薛晶 官云蘭 李宜龍 周冰 裴東東

?

“高分二號”衛(wèi)星影像融合方法對比和評價

薛晶1,2,3官云蘭2,3李宜龍4周冰5裴東東6

（1 91650部隊，廣州 510320）（2 東華理工大學測繪工程學院，南昌 330013）（3 流域生態(tài)與地理環(huán)境監(jiān)測國家測繪地理信息局重點實驗室，南昌 330013） (4 75838部隊，廣州 510515）（5 南昌市城市規(guī)劃設計研究總院，南昌 330038）（6 河南省公路工程局集團有限公司，鄭州 450000）

由于融合處理方法的原理以及獲取影像的傳感器特性不同，目前尚沒有某種融合方法能適用于所有類型的影像。為了探究適用于“高分二號”（GF-2）衛(wèi)星影像的融合方法，文章以GF-2衛(wèi)星影像全色與多光譜數(shù)據(jù)為數(shù)據(jù)源，采用Brovey、PCA、GS、HPF、NNDiffuse五種融合方法對全色和多光譜數(shù)據(jù)進行融合處理，以主觀評價和定量分析相結合的方式對影像融合結果進行綜合對比和評價。試驗結果表明，HPF變換法的融合影像光譜畸變最小，光譜信息保持最好；NNDiffuse變換法的綜合效果最好，其在可見光波段的融合效果方面很突出；而在近紅外波段的融合上，可以考慮PCA法和GS法。文章的研究成果可對GF-2衛(wèi)星影像數(shù)據(jù)的融合處理及應用提供參考。

影像融合 融合方法 品質(zhì)評價 “高分二號”衛(wèi)星

0 引言

遙感影像數(shù)據(jù)融合的過程，是在統(tǒng)一的地理坐標系中對多幅遙感影像采用一定的算法，生成一幅更能有效表達該目標信息的圖像，并且該圖像具有新的空間特征、波譜特征和時間特征，從而可以得到比單一遙感數(shù)據(jù)更精確、內(nèi)容更豐富的信息[1]。融合前兩幅影像的精確配準以及融合方法的選擇決定了遙感影像融合效果的好壞，兩幅用于融合的影像只有精確配準，才可能得到令人滿意的結果，而融合方法的選擇要依據(jù)被融合影像的特征以及融合的目的來決定。

目前廣泛應用的影像融合方法有HIS融合法、PCA融合法、Brovey融合法、SFIM 融合法、GS融合法、小波變換融合法、HPF融合法以及Pansharp融合法等，最近又提出了NNDiffuse融合法。根據(jù)有關學者的研究成果：HIS、PCA和Brovey等方法的融合結果存在較為明顯的光譜失真現(xiàn)象，影像清晰度提高有限[2]；文獻[3]指出對于高分辨率影像，HPF方法融合影像的清晰度及光譜保真度均顯著優(yōu)于HIS及PCA方法；文獻[4]在研究中證明Pansharp方法及GS方法對中高分辨率影像的融合效果整體明顯優(yōu)于Brovey和PCA方法。這些結果表明每種融合方法都有各自的優(yōu)劣[5-6]，對于同一種融合方法，當數(shù)據(jù)源、參數(shù)設置或者研究目的不同時，其融合效果也會有明顯的差異[7]。因此，尚沒有某種固定的算法適用于所有類型的影像。

通常可以從主觀評價和客觀評價兩個方面來評價融合后影像的品質(zhì)。主觀評價是以信息的目視識別效果作為品質(zhì)評價的依據(jù)，對處理前和處理后的影像進行對比做出評價，具有主觀性?？陀^評價可以排除主觀因素的影響，通過計算融合前和融合后影像的灰度平均值、信息熵、相關系數(shù)、平均梯度、標準差和偏差指數(shù)等參數(shù)，經(jīng)過對比和分析對融合后影像的品質(zhì)作出定量評價[8]。

“高分二號”（GF-2）衛(wèi)星影像的光譜信息非常豐富，如果能將多光譜數(shù)據(jù)與全色數(shù)據(jù)進行融合就可以得到亞米級的多光譜影像數(shù)據(jù)，這將大大提高其在交通路網(wǎng)規(guī)劃、林業(yè)資源調(diào)查、土地利用動態(tài)監(jiān)測、農(nóng)作物估產(chǎn)、城市精細化管理等眾多領域所發(fā)揮的作用。為探析適用于GF-2衛(wèi)星影像的融合方法，本文采用Brovey、PCA、GS、HPF及NNDiffuse五種融合方法進行試驗。對試驗結果進行主觀評價和定量分析，從而得出不同融合方法對GF-2衛(wèi)星影像的適用性差異，進而提高GF-2衛(wèi)星影像的應用效果。

