王旻燁，費(fèi)鮮蕓，謝宏全，劉 帆，張 紅

(淮海工學(xué)院測(cè)繪信息與海洋學(xué)院, 江蘇 連云港 222005)

城市綠地信息提取中高分辨率衛(wèi)星影像融合方法研究

王旻燁，費(fèi)鮮蕓，謝宏全，劉 帆，張 紅

(淮海工學(xué)院測(cè)繪信息與海洋學(xué)院, 江蘇 連云港 222005)

利用GS變換、主成分分析、Ehlers變換、Wavelet分析、HIS變換5種方法對(duì)城區(qū)WorldView-2和PL-1A影像進(jìn)行融合,并從影像融合質(zhì)量和綠地信息提取精度兩方面對(duì)融合方法的有效性進(jìn)行了評(píng)價(jià)。結(jié)果表明：①5種融合方法中，GS變換融合的效果最好；主成分分析和Ehlers變換融合WorldView-2質(zhì)量較好，但融合PL-1A影像質(zhì)量較差；Wavelet變換、HIS變換融合兩種影像質(zhì)量都較差；②用于綠地信息提取時(shí)，GS、PCA融合影像獲取的精度最高，其次為Ehlers、Wavelet融合影像，均明顯高于多光譜影像的提取精度；Ehlers、Wavelet變換精度最低，綠地信息提取精度低于多光譜影像的提取精度?？梢缘贸?，影像融合可以明顯地提高綠地信息提取精度，5種影像融合方法中，GS變換普適性較好，影像融合質(zhì)量最好，提高分類精度效果最明顯。

城市綠地；影像融合；信息提?。痪仍u(píng)價(jià)

城市綠地系統(tǒng)是城市生態(tài)系統(tǒng)的子系統(tǒng)，是城市中唯一有生命的基礎(chǔ)設(shè)施，在改善城市生態(tài)環(huán)境和人居環(huán)境方面起著積極的作用[1-2]。隨著城市的不斷擴(kuò)大、人們生活水平的提高，城市綠地質(zhì)量受到廣泛的關(guān)注，城市綠地信息提取成為當(dāng)下研究熱點(diǎn)之一。遙感技術(shù)可為城市綠地信息的快速提取提供技術(shù)支持[3-5]。

目前已有很多學(xué)者利用高分辨率影像進(jìn)行城市綠地資源的調(diào)查與分析，沙晉明[6]以陸地資源衛(wèi)星TM影像為主要遙感信息源,提取了1988年、2000年福州市典型樣區(qū)內(nèi)植被類型變化狀況。姚靜等[7]利用TM影像，運(yùn)用多種方法提取城市綠地信息均取得了很好的效果。陳利等[8]利用纓帽變換融合WorldView-2影像，較好地提取了城市綠地信息。羅亞等[9]研究了NDVI、RVI、DVI等不同植被指數(shù)在提取城市綠地信息中的精度問(wèn)題。宋志明等[10]利用TM影像對(duì)城市綠地進(jìn)行分類，并結(jié)合景觀生態(tài)學(xué)理論對(duì)廣州市區(qū)綠地景觀進(jìn)行了專題研究。

在影像分類研究中，已有不少研究者首先將多光譜影像與全色影像進(jìn)行融合，再利用融合后的影像進(jìn)行信息提取，分析影像融合的效果。如王樂(lè)等[11]從主觀與客觀評(píng)價(jià)指標(biāo)兩個(gè)方面對(duì)PCA、IHS、Brovey融合方法進(jìn)行了對(duì)比。陳慧等[12]從TM影像、TM與SPOT5融合影像、IKONOS多光譜影像，以及IKONOS融合影像中分類提取了城市綠地，結(jié)果發(fā)現(xiàn)IKONOS融合影像的分類精度最高。李霖等[13]以ZY-3衛(wèi)星影像為數(shù)據(jù)源，應(yīng)用不同的融合方法對(duì)影像進(jìn)行融合，并從提高空間分辨率和保持原始圖像光譜信息兩個(gè)方面進(jìn)行融合效果分析，探討了適用于ZY-3衛(wèi)星農(nóng)業(yè)區(qū)影像的融合方法。張海霞[14]采用小波變換、小波和PCA相結(jié)合、小波和HIS相結(jié)合等遙感影像融合方法對(duì)Landsat7 ETM+多光譜與全色影像進(jìn)行融合，并進(jìn)行了土地覆蓋分類研究。沈明霞[15]利用HIS、PCA、Brovey及小波變換4種圖像融合方法對(duì)南京地區(qū)ETM+遙感影像進(jìn)行融合，并針對(duì)植被信息提取精度分析了影像融合的效果。目前，高分辨率遙感影像在城市綠地信息提取中的應(yīng)用越來(lái)越廣泛，但針對(duì)綠地信息提取，不同融合算法的影像融合效果還缺少系統(tǒng)研究。

