WorldView-2遙感圖像融合新方法

李 旭，何明一，張 雷

?

WorldView-2遙感圖像融合新方法

李 旭1, 2，何明一1，張 雷2

(1. 西北工業(yè)大學(xué)電子信息學(xué)院 西安 710072; 2. 江蘇物聯(lián)網(wǎng)研究發(fā)展中心 江蘇無(wú)錫 214135)

新型高分辨率WorldView-2星載圖像的出現(xiàn)給現(xiàn)有的圖像融合技術(shù)帶來(lái)了更大的挑戰(zhàn)，該文提出了一種全色光和多光譜圖像融合新方法。首先采用最近鄰插值對(duì)多光譜圖像重采樣放大；然后結(jié)合WorldView-2各波段光譜響應(yīng)特點(diǎn)利用多元線性回歸構(gòu)造出低分辨率全色光圖像，通過(guò)對(duì)原始高分辨率全色光圖像空間細(xì)節(jié)信息的提取并將其注入至多光譜圖像的成分空間中；最后經(jīng)對(duì)應(yīng)分析反變換得到融合結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法在融合WorldView-2遙感圖像時(shí)能夠在提高空間分辨率和保持光譜信息兩方面達(dá)到較好的平衡，優(yōu)于現(xiàn)有的幾種融合方法。

對(duì)應(yīng)分析; 融合; 遙感圖像; 分辨率; 小波變換

遙感圖像融合是圖像融合的一個(gè)重要分支，針對(duì)全色光圖像與多光譜圖像的融合始終是遙感圖像處理領(lǐng)域的研究熱點(diǎn)。隨著傳感器技術(shù)的飛速發(fā)展，許多在軌衛(wèi)星，如SPOT、IKONOS、QuickBird等能夠同時(shí)提供高分辨率全色光圖像與多光譜圖像。通常，多光譜圖像包含多個(gè)波段，具有較高的光譜分辨率，但其空間分辨率相比于單波段全色光圖像較低。圖像融合技術(shù)就是利用高分辨率全色光圖像去提高多光譜圖像的空間分辨率。通過(guò)融合得到的具有高空間分辨率的多光譜圖像可用于諸如谷歌地球、城市規(guī)劃、高精度地物分類等眾多領(lǐng)域。

新型WorldView-2(WV-2)星載圖像代表了下一代超高分辨率遙感圖像的發(fā)展趨勢(shì)，同時(shí)也對(duì)現(xiàn)有的圖像融合方法提出了挑戰(zhàn)[1-2]。為了突破輸入波段數(shù)量的限制，文獻(xiàn)[3]提出了一種基于超球面彩色變換(hyperspherical color sharpening, HCS)的融合方法，將WV-2所有8波段多光譜數(shù)據(jù)一次性地從原始空間轉(zhuǎn)換到超球面彩色空間進(jìn)行處理。盡管該方法已成為ERDAS IMAGINE 2011商業(yè)軟件的模塊，但是其融合結(jié)果仍會(huì)出現(xiàn)明顯的光譜失真。文獻(xiàn)[4]提出一種帶有可調(diào)參數(shù)(adjustable pan-sharpening, APS)的圖像融合方法，以處理包含WV-2在內(nèi)的多種高分辨率遙感圖像。APS方法通過(guò)分析不同星載傳感器強(qiáng)度分量匹配關(guān)系，利用兩個(gè)可調(diào)參數(shù)整合了傳統(tǒng)的色度-強(qiáng)度-保和度(intensity-hue-saturation, HIS)、Bravery變換(Bravery transform, BT)以及光滑調(diào)制濾波(smoothing-filter-based intensity modulation, SFIM)融合方法，實(shí)現(xiàn)了在5種融合模式中的切換。文獻(xiàn)[5]利用WV-2多光譜數(shù)據(jù)地物分類的先驗(yàn)信息設(shè)計(jì)了一種基于廣義HIS(generalized HIS, GIHS)變換的融合方法，然而地物分類精度對(duì)融合質(zhì)量的影響并未展開討論。

本文針對(duì)WV-2傳感器各波段的光譜響應(yīng)特點(diǎn)，提出了一種基于對(duì)應(yīng)分析的融合新方法。利用多光譜和全色光波段間的相對(duì)光譜響應(yīng)關(guān)系構(gòu)造出合適的低分辨率全色光圖像，進(jìn)而提取出原始全色光圖像的空間細(xì)節(jié)信息，并注入至對(duì)應(yīng)分析變換的成分空間中，最終得到高質(zhì)量的融合結(jié)果。