1 影像融合方法

本文選擇了Brovey、PCA、GS、HPF及NNDiffuse這五種常用的融合方法，融合原理簡要介紹如下。

1.1 Brovey融合法

Brovey融合方法又稱色彩標準化變換融合方法，其算法主要是將多光譜影像的影像空間分解成色彩和亮度成分，然后再進行計算，這一變換過程最大限度地保留了多光譜影像數(shù)據(jù)的信息，簡化了影像轉(zhuǎn)換過程的系數(shù)。在進行融合處理的運算時，首先進行影像顯示的多光譜波段顏色歸一化，然后將全色影像的灰度值分別與多光譜影像各波段灰度值相乘，最后完成融合過程[9]。

使用該方法的前提是全色影像與多光譜影像具有相同的波譜響應范圍，該方法主要用來增強影像的對比度，如陰影、水體、城市特征等高反射區(qū)域，提高人的視覺解譯能力，而在保持影像的光譜特性方面則有些不足[10]。

1.2 PCA融合法

PCA變換法是融合中一種較為常見的方法，它是在圖像統(tǒng)計基礎上的一種線性變換，可以濃縮信息，壓縮數(shù)據(jù)，又稱作為K-L變換。

PCA融合法利用主成分變換將低空間分辨率影像轉(zhuǎn)換成若干個主成分分量，將第一主成分分量提取出，并用高分辨率影像替換，最終進行PCA逆變換完成融合。

1.3 GS融合法

GS變換是一種多維線性正交變換。進行GS融合的步驟為：1）通過將高分辨率全色影像低通濾波或者通過多光譜影像模擬全色影像的方法生成低分辨率全色影像；2）將低分辨率全色影像作為第一分量對多光譜影像做GS變換，從而得到其他分量；3）用模擬的全色影像修改高分辨率影像，并將修改后的影像作為第一分量和其他分量一起做GS逆變換，最后得到融合后的影像[11]。GS變換雖然可以消除影像融合過程中的冗余信息，但是其抗干擾能力不太好。

1.4 HPF融合法

HPF變換的過程為：首先采用一個比較小的空間高通濾波器對高分辨率影像進行濾波處理，濾波處理的優(yōu)勢在于它既能濾掉絕大部分的光譜信息，又能保留與空間信息有關的高頻分量；其次把高通濾波的結果加到多光譜影像數(shù)據(jù)中，這樣就可以達到將高分辨率影像數(shù)據(jù)的空間信息和多光譜影像數(shù)據(jù)的光譜信息進行融合的目的。

1.5 NNDiffuse Pan Sharpening融合法

Nearest Neighbor Diffusion（NNDiffuse）Pan Sharpening算法由美國羅徹斯特理工學院（RIT）最新提出。該方法采用了共享存儲并行編程（OpenMP）和統(tǒng)一計算設備架構（CUDA）技術來提高其處理性能，在融合影像品質(zhì)和處理速度方面都具有比以往方法更突出的優(yōu)勢。當多光譜各個波段之間波長范圍不交叉覆蓋，并且全色波段能夠基本覆蓋到多光譜所有波段的波長范圍時，融合效果較好。使用NNDiffuse融合方法須滿足如下條件：1）低分辨率影像的像元大小必須是高分辨率影像像元大小的整數(shù)倍，若不是，影像需要重采樣；2）影像必須有相同的投影信息；3）影像大小必須一致；4）確保影像左上角對齊，當配準精度小于1/2像元大小時，融合精度才不會受影響。

2 融合試驗

2.1 數(shù)據(jù)及研究區(qū)概況

本試驗以GF-2衛(wèi)星4m多光譜影像和1m全色影像為數(shù)據(jù)源[12]，以云霧覆蓋少、噪聲條帶少、時效性較好為原則選取試驗數(shù)據(jù)開展影像融合試驗，試驗數(shù)據(jù)為2015年5月12日獲取的河南登封地區(qū)數(shù)據(jù)。登封市位于河南省中西部，其地形復雜，依地形大致可分為深山、淺山、丘陵和平地；南有箕山、熊山山脈，北有嵩山山脈，均為東西走向，地勢由南北向中間逐漸降低為丘陵河川。結合高分辨率遙感影像數(shù)據(jù)的應用特點，所選影像中的地物包括建筑物、林地、草地、耕地、裸地、道路等，地物類型比較全面，能夠充分體現(xiàn)高分辨率衛(wèi)星影像融合后的空間識別能力，確保融合及評價的有效性。