本文將以WorldView-2與PL-1A影像為數(shù)據(jù)，利用GS(Gram-Schmidt)變換、PCA(主成分分析)變換、Ehlers(空間濾波)融合、Wavelet(Wavelet分析)、HIS變換5種方法對(duì)影像進(jìn)行融合。在此基礎(chǔ)上針對(duì)城市綠地信息提取，分別用目視方法和量化指標(biāo)對(duì)融合影像的質(zhì)量進(jìn)行評(píng)價(jià)；同時(shí)利用面向?qū)ο蠡谝?guī)則方法分別基于多光譜影像和融合后的影像，提取綠地信息并進(jìn)行精度評(píng)價(jià)。對(duì)不同影像融合算法的融合有效性進(jìn)行系統(tǒng)深入的評(píng)價(jià)，可為城市綠地信息提取影像的融合工作提供技術(shù)支持。

1 研究區(qū)概況與數(shù)據(jù)源

本次研究選取了上海交通大學(xué)閔行校區(qū)與華東師范大學(xué)閔行校區(qū)為研究區(qū)。上海市閔行區(qū)坐落長(zhǎng)江三角洲沖積平原，氣候溫和雨水充沛，為植被生長(zhǎng)提供了有利的條件。自“十一五”以來(lái)該區(qū)以深入推進(jìn)國(guó)家生態(tài)建設(shè)為目標(biāo)，在上海市率先開(kāi)展大規(guī)模綠化建設(shè)，綠化基礎(chǔ)較好，綠化效果明顯。上海交通大學(xué)和華東師范大學(xué)是該區(qū)內(nèi)綠化發(fā)展較好、綠地分布較多的區(qū)域，以該區(qū)域?yàn)檠芯奎c(diǎn)進(jìn)行影像融合，對(duì)城市研究綠地信息提取有較好的參考意義。

研究所用的數(shù)據(jù)包括WorldView-2、PL的多光譜影像與全色影像，其中WorldView-2影像的成像時(shí)間為2014年6月12日，空間分辨率分別為0.5 m；PL-1A影像的成像時(shí)間為2014年5月27日，空間分辨率分別為0.5 m。在影像融合之前已對(duì)各遙感影像進(jìn)行幾何校正、重采樣等預(yù)處理，保證多光譜影像與全色影像對(duì)應(yīng)像元的一致性。

2 研究方法

2.1 影像融合方法及質(zhì)量評(píng)價(jià)

2.1.1 影像融合方法

本文采用GS變換、PCA變換、Ehlers變換、Wavelet變換、HIS變換5種融合方法對(duì)影像進(jìn)行融合。其中GS變換對(duì)矩陣或多維影像進(jìn)行正交變換,消除多光譜波段之間的相關(guān)性，以達(dá)到消除冗余信息的目的[16]。PCA變換用高分辨率波段替換多波段圖像的第一主成分，提高了空間分辨率。Ehlers融合基于快速傅里葉變化濾波對(duì)全色波段銳化并用IHS變換來(lái)完成融合，既可保留高分辨率數(shù)據(jù)的空間信息，又有低分辨率數(shù)據(jù)的高光譜分辨率信息[17]。Wavelet變換利用分解系數(shù)對(duì)低頻圖像和高頻細(xì)節(jié)信息進(jìn)行融合，該方法能在保留光譜信息的基礎(chǔ)上提高空間信息。HIS變換屬于色彩變換，原理是將RGB圖像變換到HIS顏色空間，然后將高分辨率的圖像代替HIS顏色空間中的亮度分量(I分量)，并將新HIS圖像變換到RGB顏色空間[18]。

由于HIS變換只能融合3個(gè)波段，因此根據(jù)最佳指數(shù)OIF(optimum index factor)的數(shù)值大小來(lái)判斷各種波段組合的優(yōu)劣，OIF值越大波段融合效果越好。從表1中可以看出，PL影像與WorldView影像4,3,1波段的OIF指數(shù)均最高，融合效果最好。

表1 不同波段組合的OIF指數(shù)

2.1.2 融合影像質(zhì)量評(píng)價(jià)

