楊曉涵， 李雨彤， 王 寧 ， 葛月娥

(1.西南大學(xué) 資源環(huán)境學(xué)院，重慶 400715；2.四川拓土測(cè)繪地理信息有限公司，成都 610000)

遙感影像融合方法比較研究*

楊曉涵1， 李雨彤2， 王 寧2， 葛月娥2

(1.西南大學(xué) 資源環(huán)境學(xué)院，重慶 400715；2.四川拓土測(cè)繪地理信息有限公司，成都 610000)

影像融合是提高遙感影像特征提取、分類、目標(biāo)識(shí)別能力的重要手段；為比較不同融合方法的融合效果，采用基于低通濾波的IHS變換融合法、PCA變換法、高通濾波法和Gram-Schmidt變換融合法對(duì)北京某地區(qū)的SPOT-5全色影像和TM多光譜影像進(jìn)行融合試驗(yàn)，并采用均值、標(biāo)準(zhǔn)差、信息熵和相關(guān)系數(shù)4個(gè)評(píng)價(jià)指標(biāo)對(duì)結(jié)果影像從信息保留性和光譜保持性上進(jìn)行評(píng)價(jià)；結(jié)果表明：在4種方法中，Gram-Schmidt變換融合法在信息量的保持上具有最大優(yōu)勢(shì)，光譜保持性與PCA變化法持平；高通濾波法在對(duì)信息量的保留和光譜信息保持均較好，但融合結(jié)果的亮度性最差。

遙感影像；融合； PCA變換；HPF融合；Gram-Schmidt變換融合

影像融合是將同一地區(qū)的多源遙感數(shù)據(jù)運(yùn)用一定的規(guī)則和算法，以獲得滿足某種應(yīng)用的更高質(zhì)量的信息，它能減少被感知對(duì)象或環(huán)境解釋中存在的多義性、不完整性、不確定性和誤差，進(jìn)而大大提高在特征提取、分類、目標(biāo)識(shí)別等方面的有效性[1-2]。多光譜影像含有豐富的光譜信息，而全色影像具有很高的空間分辨率，將多光譜影像和全色影像進(jìn)行融合，在保留多光譜信息的同時(shí)提高影像的空間分辨率，從而提高影像的可視效果，提高影像的分類精度，實(shí)現(xiàn)信息互補(bǔ)[3]。對(duì)于像素級(jí)影像融合，需要根據(jù)傳感器的類型和融合影像數(shù)據(jù)選取合適的融合方法，以達(dá)到較優(yōu)的融合效果，為后續(xù)的融合影像的應(yīng)用做鋪墊。選取了基于低通濾波的IHS變換融合法[4]、PCA(Principle Component Analysis)變換融合法、高通濾波法(High-Pass Filtering，HPF)和Gram-Schmidt變換融合法，針對(duì)SPOT-5全色影像和TM多光譜影像進(jìn)行融合試驗(yàn)，從定性評(píng)價(jià)和定量評(píng)價(jià)這兩個(gè)方面對(duì)4種方法的融合效果進(jìn)行綜合評(píng)價(jià)。

1 基本原理及評(píng)價(jià)指標(biāo)

1.1 基本原理

1.1.1 基于低通濾波的IHS變換融合

ISH變換是指將影像從RGB空間變換到ISH空間的變換算法，而ISH逆變換則是指其逆過(guò)程?；诘屯V波的IHS變換是對(duì)傳統(tǒng)IHS融合方法的改進(jìn)，最早由錢(qián)永蘭等提出。由于融合結(jié)果的空間分辨率主要取決于I分量，因此只對(duì)H、S分量進(jìn)行濾波不會(huì)引起影像空間分辨率的降低[4]。方法的主要步驟為：將多光譜影像進(jìn)行IHS變換，得到I、H、S3個(gè)分量；將全色影像與I分量進(jìn)行直方圖匹配，得到新的I′量分量;將H、S分量進(jìn)行低通濾波，得到H′量、S′量分量；將I′、H′、S′進(jìn)行IHS逆變換得到新的融合影像。

1.1.2 PCA變換融合

PCA變換融合是統(tǒng)計(jì)特征基礎(chǔ)上的多波段的正交線性變換。它將各光譜圖像視為一個(gè)隨機(jī)變量，進(jìn)行融合時(shí)首先求它們的協(xié)方差矩陣的特征值和特征向量，再將特征向量按對(duì)應(yīng)特征值的大小，以從大到小的順序排列得到變換矩陣，最后對(duì)多光譜影像作變換，并按要求取前面幾個(gè)影像進(jìn)行融合[5]。采取替換法的思路進(jìn)行PCA融合：將多光譜的多個(gè)波段先進(jìn)行主分量變換，將高分辨率影像與第一主分量進(jìn)行直方圖匹配，使其均值和方差與第一主分量相同，再用匹配后的高分辨率影像替代第一主分量，最后進(jìn)行主分量逆變換，得到融合影像[6]。采取替換法進(jìn)行融合。