1 WorldView-2遙感圖像

2009年10月8日發(fā)射升空的WV-2衛(wèi)星能夠同時(shí)提供8波段多光譜圖像(Band1=Coastal、Band2= Blue、Band3=Green、Band4=Yellow、Band5=Red、Band6=Red Edge、Band7=NIR1、Band8=NIR2)和單波段全色光圖像(panchromatic，PAN)。多光譜傳感器的光譜覆蓋范圍為400～1 050 nm，空間分辨率為1.84 m；全色光傳感器光譜范圍為450～800 nm，空間分辨率為0.46 m。其相對(duì)光譜響應(yīng)如圖1所示。

與QuickBird、IKONOS、GeoEye-1等高分辨率遙感圖像相比較：1) WV-2數(shù)據(jù)包含的多光譜波段劃分更細(xì)、通道數(shù)更多；2) 全色光波段的光譜覆蓋范圍變窄；3) 多光譜與全色光波段光譜響應(yīng)之間的匹配發(fā)生了明顯的變化，特別是Band1和Band8基本上在PAN波段光譜響應(yīng)之外。正是這些新特點(diǎn)給遙感圖像融合研究帶來(lái)了新的挑戰(zhàn)，現(xiàn)有的許多融合方法并不適合于WV-2遙感圖像，若直接套用，則會(huì)出現(xiàn)嚴(yán)重的光譜和空間信息失真現(xiàn)象。

圖1 WV-2傳感器相對(duì)光譜響應(yīng)

2 對(duì)應(yīng)分析變換

對(duì)應(yīng)分析(correspondence analysis, CA)是近年來(lái)發(fā)展起來(lái)的一種多元相依變量統(tǒng)計(jì)分析技術(shù)，通過(guò)分析由定性變量構(gòu)成的數(shù)據(jù)列聯(lián)表來(lái)揭示同一變量的各個(gè)類別之間的差異，以及不同變量各個(gè)類別之間的對(duì)應(yīng)關(guān)系。若數(shù)據(jù)列聯(lián)表中的元素是同源的且非負(fù)，那么也可以用對(duì)應(yīng)分析方法對(duì)其分析[6]。針對(duì)多光譜遙感圖像，可以利用距離計(jì)算波段之間的關(guān)聯(lián)性，即變換之后的數(shù)據(jù)列聯(lián)表具有Pearson()統(tǒng)計(jì)特性。

(2)

其特征向量矩陣為：

(4)

其反變換為：

3 融合方法

一個(gè)好的融合方法在提高多光譜圖像空間分辨率的同時(shí)，還應(yīng)該盡可能地保持多光譜圖像的原始光譜信息。本文針對(duì)WV-2遙感圖像提出了一種基于對(duì)應(yīng)分析的融合方法，將輸入波段數(shù)擴(kuò)展至任意多個(gè)，其融合框架如圖2所示。

由圖2可知，該融合方法分以下7步實(shí)施。

1) 將8波段多光譜圖像(Band1, Band2,, Band8)重采樣放大至與全色光圖像尺寸一致。采用最近鄰插值法得到放大的低分辨率多光譜圖像，記為L(zhǎng)RM1,LRM2,,LRM8。最近鄰插值法使用原始像素點(diǎn)復(fù)制，不會(huì)引入新的像素值，因此采樣后的多光譜圖像在光譜保持能力方面優(yōu)于雙線性插值或雙三次插值。

圖2 融合框架圖

2) 利用多元線性回歸方法預(yù)測(cè)多光譜圖像與全色光圖像間的關(guān)系。理論上可以假設(shè)全色光圖像PAN與高分辨率多光譜圖像HRM滿足線性關(guān)系，即。因此，低分辨率的全色光圖像LRP與低分辨率的多光譜圖像也應(yīng)滿足線性關(guān)系，即。

考慮到WV-2數(shù)據(jù)中全色光圖像與多光譜圖像的Band 1和Band 8的光譜響應(yīng)幾乎沒(méi)有重疊(如圖1所示)，因此本文只選擇LRM2,LRM3,,LRM7共6幅多光譜圖像參與擬合，即：

3) 全色光圖像的空間細(xì)節(jié)提取。利用式(6)計(jì)算得到的權(quán)系數(shù)ω及偏置可進(jìn)一步構(gòu)造出低分辨率的全色光圖像，即：

(7)

構(gòu)造出的LRP與LRM在空間分辨率上是相同的，可以通過(guò)原始全色光圖像與構(gòu)造出的低分辨率全色光圖像的比值來(lái)獲取空間細(xì)節(jié)信息，即：

4) 光譜圖像的對(duì)應(yīng)分析變換。利用重采樣的多光譜數(shù)據(jù)構(gòu)造輸入矩陣：

(9)

