QuickBird全色與多光譜影像融合方法研究

■劉茂國(guó)（廣東省土地調(diào)查規(guī)劃院廣東廣州510075）

QuickBird全色與多光譜影像融合方法研究

■劉茂國(guó)
（廣東省土地調(diào)查規(guī)劃院廣東廣州510075）

以QuickBird全色與多光譜數(shù)據(jù)為例，采用HPF變換、IHS變換、小波變換和PANSHARP方法分別進(jìn)行影像融合；選取均值、標(biāo)準(zhǔn)差、信息熵、平均梯度、相關(guān)系數(shù)和相對(duì)偏差作為融合影像客觀定量評(píng)價(jià)指標(biāo)，結(jié)合主觀目視效果分析，對(duì)幾種融合方法進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明：四種融合方法都能保留一定程度的光譜信息，并提高了影像的空間分辨率；針對(duì)QuickBird數(shù)據(jù)而言，綜合考慮其光譜保真性、信息量和清晰度，PANSHARP為最佳融合方法。

影像融合HPF變換IHS變換小波變換PANSHARP效果評(píng)價(jià)

隨著航天遙感技術(shù)的發(fā)展，以及光學(xué)、熱紅外和微波等大量新型衛(wèi)星傳感器對(duì)地觀測(cè)的應(yīng)用，獲取同一地區(qū)的多種遙感影像數(shù)據(jù)越來越多。通常，同一傳感器獲得遙感影像的光譜分辨率較高時(shí)，其空間分辨率相對(duì)較低。因此，如何將不同傳感器獲得的遙感影像結(jié)合起來，實(shí)現(xiàn)其優(yōu)勢(shì)互補(bǔ)和冗余控制，已成為遙感領(lǐng)域需要解決的關(guān)鍵問題[1]；而多源遙感影像數(shù)據(jù)融合技術(shù)的出現(xiàn)，則為這些問題的解決提供了一個(gè)合理、有效的新途徑。

遙感圖像融合是指在統(tǒng)一的地理坐標(biāo)系中，將多源遙感圖像按照一定的算法，生成一幅更能有效表示源目標(biāo)信息的新圖像的過程，其目的是綜合單一傳感器或不同類型傳感器獲取的不同分辨率遙感數(shù)據(jù)，消除冗余和矛盾，增強(qiáng)影像所表達(dá)信息的清晰度，提高數(shù)據(jù)的解譯精度與可靠性[2]。影像融合技術(shù)目前在許多領(lǐng)域有著重要的應(yīng)用，已成為當(dāng)前遙感應(yīng)用研究的熱點(diǎn)問題。QuickBird是美國(guó)發(fā)射的高分辨率商業(yè)遙感衛(wèi)星，可以獲取0.61m空間分辨率的全色影像和2.44m空間分辨率的多光譜影像，是目前最常用的高分辨率影像數(shù)據(jù)，已廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、遙感動(dòng)態(tài)監(jiān)測(cè)和海洋資源調(diào)查等多個(gè)領(lǐng)域。本文以QuickBird全色與多光譜數(shù)據(jù)為例，采用四種不同的融合方法進(jìn)行實(shí)驗(yàn)，通過定性和定量評(píng)價(jià)，分析各融合方法的優(yōu)劣，確定適合QuickBird數(shù)據(jù)的最佳融合方法。

1　影像融合方法的選取

根據(jù)信息表征層次的不同，多源遙感影像融合一般分為像素級(jí)、特征級(jí)和決策級(jí)三個(gè)級(jí)別[3,4,5]。其中，像素級(jí)融合是直接綜合各遙感影像的像素點(diǎn)信息，融合后影像信息量損失最小，應(yīng)用廣泛，操作簡(jiǎn)單，融合技術(shù)也最為成熟。本文主要采用HPF變換、IHS變換、小波變換[6,7]和PANSHARP方法對(duì)影像融合進(jìn)行研究。

1.1HPF融合

HPF融合是空間濾波分析的一種算法，高通濾波對(duì)高空間分辨率影像用一個(gè)小的高通濾波器，以生成與空間特征信息相關(guān)的高頻數(shù)據(jù)，這種數(shù)據(jù)按照像元對(duì)像元的方式被加到低分辨率波段數(shù)據(jù)中，從而達(dá)到將空間信息加到波譜信息中的目的。