1.1.3 高通濾波法(HPF)

高通濾波融合的主要思想是將高分辨率全色影像中的高頻信息逐像素加到低空間分辨率影像中，進(jìn)而實(shí)現(xiàn)影像的融合。通過(guò)高通濾波器濾波得到高分辨影像中的高頻分量，進(jìn)而在高通濾波結(jié)果中加入多光譜影像，形成高頻特征突出的融合影像。設(shè)低分辨率影像為L(zhǎng)，高分辨率影像為H，通過(guò)高通濾波器濾波將H分解為高頻和低頻部分，然后將高頻部分與低分辨率影像進(jìn)行融合，得到重構(gòu)的影像F:

F(i,j)=L(i,j)+Kij×HP(H(i,j))

(1)

式(1)中F(i,j)表示(i,j)位置上的融合值，L(i,j)，H(i,j)分別表示低分辨率影像和高分辨率影像上(i,j)同一位置上的像素值,Kij是空間變化的權(quán)值函數(shù)，HP(H(i,j))表示采用高通濾波器對(duì)高空間分辨率影像濾波得到的高頻影像像素(i,j)的值[6-7]。

1.1.4Gram-Schmidt變換融合

Gram-Schmidt變換是統(tǒng)計(jì)學(xué)中經(jīng)常用到的一種多維線性正交變換，通過(guò)對(duì)多維影像進(jìn)行正交化可消除冗余信息。它與主成分變換的區(qū)別在于：主成分變換的第一分量包含的信息量最多，而后面的分量信息含量逐漸減少，但Gram-Schmidt變換產(chǎn)生的各分量只是正交，變換后各部分信息量沒(méi)有明顯的區(qū)別[2]。利用方法進(jìn)行融合的主要步驟：用低空間分辨率的多光譜影像產(chǎn)生模擬低分辨率全色波段影像；將模擬影像疊加到多光譜上(模擬影像時(shí)第一波段)，對(duì)重組后的多光譜影像進(jìn)行G-S正變換；用高分辨率全色波段影像代替G-S變換得到的最終融合影像[9-10]。

1.2 評(píng)價(jià)指標(biāo)

為了進(jìn)一步客觀評(píng)價(jià)所得的融合結(jié)果，選取均值、標(biāo)準(zhǔn)差、信息熵、平均梯度4個(gè)融合評(píng)價(jià)指標(biāo)對(duì)得到的結(jié)果進(jìn)行評(píng)價(jià)。

1.2.1 均 值

均值是指融合圖像中所有像素灰度值的算術(shù)平均值,它對(duì)觀察者視覺(jué)反映為平均亮度,如果均值適中,那么目視效果比較好。

,y)

(2)

其中m,n為像元的行列數(shù)，F(xiàn)(x,y)代表某一位置像元的灰度值。

1.2.2 標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差反映了灰度值相對(duì)于灰度均值的離散程度，標(biāo)準(zhǔn)差越大，說(shuō)明融合圖像灰度級(jí)分布越分散。圖像的反差越大,這樣可以看出更多的信息;反之,標(biāo)準(zhǔn)差小,則說(shuō)明圖像反差小,色調(diào)較單一均勻。

(3)

式(3)中m,n為像元的行列數(shù)，F(xiàn)(x,y)代表某一位置像元的灰度值，Mean表示影像灰度值均值。

1.2.3 信息熵

信息熵可以衡量融合影像信息豐富的程度,熵值的大小表示融合影像所包含的平均信息量,熵值越大,則融合影像所包含的信息越豐富,其公式如下：

(4)

式(4)中H表示信息熵，p(i)為灰度值為i的像元個(gè)數(shù)和影像中像元總數(shù)的比值。

1.2.4 相關(guān)系數(shù)

相關(guān)系數(shù)反映了融合后影像與原始多光譜影像的相似程度，相關(guān)系數(shù)越大，表明融合后的影像光譜保持性越好，其公式如下:

(5)

2 融合試驗(yàn)