按照對(duì)應(yīng)分析變換式(1)～式(4)將輸入矩陣IN變換到成分空間，得到成分空間[1,2,,8]。

6) CA反變換。用8NEW替換8，再按照式(5)對(duì)新成分空間[1,2,,8NEW]進(jìn)行對(duì)應(yīng)分析反變換，即可得到高分辨率的多光譜圖像(HRM1, HRM2,,HRM8)。

7) 小波變換。重采樣多光譜圖像由于采用最近鄰插值會(huì)產(chǎn)生方塊或鋸齒效應(yīng)，特別是在輪廓和邊緣部分較為明顯，因此可以引入冗余小波變換方法去除步驟6)得到的高分辨率多光譜圖像(HRM1, HRM2,,HRM8)中的鋸齒效應(yīng)。本文采用à trous小波算法實(shí)現(xiàn)[7]：首先對(duì)PAN和HRM分別進(jìn)行小波分解，得到各自的近似分量和高頻細(xì)節(jié)；然后用PAN的高頻細(xì)節(jié)去替換HRM的高頻細(xì)節(jié)，利用HRM的近似分量和替換的高頻細(xì)節(jié)進(jìn)行重構(gòu)，得到最終的融合結(jié)果SB(= 1,2,,8)。

4 實(shí)驗(yàn)及結(jié)果分析

4.1 實(shí)驗(yàn)數(shù)據(jù)及評(píng)價(jià)指標(biāo)

WV-2實(shí)驗(yàn)數(shù)據(jù)集包含空間分辨率為2.0 m的8波段多光譜圖像和0.5 m的全色光圖像，原始尺寸1600×1600像素，場(chǎng)景是2011年4月拍攝的澳大利亞悉尼港區(qū)域，其RGB彩色合成圖像(Band 5-3-2)如圖3所示。多光譜圖像與全色光圖像已經(jīng)過(guò)配準(zhǔn)。為了驗(yàn)證本文方法的有效性和先進(jìn)性，先后與文獻(xiàn)[4]的APS方法、文獻(xiàn)[3]的HCS方法以及文獻(xiàn)[8]的IAWP方法的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比，并采用相關(guān)系數(shù)(correlation coefficient, CC)、空間相關(guān)系數(shù)(spatial CC, SCC)、相對(duì)全局維數(shù)綜合誤差(relative global dimensional synthesis error, ERGAS)以及光譜角映射(spectral angle mapper, SAM)4種常用客觀評(píng)價(jià)指標(biāo)對(duì)各方法的融合結(jié)果進(jìn)行客觀評(píng)價(jià)[9-12]。為方便顯示，圖4給出了400×400像素的子場(chǎng)景。融合實(shí)驗(yàn)的硬件環(huán)境為Intel CPU 3.10 GHz，4 GB內(nèi)存，64 bit Windows 7操作系統(tǒng)；編程環(huán)境為ENVI 4.1/IDL 6.1。

4.2 結(jié)果分析

由圖4可知，該子場(chǎng)景包含地物內(nèi)容較豐富，有植被、建筑物、車輛、道路等。4種方法的融合結(jié)果與原始多光譜圖像(圖4a)相比，其空間分辨率均有不同程度地提高。本文方法與APS方法在空間分辨率提升方面效果顯著，圖像的清晰程度基本能與全色光圖像(圖4b)保持一致。但APS方法在光譜保持方面卻略顯不足，特別是在綠色植被區(qū)域?qū)⒃械纳罹G色扭曲為淺黃綠色，出現(xiàn)了色彩失真。

HCS方法的空間分辨率提高不夠，并且在高亮度的白色屋頂部分出現(xiàn)了明顯的光譜失真。IAWP方法盡管其光譜保持能力較強(qiáng)，但細(xì)節(jié)信息注入不夠，導(dǎo)致圖像的空間信息失真嚴(yán)重，視覺(jué)效果較差。

圖3 原始多光譜RGB圖像

a. 多光譜圖像 b. 全色光圖像

c. 本文方法 d. APS方法

e. HCS方法 f. IAWP方法

4種融合方法的客觀評(píng)價(jià)結(jié)果如表1所示。從表中可以看出，IAWP方法的CC數(shù)值說(shuō)明其光譜保持能力強(qiáng)，但是SCC評(píng)價(jià)最差說(shuō)明其空間分辨率增強(qiáng)效果最差。APS方法的SCC評(píng)價(jià)最高，但是其ERGAS、SAM和CC數(shù)值說(shuō)明該方法的光譜保持能力以及總體質(zhì)量不是最優(yōu)。本文方法在ERGAS和SAM數(shù)值優(yōu)勢(shì)明顯，SCC評(píng)價(jià)非常接近APS方法，說(shuō)明本文方法在空間分辨率提高和光譜信息保持方面達(dá)到了更好的平衡，融合結(jié)果的整體質(zhì)量最好，主觀評(píng)價(jià)與客觀分析結(jié)果能夠達(dá)到一致。