本研究從定性和定量?jī)蓚€(gè)方面對(duì)影像融合的質(zhì)量進(jìn)行評(píng)價(jià)。其中，定性分析主要從視覺(jué)的角度，直觀地分析不同融合方法影像光譜保真性和空間細(xì)節(jié)的表達(dá)能力。

定量分析是利用量化指標(biāo)對(duì)影像融合效果進(jìn)行評(píng)價(jià)的，減少了評(píng)價(jià)的主觀性。本文通過(guò)計(jì)算灰度平均值、標(biāo)準(zhǔn)差、信息熵、平均梯度評(píng)價(jià)影像融合方法光譜信息的保真能力；利用相關(guān)系數(shù)評(píng)價(jià)融合影像對(duì)全色影像空間結(jié)構(gòu)信息保持能力。各量化指標(biāo)計(jì)算公式見(jiàn)表2。

其中，z(xi,yj)為影像上某一點(diǎn)的灰度值；pi為灰度值為i的像素?cái)?shù)與總像素之比；A(xi,yj)為原始pan影像的值；F(xi,yj)為融合影像的值。

表2 各量化指標(biāo)計(jì)算公式

2.2 綠地信息提取及精度評(píng)價(jià)

為了更全面地評(píng)價(jià)影像融合對(duì)綠地信息提取的影響，本研究分別利用融合前的多光譜影像和融合后的影像，進(jìn)行綠地信息提取，通過(guò)計(jì)算綠地信息提取精度分析影像融合的有效性[19]。為避免產(chǎn)生“椒鹽效應(yīng)”，提高分類精度，本研究基于面向?qū)ο蟮姆诸惙椒ㄌ崛〕鞘芯G地信息，將研究區(qū)分為綠地區(qū)域和非綠地區(qū)域，并在原多光譜影像上選取ROI作為參考樣本，計(jì)算混淆矩陣進(jìn)行綠地信息提取精度評(píng)價(jià)。

3 結(jié)果分析

3.1 影像融合結(jié)果評(píng)價(jià)分析

3.1.1 定性分析

在融合影像中截取部分影像進(jìn)行定性分析，如圖1、圖2所示。從整體上來(lái)看，無(wú)論是WorldView-2影像還是PL影像，5種融合變換方法所得融合影像的空間分辨率均有所提高。而在色彩方面，PCA融合影像整體色彩較暗，GS融合影像中綠地顏色與多光譜影像有明顯的差別，HIS融合影像色調(diào)偏暗且有明顯失真。利用5種融合方法對(duì)WorldView-2與PL影像處理所得效果不盡相同。對(duì)于WorldView-2影像來(lái)說(shuō)，GS融合影像的空間分辨率最高，PCA、Ehlers、Wavelet變換次之，HIS變換空間分辨率最低。在光譜信息方面，Ehlers融合影像與多光譜影像的色彩最為接近，Wavelet變換也能取得很好的效果。對(duì)于PL影像來(lái)說(shuō)，GS融合影像的空間分辨率最高，PCA變換與Ehlers變換也能有效地提高空間分辨率。Wavelet與HIS融合影像空間分辨率較差，在光譜信息方面，Ehlers與Wavelet融合影像的色彩與多光譜影像最為接近。

圖1 WorldView-2影像目視對(duì)比

圖2 PL影像目視對(duì)比

3.1.2 定量分析

從表3中可以看出，對(duì)于WorldView-2影像，GS變換和PCA變換影像的灰度平均值幾乎接近于原多光譜影像，其他3種融合方法則明顯降低；GS變換和PCA變換融合后的影像方差相比多光譜影像增加明顯，Ehlers變換、Wavelet變換和HIS變換融合后方差有所增加但增加較少；信息熵指標(biāo)顯示，各融合影像的信息熵均有所增加，其中GS變換增加值最高，其次是PCA變換、Ehlers變換、HIS變換、Wavelet變換；平均梯度的變換趨勢(shì)與信息熵類似。通過(guò)相關(guān)系數(shù)分析可以看出，GS變換影像與全色影像的相關(guān)系數(shù)最高，高達(dá)0.95，其次是Ehlers變換和PCA變換。這說(shuō)明GS變換、Ehlers變換和PCA變換對(duì)全色影像的空間結(jié)構(gòu)保持較好，能有效利用全色影像來(lái)增加空間信息，其中GS變換影像融合方法效果尤其突出。

