遙感影像融合方法分析

摘 要：遙感影像的融合是對來自同一區(qū)域的多源圖像數(shù)據(jù)進行綜合處理，以獲得對該區(qū)域更為準確、全面、可靠的影像描述。由于遙感影像融合的這一特點，使得這一技術在遙感中有著很重要的作用，這一技術也成為近幾年國際遙感界的研究熱點。本文研究了目前學術界提出的幾種較為流行的影像融合算法，對它們的特點進行了分析，同時給出了影像融合的效果的評價準則。

關鍵詞：遙感；影像；融合

引 言

隨著遙感技術的發(fā)展，各種各樣的傳感器也不斷出現(xiàn)，對于同一地區(qū)，我們可以得到用不同傳感器獲取的不同尺度、不同時相特別是不同光譜信息的遙感影像數(shù)據(jù)。不同源的數(shù)據(jù)反映了區(qū)域的不同方面的特征，如何合理的綜合利用這些多源數(shù)據(jù)，對于遙感應用十分關鍵。顯然，影像融合為我們提供了一個很好的途徑。影像融合就是將不同源的數(shù)據(jù)配準后變換到同一尺度、同一坐標系，然后采用一定的融合方法將各種數(shù)據(jù)的信息充分的結合起來，產(chǎn)生一種更適合應用的影像數(shù)據(jù)的新技術。

圖像融合一般分為三個層次：①像素級融合。像素級融合也稱數(shù)據(jù)級融合，是指對傳感器采集來的數(shù)據(jù)進行采集、分析和處理，生成目標特征而獲得融合圖像；②特征級融合。是指對預處理和特征提取后獲得的景物信息如邊緣、形狀、輪廓、方向、區(qū)域和距離等信息進行綜合與處理；③決策級融合。是指根據(jù)一定的準則以及每個決策的可信度作出最優(yōu)決策，數(shù)據(jù)融合的容錯能力即由此而來。

圖像融合的算法有很多，傳統(tǒng)的算法主要有：HIS變換的融合、小波變換融合、主成分變換融合、高通濾波變換法、比值運算法、Brovey變換法等等，最近也提出了一些新的或改進型的圖像融合算法，比如Contourlet變換融合、基于HSV變換與atrous變換的圖像融合、一種基于最大區(qū)域熵值的圖像融合方法、基于小波包的融合等等。下面本文將對其中一些算法進行介紹并分析。

1 目前較為流行的影像融合算法分析

1.1 小波變換法

1.2 Brovey變換法

Brovery變換（Brovery Transform，BT）：是一種用來對來自不同傳感器的數(shù)據(jù)進行融合的較為簡單的融合方法，該方法將多光譜各波段進行歸一化，然后將高分辨率全色影像與歸一化后的各波段相乘得到融合后的影像。其計算公式為：

R=pan×band3/（band1+band2+band3）

G=pan×band2/（band1+band2+band3）

B=pan×band1/（band1+band2+band3）

式中：pan表示高分辨率全色影像，band1、band2、band3表示多光譜的3個波段。

1.3 主成分變換

主成分分析，又稱K-L變換法，它的幾何意義是把原始特征空間的特征軸旋轉到平行于混合集群結構軸的方向去，得到新的特征軸。PCA變換的具體步驟：多光譜波段經(jīng)過PCA變換后，將全色高分辨率影像進行灰度拉伸，使其均值和方差與PCA變換的第一分量的影像一致；然后用拉伸過的高分辨率全色影像代替第一分量；最后經(jīng)過PCA逆變換得到融合影像。

實際操作是將原來的各個因素指標（這些指標中部分有相關關系）重新組合，組合后的新指標是互不相關的。在由這些新指標組成的新特征軸中，只用前幾個分量圖像就能完全表征原始集群的有效信息，圖像中彼此相關的數(shù)據(jù)被壓縮，而特征得到了突出，此方法在對于具有相關因子的多源遙感數(shù)據(jù)進行融合時具有顯著優(yōu)勢。該方法的局限性在于：①圖像在做主成分分析時，第一分量的信息表達的是原各波段中信息的共同變換部分，其與高分辨率圖像中細節(jié)變化的含義略有不同。高分辨率圖像經(jīng)過拉伸后雖然與第一分量具有高相似性，但融合后的圖像在空間分辨率和光譜分辨率上會有所變化；②由于光譜信息的變化，使融合圖像不能用于地物識別和反演工作，但是它可以改進目視判讀的效果提高分類制圖的精度。

1.4 高通濾波變換法

高通濾波（High-PassFilter，HPF）方法是把高分辨率影像進行傅立葉變換從空間域轉換到頻率域，然后在頻率域內(nèi)對傅立葉圖像進行高通濾波，獲取圖像的高頻分量，將高頻部分融合到多光譜圖像中，以突出細節(jié)部分，獲取最后融合圖像。此方法雖然有效地保留了原多光譜信息，卻在對高分辨率波段影像濾波時濾掉的大部分紋理信息。高通濾波法融合流程如圖1所示。