實(shí)驗(yàn)數(shù)據(jù)采用北京某地區(qū)的SPOT-5全色影像和TM多光譜影像數(shù)據(jù)進(jìn)行融合試驗(yàn)，全色影像分辨率為10 m，多光譜影像分辨率為30 m。實(shí)驗(yàn)區(qū)內(nèi)包括植被、水體、建筑物、道路等地物，具有代表性。對(duì)影像分別采用上述的5種融合方法進(jìn)行融合試驗(yàn)，多光譜影像采取雙線性內(nèi)插法進(jìn)行重采樣，最后的融合結(jié)果采用波段4(R)，3(G)，2(B)的標(biāo)準(zhǔn)假彩色合成顯示。全色數(shù)據(jù)如圖1所示，多光譜數(shù)據(jù)如圖2所示，4種融合方法的融合結(jié)果見(jiàn)圖3—圖6。

圖1 全色影像Fig.1 Panchromatic image

圖2 TM432(RGB)合成影像Fig.2 TM432(RGB)synthetic images

圖3 基于低通濾波的IHS融合結(jié)果Fig.3 IHS transform based on low pass filter result

圖4 PCA變換融合結(jié)果Fig.4 PCA transform fusion result

圖5 高通濾波法融合結(jié)果Fig.5 High-pass filtering method result

圖6 G-S變換融合結(jié)果Fig.6 G-S transform fusion result

3 融合結(jié)果分析

從目視效果來(lái)看，4種融合方法都在保持一定程度光譜信息的同時(shí)，提高了結(jié)果影像的空間分辨率，使地物更容易識(shí)別和提取。例如，融合后的道路和河流的邊界變得更加清晰。從光譜保持性上看，高通濾波法最大程度上保留了原始多光譜影像4、3、2波段的假彩色光譜信息，G-S算法和PCA算法的光譜保持性持平，基于低通濾波的IHS算法光譜失真最嚴(yán)重。

計(jì)算TM432波段影像及融合結(jié)果影像的選取均值、標(biāo)準(zhǔn)差、信息熵、平均梯度4個(gè)融合評(píng)價(jià)指標(biāo)如表1所示。從表1中可以看出，就亮度信息而言，高通濾波法融合效果的均值在所有結(jié)果中是最差的，說(shuō)明高通濾波法的目視效果最差，PCA融合變換的結(jié)果影像均值較好，亮度較高，目視效果最好。G-S變換和基于低通濾波的IHS 變換融合結(jié)果均值相當(dāng)。在4種融合結(jié)果影像的標(biāo)準(zhǔn)差中，G-S變換標(biāo)準(zhǔn)差最大，其融合結(jié)果的灰度級(jí)分散，圖像反差大，能看出更多的信息；PCA變換的標(biāo)準(zhǔn)差最小，說(shuō)明經(jīng)過(guò)PCA變換后的影像灰度級(jí)不夠分散，影像反差不大，色調(diào)也偏向于單一均勻。從融合后影像的信息量豐富程度而言，G-S變換具有較高的信息熵，說(shuō)明經(jīng)過(guò)G-S變換后的影像具有較好的空間信息量，而基于低通濾波的IHS變換的信息熵較低，說(shuō)明此方法對(duì)原始影像的信息量損失較大，PCA變換和高通濾波法的信息熵相差不多，這兩個(gè)方法在信息量保持方面效果相當(dāng)。從相關(guān)系數(shù)指標(biāo)來(lái)看，計(jì)算的是融合結(jié)果影像與原始多光譜影像的光譜相關(guān)系數(shù)，高通濾波法的相關(guān)系數(shù)最高，說(shuō)明高通濾波法在光譜保持性方面都要優(yōu)于其他方法，而這一結(jié)果與目視判別的結(jié)果吻合，而基于低通濾波的IHS變換的結(jié)果影像相關(guān)系數(shù)較小，光譜失真較嚴(yán)重，PCA變換和G-S變換的相關(guān)系數(shù)基本持平，說(shuō)明這兩個(gè)方法在光譜保持性方面效果相當(dāng)。

表1 4種融合算法評(píng)價(jià)指標(biāo)計(jì)算結(jié)果

4 結(jié) 論

利用基于低通濾波的IHS變換法、PCA變換法、高通濾波法、Gram-Schmidt變換法4種影像融合的方法對(duì)SPOT-5和TM數(shù)據(jù)進(jìn)行全色和多光譜影像融合實(shí)驗(yàn)，并對(duì)融合結(jié)果進(jìn)行定性和定量分析，結(jié)果表明：利用G-S變換法在信息量保持上效果最好，可以得到較清晰的影像，因此當(dāng)對(duì)融合結(jié)果有較高的信息量要求時(shí)，G-S變換法是較好的選擇。而高通濾波法在信息量保持和光譜信息保持方面效果都較好，但所得的結(jié)果影像亮度不高。其他融合方法也在不同程度上保持原始光譜特性的同時(shí)，提高了空間分辨率。根據(jù)高通濾波融合結(jié)果在亮度性上的不足，將嘗試研究對(duì)高通濾波融合方法的改進(jìn)。

