王福平 陳超然 吳翁慧

(1.浙江省第十一地質(zhì)大隊 浙江溫州 325000；2.江西省煤田地質(zhì)局測繪大隊 江西南昌 330000；3.溫州市勘察測繪研究院 浙江溫州 325000）

1 引言

隨著航空航天、計算機傳感器等技術(shù)的飛速發(fā)展，由多種類、高空間分辨率組成的遙感影像數(shù)據(jù)量日益增加[1]。遙感影像融合研究針對如何高效利用高分辨率衛(wèi)星遙感影像對地面及地表信息進行采集和加工成為當(dāng)前遙感學(xué)界的研究熱點之一[2]。我國自2012年1月9日發(fā)射的資源三號資源衛(wèi)星填補了中國測繪領(lǐng)域立體測圖這一領(lǐng)域的空白。之后又于2013年4月26日發(fā)射了第一顆高分辨率對地觀測系統(tǒng)高分一號衛(wèi)星，由此開啟了我國高分辨率對地觀測的新時代。遙感影像融合根據(jù)獲取傳感器、數(shù)據(jù)源的不同可分為同源和異源融合[3-4]。

因此，本文基于近年來較為成熟的幾種融合算法，如下圖所示幾種算法，通過對同源、異源融合實驗的結(jié)果進行比較分析，來發(fā)現(xiàn)各種融合算法分別在同源、異源影像融合中的表現(xiàn)和差異,為后續(xù)圖像融合處理方向相關(guān)研究提供一定參考。

2 數(shù)據(jù)準備與預(yù)處理

高分一號和資源三號作為我國高分辨率系列對地觀測衛(wèi)星，具有空間分辨率高，重訪時間短，數(shù)據(jù)采集能力強的特點[5]。能夠為國土資源、農(nóng)業(yè)和水利、環(huán)境資源保護等部門提供高精度、寬范圍的空間觀測服務(wù)，在城市和交通規(guī)劃建設(shè)、農(nóng)林和水利資源監(jiān)測、地理測繪等領(lǐng)域發(fā)揮重要作用[6]。本次融合實驗研究區(qū)域位于江西省南昌市，實驗影像數(shù)據(jù)采用2016年10月與2016年12月分別獲取的南昌地區(qū)高分一號和資源三號衛(wèi)星影像數(shù)據(jù)，兩景數(shù)據(jù)在成像時間上相距不久，因而可在一定程度上忽略時間因素導(dǎo)致地物變化對影像光譜造成的影響。

3 融合算法

Brovey變換[7]通過將多光譜（MS）波段的每一個分量都與高分辨率全色（PAN）波段進行乘積，然后得到乘積結(jié)果后再與多光譜波段總和進行比值運算，最后將多光譜的三個波段像元尺寸重采樣到與高分辨圖像一致得到融合結(jié)果。

HSV變換對多光譜數(shù)據(jù)進行RGB正變換后分離得到H、S、V三個分量，對提取分離出的亮度值（V）與高分辨率全色影像波段進行替換，最后進行色彩逆變換得到最終融合高分辨率影像。史密斯特正交變換融合（Gram Schmidt）針對分辨率較高的影像融合效果更明顯，利用波譜統(tǒng)計分析對需要融合的波段進行重匹配，優(yōu)化了PCA變換中波譜信息過于集中的問題，能較好地保證融合前后波譜信息的一致性。

最近鄰域全色變換（Nearest Neighbor Diffusion pan sharpening）由美國RIT的Sun教授提出并應(yīng)用圖像融合中。PC Spectral銳化是針對高分辨的波譜影像進行融合的方法。用PAN影像替換經(jīng)PC變換后MS影像中的第一主成分，在替換過程中，為了避免波譜信息失真，通常將PAN影像中的波段進行處理后，與第一主成分波段進行直方圖匹配，再進行主成分逆變換后，對多光譜影像進行重采樣，最后得出與全色影像像元大小相同的融合影像。

4 融合質(zhì)量評價指標

質(zhì)量評價作為圖像融合中不可或缺的重要分支，對其進行系統(tǒng)研究具有積極意義。圖像質(zhì)量評價從總體上可分為基于人眼視覺觀察效果的主觀法和運用數(shù)學(xué)理論數(shù)值的高低程度量化的客觀法兩大類[8]。主觀評價大多根據(jù)人眼對融合后圖像的視覺感受如清晰度、色彩飽和度等來作出相應(yīng)的判斷。主觀評價的局限性在于受外界環(huán)境影響很大，如觀察員的情緒、專業(yè)知識、顯示器的顯示效果等，在兩幅融合圖像細節(jié)差異不大時無法客觀區(qū)分質(zhì)量優(yōu)劣。目前國內(nèi)外運用較多的標準是基于分級制的主觀評價，將圖像質(zhì)量好壞從高到低分為優(yōu)秀、良好、一般、差、極差五個等級[9]。

