

文章編號:1674－9057( 2015) 01－0099－04

文獻標志碼:A

中圖分類號:P237; TP751

引文格式:方世民，文鴻雁，張靜，等．基于Sobel算子的球體IHS遙感影像融合算法［J］．桂林理工大學學報，2015，35 ( 1) : 99－102．