2.2 試驗過程

利用ENVI 5.2對GF-2衛(wèi)星1m全色影像和4m多光譜影像進行正射校正和自動配準[13]。將經(jīng)過預處理后的全色影像和多光譜影像分別進行Brovey融合、PCA融合、GS融合、HPF融合以及NNDiffuse融合，其中，HPF融合通過ERDAS IMAGINE 9.2實現(xiàn)，其他方法通過ENVI 5.2實現(xiàn)。融合結果采用真彩色顯示，并進行了2%的顯示拉伸。通過五種方法將選取的GF-2衛(wèi)星原始全色影像和原始多光譜影像（如圖1所示）進行融合，融合后的影像效果如圖2所示。

（a）原始全色影像

（a）Original panchromatic image

（a）Brovey融合效果

（a）Result of Brovey image fusion

（b）PCA融合效果

（b）Result of PCA image fusion

（c）GS融合效果

（c）Result of GS image fusion

（d）HPF融合效果

（d）Result of HPF image fusion

（e）NNDiffuse融合效果

3 融合效果評價

3.1 定性評價

從空間分辨率上看，Brovey法、PCA法、GS法、HPF法及NNDiffuse法得到的影像均提高了原始多光譜影像的空間分辨率，極大地豐富了影像的信息，所有地物的空間結構及各個地物之間的分界線都能準確區(qū)分出，提高了判讀能力。圖像的地物立體感更強，地物的紋理也比原始多光譜影像清晰很多，因此，在提取影像信息的時候，能夠獲得更加豐富和準確的結果，其中Brovey法的融合效果相對要差一些。

從光譜特征方面分析，Brovey法融合后影像整體光譜色調(diào)變化明顯，其植被和道路的顏色變化最大，光譜扭曲很嚴重，植被的顏色和藍色屋頂?shù)念伾行┙咏苋菀自斐慑e誤的地物劃分，其他地物則變化不明顯。PCA法、GS法、HPF法和NNDiffuse法融合后影像的色調(diào)基本接近于原始多光譜影像，總體上沒有太明顯的變化，較好地保留了影像的光譜信息。經(jīng)過觀察對比可以發(fā)現(xiàn)，HPF法融合后的植被顏色相對其他幾種方法要稍暗些；而PCA法、GS法融合后藍色屋頂和道路的顏色相比其他幾種方法有些加深；NNDiffuse法的目視效果最好，各個地物的顏色與原始影像都比較接近，總體效果最好。

3.2 定量評價

本文從圖像的亮度信息、信息量、清晰度、光譜信息這四個方面分別選取評價指標來客觀評價影像的融合效果[14]，主要包括：1）反映亮度信息的均值和標準差指標；2）反映信息量的信息熵指標；3）反映圖像清晰度的相關梯度指標；4）反映光譜信息的偏差指數(shù)和相關系數(shù)指標。

3.2.1 評價指標

（1）均值

均值在目視上表現(xiàn)為影像的平均亮度，也就是像素平均值。融合后影像像素平均值變化越小，則融合后影像的平均亮度越接近于原始影像，該融合方法的光譜保真性就越好[15]。計算公式為

（2）標準差

標準差指的是影像各個像元的灰度值相對于影像像元平均灰度值的離散程度。標準差越大，影像反差就越大，就更容易區(qū)分地物，有利于提取影像的信息。計算公式為

式中為影像標準差。

（3）信息熵

通常情況下，融合后圖像的熵值越大，則圖像包含的信息量就越多，說明融合的效果也就越好[16]。計算公式為

（4）平均梯度

平均梯度可以用來衡量圖像的清晰程度，它可以反映出圖像中紋理變化特征和微小細節(jié)反差。一般來說，融合后的圖像平均梯度越大，則表示圖像層次就越多，圖像越清晰，融合效果也就越好[17]。計算公式為

式中為影像某一波段的平均梯度。

（5）偏差指數(shù)

偏差指數(shù)指的是原始影像和融合后影像的灰度平均值之差，既可以反映地物融合后的光譜變異程度，又可以反映融合圖像對原始圖像光譜信息的保存能力[18]。偏差指數(shù)越小，則說明融合后圖像光譜變異程度越小，光譜保真能力越強。計算公式為

