基于礦區(qū)生態(tài)監(jiān)測的資源三號衛(wèi)星影像融合方法比較研究

付麗強張建國賈蓉張紹良

(1.中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院,江蘇徐州 221116;2.山西省晉中市國土資源局,山西晉中 030600; 3.有色金屬礦產(chǎn)地質(zhì)調(diào)查中心,北京 100014)

基于礦區(qū)生態(tài)監(jiān)測的資源三號衛(wèi)星影像融合方法比較研究

付麗強1,2張建國3賈蓉1張紹良1

(1.中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院,江蘇徐州 221116;2.山西省晉中市國土資源局,山西晉中 030600; 3.有色金屬礦產(chǎn)地質(zhì)調(diào)查中心,北京 100014)

遙感技術(shù)的發(fā)展為解決礦區(qū)生態(tài)監(jiān)測問題提供了新的研究思路,實時高效的監(jiān)控需求也對數(shù)據(jù)源提出了基本要求。以甘肅兩當(dāng)縣為例,以“資源三號”影像為實驗數(shù)據(jù),采用基于主成分分析、小波變換、PANSHARP的影像融合方法,通過計算亮度信息、清晰度、灰度值、標(biāo)準(zhǔn)差、信息熵等定量評價參數(shù),對融合結(jié)果進(jìn)行目視和定量的評價。結(jié)果表明,PANSHARP法較其他兩種方法更適用于礦區(qū)生態(tài)監(jiān)測。

資源三號衛(wèi)星 融合影像質(zhì)量評價 礦區(qū)生態(tài)監(jiān)測

1 引言

圖1 影像數(shù)據(jù)融合界面圖Fig.1 Surface chart of image fusion

圖2 小波變換融合算法流程圖Fig.2 Flowchart of the image fusion algorithms based on wavelet transform

圖3 PANSHARP融合法界面圖Fig.3 Surface chart of the image fusion algorithms based on PANSHARP transform

礦產(chǎn)資源的開發(fā)帶動了社會經(jīng)濟(jì)的發(fā)展,隨之而來的生態(tài)問題也日益凸顯,科學(xué)有效的監(jiān)管礦區(qū)生態(tài)環(huán)境對礦產(chǎn)資源管理提出了嚴(yán)峻的挑戰(zhàn)。遙感技術(shù)的發(fā)展為解決這一難題提供了思路,綜合信息量大、監(jiān)測周期短、范圍廣等優(yōu)點的高分辨率遙感數(shù)據(jù)為實時、高效監(jiān)測提供了可能[1]。為了提高數(shù)據(jù)源的監(jiān)測精度,越來越多的學(xué)者嘗試采用不同的方法處理影像,以求達(dá)到所需的精度,但現(xiàn)階段的研究中,大多傾向于使用外國的高分辨率衛(wèi)星數(shù)據(jù),對國產(chǎn)數(shù)據(jù)的應(yīng)用研究不夠。開展適合“資源三號”衛(wèi)星在礦區(qū)生態(tài)監(jiān)測中的應(yīng)用,是提高我國遙感數(shù)據(jù)利用率的研究內(nèi)容之一。 在衛(wèi)星影像利用過程中,高分辨率全色影像包含詳細(xì)的地物細(xì)節(jié)信息,反映影像的空間結(jié)構(gòu);而低分辨率多光譜影像光譜信息豐富,反映各種地物的光譜差異,有利于對地物的解譯、分類與識別,通過一定的算法把各影像數(shù)據(jù)中所包含的的信息優(yōu)勢有機地結(jié)合起來,對于解決實時監(jiān)控具有重要的意義。因此,本文基于礦區(qū)生態(tài)監(jiān)測的需要,以“資源三號”衛(wèi)星數(shù)據(jù)為數(shù)據(jù)源,采用多種影像融合方法進(jìn)行融合,通過比較分析,尋求一種適用于礦區(qū)生態(tài)系統(tǒng)監(jiān)測的融合方法。