1.5 小波變換

小波變換（Wavelettransform，WT）首先對參與融合的遙感圖像數(shù)據(jù)進行小波正變換，將圖像分解為高頻信息和低頻信息。分別抽取來自高空間分辨率影像分解后的高頻信息和低空間分辨率的低頻信息進行小波逆變換，生成融合圖像。小波變換的圖像融合算法流程如圖2所示。

遙感影像的信息融合方法，如主成分分析和基于IHS變換等，均存在原有分辨率的影像光譜信息部分丟失的問題。而小波變換可對多個波段的影像信息融合，既能充分利用高分辨率影像的空間信息，又能保持低分辨率影像的光譜信息的最大完整性，這也是當前遙感影像融合技術研究的主要目標。

小波變換應用于影像融合的優(yōu)勢在于它可以將影像分解到不同的頻率域，在不同的頻率域運用不同的融合規(guī)則，得到融合影像的多分辨分解，從而在融合影像中保留原影像在不同頻率域的顯著特征。但小波變換進行融合也有兩個缺點：一是小波變換進行融合容易產(chǎn)生較為明顯的分塊效應；二是直接用低分辨率影像的低頻部分去替代高分辨率影像的低頻部分，這樣在一定程度上損失了高分辨率影像的細節(jié)信息。改進小波變換的缺點，成為現(xiàn)在研究的熱點之一。近年來出現(xiàn)了一些改進的小波變換算法。

文獻[3]采用了一種基于離散小波變換的新融合算法：首先，采用小波多分辨分析和馬拉特快速算法，將原始圖像分解成近似圖像和細節(jié)圖像，然后在各層的特征域上進行有針對性的融合，最后通過小波逆變換完成圖像重建。

文獻[2]提出了一種將小波變換和MNF變換結合的遙感影像融合的方法。

文獻[1]提出了一種基于正交小波包的局域方差遙感圖像融合新算法.該算法利用正交小波包變換，把圖像分解成不同尺度的低頻和高頻部分，采用小波包局域窗口和子區(qū)域窗口統(tǒng)計，把小波包系數(shù)分類成邊緣和非邊緣系數(shù).在融合處理中，把低頻圖像的小波包系數(shù)平均值作為融合后的低頻系數(shù)，高頻細節(jié)系數(shù)根據(jù)不同區(qū)域特征選擇方法以及對應圖像小波包系數(shù)的多窗口區(qū)域方差，來確定融合后高頻小波包系數(shù)。

2 影像融合的評價準則

融合影像的整體質(zhì)量評價指標主要有：平均梯度、熵、相關系數(shù)以及UIQI（Universal Image QualityIndex）指標等。

2.1 平均梯度

平均梯度g的大小可敏感地反映影像表達微小細節(jié)反差的能力。其計算公式為：

g=■■■2

一般來說，g越大，表明影像越清晰。因此可以用來評價融合影像和原影像在微小細節(jié)表達能力上的差異。

2.2 相關系數(shù)

相關系數(shù)反應了兩幅影像的相關程度，也反映了影像融合前后的改變程度，其定義如下：

ρ=■

其中F為融合生成圖像的灰度值，f為融合圖像的均值；A為源圖像灰度值，a為源圖像的均值。

2.3 UIQI

Zhou Wang等在文獻[4]中提出了一種新的影像質(zhì)量評價指標UIQI（Universal Image Quality Index）。假設x={xi│i=1，2，…，N}和y={yi│i=1，2，…，N}分別為原始影像和待評價影像的信號。文中定義的圖像質(zhì)量評價指標為：

Q=■

其中：

■=■■x■，■=■■y■，σ■■=■■（x■-■）■，σ■■=■■（y■-■）■

σ■=■■（x■-■）（y■-■）

在實際應用中，采用局部評價的策略。首先選定B×B大小的窗口，從左上角開始逐像素移動，每一步按照上面的方法可以計算得到一個Qj，假設共移動了M步，則按下面的公式就可計算得到一個圖像質(zhì)量評價指標Q：

Q=■■Qj

此即為UIQI。

參考文獻

[1]李慧，林克正.基于小波包的遙感圖像融合新算法[J].哈爾濱理工大學學報，2009，（14）：68～71.

[2]李海濤，顧海燕，林卉，韓顏順，楊景輝.基于小波變換和MNF變換的遙感影像融合[J].山東科技大學學報自然科學版，2007，（26）：56～60.

[3]許建平，張長江.一種基于離散小波變換的遙感圖像融合新算法[J].ComputerEra，2009，（5）：40～42.

[4]Zhou Wang，Student Member，IEEE，and Alan C. Bovik，F(xiàn)ellow，IEEE. AUniversal Image Quality Index. IEEE Signal Processing Letters， vol. 9，no. 3， pp. 81～84，2002.