基于NSCT的SAR和多光譜圖像融合

■王毅 黃同新

（河南省航空物探遙感中心 河南鄭州 450053）

基于NSCT的SAR和多光譜圖像融合

■王毅 黃同新

（河南省航空物探遙感中心 河南鄭州 450053）

圖像融合技術(shù)是圖像處理和計算機(jī)視覺領(lǐng)域一項重要的技術(shù)。在遙感領(lǐng)域，圖像融合能夠?qū)崿F(xiàn)不同傳感器，不同尺度信息源的結(jié)合，能夠提供比單一信息源更為豐富的信息。SAR影像紋理信息豐富，具有一定的穿透性，能夠提供普通全色影像沒有的信息。通過SAR影像和多光譜影像的融合，能夠提高圖像空間分辨率和光譜分辨率。

SAR影響去噪圖像融合非向下采樣Contourlet變換

1 SAR影像融合起源與發(fā)展

1.1 影像融合起源

圖像融合（Image Fusion）是指將多源信道所采集到的關(guān)于同一目標(biāo)的圖像數(shù)據(jù)經(jīng)過圖像處理和計算機(jī)技術(shù)等，最大限度的提取各自信道中的有利信息，最后綜合成高質(zhì)量的圖像，以提高圖像信息的利用率、改善計算機(jī)解譯精度和可靠性、提升原始圖像的空間分辨率和光譜分辨率。

早在上世紀(jì)70年代，Daily等人首次把雷達(dá)影像和Landsat-MSS圖像進(jìn)行復(fù)合應(yīng)用到地質(zhì)解釋。把兩幅不同傳感器采集的圖像進(jìn)行融合得到一幅圖像的處理過程，這就是圖像融合技術(shù)的起源。80年代中后期，影像融合技術(shù)逐漸被用于多光譜圖像的分析和處理。自90年代至今，多源影像融合技術(shù)逐漸成為在遙感、軍事、醫(yī)學(xué)等多個領(lǐng)域的研究熱點。

1.2 SAR影像融合發(fā)展

SAR能夠獲取傳統(tǒng)光學(xué)傳感器不能獲取的地物微波信息，是一種微波數(shù)據(jù)源，已在地質(zhì)，水文，地質(zhì)勘探等領(lǐng)域發(fā)揮了重要的作用，很好地補(bǔ)充了傳統(tǒng)光學(xué)傳感器的不足。上世紀(jì)80年代開始，以空間域進(jìn)行濾波的算法對相干波噪聲進(jìn)行抑制，隨著小波變換的提出，SAR影像噪聲能夠被一定程度上抑制，加之合成孔徑雷達(dá)的性能提高，雷達(dá)影像的空間分辨率不斷提升，SAR影像與多光譜影像的融合逐漸成為研究熱點。自2000年以來，Contourlet變換及其改進(jìn)算法的提出又彌補(bǔ)了小波變換的不足，將Contourlet變換用于SAR影像的去噪和融合相關(guān)的算法也越來越多。

2 非向下采樣Contourlet變換原理

Contourlet變換優(yōu)點具有良好的多尺度性，良好的空間域和頻率域局部特性和方向特性，相對于小波變換，能夠用更少的系數(shù)更精確的表現(xiàn)曲線的特征，被廣泛運(yùn)用到圖像處理中。但Contourlet進(jìn)行拉普拉斯金字塔分解時，存在降采樣模塊，Contourlet變換因此不具有平移不變性，會引起部分子帶信息的丟失，在奇異點處會發(fā)生偽吉布斯現(xiàn)象，影響影像融合質(zhì)量。而非向下采樣Contourlet變換（NSCT）去掉了LP和DFB中信號分析濾波后的下采樣和綜合濾波前的上采樣，具體方式是用非向下采樣塔式濾波器NSP代替了拉普拉斯金字塔對圖像進(jìn)行多尺度分解，用非向下采樣濾波器組NSDFB代替了方向濾波器組DFB對圖像進(jìn)行多方向分解。由于NSCT沒有執(zhí)行Contourlet變換中的下采樣操作，所有子帶和源圖像大小都相同，具有平移不變性，因此能夠更好地表示圖像的特征。NSCT的濾波器組構(gòu)成如圖1所示。

3 SAR圖像斑點噪聲濾波算法

3.1 基于Contourlet變換的SAR影像濾波

由于處理二維信號時，小波變換方向性不足，而Contourlet變換作為一種多尺度，多方向性的變換方式，能夠更好地表示SAR影像的細(xì)節(jié)信息，能夠更加有效去除噪聲，保留圖像的邊緣信息。與小波變換類似，利用Contourlet變換進(jìn)行SAR影像去噪的基本流程是：用類似小波變換的Contourlet分解，對SAR影像進(jìn)行多尺度多方向分解，將圖像分解為低頻系數(shù)和高頻系數(shù)。利用Contourlet第一層高頻子帶系數(shù)，計算第一層高頻子帶的噪聲標(biāo)準(zhǔn)差δ，以每一層閾值作為硬閾值函數(shù)，對絕對值小于閾值的Contourlet系數(shù)歸零，大于閾值的系數(shù)進(jìn)行保留。對處理后的Contourlet系數(shù)進(jìn)行Contourlet逆變換，得到去噪后SAR圖像。這種方法能夠很好地保持圖像的邊緣特征，但是由于選取的閾值函數(shù)結(jié)構(gòu)，函數(shù)存在不連續(xù)性，會導(dǎo)致一定程度上的圖像模糊。

圖1 非向下采樣Contourlet變換濾波器組結(jié)構(gòu)