“資源三號”衛(wèi)星是一顆民用高分辨率立體測繪衛(wèi)星,主要用于測繪和資源調(diào)查利用,其搭載了一臺分辨率為2.1m的正視全色相機和一臺分辨率為5.8m的多光譜相機,經(jīng)過論證已與國際上數(shù)據(jù)應(yīng)用廣泛的先進(jìn)衛(wèi)星圖像質(zhì)量水平相當(dāng),這將非常有利于礦區(qū)生態(tài)監(jiān)測的影像判讀、特征提取和專題圖的制作與應(yīng)用。數(shù)據(jù)融合的目的在于綜合遙感影像全色波段的空間信息和多光譜波段的光譜信息,盡可能的減少信息損失而得到高分辨率和強特征顯示能力的影像。根據(jù)數(shù)據(jù)融合的層次不同而分為像元級融合、特征級融合和決策級融合,常見的融合方法有HIS融合、Brovey融合、主成分分析融合方法(PCA)、PANSHARP融合、Gram-Schmidt波譜銳化融合等,這些方法在非國產(chǎn)衛(wèi)星中已經(jīng)得到了一定的應(yīng)用。翁永玲等采用HIS、PCA和HPF3種融合算法對IKONOS全色和多光譜圖像進(jìn)行融合,從光譜特征、空間特征及融合前后影像的地物分類精度等方面分析了融合結(jié)果的質(zhì)量[2];費鮮蕓等應(yīng)用KT變換和PCA方法,對北京圓明園周圍的IKONOS全色波段和多光譜波段進(jìn)行融合,對整景影像和植被區(qū)的融合結(jié)果進(jìn)行了對比研究[3]。但對于“資源三號”衛(wèi)星的融合方法測試目前研究甚少。為此,本研究以“資源三號”數(shù)據(jù)為基礎(chǔ),采用主成分分析融合方法、基于小波變換的融合方法和PANSHARP融合方法等進(jìn)行融合實驗,并運用均值、標(biāo)準(zhǔn)差和熵值等參量對融合效果進(jìn)行評價。

表1 三種融合方法數(shù)據(jù)結(jié)果比較Table1 Comparison of the three fusion methods

2 礦區(qū)生態(tài)遙感監(jiān)測對影像的基本要求

礦區(qū)生態(tài)監(jiān)測的實質(zhì)即分析不同時期由于礦業(yè)活動造成的地表生態(tài)擾動,并從中提取變化信息已達(dá)到監(jiān)測的目的。遙感技術(shù)支持下的監(jiān)測強調(diào)采用不同時期的遙感影像,宏觀、真實、全面的對礦山的開發(fā)狀況及引發(fā)的環(huán)境變化等進(jìn)行全面監(jiān)查。從上世紀(jì)六十年代開始,這項工作已在歐美等發(fā)達(dá)國家得到極大的開展[4];我國的生態(tài)監(jiān)測工作起步交往,但發(fā)展勢頭良好,現(xiàn)階段圍繞當(dāng)前經(jīng)濟(jì)建設(shè)的熱點地區(qū)礦區(qū)秩序混亂、亂采濫挖現(xiàn)象嚴(yán)重,生態(tài)環(huán)境破壞嚴(yán)重或災(zāi)害多發(fā)的情況,全國集中開展了重點礦區(qū)專項整治工作,在資源環(huán)境調(diào)查和災(zāi)害監(jiān)測方面取得一些成果[5]。

在總結(jié)現(xiàn)有研究成果的基礎(chǔ)上,針對礦山環(huán)境和礦產(chǎn)資源開發(fā)的具體情況,總結(jié)現(xiàn)階段礦區(qū)生態(tài)監(jiān)測對影像的要求包括:(1)較高的分辨率。由于礦區(qū)監(jiān)測的特殊要求,其在應(yīng)用過程中往往反應(yīng)地裂縫、塌陷坑、地面沉陷等形變特征,高分辨率影像有助于發(fā)現(xiàn)和研究存在或潛在的采礦擾動情況;(2)較高的時效性。高時效的影像能夠保證提供面域的周期性的信息,有利于提高研究成果的精度和效率;(3)光譜的多樣性。變異影像、植被指數(shù)、特征增強等傳統(tǒng)監(jiān)測礦區(qū)生態(tài)技術(shù)均依賴于多光譜數(shù)據(jù),波段的多樣性有助于揭示擾動帶來的信息變化。“資源三號”衛(wèi)星具備以上條件,滿足礦區(qū)生態(tài)監(jiān)測的影像要求。