相對于主觀評價，客觀評價更注重運用數(shù)學(xué)指標對圖像進行量化分析，由具體的數(shù)值來定量描述圖像質(zhì)量的優(yōu)劣?？陀^評價能夠有效的改善主觀評價方法受人為因素的影響，使得數(shù)據(jù)更具有客觀性。由于客觀法指標較多，實驗選取均值、標準差、信息熵、平均梯度、相關(guān)系數(shù)等指標來對融合前后圖像進行量化分析。最后綜合視覺效果的主觀評價和數(shù)理統(tǒng)計的客觀評價得出具有可靠價值的最終結(jié)論。

5 融合結(jié)果評價與分析

5.1三組融合實驗結(jié)果

融合實驗基于源數(shù)據(jù)將數(shù)據(jù)分為三類，第一組：高分一號，第二組：資源三號，第三組：資源三號：圖1為文中只選取第三組：資源三號（MS）數(shù)據(jù)與高分一號全色（PAN）影像數(shù)據(jù)。在對數(shù)據(jù)進行像素級融合之前，需要對數(shù)據(jù)進行幾何校正、裁剪、配準、重采樣、波段組合、勻色等預(yù)處理[10]。

圖1 異源組資源三號MS與高分一號PAN影像五種方法融合效果圖

5.2主觀質(zhì)量評價

從亮度、飽和度、清晰度、紋理細節(jié)、重影等方向來對三組融合結(jié)果進行主觀評價。具體表現(xiàn)如表1所示：

表1 第三組融合結(jié)果目視效果評價

綜上表所示，經(jīng)主觀解譯：同源影像融合中Gram-Schmidt方法表現(xiàn)最好，PC Spectral銳化表現(xiàn)次之。異源影像融合中，PC Spectral銳化表現(xiàn)最好，Gram Schmidt方法表現(xiàn)次之。

5.3客觀質(zhì)量評價

在實驗的客觀質(zhì)量評價體系中，選取均值、標準差、信息熵、平均梯度、相關(guān)系數(shù)作為融合結(jié)果的評價指標。在同源高分一號影像融合結(jié)果評價指標表4中可以看出：均值最高的是PC Spectral銳化，表明圖像整體明亮度高，其次是Gram Schmidt，HSV變換均值最低，表明整體亮度偏低。在標準差中，PC Spectral銳化和NNDiffuse Pan Sharpening數(shù)值較高，其色彩飽滿豐富，具有較高的現(xiàn)實還原度。信息熵最高為7.8691，比原始影像熵值提高1.5092，信息量增加較為明顯，平均梯度中Gram Schmidt值最高，道路和建筑物輪廓清晰可見，細節(jié)清楚。相關(guān)系數(shù)中Gram Schmidt與原始多光譜影像相似程度最好。綜上，在同源高分一號影像融合方法中，Gram Schmidt在信息熵、平均梯度、相關(guān)系數(shù)中取得成績最好，可以認為在本次高分一號影像融合中該方法提高圖像質(zhì)量方面效果最好，其次是NNDiffuse Pan Sharpening。HSV在本次融合中表現(xiàn)不佳。

表2 異源組ZY-3_MS與GF-1_PAN影像五種融合算法客觀指標評價

6 結(jié)論

針對同源與異源遙感影像融合進行實驗，波段顯示為3,2,1真彩色RGB顯示，在對數(shù)據(jù)進行幾何校正、裁剪、配準、重采樣、波段組合、勻色等預(yù)處理后，采用Brovey變換、HSV變換、Gram Schmidt、最近鄰域全色變換、PC Spectral銳化等融合方法對影像進行融合，通過對融合影像進行定量與定性評價，得到以下結(jié)論：

（1）對于同源高分一號和資源三號影像中，表現(xiàn)較為優(yōu)異的是Gram Schmidt和PC Spectral銳化方法。影像信息量豐富，細節(jié)紋理表現(xiàn)最好。清晰度也最高。

（2）對于異源影像融合中，表現(xiàn)最好的方法是PC Spectral銳化，影像清晰，信息量豐富，很好的繼承了多光譜波段的光譜特性和全色波段的空間信息。

實驗影像只選擇包含建筑區(qū)較多的區(qū)域，由于實驗區(qū)域存在差別可能導(dǎo)致融合方法具有不適普性，在后續(xù)研究中可以嘗試選擇包含多種地物類型的遙感影像進行融合實驗，充分判斷融合方法的可靠性，以期能夠找出效果提升更好的方法，為后續(xù)圖像處理其他方向做好融合基礎(chǔ)。