[1] 譚永生.像素級(jí)中高分辨率遙感影像融合研究[D].杭州：浙江大學(xué)，2007

TAN Y S.The Study on Pixel-Level Data Fusion for Remote Sensing Images of Medium and High Resolution[D].Hangzhou:Zhengjiang University,2007

[2] 黃登山.像素級(jí)遙感影像融合方法研究[D].武漢：中南大學(xué)，2011

HUANG D S.Researeh of Pixel-level Remote Sensing Image Fusion Method[D].Wuhan:Central South University,2011

[3] 孫家抦.遙感原理與應(yīng)用[M].武漢：武漢大學(xué)出版社，2013

SUN J B.Principles and Applications of Remote Sensing[M].Wuhan:Wuhan University Press,2013

[4] 錢(qián)永蘭，楊邦杰.IHS變換與低通濾波相結(jié)合的遙感圖像增強(qiáng)模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2007,23(4)：162-165

QIAN Y L,YANG B J.IHS Transform and Low Pass Filter Based Image Enhancement for Crop Classification[J].Transactions of the CSAE,2007,23(4)：162-165

[5] 胡冰，周海芳.遙感圖像PCA融合的并行算法研究與實(shí)現(xiàn)[J].微電子學(xué)與計(jì)算機(jī)，2006,23(10)：153-161

HU B,ZHOU H F.Parallel Algorithm of PCA Image Fusion in Remote Sensing and It’s Implementation[J].Microelec-tronics & Computer,2006,23(10)：153-161

[6] 王力彥.多源光學(xué)遙感影像融合方法研究[D].北京：中國(guó)地質(zhì)大學(xué),2014 WANG L Y.Study on Fusion Methods of Multisource Optical Remote Sensing Images[D].Beijing:China University of Geosciences,2014

[7] 鄧?yán)?，孫晨.ERDAS圖像處理基礎(chǔ)實(shí)驗(yàn)教程[M].北京：測(cè)繪出版社，2014

DENG L,SUN C.Guide to ERDAS Image Processing[M].Beijing:Surveying and Mapping Press,2014

[8] 何順斌，牟鳳云.基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息提取[J].重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,33(1):83-88

HE S B,MU F Y.Research on Multi-scale Mountainous City Land Cover Information Extraction Based on Objection-oriented[J].Journal of Chongqing Technology and Business University ( Natural Science Edition).2016,33(1):83-88

[9] EHLERS M,WKLONUS S.Multi-sensor Image Fusion for Pansharpening in Remote Sensing[J].International Journal of Image and Data Fusion,2010,(1):25-45[10] LIU J G.Smoothing Filter-based Intensity Modulation:a Spectral Preserve Image Fusion Technique for Improving Spatial Details[J].International Journal of Remote Sensing,2000,21(18)：3461-347

責(zé)任編輯：田 靜

Comparative Research on Remote Sensing Image Fusion Method

YANG Xiao-han1, LI Yu-tong2, WANG Ning2, GE Yue-e2
(1. School of Resource and Environment, Southwest University, Chongqing 400715, China; 2. Sichuan Tuotu Mapping Geography Information Co., Ltd, Chengdu 610000, China)

Image fusion is an important method for improving feature extraction, classification and objective recognition capacity of remote sensing images. In order to compare the effect of different fusion methods, this paper uses the algorithm based on HIS transform and low pass filter, PCA, High-pass Filtering and Gram-Schmidt to implement fusion experiment on SPOT-5 data and TM data to integrate the images in Beijing, and uses four methods such as mean value, standard deviation, information entropy and relative coefficient to evaluate the spatial information and the spectral fidelity. The results show that in the four methods, Gram-Schmidt fusion method has the most advantage in reserving information and that its spectral fidelity is flat as PCA method. High-pass Filtering fusion method is all good in the retention of information and spectral fidelity but its brightness of the fusion result is worst among the above four methods.

remote sensing image; fusion; PCA transformation; HPF fusion; Gram-Schmidt transform fusion

2016-06-04；

2016-08-12.

西南大學(xué)本科生科技創(chuàng)新基金項(xiàng)目(2015240200)；數(shù)字制圖與國(guó)土信息應(yīng)用工程國(guó)家測(cè)繪地理信息局重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目(DM2014SC09).

楊曉涵(1994-)，女，四川人，本科，從事土地資源管理研究.

10.16055/j.issn.1672-058X.2017.0002.018

TP79

A

1672-058X(2017)02-0090-05