圖4 三種融合方法融合效果圖Fig.4 Images based on the three fusion methods

3 多源遙感影像融合方法

影像融合是對處理后的圖像數(shù)據(jù)按一定的算法進(jìn)行運算處理,目的是突出專題信息,提高圖像的解譯能力,通過刪除不必要的噪聲和邊緣清晰處理來改善圖像視覺判斷質(zhì)量。本文試比較主成分分析融合法、基于小波變換融合法、PANSHARP融合法三種方法在“資源三號”衛(wèi)星影像中的應(yīng)用,以期得到滿足于礦區(qū)生態(tài)監(jiān)測需要的融合方法。

3.1 主成分分析融合法

主成分分析融合法是一種基于統(tǒng)計分析的融合算法,通過K-L變換矩陣,將原有的多個變量轉(zhuǎn)化成少量個綜合指標(biāo)的統(tǒng)計分析方法,并采用新變量來表達(dá)信息。通過將多個波段的低分辨影像進(jìn)行主分量變換,將高空間分辨率影像灰度值進(jìn)行線性拉伸,使其灰度均值和方差與變換后多光譜分辨率的第一主分量影像一致,然后以拉伸過的高空間分辨率影像代替變換后多光譜低分辨率的第一主分量影像,并作逆主成分變換。將它與其余主分量還原到原始空間從而得到主成分分析融合圖像。其變換公式為:

式中,Y為變換產(chǎn)生的q個主成分像元值向量,X為原始圖像p波段像元值向量,q≤p,T為標(biāo)準(zhǔn)變換矩陣,由X的協(xié)方差矩陣∑x計算得出。主成分分析融合法應(yīng)用較為廣泛,多數(shù)圖像處理軟件上都有,文章采用ERDAS9.2對影像進(jìn)行主成分分析,界面圖1所示。

3.2 基于小波變換的融合方法

基于小波變換的融合方法是建立在遙感影像的頻域分析基礎(chǔ)上，由于傳感器精度的限制，一般信號由離散的多個小波組成，這些小波具有不同的頻率域特征,通過平移組合形成了小波函數(shù)庫，通過對函數(shù)庫中區(qū)間的變換可以對感興趣的頻率域進(jìn)行放大，以提取包含信息量的有效波段。在實際處理過程中，通過對圖像進(jìn)行分解，選取高頻、低頻重新組合，通過小波變換得到融合圖像。算法流程如圖2所示，融合平臺應(yīng)用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一種基于統(tǒng)計原理的融合方法,該方法是基于最小二乘法計算原多光譜影像和原全色影像之間的灰度值關(guān)系。它是通過調(diào)整單個波段的灰度分布來減少融合結(jié)果的顏色偏差,采用最小方差技術(shù)對參與融合波段的灰度值進(jìn)行最佳匹配,通過統(tǒng)計數(shù)值尋求最好的近似值,來消除融合結(jié)果對數(shù)據(jù)集的依賴性,并提高融合過程的自動化程度。

PCI9.1軟件進(jìn)行PANSHARP融合較為方便,在“運算法則庫管理器”里找到PANSHARP工具,輸入相應(yīng)波段即可,界面如圖3。

4 實驗與分析

實驗數(shù)據(jù)為2012年12月甘肅兩當(dāng)某地的“資源三號”衛(wèi)星影像,采用ERDAS提供的主成分分析融合法、小波變換融合法以及PCI提供的PANSHARP融合法。為比較不同融合方法的融合效果,文章裁剪部分影像進(jìn)行實驗,融合后影像輸出采用同一比例尺,圖4a為多光譜數(shù)據(jù),圖4b為全色數(shù)據(jù),用最鄰近法把多光譜影像采集到全色影像大小,各種方法融合的結(jié)果見圖4c～圖4e。