1.2IHS變換融合

IHS變換是一種影像顯示、增強(qiáng)和信息綜合的方法，其原理是RGB空間（由紅R、綠G、藍(lán)B三原色構(gòu)成）與IHS空間（由亮度I、色調(diào)H、飽和度S三個(gè)變量構(gòu)成）之間的變換，將RGB空間的圖像分解成空間信息I、光譜信息H、飽和度S三個(gè)分量，屬于色度空間變換；從IHS到RGB空間的變換，稱為IHS反變換。該變換融合的基本步驟為：首先將多光譜影像進(jìn)行IHS變換，得到HS圖像，然后將變換得到的I分量用全色圖像（I′）替換，最后將I′、H、S進(jìn)行IHS反變換，生成融合后影像。

1.3小波變換融合

小波變換融合是將多光譜影像的各波段和高分辨率影像均進(jìn)行小波分解，得到LL（低頻部分）、HL（水平方向的小波系數(shù)）、LH（垂直方向的小波系數(shù)）和HH（對(duì)角方向的小波系數(shù)），然后根據(jù)具體需要和保持多光譜色調(diào)的程度，將分解后的兩影像LL、HL、LH、HH部分分別融合，最后將融合后的LL、HL、LH和HH反變換重建影像，達(dá)到影像融合的目的。

1.4PANSHARP融合

PANSHARP融合是加拿大新不倫瑞克大學(xué)測(cè)繪工程學(xué)院張?jiān)撇┦块_發(fā)的一套融合算法，它使用自動(dòng)影像融合算法，用來融合高分辨率全色和多光譜影像，從而得到高分辨率的彩色影像，通常稱為全色銳化（PAN-SHARPING）。它是一種基于成熟的最小二乘法，在原始多光譜、全色和融合后影像間尋求最佳近似灰度值關(guān)系，以達(dá)到最佳的色彩表現(xiàn)能力。

2　融合效果的評(píng)價(jià)指標(biāo)

影像融合效果的評(píng)價(jià)是融合過程中的關(guān)鍵點(diǎn)，其結(jié)果可以幫助人們選擇適當(dāng)?shù)娜诤戏椒ā⒏倪M(jìn)現(xiàn)有融合算法或者研究新的融合算法等[8,9]。目前，遙感影像融合效果評(píng)價(jià)還沒有形成統(tǒng)一的標(biāo)準(zhǔn)和方法，現(xiàn)階段一般采用主觀定性評(píng)價(jià)和客觀定量評(píng)價(jià)指標(biāo)相結(jié)合的方法[10]。

2.1主觀定性評(píng)價(jià)

主觀定性評(píng)價(jià)主要從色調(diào)、清晰度和地物紋理信息等方面對(duì)原始影像和融合后影像進(jìn)行比較，判斷融合后影像是否較好的保留了全色數(shù)據(jù)的紋理信息和多光譜數(shù)據(jù)的色彩信息，以及邊緣信息是否有損失，從而對(duì)影像的融合效果有一個(gè)直觀的認(rèn)識(shí)。

2.2客觀定量評(píng)價(jià)

客觀定量評(píng)價(jià)主要是基于數(shù)理統(tǒng)計(jì)分析方法進(jìn)行的，通常采用均值、標(biāo)準(zhǔn)差、信息熵、平均梯度、相關(guān)系數(shù)和相對(duì)偏差等指標(biāo)。

2.2.1均值

均值是指圖像中所有像素灰度值的算術(shù)平均值，反映了圖像的平均亮度，若均值適中，則視覺效果較好。其計(jì)算公式為：

其中，M、N為圖像長(zhǎng)和寬的像素個(gè)數(shù)，F(xiàn)（i，j）為融合后圖像第i行第j列的灰度值。

2.2.2標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差反映了圖像灰度相對(duì)于灰度均值的離散情況，用來衡量圖像空間信息量大?。黄鋽?shù)值越大，則圖像灰度級(jí)分布越分散，圖像的反差大，反映出的信息越豐富。其計(jì)算公式為：