式中為偏差指數(shù)；(,)為融合后影像對應(，)位置像元的灰度值；(,)為原始多光譜影像對應(,)位置像元的灰度值。

（6）相關系數(shù)

融合后影像的光譜信息保存能力可以通過融合后影像與原始多光譜影像之間的相關系數(shù)來衡量[19]。通常情況下，兩幅影像的相關系數(shù)越大，說明融合后影像的光譜信息保存能力就越強。其計算公式為

3.2.2 定量評價結果

根據(jù)上述6個參數(shù)比較融合后影像在亮度信息、信息量、清晰度和光譜信息等方面的差異。計算過程全部通過MATLAB R2012a編程實現(xiàn)，各參數(shù)的統(tǒng)計結果見表1所示，具體變化趨勢如圖3所示。

表1 圖像融合評價參數(shù)統(tǒng)計

Tab.1 Evaluation parameter statistics of image fusion

（a）均值

（a）Mean

（b）標準差

（b）Standard deviation

（c）信息熵

（c）Comentropy

（d）平均梯度

（d）Average gradient

（e）偏差指數(shù)

（e）Deviation index

（f）相關系數(shù)

對圖3中各評價指標的對比分析，可以得知：

1）對于影像的灰度平均值，Brovey法、PCA法和GS法融合后影像的灰度平均值相比原始多光譜影像均明顯變小，尤其是Brovey法，融合后影像亮度變化最大，光譜失真最為嚴重。HPF法融合后影像的均值與原始多光譜影像的均值最為接近，所以這種方法融合后的影像光譜畸變最小，亮度信息保持最好。而NNDiffuse法融合后影像的灰度均值比原始多光譜影像有所增大，但變化幅度不大。

2）標準差方面，Brovey法融合后影像的標準差變小，而且變化很大，得到的影像質(zhì)量很差。HPF法融合后影像的標準差和原始影像差不多，很接近，說明其地物可分性的能力與原始多光譜影像差不多。PCA法和GS法融合后影像的可見光波段的標準差均比原始影像要小，而近紅外波段比原始影像要大。NNDiffuse法融合后影像的標準差均比原始影像有所增大，所以NNDiffuse法融合后影像的地物可分性最好，包含的信息最多，綜合效果最好。

3）對于信息熵，Brovey法融合后影像的信息熵比原始影像要小很多，包含的信息量相對較少，信息表達能力較弱，效果較差。PCA法和GS法在近紅外波段的信息熵比較大，而HPF法和NNDiffuse法在可見光波段的信息熵較大。

4）平均梯度可以反映影像的細節(jié)表達能力，平均梯度越大，影像就越清晰。GS法各波段的平均梯度都大于PCA法，并且在近紅外波段上最大?？梢姽獠ǘ紊螲PF法的平均梯度最大，NNDiffuse法次之。綜合來看NNDiffuse法最好，說明影像較清晰，效果最好。Brovey法效果最差。

5）幾種方法的偏差指數(shù)結果中，NNDiffuse法融合后影像的總體偏差指數(shù)最小，光譜保真能力最強。其次是PCA法、GS法，Brovey法偏差最大。

6）相關系數(shù)反映的是融合后影像與原始影像光譜特征的相似程度，PCA法、GS法、HPF法和NNDiffuse法融合后的影像相關性都比較好，其中NNDiffuse法在可見光波段的相關性最好，而近紅外波段的相關性不如PCA法、GS法和HPF法。Brovey法總體效果最差，光譜扭曲嚴重。

值得注意的是，NNDiffuse法在近紅外波段的標準差、信息熵、平均梯度和相關系數(shù)上的值均略小于GS法和PCA法，而在可見光波段，NNDiffuse法融合后影像的這幾個參數(shù)值均優(yōu)于其他融合方法。

4 結束語

本文運用Brovey、PCA、GS、HPF以及NNDiffuse五種方法對GF-2衛(wèi)星的全色影像和多光譜影像進行了融合試驗。通過定性和定量分析，綜合考慮各評價指標，可以得出：Brovey變換法的融合效果比較差；HPF變換法的影像光譜畸變最小，光譜信息保持最好；NNDiffuse變換法的綜合效果最好，其在可見光波段的融合效果很突出，而在近紅外波段的融合上，可以考慮PCA法和GS法，適宜監(jiān)測植被、提取水體等融合目標。本次試驗的結果可為GF-2衛(wèi)星影像數(shù)據(jù)的融合處理及應用提供一定的參考和借鑒。

(References)

