摘 要：【目的】探究不同影像融合方法對SPOT4全色影像和Landsat5 TM多光譜影像融合效果的影響?！痉椒ā坎捎?3種不同的影像融合算法開展融合試驗，并通過定性和定量分析的方式，對融合結(jié)果進行綜合評價分析?！窘Y(jié)果】結(jié)果表明，融合影像的信息熵相比原影像有所增強，RGB三通道的熵值分布更為均勻，主要集中在50～200之間。此外，不同地物類型對融合方法的效果產(chǎn)生了顯著影響。對于水體和植被，Brovey、HSV、IHS和EF方法展現(xiàn)出了良好的光譜保真性和細節(jié)增強能力，因此更適用于目視解譯。NND法在這些區(qū)域出現(xiàn)了輕微的光譜失真現(xiàn)象，導(dǎo)致其分類精度偏低?！窘Y(jié)論】針對不同傳感器的影像選擇適當(dāng)?shù)娜诤戏椒ǎ瑢τ谔岣哌b感影像的解譯精度和應(yīng)用價值具有重要意義。

關(guān)鍵詞：影像融合；質(zhì)量評價；SPOT4；Landsat5 TM

中圖分類號：P237" " "文獻標(biāo)志碼：A" " "文章編號：1003-5168（2024）14-0088-05

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.14.018

A Comparative Study on the Quality of Different Image Fusion Methods Based on SPOT4 and Landsat5 TM

Abstract： [Purposes] This paper aims to explore the influence of different image fusion methods on the fusion effect of SPOT4 panchromatic image and Landsat5 TM multispectral image. [Methods] Twelve different image fusion algorithms were used to carry out fusion experiments， and the fusion results were comprehensively evaluated and analyzed by visual interpretation and quantitative evaluation. [Findings] The research results show that the information entropy of the fused image is enhanced compared with the original image， and the entropy distribution of RGB three channels is more uniform， mainly concentrated in the range of 50～200. In addition， different types of features have a significant impact on the effect of the fusion method. For water and green vegetation areas， Brovey， HSV， IHS and EF methods show good spectral fidelity and detail enhancement ability， so they are more suitable for visual interpretation. However， the NND method has slight spectral distortion in these regions， which leads to its low classification accuracy. [Conclusions] To sum up， the selection of appropriate fusion methods for images from different sensors is of great significance to improve the interpretation accuracy and application value of remote sensing images.

Keywords： image fusion; quality evaluation; SPOT4; Landsat5 TM

0 引言

在遙感影像分析領(lǐng)域，提升影像質(zhì)量的關(guān)鍵手段之一在于將高光譜低空間分辨率的多光譜影像與低光譜高空間分辨率的全色影像進行有效融合。相比于原始影像，融合影像顯著提升了視覺效果［1-2］，有助于目視解譯及深入的地物分析。此外，影像融合技術(shù)還提高了影像的空間分辨率，在林業(yè)、農(nóng)業(yè)等領(lǐng)域應(yīng)用廣泛。鑒于不同傳感器具有獨特的成像特性，針對各種衛(wèi)星影像，融合方法的效果呈現(xiàn)出差異性。

近年來，董金芳等［3］針對資源一號02C衛(wèi)星的多光譜和全色影像，采用了包括PCA、GS、HSV和Brovey在內(nèi)的多種方法進行融合試驗，得出GS變換是資源一號02C衛(wèi)星影像融合的最優(yōu)方法。潘鑫等［4］對資源三號衛(wèi)星的不同場景影像進行了不同融合方法的對比試驗，并從光譜和空間特性兩個維度對融合效果進行了評估，深入探討了適用于資源三號衛(wèi)星不同場景下的融合策略。孫攀和熊德峰等［5-6］對GF-2全色和多光譜影像采用了5種常用方法進行融合處理，作了比較分析，得出適應(yīng)于GF-2的融合方法。這些研究均表明，針對不同場景，影像融合效果存在顯著差異，因此，在實際應(yīng)用中根據(jù)具體需求選擇最合適的融合方法［7-11］，可以有效提升遙感影像的質(zhì)量和應(yīng)用價值，為相關(guān)領(lǐng)域的決策和研究提供更為準確和全面的信息支持。

