牛麗峰，李軼鯤，楊樹文，李小軍

(1.蘭州交通大學(xué) 測(cè)繪與地理信息學(xué)院，蘭州 730070；2.甘肅省地理國(guó)情監(jiān)測(cè)工程實(shí)驗(yàn)室，蘭州 730070；3.地理國(guó)情監(jiān)測(cè)技術(shù)應(yīng)用國(guó)家地方聯(lián)合工程研究中心，蘭州 730070)

0 引言

無(wú)人機(jī)航測(cè)已成為對(duì)地觀測(cè)的重要手段，獲取的影像具有分辨率高，影像細(xì)節(jié)顯示明顯以及可視區(qū)豐富等優(yōu)點(diǎn)。高分辨率衛(wèi)星遙感影像具有獲取范圍大、全天時(shí)、全天候、實(shí)時(shí)獲取影像等優(yōu)點(diǎn)，但是其成像易受高大地物遮擋而形成大面陰影，影響地物信息識(shí)別[1]。因此，將無(wú)人機(jī)航片和高分辨率衛(wèi)星影像進(jìn)行融合具有非常好的應(yīng)用前景。

近年來(lái)，國(guó)內(nèi)外學(xué)者研究的重點(diǎn)多在高分辨率影像融合方面[2]。如李成鐵等人[3]提出了基于字典學(xué)習(xí)的超分辨率影像融合方法，有效提高了多光譜影像的分辨率；李盛陽(yáng)等[4]提出了曲面波變換_超球面彩色變換算法 (Curvelet_HCS)，構(gòu)建了影像融合數(shù)據(jù)源選取的決策樹算法，該算法很大程度改善HCS算法的光譜失真。在無(wú)人機(jī)影像融合方面，韓文超等人[5]提出了利用最佳縫合線的融合方法，融合圖像的目視效果明顯增強(qiáng)；任偉健等人[6]改進(jìn)了加權(quán)平均融合算法，有效去除了拼接線縫隙，融合影像質(zhì)量較好。在航片與衛(wèi)星影像融合方面，學(xué)者們也做了有益探索，如吳松等人[7]使用一些傳統(tǒng)的融合方法對(duì)無(wú)人機(jī)高分辨率數(shù)據(jù)與陸地衛(wèi)星8 (Landsat-8)的多光譜數(shù)據(jù)進(jìn)行融合；陳利軍等人[8]將航片與地球觀測(cè)系統(tǒng)(SPOT)影像融合時(shí)，發(fā)現(xiàn)HIS融合方法在很大程度上能減少光譜失真；賈永紅等人[9]通過(guò)相關(guān)計(jì)算獲得原始全色影像的I分量，實(shí)現(xiàn)了航片與多光譜影像的有效融合。

綜上所述，雖然以上融合方法有很好的適用性，但是融合影像空間信息有損失和光譜真，且無(wú)人機(jī)航片間融合時(shí)存在信息扭曲等缺點(diǎn)。而無(wú)人機(jī)影像和高分辨率衛(wèi)星影像融合主要集中在傳統(tǒng)融合方法，這些方法融合效果不佳。因此，針對(duì)無(wú)人機(jī)影像和衛(wèi)星影像使用傳統(tǒng)HIS融合中存在的光譜信息填補(bǔ)不足、空間信息豐富度低的問(wèn)題，提出無(wú)人機(jī)影像最優(yōu)波段替代I分量進(jìn)行融合，融合結(jié)果較好地加強(qiáng)了空間信息特征，有效地增強(qiáng)了無(wú)人機(jī)影像的光譜信息。

1 融合方法

1.1 最鄰近擴(kuò)散算法融合(nndiffuse pan sharpening，NNDiffuse)

NNDiffuse融合[10]是一種針對(duì)高分辨率影像的融合方法。其原理是融合影像中的每個(gè)像素是其鄰近的超像素光譜的加權(quán)線性混合值，每個(gè)光譜看作是最小操作元素。因此，整個(gè)算法中涉及因素有像素大小比、空間光滑性和強(qiáng)度平滑性，融合算法公式為：

(1)

δ2=minNj(x，y)j=1，2…，9

(2)

其中Nj(x，y)在9個(gè)相鄰像素中是不相同的。

Nj(x，y)=∑(p，q)∈Ωj(x，y)|p(x，y)-Pp，q|
j=1，2…,9

(3)