表3 WorldView-2影像評(píng)價(jià)指標(biāo)計(jì)算結(jié)果

由表4可以看出，對(duì)于PL影像，GS變換和PCA變換的灰度平均值最接近原多光譜影像，光譜信息保留程度最好。在方差、信息熵和平均梯度方面，5種變換影像的值較原多光譜影像均有所增加，其中最優(yōu)秀的是GS變換。在相關(guān)系數(shù)方面，只有GS變換的相關(guān)系數(shù)超過(guò)了0.9。其他變換方法的相關(guān)系數(shù)均在0.9以下，其中最高的是PCA變換達(dá)到了0.89?？偟膩?lái)說(shuō)利用GS變換所得到的PL融合影像的效果最好。

表4 PL影像評(píng)價(jià)指標(biāo)計(jì)算結(jié)果

根據(jù)以上分析可以看出，對(duì)于WorldView-2影像，GS在光譜信息保持能力與空間信息保持能力上均最為優(yōu)秀。PCA、Ehlers在光譜與空間信息兩方面也能取得良好的效果，僅次于GS變換。Wavelet變換的光譜信息和空間細(xì)節(jié)信息都有較嚴(yán)重的失真。HIS變換光譜扭曲程度最嚴(yán)重，但空間細(xì)節(jié)信息也丟失最嚴(yán)重。PL影像上各融合方法的效果與WorldView-2影像類似：GS變換效果最好；PCA、Ehlers、Wavelet效果次之；HIS變換光譜扭曲程度最高且空間信息丟失嚴(yán)重，效果最差。

3.2 影像分類精度分析

利用面向?qū)ο蟮姆椒?，基于多光譜影像和融合影像提取城市綠地信息后，在多光譜影像中隨機(jī)選取綠地區(qū)與非綠地區(qū)域樣本各100個(gè)，利用這些樣本建立混淆矩陣，對(duì)上述各影像分類結(jié)果進(jìn)行精度評(píng)定，分類精度見(jiàn)表5、表6。

表5 WorldView-2影像分類精度

表6 PL影像分類精度

從表5、表6中可以看出，無(wú)論是WorldView-2影像還是PL影像，除了HIS變換融合后的影像之外，其他所有方法影像融合后的綠地信息提取精度均比多光譜影像的分類精度高。在幾種融合影像中，分類精度最高的是GS影像，其次是PCA變換。

通過(guò)上述分析可以得出，利用適宜的方法對(duì)影像進(jìn)行融合，融合后的影像綠地信息提取精度明顯高于多光譜影像，影像融合可以有效提高綠地信息提取精度。不同融合方法對(duì)分類精度有明顯影響，融合效果好，光譜信息和空間信息保真性好的影像分類精度也明顯較高。

4 結(jié) 語(yǔ)

本文基于WorldView-2影像與PL影像，選取GS變換、主成分分析、Ehlers變換、Wavelet分析、HIS變換5種融合方法對(duì)影像進(jìn)行融合，通過(guò)融合結(jié)果質(zhì)量評(píng)價(jià)和綠地信息提取精度分析得到以下結(jié)論：

(1) 采用上述5種融合算法均能在保持光譜信息的基礎(chǔ)上提高空間分辨率。對(duì)于WorldView-2影像，GS變換、PCA變換和Ehlers變換效果較好，其中GS變換影像在光譜信息保持、空間信息增強(qiáng)方面的能力均最強(qiáng)。對(duì)于PL影像，GS變換取得的效果最好且遠(yuǎn)優(yōu)于其他4種變換。

(2) 不同融合影像上提取的綠地精度有明顯差異。無(wú)論是WorldView-2影像還是PL影像，HIS融合影像的精度都最低且精度低于原多光譜影像。GS融合影像的精度最高，PCA、Wavelet、Ehlers次之?？梢?jiàn)GS融合更適合于城市綠地信息提取的相關(guān)研究。

[1] 王保忠,王彩霞,何平,等.城市綠地研究綜述[J].城市規(guī)劃匯刊,2004(2):62-68.

[2] 鄭光,田慶久,李明詩(shī).基于ETM+遙感影像的南京市城市綠地的動(dòng)態(tài)監(jiān)測(cè)[J].遙感信息,2005(5):22-24，44.

[3] 陳陽(yáng),趙俊三,陳應(yīng)躍.基于ENVI的高分辨率遙感影像城市綠地信息提取研究[J].測(cè)繪工程,2015,24(4):33-36.

[4] 王少鵬.基于高分辨率遙感影像的城市綠地信息提取方法研究進(jìn)展[J].現(xiàn)代農(nóng)業(yè)科技,2013(1):151-153.

[5] 費(fèi)鮮蕓,張志國(guó),高祥偉.城市綠地信息提取遙感影像尺度效應(yīng)分析[J].測(cè)繪科學(xué),2009,34(5):136-138.