[1] 瞿繼雙, 王超, 王正志. 基于數(shù)據(jù)融合的遙感圖象處理技術[J]. 中國圖像圖形學報, 2002, 7(10): 985-993． QU Jishuang, WANG Chao, WANG Zhengzhi. Data Fusion Based Technology for Remote Sensing Image Processing[J]. Journal of Image and Graphics, 2002, 7(10): 985-993. (in Chinese)

[2] 童慶禧, 張兵, 鄭蘭芬. 高光譜遙感—原理、技術與應用[M]. 北京:高等教育出版社, 2006: 293-309. TONG Qingxi, ZHANG Bing, ZHENG Lanfen. Hyperspectral Remote Sensing-principle, Technology and Application[M]. Beijing: Higher Education Press, 2006: 293-309. (in Chinese)

[3] 鞏垠熙, 馮仲科, 吳露露, 等. QuickBird影像融合算法的評價研究[J]. 紅外, 2010, 31(7): 18-23. GONGYinxi, FENG Zhongke, WU Lulu, et al. Evaluation Study of Fusion Algorithms for QuickBird Images[J]. Infrared, 2010, 31(7): 18-23. (in Chinese)

[4] 譚永生, 沈掌泉, 賈春燕, 等．中高分辨率遙感影像融合研究[J]. 遙感技術與應用, 2007(4): 536-542． TAN Yongsheng, SHEN Zhangquan, JIA Chunyan, et al. Research of Fusion for High Resolution Remote Sensing Image[J]. Remote Sensing Technology and Application, 2007(4): 536-542. (in Chinese)

[5] HA W, GOWDA P H, HOWELL T A. A Review of Potential Image Fusion Methods for Remote Sensing-based Irrigation Management: Part II[J]. Irrigation Science, 2013, 31(4): 851-869.

[6] PATIL R, ANSARI V. Image Fusion Techniques and Their Performance Evaluation : A Review[J]. International Journal of Global Technology Initiatives, 2014.

[7] 逄錦嬌, 孫睿, 王汶. 高分辨率影像配準誤差對土地覆蓋分類和變化檢測的影響[J]. 遙感技術與應用, 2014, 29(3): 498-505. PANG Jinjiao, SUN Rui, WANG Wen. Influence of Registration Error on Land Cover Classification and Change Detection in High-resolution Remote Sensing Image[J]. Remote Sensing Technology & Application, 2014, 29(3): 498-505. (in Chinese)

[8] 徐涵秋. 基于SFIM算法的融合影像分類研究[J]. 武漢大學學報(信息科學版), 2004, 29(10): 920-923. XU Hanqiu. Classification of Fused Imagery Base on the SFIM Algorithm[J]. Editorial Board of Geomatics and Information Science of Wuhan University, 2004, 29(10): 920-923. (in Chinese)

[9] 李爽, 姚靜. 北京一號高分辨率影像數(shù)據(jù)融合效果評價[J]. 河南大學學報(自然科學版), 2008, 38(3): 276-280． LI Shuang, YAO Jing. Assessment of the High Resolution Image Data Merge Effect on Beijing-1[J]. Journal of Henan University(Natural Science), 2008, 38(3): 276-280. (in Chinese)

[10] JIM V. Multispectral Imagery Band Sharpening Study[J]. Photogrammetric Engineer & Remote Sensing, 1996, 62(9): 1075-1084.

[11] BAATZ M, SCH?PE A. Multiresolution Segmentation: An Optimization Approaph for High Quality Multi-scale Image Segmentation[J]. Angewandte Geographische Informations-verarbeitung XII, 2000, 58(3/4): 12-23.

[12] 潘騰. 高分二號衛(wèi)星的技術特點[J]. 中國航天, 2015(1): 3-9． PAN Teng. The Technical Features of GF-2 Satellite[J]. Aerospace China, 2015(1): 3-9. (in Chinese)

[13] 王忠武, 劉順喜，戴建旺, 等. “高分二號”衛(wèi)星多光譜與全色影像配準策略[J]. 航天返回與遙感, 2015, 36(4): 48-53. WANG Zhongwu, LIU Shunxi, DAI Jianwang, et al. Registration Strategy for GF-2 Satellite Multispectral and Panchromatic Images[J]. Spacecraft Recovery & Remote Sensing, 2015, 36(4): 48-53. (in Chinese)

[14] 黎新亮, 趙書河. 柯長青. 等. 遙感圖像融合定量評價方法及實驗研究[J]. 遙感技術與應用, 2007, 22(3): 460-465. LI Xinliang, ZHAO Shuhe, KE Changqing, et al. The Study of Methods of Quantitative Evaluation on Remote Sensing Image Fusion and Actualization[J]. Remote Sensing Technology and Application, 2007, 22(3): 460-465. (in Chinese)