Ωj定義了9個(gè)相鄰超像素中的每一個(gè)的擴(kuò)散區(qū)域(x，y)是表示像素在高分辨率坐標(biāo)中的位置。

該融合算法相比于其傳統(tǒng)的HIS變換、PCA變換和色彩標(biāo)準(zhǔn)化變換(colornormalized，rovey)影像光譜逼真，增強(qiáng)了空間特征。針對(duì)國(guó)產(chǎn)高分二號(hào)影像的多光譜和全色影像目前主流的融合方法分別是高通濾波法(high-pass-filter，HPF)、葉斯法及改進(jìn)算法(Pansharp 及Pansharp2)。湯耶磊等[11]已經(jīng)對(duì)這幾種融合方法做了評(píng)價(jià)分析，對(duì)于高分二號(hào)影像融合效果最適合的是NND、HPF、Pansharp融合算法。NND融合方法所獲得融合影像光譜性良好。本文以此為根據(jù)，使用NNDiffuse融合方法對(duì)高分二號(hào)影像的多光譜和全色影像進(jìn)行融合處理。

1.2 HIS影像融合

HIS是一種顏色模型，它跟人類視覺(jué)認(rèn)知系統(tǒng)非常相似，在進(jìn)行HIS影像顯示時(shí)，將I分量的分辨率提高則整個(gè)圖像的分辨率也會(huì)提高。處理MS影像的主要局限在于HIS變換只能使用于RGB真彩色影像。Te-MingTu等人[12]針對(duì)超過(guò)3個(gè)波段的高光譜影像的應(yīng)用，提出了GHIS 變換。在后期的研究中W.DON提出它的公式[13]如下：

(4)

(5)

W=[ω1，ω2，…，ωN]其中W是權(quán)重，是正變換矩陣的第一行，并且可以盡可能地選擇測(cè)量多光譜影像(MSS)和全色影像(PAN)信道之間的頻譜重疊度{ωi}k=1， …，N，一般N=3。在N=3時(shí)，MSI是高光譜影像，MSP是經(jīng)過(guò)GHIS融合后的影像。亮度I不是通過(guò)單個(gè)波段確定而是給每個(gè)波段加一個(gè)權(quán)重，然后將所有波段，這樣集中了各波段的光譜信息，很好地減少了光譜扭曲度，顯著增強(qiáng)空間特征。

1.3 改進(jìn)的HIS變換方法

HIS變換是將低分辨率的影像RGB模型轉(zhuǎn)換成HIS模型，然后用高分辨率影像全色影像(PAN)代替I分量，最后經(jīng)過(guò)HIS逆變換，得到融合影像。雖然這種方法在多光譜遙感影像和PAN影像中融合效果好且方便，但是在航片影像中很難應(yīng)用，必須從無(wú)人機(jī)影像(unmanned aerial vehicle，UAV)中選取最恰當(dāng)?shù)牟ǘ斡跋?。本文基于波段的選擇提出如下公式：

(6)

式中：I′表示的是從無(wú)人機(jī)影像中獲取的波段；UAV(：，：，K)表示無(wú)人機(jī)影像的波段數(shù)。其中a值是通過(guò)計(jì)算多光譜影像(MSS)的直方圖和波段的相關(guān)系數(shù)確定。

相關(guān)系數(shù)是對(duì)變量之間線性相關(guān)程度的衡量指標(biāo)，以2個(gè)變量與各自平均值的利差為基礎(chǔ)，通過(guò)2個(gè)利差相乘來(lái)反映二者之間的相關(guān)程度。本文使用計(jì)算公式如下：

(7)

α是余弦角，α越大則2個(gè)波段之的相關(guān)性越低。遙感影像融合中相關(guān)系數(shù)指標(biāo)反映2幅影像之間的光譜保持度[14]。因此，本文通過(guò)計(jì)算無(wú)人機(jī)影像與遙感影像各波段之間的系數(shù)，確定需要融合的影像波段。

研究中，筆者對(duì)要融合的原始影像，利用高分二號(hào)影像自帶的RPC參數(shù)對(duì)MSS和PAN進(jìn)行正射糾正，以PAN影像為基準(zhǔn)，對(duì)MSS和UAV影像做空間配準(zhǔn)。本文融合主體分為2個(gè)部分：MSS與PAN的融合、MSS與PAN融合后影像和UAV影像的融合。過(guò)程如圖1所示。

圖1 整個(gè)融合流程

①利用8個(gè)系數(shù)的偶立方核對(duì)[15]原始MSS圖像進(jìn)行插值運(yùn)算和空間匹配處理，得到糾正影像(MSI)。

②使用 NNDiffuse變換方法對(duì)MSI影像和PAN影像融合，得到融合影像 (NND)。

③使用相同的插值方法將NND影像的大小與UAV影像大小相同，計(jì)算NND影像的3個(gè)波段和UAV影像的3個(gè)波段的直方圖及他們各個(gè)波段之間的余弦角α，如表1所示。取UAV影像中的與NND影像各個(gè)波段相關(guān)性強(qiáng)的波段作為本次融合波段。