2.2.3信息熵

信息熵可以衡量圖像信息豐富的程度，熵值的大小表示圖像所包含的平均信息量，熵值越大，表示融合質(zhì)量越好，圖像所包含的信息越豐富。其計(jì)算公式為：

其中，為圖像中第i級(jí)灰度出現(xiàn)的概率，L為圖像的灰度級(jí)數(shù)。

2.2.4平均梯度

平均梯度又稱清晰度，反映圖像細(xì)節(jié)反差程度和紋理變化特征，平均梯度值越大，表明圖像越清晰，融合效果越好。其計(jì)算公式為：

2.2.5相關(guān)系數(shù)

相關(guān)系數(shù)反映的是融合前后兩幅圖像光譜特征的相似程度，其數(shù)值越大，表明融合后圖像與原始多光譜圖像的相關(guān)程度越高，保留的光譜信息越豐富，融合效果也越好。其計(jì)算公式如下：

其中，A（i，j）為原始多光譜圖像第i行第j列的灰度值，f和a分別為融合后圖像與原始多光譜影像的均值。

2.2.6相對(duì)偏差

相對(duì)偏差表示融合后圖像與原始圖像平均灰度值的相對(duì)差異，以反映融合后圖像與原始圖像在光譜信息上的匹配程度，相對(duì)偏差越小，表明融合后圖像保留原始圖像光譜信息的效果越好。其計(jì)算公式為：

3　實(shí)驗(yàn)結(jié)果與分析

本次研究所使用的數(shù)據(jù)為Geomatica2013試用版自帶的樣例數(shù)據(jù)，選擇QuickBird全色和多光譜影像數(shù)據(jù)進(jìn)行研究，影像范圍為加拿大安大略省里士滿山局部區(qū)域。其中，全色影像為0.6m空間分辨率，多光譜影像為2.4m空間分辨率。本文采用HPF變換、IHS變換、小波變換和PANSHARP融合四種方法，其中IHS變換只能進(jìn)行3個(gè)波段的圖像融合，以真彩色結(jié)果輸出；而原始多光譜影像含有4個(gè)波段，為了保證融合結(jié)果波段的一致性，因而在融合之前先將原始多光譜影像進(jìn)行波段組合，輸出為只含3個(gè)波段的多光譜數(shù)據(jù)（見圖1）。

圖1　融合前影像

圖2　四種方法融合結(jié)果

影像融合之前，需要對(duì)多光譜影像進(jìn)行配準(zhǔn)，并保證配準(zhǔn)的精度，因?yàn)橛跋衽錅?zhǔn)的精度直接關(guān)系到影像融合的效果。本實(shí)驗(yàn)配準(zhǔn)過程利用Erdas軟件完成，總體精度在0.5個(gè)像元以內(nèi)。將全色影像與配準(zhǔn)后的多光譜影像分別利用上述四種方法進(jìn)行影像融合，其實(shí)驗(yàn)結(jié)果如圖2所示。

3.1主觀定性分析

從目視效果來看，四種方法的融合結(jié)果在保留一定程度光譜信息的同時(shí)，均提高了影像的空間分辨率，融合后影像其分辨率、清晰度、光譜特征都得到較大提高。

在光譜特征方面，HPF和PANSHARP融合效果最好，較好的保留了原有數(shù)據(jù)的光譜信息；IHS融合產(chǎn)生了一定的光譜扭曲，整體色彩變化較大；小波變換融合基本上能夠保持原有數(shù)據(jù)的光譜信息，但整體色調(diào)明顯變暗。

在地物紋理方面，IHS變換和PANSHARP融合效果最好，其空間信息明顯增強(qiáng)，融合后影像的細(xì)節(jié)和紋理信息最為清晰；HPF融合整體存在一定的分辨率損失，細(xì)節(jié)特征和地物紋理不夠清晰；小波變換融合后，影像整體紋理細(xì)節(jié)有明顯的丟失現(xiàn)象，這是因?yàn)槠淙诤线^程在一定程度上損失了高分辨率影像的細(xì)節(jié)信息。

3.2客觀定量分析

利用Matlab軟件編寫程序?qū)λ姆N融合方法的結(jié)果進(jìn)行計(jì)算，評(píng)價(jià)指標(biāo)包括均值、標(biāo)準(zhǔn)差、信息熵、平均梯度、相關(guān)系數(shù)和相對(duì)偏差，詳細(xì)統(tǒng)計(jì)結(jié)果如下表所示：