本文運用目視評價和定量評價兩種方法評價影像的融合效果,理想的融合效果應(yīng)該既有新信息的攝入,又有對源影像信息的保留和繼承,因此可以從光譜質(zhì)量和結(jié)構(gòu)信息兩個方面上評價。目視分析,融合后效果圖空間分辨能力均有了不同程度的提高,影像更加清晰,紋理更加突出,地物的細(xì)小空間特征得到加強,礦山建筑、道路和河流等地物輪廓都能分辨出來,但同時也存在著不同程度的光譜扭曲。主成分分析融合影像的光譜扭曲最嚴(yán)重,一些地物點的光譜特征和色調(diào)均發(fā)生了一定程度的偏差,小波方法要好于主成分分析發(fā),但也出現(xiàn)了光譜扭曲現(xiàn)象,如在圖中河流部分出現(xiàn)了明顯的鋸齒邊界,在部分山脊出現(xiàn)了方塊現(xiàn)象,光譜信息丟失。相比之下PANSHAPR融合法色彩保持更好,較好的減少了融合顏色偏差和對數(shù)據(jù)集的依賴性。

采用定量的方法進(jìn)行評價,通過計算影像融合后的灰度均值、標(biāo)準(zhǔn)差以及信息熵來定量評價可以有效的反映融合后空間細(xì)節(jié)信息與光譜信息的程度[6]?；叶戎翟浇咏庾V信息表明信息保存越好,標(biāo)準(zhǔn)差離散型越大表明地物可分性越大,信息熵則體現(xiàn)的是影像細(xì)節(jié)表現(xiàn)能力,熵值越大表明信息越豐富,融合效果越好。通過計算,運算結(jié)果詳見表1。

分析表1中數(shù)據(jù):灰度均值,PANSHARP融合方法灰度均值均為50左右,與原始影像光譜最為接近,PCA融合次之,小波變換融合較差。標(biāo)準(zhǔn)差,PANSHARP融合方法最大,PCA融合方法次之,小波變換融合最差,表明PANSHARP融合影像灰度離散效果最好。信息熵,PANSHARP融合方法熵值最大,是PCA融合法與小波變換變換相關(guān)不大,表明PANSHARP融合圖像的信息越豐富,細(xì)節(jié)表現(xiàn)能力更強。因此在目視評價和定量評價兩個方面可以看出,PANSHARP方法更優(yōu)于其他兩種方法,適用于“資源三號”衛(wèi)星在礦區(qū)生態(tài)監(jiān)測中的應(yīng)用。

5 結(jié)語

本文采用了傳統(tǒng)的3種影像融合方法對 “資源三號”的全色與多光譜影像進(jìn)行融合,通過對融合成果進(jìn)行對比分析,得出了較為適合試驗數(shù)據(jù)的融合方法。由于遙感圖像本身數(shù)據(jù)源的豐富性與應(yīng)用于礦區(qū)生態(tài)監(jiān)測的復(fù)雜性決定了影像融合試驗在實際應(yīng)用中,尚存在一些問題有待解決。雖然PANSHARP方法在試驗中影像最清晰,對空間信息的增強及光譜信息的保持能力好于其他兩種融合方法,但在一些細(xì)節(jié)的表示上,PANSHARP也存在著自身的問題。因此,在礦區(qū)生態(tài)監(jiān)測實際應(yīng)用中,如何用改進(jìn)的PANSHARP方法提高融合效果尚需進(jìn)一步深入研究。

[1]聶洪峰等.礦產(chǎn)資源開發(fā)遙感監(jiān)測技術(shù)問題與對策研究.國土資源遙感,2007.

[2]翁永玲等.IKONOS高分辨率遙感影像自身融合效果分析.東南大學(xué)學(xué)報(自然科學(xué)版),2004.

[3]費鮮蕓等.基于纓帽變換的IKONOS數(shù)據(jù)融合.計算機工程與應(yīng)用, 2008.

[4]Kavzoglu T, Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin,2011.

[5]王曉紅等.高分辨率衛(wèi)星數(shù)據(jù)在礦山開發(fā)狀況及環(huán)境監(jiān)測中的應(yīng)用效果比較.國土資源遙感,2004.

[6]張連蓬,林卉.高分辨率遙感影像融合及其質(zhì)量評價.工程勘察, 2009.