表1 4種融合方法的客觀評(píng)價(jià)結(jié)果

5 結(jié) 論

針對(duì)新型高分辨率WorldView-2遙感圖像，本文從傳感器各波段光譜響應(yīng)特點(diǎn)入手，有選擇性地利用多光譜圖像構(gòu)造低分辨率全色光圖像，進(jìn)一步提取出原始全色光圖像的空間信息并將其注入至多光譜圖像的成分空間中，經(jīng)對(duì)應(yīng)分析反變換，再利用冗余小波變換去除各波段的塊效應(yīng)得到最終融合結(jié)果。融合實(shí)驗(yàn)對(duì)幾種方法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果的主觀評(píng)價(jià)和客觀分析表明，本文提出的新方法相比于其他幾種融合方法在提高空間分辨率和保持光譜信息方面能夠達(dá)到更好的平衡。

[1] AGUILAR M A, SALDANA M M, AGUILAR F J. GeoEye-1 and WorldView-2 pansharpened imagery for object-back classification in urban environments[J]. International Journal of Remote Sensing, 2013, 34(7): 2583- 2606.

[2] LONGBOTHAM N, CHAAPEL C, BLEILER L, et al. Very high resolution multiangle urban classification analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(4): 1155-1170.

[3] PADWICK C, DESKEVICH M, PACIFICI F, et al. WorldView-2 pan-sharpening[C]//Proceedings of the Annual Conference on ASPRS. San Diego, California: [s.n.], 2010.

[4] TU T, HSU C, TU P, et al. An adjustable pan-sharpening approach for IKONOS/QuickBird/GeoEye-1/WorldView-2 imagery[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, 5(1): 125-134.

[5] JI M, CHEN W, WANG W. Improving spectral fidelity of WorldView-2 image fusion via a constrained generalized intensity-hue-saturation model with localized weight structure through land cover classification[J]. Journal of Applied Remote Sensing, 2012, 6(1): 123-129.

[6] CAKIR H I, KHORRAM S, NELSON S. Correspondence analysis for detection land cover change[J]. Remote Sensing of Environment, 2006, 102(3): 306-317.

[7] LI X, HE M Y, ROUX M. Multifocus image fusion based on redundant wavelet transform[J]. IET Image Processing, 2010, 4(4): 283-293.

[8] KIM Y, LEE C, HAN D, et al. Improved additive-wavelet image fusion[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(2): 263-267.

[9] KALPOMA K A, KAWANO K, KUDOH J. IKONOS image fusion process using steepest descent method with bi-linear interpolation[J]. International Journal of Remote Sensing, 2013, 34(2): 505-518.

[10] MARCELLO J, MEDINA A, EUGENIO F. Evaluation of spatial and spectral effectiveness of pixel-level fusion techniques[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(3): 432-436.

[11] ALPARONE L, WALD L, CHANUSSOT J, et al. Comparison of pansharpening algorithms: Outcome of the 2006 GRS-S data-fusion contest[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(10): 3012-3021.

[12] LUO B, KHAN M M, BIENVENU T, et al. Decision-based fusion for pansharpening of remote sensing images[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(1): 19-23.

編 輯 張 俊

New Pansharpening Method for WorldView-2 Satellite Images

LI Xu1, 2, HE Ming-yi1, and ZHANG Lei2

(1. School of Electronics and Information, Northwestern Polytechnical University Xi’an 710072; 2. Jiangsu R&D Center for Internet of Things Wuxi Jiangsu 214135)

New-style high resolution WorldView-2 satellite images pose challenges to the image fusion techniques. A new pansharpening method is proposed in this paper. First, 8-band multispectral imagery is resampled by nearest neighbor interpolation. According to the relative spectral responses between the multispectral band and the panchromatic band, a low spatial resolution panchromatic image is evaluated through multivariate linear regression. The spatial details are extracted from the original panchromatic image, and then injected into the component space of multispectral imagery. Finally, the pansharpened results are produced by employing inverse correspondence analysis transform. The experimental results show that the proposed method can obtain a better trade-off between the spatial resolution enhancement and the spectral information preservation compared to some existing methods.

correspondence analysis; fusion; remote sensing image; resolution; wavelet transform

TP75

A

10.3969/j.issn.1001-0548.2015.01.004

2013-09-22；

2014-05-19

國(guó)家自然科學(xué)基金(61301195)；中國(guó)博士后科學(xué)基金(2013M531299)；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(3102014KYJD040)

李旭(1979-)，男，博士，副教授，主要從事多傳感器信息獲取與處理方面的研究.