表1　不同融合方法統(tǒng)計(jì)結(jié)果

從表1中可以看出：在均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)三個(gè)指標(biāo)中，HPF和PANSHARP融合方法效果較好，均值反映圖像的平均亮度，標(biāo)準(zhǔn)差反映圖像空間信息量的大小，說明融合后影像亮度適中，反映出的信息豐富，整體視覺效果較好；IHS變換和小波變換對(duì)應(yīng)的指標(biāo)值較低，說明融合后影像空間信息不夠豐富，與原始多光譜影像的相關(guān)程度不高。在信息熵和平均梯度兩個(gè)指標(biāo)中，PANSHARP和IHS變換融合效果較好，說明融合后影像細(xì)節(jié)特征和紋理信息比較清晰；HPF融合對(duì)應(yīng)的指標(biāo)值最小，說明融合過程分辨率有所損失，影像清晰度不夠。此外，小波變換的相對(duì)偏差最大，說明融合后影像與原始影像在光譜信息上的匹配程度較小。對(duì)于以上各項(xiàng)指標(biāo)的分析，其結(jié)論基本與目視效果相吻合，說明選取這些指標(biāo)對(duì)影像融合效果進(jìn)行評(píng)價(jià)是合理、可靠的，能夠在一定程度上準(zhǔn)確、全面的反映出影像融合的質(zhì)量。

4　結(jié)論

對(duì)QuickBird全色與多光譜數(shù)據(jù)，采用HPF變換、IHS變換、小波變換和PANSHARP方法進(jìn)行影像融合實(shí)驗(yàn)，綜合主觀定性分析和客觀定量分析，結(jié)果表明：四種融合方法各有優(yōu)勢(shì)，但綜合所有指標(biāo)來看，PANSHARP融合方法效果最好，其融合后影像不僅較好的保持了原有數(shù)據(jù)的光譜信息，而且空間信息得到明顯增強(qiáng)，影像的細(xì)節(jié)特征和紋理信息也最為清晰。其余幾種方法，HPF融合保留光譜信息的效果較好，但清晰度不夠；IHS變換受波段的限制，融合過程會(huì)產(chǎn)生一定的光譜扭曲，但影像的紋理信息比較清晰；小波變換基本上能夠保持原始數(shù)據(jù)的光譜信息，但融合過程在一定程度上損失了高分辨率影像的紋理、細(xì)節(jié)信息。在實(shí)際項(xiàng)目生產(chǎn)中，不同數(shù)據(jù)源的處理可能會(huì)選擇不同的融合方法，但對(duì)于QuickBird高分辨率數(shù)據(jù)而言，綜合考慮其光譜保真性、信息量和清晰度，PANSHARP為最佳融合方法。

[1]李德仁.攝影測(cè)量與遙感的現(xiàn)狀及發(fā)展趨勢(shì)[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),2000,25（1）:1-5.

[2]趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003.

[3]賈永紅,李德仁,孫家柄.多源遙感影像數(shù)據(jù)融合.遙感技術(shù)與應(yīng)用,2000,15（1）:41-44.

[4]李軍,周月琴.影像局部直方圖匹配濾波技術(shù)用于遙感影像數(shù)據(jù)融合.測(cè)繪學(xué)報(bào), 2000,29（2）:132-136.

[5]Tahan i H,Keller J M.Information fusion in computer vision using fuzzy in tegral.IEEE Trans,SMC,1990:367-378.

[6]黨安榮,王曉棟,陳曉峰,等.ERDAS I MAGI NE遙感圖像處理方法[M].北京:清華大學(xué)出版社,2004.

[7]劉哲,郝重陽,劉曉翔,等.多光譜圖像與全色圖像的像素級(jí)融合研究[J].數(shù)據(jù)采集與處理,2003,18(3):296-301.

[8]郭雷,李暉暉,鮑永生.圖像融合[M].北京:電子工業(yè)出版社,2008.

[9]李偉.像素級(jí)圖像融合方法及應(yīng)用研究[D].廣州:華南理工大學(xué),2006.

[10]王海暉,彭嘉雄,吳巍,等.多源遙感圖像融合效果評(píng)價(jià)方法研究[J].計(jì)算機(jī)工程與應(yīng)用,2003,39（25）:33-35.

P407.8[文獻(xiàn)碼]B

1000-405X（2016）-1-188-3