為探究不同影像融合方法對不同傳感器獲取的影像的效果，本研究選取13種不同的影像融合方法，對SOPT4和Langsat5 TM影像開展試驗，并采用定性和定量分析方法對融合結(jié)果進行綜合評價，以探究適合SOPT4和Langsat5 TM的融合模型。

1 數(shù)據(jù)源

1.1 數(shù)據(jù)來源

本次試驗數(shù)據(jù)為SPOT4衛(wèi)星10 m的全色波段影像和Landsat5 TM 30 m多光譜影像，用于不同傳感器的圖像融合，影像基本信息見表1。

1.2 數(shù)據(jù)預(yù)處理

考慮到影像配準精度對融合結(jié)果質(zhì)量的顯著影響，在融合處理之前，對SOPT4和Langsat5 TM進行精確的地理校正，確保配準誤差被嚴格控制在0.3個像元以內(nèi)，從而滿足像素級融合對數(shù)據(jù)精度的要求。經(jīng)過精確的配準后，多光譜影像與全色影像具有相同的地理空間信息，然后對影像做輻射定標(biāo)和大氣校正處理。

2 數(shù)據(jù)融合與質(zhì)量評價方法

2.1 影像融合方法

影像融合技術(shù)是將高光譜低空間分辨率的多光譜影像與低光譜高空間分辨率的全色影像重采樣得到一副兼具高光譜分辨率高空間分辨率的影像，為地物分類、城市規(guī)劃等提供更好的數(shù)據(jù)支撐。本研究所使用融合方法包括：CN（Energy Subdivision Transform）、Brovey、GS（Cram-Schmidt Pan Sharpenin）、HSV（Hue，Saturation Value）、NND（NNDiffuse Pan Sharpening）、PCA（Principal Component Analysis）、HPF（High-pass filter）、IHS（Intensity-Hue-Saturation）、WT（Wavelet Resolution Merge）、HCS（Hyperspherical Color Space）、RM（Resolution Merge）、PRM（Projective Resolution Merge）。

2.2 質(zhì)量評價方法

在評價不同方法的融合質(zhì)量時，需要對融合圖像本身的質(zhì)量進行深入且系統(tǒng)的定性和定量評價分析。在定性評價方面，以融合影像在視覺效果上的表現(xiàn)為主，通過直觀分析來評估其光譜保真度和空間紋理特征的優(yōu)劣。在定量評價方面，從多種維度進行全面評價，具體包括空間信息增強、光譜信息保持和綜合質(zhì)量。其中，空間信息增強通過計算信息熵和平均梯度來量化評估；光譜信息保持則利用光譜相關(guān)系數(shù)和均方根誤差來進行度量；綜合質(zhì)量采用通用圖像質(zhì)量指數(shù)來進行綜合評價。

信息熵（EN）反映像元在影像中的均勻分布程度，值越大，表示影像包含的信息量越多。二維熵反映灰度分布空間特征。相關(guān)系數(shù)（CC）越大，兩幅影像光譜特征越接近。平均梯度越大，圖像層次越豐富。標(biāo)準差反映圖像像素值與均值的離散程度。灰度均值反映了圖像的亮度，呈正比關(guān)系。

3 試驗結(jié)果與分析

3.1 定性評價

本研究以SOPT4和Langsat5 TM為試驗數(shù)據(jù)集，選取13種不同的融合算法進行對比試驗，為方便視覺比較，所有的影像都以RGB方式顯示，如圖1所示。以下僅針對本次試驗的數(shù)據(jù)結(jié)果進行評價。