[6] 沙晉明.福州市植被生態(tài)環(huán)境遙感定量研究[J]. 測(cè)繪學(xué)報(bào),2005,34(1):93.

[7] 姚靜,武文波,康停軍.基于TM影像的城市綠地信息提取方法研究[J].測(cè)繪科學(xué),2010,35(1):113-115.

[8] 陳利,林輝,孫華.基于WorldView-2影像城市綠地信息提取研究[J].西北林學(xué)院學(xué)報(bào),2014,29(1):155-160.

[9] 羅亞,徐建華,岳文澤,等.植被指數(shù)在城市綠地信息提取中的比較研究[J].遙感技術(shù)與應(yīng)用,2006,21(3):212-219.

[10] 宋志明,焦道振,胡勝華.基于RS與GIS的廣州市城市綠地景觀空間分析[J].測(cè)繪通報(bào),2010(5):29-31.

[11] 王樂(lè),牛雪峰,魏斌,等.遙感影像融合質(zhì)量評(píng)價(jià)方法研究[J].測(cè)繪通報(bào),2015(2):77-79.

[12] 陳慧,王小軍. 多源遙感影像及處理方法在城市發(fā)展普查中應(yīng)用的對(duì)比研究[J]. 測(cè)繪通報(bào),2014(11):60-63，77.

[13] 李霖,佘夢(mèng)媛,羅恒.ZY-3衛(wèi)星全色與多光譜影像融合方法比較[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(16):157-165.

[14] 張海霞,卞正富,陳秋成.ETM+遙感影像融合方法的土地覆蓋分類精度的研究[J].安徽農(nóng)業(yè)科學(xué),2008,36(1):62-65.

[15] 沈明霞,何瑞銀,叢靜華.植被信息提取過(guò)程中ETM+遙感影像融合和分類試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(8):109-112.

[16] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003.

[17] CHAVEZ P S.Comparison of Three Different Methods to Merge Multiresolution and Multispectral Data:Landsat TM and SPOT Panchromatic[J].PE&RS, 1991, 57(3):259-303.

[18] 譚永生,沈掌泉,賈春燕,等.QuickBird全色與多光譜影像融合方法比較研究[J].科技通報(bào),2008,24(4):498-503.

[19] 李霖,佘夢(mèng)媛,羅恒.ZY-3衛(wèi)星全色與多光譜影像融合方法比較[J].農(nóng)業(yè)工程學(xué)報(bào),2014,30(16):157-165，343.

Study of Fusion Algorithms with High Resolution Remote Sensing Image for Urban Green Space Information Extraction

WANG Minye,FEI Xianyun,XIE Hongquan,LIU Fan,ZHANG Hong

(School of Geomatics and Marine Information,HuaiHai Institute of Technology, Lianyungang 222005, China)

High remote sensing image has been applied in extracting urban green space information widely, however effectiveness of fusion algorithms need further research. GS, PCA, Ehlers, Wavelet, HIS are applied to merger of urban WorldView-2 and PL-1A image. Then the effectiveness of fusion algorithms are evaluated according to quality of fusion and accuracy of urban green space information extraction. The results show that GS fusion algorithm achieves the best results. Quality of WorldView-2 fusion images using PCA and Ehlers fusion algorithms is better than that of PL-1A fusion images applied same algorithms. Wavelet and HIS are worst in five algorithms. Accuracy of urban green space extraction based GS, PCA, Ehlers, and Wavelet fusion images are better than accuracy of multispectral images. In those four fusion algorithms, GS and PCA are best while Ehlers and Wavelet are slightly inferior. From what has been discussed above shows that fusion algorithms can improve the accuracy of green space information extraction obviously. The GS algorithm has best fusion result and good universality in five fusion algorithms.

urban green space; fusion image; information extraction; accuracy assessment

王旻燁，費(fèi)鮮蕓，謝宏全，等.城市綠地信息提取中高分辨率衛(wèi)星影像融合方法研究[J].測(cè)繪通報(bào)，2017(8)：36-40.

10.13474/j.cnki.11-2246.2017.0250.

2016-12-09；

2017-01-09

國(guó)家自然科學(xué)基金(31070626；31270745)；江蘇省第九批次“六大人才高峰”項(xiàng)目；江蘇省“333”工程人才項(xiàng)目

王旻燁(1992—)，男，碩士生,主要從事遙感影像處理研究。E-mail:hhitwmy@sina.com

P237

A

0494-0911(2017)08-0036-05