3.2 基于NSCT變換的影像濾波

非向下采樣Contourlet變換與Contourlet變換類似，都是利用類似于線段的基結(jié)構(gòu)對圖像進(jìn)行逼近，再對影像進(jìn)行多層次和多方向分解，不同點在于NSCT移除了下采樣操作，利用更多的系數(shù)換取圖像去噪過程中需要的平移不變性。由于SAR影像的斑點噪聲為乘性噪聲，而NSCT去噪方法一般是針對加性噪聲進(jìn)行濾波。首先通過對圖像進(jìn)行數(shù)處理將噪聲轉(zhuǎn)變?yōu)榧有栽肼暎瑥亩ＷCNSCT變換能夠取得較好地去噪效果。其次，通過NSCT變換后，圖像被分解為一個低頻分量和多個高頻分量，由于噪聲集中在高頻區(qū)域，而低頻區(qū)域主要表現(xiàn)圖像的輪廓信息，因此針對高頻分量進(jìn)行噪聲抑制即可，從而減少了算法的冗余度。

為比較幾種算法在SAR影像圖像去噪中的實際效果，對以下幾個區(qū)域的影像進(jìn)行簡單的比對。

圖2 各種濾波算法濾波后效果圖

NSCT濾波方式能夠保持圖像的亮度信息，并且在均質(zhì)區(qū)域和邊緣區(qū)域濾波均有較好的效果，這一點在圖像中的河流區(qū)域和農(nóng)田區(qū)域體現(xiàn)的尤為明顯。

河流區(qū)域?qū)Ρ葓D：

圖3 各種濾波算法在河流區(qū)域效果對比圖

由圖3目視判讀可知，與相比其他方法，本文采用的濾波方式確實能夠較好抑制均質(zhì)區(qū)域噪聲，小波濾波和NSCT濾波同為頻率域，也能夠完成對SAR影像的濾波，但是犧牲空間分辨率過大。

農(nóng)田區(qū)域?qū)Ρ葓D：

圖4 各種濾波算法在農(nóng)田區(qū)域效果對比圖

在對農(nóng)田等細(xì)節(jié)信息較為明顯的區(qū)域進(jìn)行濾波時，本算法雖然一定程度上削弱了細(xì)節(jié)信息，但是相比傳統(tǒng)數(shù)字圖像處理方式，能夠保持原圖像的灰度信息，相比同為頻率域濾波的小波濾波，能夠更好地去除異質(zhì)區(qū)域噪聲。

4 基于HIS變換和NSCT變換結(jié)合的SAR影像和多光譜影像融合方法

4.1 低頻融合規(guī)則由于成像原理的不同，多光譜影像的對地物的可見光信息采集

更多，而SAR影像具有的穿透性和波長導(dǎo)致使能夠更好反映地物的微波反射信息。單一的使用權(quán)值或替代，都是基于圖像頻率域能量信息作為根據(jù)進(jìn)行圖像融合，都無法最大化保證圖像融合后的信息能被最大保留。而基于遺傳算法的魚群算法，選擇自適應(yīng)權(quán)值參數(shù)對圖像的低頻信息進(jìn)行處理。

4.2 高頻融合規(guī)則

高頻分量包含了圖像的細(xì)節(jié)信息和邊緣信息，系數(shù)絕對值較大的部分，對應(yīng)該方向區(qū)間的直線，邊緣，區(qū)域邊界等顯著特征，能夠很好地顯示圖像本身的結(jié)構(gòu)信息。由NSCT變換圖可知，對圖像進(jìn)行NSCT金字塔分解的最高尺度，即圖像的最高分解層上，圖像細(xì)節(jié)信息相對更加獨立，因而直接采用對各方向NSCT系數(shù)絕對值進(jìn)行比較，兩幅圖像中絕對值系數(shù)大的高頻系數(shù)，融合后高頻系數(shù)。圖像在最高分解尺度上，高頻系數(shù)的融合規(guī)則采用基于區(qū)域能量特征和投票法的結(jié)合方法對分解層進(jìn)行融合。

5 結(jié)束語

數(shù)字圖像融合技術(shù)在遙感、自動目標(biāo)識別及軍事指揮等領(lǐng)域發(fā)揮著越來越重要的作用。本文提出的基于NSCT的SAR和多光譜圖像合技技術(shù)方法，能有效的能有效的提取圖像的邊緣特征信息，獲取高質(zhì)量的融合圖像。該方法適用于對圖像質(zhì)量要求較高的場合，如遙感監(jiān)測、激光制導(dǎo)及軍事偵察等，為適應(yīng)復(fù)雜環(huán)境下全天候作業(yè)需求提供了技術(shù)保障。

[1]王楠，遙感圖像融合算法研究， [D]，北京，北京化工大學(xué)，2004

[2]孫家炳，遙感原理與應(yīng)用，武漢，武漢大學(xué)出版社，2009.

[3]李曉鈴，基于TerraSAR_X和CBERS影像融合的水體信息自動提取研究 [D]西南交通大學(xué)2007.

[4]徐青，張艷等.遙感影像融合與分辨率增強(qiáng)技術(shù) [M].科學(xué)出版社.2007.

[5]張強(qiáng).基于非采樣Contourlet變換的遙感圖像融合算法 [J].光學(xué)學(xué)報。2008，1，28（1）：74-75.

P62[文獻(xiàn)碼]B

1000-405X（2015）-10-192-3

王毅，男，2006年畢業(yè)于解放軍信息工程大學(xué)遙感科學(xué)與技術(shù)專業(yè)，研究方向為測繪管理。