由圖1可知，CN方法得到的影像效果最差，光譜信息損失嚴重，基本上辨別不出相關(guān)地物。GS、HPF、EF、PCA、WT、HCS等融合影像在去除多光譜影像的云層方面，效果相比其他方法較差，從左下角顯示的云層便可看出。Brovey、GS、HSV、NND、PCA、HIS、EF、PRM融合得到的影像能夠保留多光譜信息，顯示出真彩色影像，而HPF、WT、HPF、HCS、RM等融合方法得到的影像只能呈現(xiàn)出灰色，或是真彩色不明顯。EF和WT得到的影像，其光譜信息損失較為嚴重，地物識別不太明顯。PRM在水體和植被識別這塊較弱，可以看到有部分水體融合后顯示為植被，在這一點上，IHS比PRM要有優(yōu)勢。Brovey和HSV整體顯示效果差不多，但是在城市用地區(qū)域有差異。

經(jīng)過對不同融合影像的對比分析，可以觀察到PCA方法所得融合影像的顏色普遍偏淺，特別是在耕地部分，此現(xiàn)象尤為顯著。而NND方法雖然在整體影像效果上表現(xiàn)良好，但在耕地部分卻存在明顯的模糊現(xiàn)象，其對于細節(jié)信息的增強力度略顯不足。Brovey、HSV、GS在光譜保真方面表現(xiàn)較好，地物的細節(jié)信息也得到了增強。對于林地和水體，Brovey在林地區(qū)域的融合效果最出色，空間細節(jié)和光譜特征都得到了加強。盡管PCA方法在細節(jié)信息增強方面有所貢獻，但林地部分表現(xiàn)較差。NND方法存在光譜失真問題。對于水體，GS和HSV方法的效果最好，而PRM方法存在一定程度的色彩偏差。

3.2 定量評價

由于CN和EF方法融合得到的影像，效果與其他方法差異性較大，與預(yù)期很不符合，定量分析階段，不再對這兩幅影像進行評價。計算融合影像的一維信息熵、二維信息熵、平均梯度、標(biāo)準差和灰度均值的值，進行標(biāo)準化及可視化處理，如圖2所示。

由圖2（a）可知，HSV一維信息熵最大，為7.643，其二維熵為5.365，HSV融合影像事物相比其他影像具有不確定性較大，所表現(xiàn)的事物較為復(fù)雜。除了HPF、WT、HCS、RM融合影像一維信息熵小于7之外，其他方法的一維信息熵都大于7，并且相差不大，表明這幾種融合方法所表現(xiàn)的地物復(fù)雜度大體相同，在細節(jié)方面有略微差異。WT和RM影像的平均梯度都為0.030 7，表明這兩種融合方法的圖像層次最豐富，變化最多，圖像最清晰。融合影像的平均梯度均大于0.007，相比原影像，平均梯度的增加，說明其他融合方法得到的影像在原有的基礎(chǔ)上得到了增強，更能清楚地表達地物。多光譜影像標(biāo)準差為77.178，全色影像的標(biāo)準差為32.423，各方法融合影像的標(biāo)準差介于32和77之間，WT方法的標(biāo)準差最大為75.461，HPF方法最小為49.277，表明WT圖像質(zhì)量在這些方法中最好，HPF最差。與WT比較接近的是HSV和RM，相差10左右，大部分影像質(zhì)量都較好?；叶染底畲笫荋PF，為167.526，說明該方法的融合影像亮度最大；HCS的灰度均值最小為77.531，亮度最小；除了HSV、PRM小于100外，其他方法均大于100。