[15] 李瑩瑩, 洪金益, 張建國, 等. IKONOS影像融合方法對比研究及應用效果評價[J]. 礦產(chǎn)勘查, 2014, 5(3): 499-504． LI Yingying, HONG Jinyi, ZHANG Jianguo, et al. Comparative Study and Evaluation of the Application Effect on the IKONOS Image Fusion Method[J]. Mineral Exploration, 2014, 5(3): 499-504. (in Chinese)

[16] 崔佳潔, 李世明. 高分一號衛(wèi)星影像的融合方法比較研究[J]. 黑龍江工程學院學報, 2015(3): 2-15. CUI Jiajie, LI Shiming. Comparison of Image Fusion Algorithms for High Spatial Resolution Satellite Image of GF-1[J]. Joural of Heilongjiang Institute of Technology, 2015(3): 12-15. (in Chinese)

[17] 陳雪洋, 袁超. ZY-1 02C衛(wèi)星影像融合方法評價[J]. 測繪與空間地理信息, 2013, 36(2): 50-53． CHEN Xueyang, YUAN Chao. Data Fusion Evaluation of ZY-1 02C Satellite Images[J]. Geomatics＆Spatial Information Technology, 2013, 36(2): 50-53. (In Chinese)

[18] 崔璨. 基于對比分析的國產(chǎn)衛(wèi)星影像質(zhì)量評價[D]. 長春: 吉林大學, 2014. CUI Can. The Quality Assessment of Domestic Satellite Images Based on Contrastive Analysis[D]. Changchun: Jilin University, 2014. (in Chinese)

[19] 李超, 朱滿, 趙家平. 多源遙感影像融合效果的定量評價研究[J]. 測繪與空間地理信息, 2010, 33(3): 143-146. LI Chao, ZHU Man, ZHAO Jiaping. Research of Quantitative Methods for Evaluation of Multi-source Remote Sensing Image Fusion[J]. Geomatics & Spatial Information Technology, 2010, 33(3): 143-146. (in Chinese)

（編輯：夏淑密）

ComparisonandEvaluationof Image Fusion Algorithms for GF-2 Satellite Images

XUE Jing1,2,3GUAN Yunlan2,3LI Yilong4ZHOU Bing5PEI Dongdong6

（1 91650 Army, Guangzhou 510320, China）（2 Faculty of Geomatics,East China University of Technology, Nanchang 330013, China）（3 Key Laboratory of Watershed Ecology and Geographical Environment Monitoring, NASMG, Nanchang 330013, China）（4 75838 Army, Guangzhou 510515, China）（5 Nanchang Urban Planning & Design Institute, Nanchang 330038, China）（6 Henan Province Highway Engineering Bureau Group Limited Company, Zhengzhou 450000, China）

The theory of fusion method and the feature of satellite sensor are different, so there is no certain fusion method which is applicable for all types of images. In this paper, it uses the panchromatic and multispectral data of GF-2 as the data source, and adopts five image fusion algorithms Brovey, PCA, GS, HPF and NNDiffuse to process PAN and MSS data. And then a comprehensive evaluation of the effectiveness of image fusion is made through subjective evaluation and quantitative analysis to explore a suitable fusion method for GF-2 satellite image. The results show that fusion image with HPF method has minimum spectral distortion and keep the best spectral information. NNDiffuse method has the best effect in general and the effect of fusion in visible bands is very outstanding. While in the near-infrared band, PCA method and GS method can be used. The results of this research provides the reference for fusion processing and application of GF-2 satellite data.

image fusion; fusion method; quality evaluation; GF-2 satellite

TP79

A

1009-8518(2017)02-0091-09

10.3969/j.issn.1009-8518.2017.02.012

2016-10-28

國家自然科學基金（41401437）；江西省學位與研究生教育教學改革研究項目（JXYJG–2016–113）

薛晶，女，1990年生，2012年獲東華理工大學測繪工程專業(yè)工學學士學位，現(xiàn)在東華理工大學測繪工程專業(yè)攻讀碩士學位，助理工程師。研究方向為遙感圖像處理與應用。E-mail：xj892316@163.com。

官云蘭，女，1975年生，博士，教授，碩士生導師。研究方向為地面三維激光掃描、攝影測量、遙感影像處理。E-mail：guan8098@163.com。