表1 UAV影像與MSP影像各波段的余弦角

通過(guò)HIS融合原理可知，只需要一個(gè)波段來(lái)頂替I，根據(jù)表1可知選擇第三波段，且a=7，b=1。因此，公式(6)變?yōu)椋?/p>

-UAV：，：，1-UAV：，：，2)

(8)

④用選取的UAV影像波段代替原始I影像得到I′影像。

⑤最后對(duì)H、S和I′做HIS逆變換得到融合影像(MDD)。

2 實(shí)驗(yàn)結(jié)果

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文實(shí)驗(yàn)數(shù)據(jù)采用高分二號(hào)影像的MSS影像和PAN影像，它們的分辨率分別為0.8 m×0.8 m和1.6 m×1.6 m，PAN影像相比于原始MSS影像其分辨率要高很多。所用MSS影像大小為23像素×30像素，PAN影像大小為92像素×120像素。所采用的UAV影像分辨率是0.2 m×0.2 m，它的分辨率要比PAN影像高，圖像更清晰。其大小是368像素×480像素，具有4個(gè)波段。

2.2 融合結(jié)果

本文實(shí)驗(yàn)是通過(guò)MATLAB語(yǔ)言實(shí)現(xiàn)，通過(guò)上述算法流程融合的結(jié)果如圖2所示。評(píng)價(jià)和分析HIS融合方法、PCA融合方法和改進(jìn)HIS方法的融合結(jié)果與NND影像和多光譜影像之間的相關(guān)性。

圖2(a)是無(wú)人機(jī)波段影像，圖2(b)是高分二號(hào)影像的MSS影像，圖2(c)是MSS影像和PAN影像的融合結(jié)果，本文中用NND表示，圖2(d)～圖2(f)分別是改進(jìn)HIS方法融合結(jié)果、原始HIS融合方法融合結(jié)果和PCA融合方法融合結(jié)果。

圖2 原始影像及融合影像

2.3 融合效果評(píng)

本文使用Gemine Vivone[16]采用的評(píng)價(jià)指標(biāo)。光譜扭曲度越小表明光譜越真，光譜扭曲越小?？臻g失真度值越小則空間信息越真實(shí)。光譜映射角越大融合效果越差。融合質(zhì)量評(píng)價(jià)指標(biāo)值越大表示融合效果越好。融合影像相關(guān)系數(shù)是對(duì)原始影像和融合相信相關(guān)性的描述，值越大相關(guān)性越高。通過(guò)MATLAB計(jì)算得到評(píng)價(jià)指標(biāo)和影像直方圖如圖3所示。

在視覺(jué)上，圖2(d)影像清晰，色彩上與NND影像接近，圖2(e)影像色彩與NND影像有所差別，更接近原始MSS影像色彩，圖2(f)所獲得影像色彩更接近無(wú)人機(jī)影像。圖3(b)是MSS與PAN融合結(jié)果NND影像和NND影像與無(wú)人機(jī)航片影像的融合結(jié)果的灰度直方圖，灰度直方圖能夠反映出影像差異[17]。另外，結(jié)合圖3(a)和圖3(b)可以明顯得到：本文改進(jìn)后的融合方法所獲得的融合影像光譜信息扭曲度最低，空間信息扭曲度也最低，融合質(zhì)量明顯高于原始HIS融合方法，且其融合質(zhì)量的數(shù)據(jù)分辨率高，這表明通過(guò)此方法融合影像能更好地保留遙感影像的光譜信息，融合影像很好地突出了影像空間細(xì)節(jié)；傳統(tǒng)HIS融合方法所得融合影像細(xì)節(jié)成分較突出，且與MSS影像相關(guān)性好，PCA融合影像相關(guān)性好。

圖3 影合影像質(zhì)量評(píng)價(jià)

3 結(jié)束語(yǔ)

無(wú)人機(jī)航片影像對(duì)于無(wú)人機(jī)影像融合中面臨I分量替換波段選取問(wèn)題，本文提出一種波段提取的方法，改進(jìn)HIS變換。實(shí)驗(yàn)結(jié)果表明該方法一定程度上改善了空間信息的損失，彌補(bǔ)了航片影像光譜信息匱乏的缺點(diǎn)，波譜變化變化趨勢(shì)基本一致，光譜保真度較好且融合效果好，融合影像分辨率明顯提高，特別是其融合后影像空間信息豐富，細(xì)節(jié)顯示明顯提升；表明通過(guò)影像波段之間的相關(guān)性確定無(wú)人機(jī)航片影像融合波段具有一定的合理性，且該方法具有較強(qiáng)穩(wěn)定性和適用性。但是，通過(guò)這種方法提取的波段HIS融合方法中代替I分量，融合后影像與原始圖像的相關(guān)性要比原始HIS融合方法差一點(diǎn)，這也是后期需要改善的地方。