由圖2（b）可知，各個方法融合影像的RGB通道的熵均為等分狀態(tài)，熵值介于5和7之間，原多光譜影像和全色影像的三個通道的熵值分別處于2.88和5.95左右，HSV、PCA、WT和PRM的熵值均大于5.95，比全色影像熵值大。GS、HSV、NND、PCA、HIS、RM的融合影像RGB處于50～200區(qū)間中間高兩邊底的分布狀態(tài)，大體相同；Brovey的分布雖與前作相同，但是呈現(xiàn)稀疏狀；HPF則集中分布在120～220之間，而HCS集中分布于0～150之間；WT的分布與其他都不相同，只在0～20和150～200之間略有凸起。結(jié)合多光譜影像和全色影像來看，不同的融合方法將多光譜影像的信息融合到全色影像中所呈現(xiàn)的RGB分布概率有所差異，但是大部分方法都將RGB分配在50～200之間，概率分布曲線的分布不同，影像所呈現(xiàn)的效果也不同。

4 結(jié)論

本研究基于SPOT4全色影像和Landsat5 TM多光譜影像，采用13種影像融合方法對開展融合試驗，并從定性和定量兩方面對結(jié)果進行分析，得出以下結(jié)論。

①在圖像融合質(zhì)量方面，HIS、Brovey和HSV融合方法得到的影像能夠較為真實地反映原有地物信息，光譜損失較小，在地物細節(jié)處理方面相較于其他方法較好。

②CN方法不適應(yīng)于本次試驗的數(shù)據(jù)，得到影像光譜信息損失嚴重；雖然EF方法得到的整體效果不好，但是單獨水體可以得到突出的顯示。

③大部分融合方法得到的影像，信息熵都會有所提高；RGB三通道的分布大多分布在50～200之間，其各通道的熵值呈均分態(tài)勢。

④在實際應(yīng)用中，應(yīng)根據(jù)傳感器類型，選擇合適的融合模型。Brovey、HSV和IHS可以提取水體，Brovey、GS和HSV方法適宜提取林地，NND、GS和PRM方法適宜提取裸地，PRM和IHS方法適宜提取建設(shè)用地。

參考文獻：

［1］ LIANG L J， HUANG W L ， ZHANG R Y， et al. Sentinel-2Satellitel Image Fusion Method and Quality Evaluation Analysis［J］. Remote Sensing Technology and Application， 2019， 34（3）： 612-621.

［2］SELVA MAIAZZI B，BUTERA F，et al.Hyper-sharpening： a first approach on sim-ga data［J］.IEEE journal of selected topics in applied earth observations and remote sensing，2015，8（6）：3008-3024.

［3］董金芳，袁媛，高蓓，等.資源一號02C星遙感影像融合分析［J］. 地理空間信息，2015，13（1）：36-38.

［4］潘鑫，楊英寶，張竹林，等.資源三號衛(wèi)星影像融合方法的比較與評價［J］. 地理空間信息，2014，12（5）：59-61，9.

［5］孫攀，董玉森，陳偉濤，等.高分二號衛(wèi)星影像融合及質(zhì)量評價［J］. 國土資源遙感，2016， 28 （4）：108-113.

［6］熊德峰. 高分二號衛(wèi)星影像融合方法探析［J］. 測繪與空間地理信息， 2016， 39（9）： 102-104，108.

［7］HARDIE R C， EISMANN M T， WILSON G L. Map estimation for hyperspectral image resolution enhancement using an auxiliary sensor ［J］. IEEE Transactions on Image Processing， 2004，13（9）：1174-1184.

［8］ 胡洋，習(xí)曉環(huán)，王成，等.Pléiades衛(wèi)星影像融合方法與質(zhì)量評價［J］.遙感技術(shù)與應(yīng)用，2014，29（3） ：476-481.

［9］ 鄭中，祁元，張金龍.基于光譜角和光譜距離評價指標(biāo)的遙感影像融合方法比較研究：以QuickBird數(shù)據(jù)為例［J］.遙感技術(shù)與應(yīng)用，2013，28（3）：437-443.

［10］劉錕， 付晶瑩， 李飛.高分一號衛(wèi)星4種融合方法評價［J］.遙感技術(shù)與應(yīng)用， 2015 ，30（5）： 980-986.

［11］WANG Z， BOVIK A C. A universal image quality index［J］.IEEE Signal Processing Letters，2002，9（3）：81-84.