基于PCA的遙感圖像和紅外圖像融合的研究

江君祥+++高潔+++于俊勇+++于波+++周燕彬

摘 要：文章在原有的PCA算法的為核心的基礎(chǔ)上，加入了IHS變換。充分利用兩個算法的優(yōu)點。并對整個圖像融合過程進(jìn)行新的改進(jìn)和優(yōu)化。文章將新的改進(jìn)分別應(yīng)用于遙感圖像和紅外圖像的融合。對圖像的融合得到了較為理想的結(jié)果。

關(guān)鍵詞：PCA算法；遙感圖像；紅外圖像

引言

圖像融合技術(shù)，是指將兩個或者更多的對同一特定場景的圖像進(jìn)行融合，產(chǎn)生一個對場景的新的詮釋圖像。在遙感圖像中，多光譜圖像和全色圖像是最重要的兩類。然而，多光譜圖像分辨率不高，全色圖攜帶著極為多彩的空間信息。實際應(yīng)用中需要提取兩者的優(yōu)點，解決之道是利用圖像融合技術(shù)對兩者進(jìn)行處理[1]。 紅外圖像和可見光圖像則是在不同的拍攝工具下對特定物體的不同表現(xiàn)，通過融合技術(shù)可以讓人們在一幅圖中獲取到更多的信息量，便于人眼的觀察和判斷。本文使用主成份分析法（Principal Component Analysis）[2]，進(jìn)行研究。主要步驟為：（1）圖像前期預(yù)處理；（2）圖像的配準(zhǔn)；（3）圖像的融合；（4）圖像分析。

1 PCA算法介紹和IHS變換

圖像融合的層次分為：像素級、特征級和決策級[3]。對融合后的圖像分析有兩種方法，一種是主觀法，另一種是客觀法。主觀法根據(jù)觀察者對融合后的圖像總體印象感知。客觀法是通過一系列的對比參數(shù)數(shù)據(jù)對圖像的結(jié)果進(jìn)行評價。

1.1 PCA算法介紹

PCA是對數(shù)據(jù)的一種分析方法。又稱K-L變換。通過對一組數(shù)據(jù)的線性變換，將一組多維的數(shù)據(jù)轉(zhuǎn)換成低維度的一組線性無關(guān)的數(shù)據(jù)，從而實現(xiàn)降維的過程?？梢酝ㄟ^分析低維度的數(shù)據(jù)，得到對高維度數(shù)據(jù)信息的理解。過程如下：

1.2 IHS變換

IHS變換中，I表示亮度，H表示色調(diào)，S表示飽和度。通過轉(zhuǎn)換將RGB圖像分解成I、H、S[4]。三個分量互相獨立。圖像的RGB和IHS的相互轉(zhuǎn)換是相互可逆的過程。目前IHS變換有好幾種方式。有基于球體、柱體、三角形和單六角錐變換。主要區(qū)別是在于選取的坐標(biāo)系和主顏色采用的色調(diào)等。賈永紅經(jīng)過大量實驗證明出球體和柱體的變換較其他的變換有優(yōu)勢。

IHS變換分為兩種：正變換和逆變換。正變換圖像的RGB空間轉(zhuǎn)換為IHS空間。逆變換則相反。處理過程是：（1）將多光譜RGB空間與IHS轉(zhuǎn)換矩陣相乘，得到I，H，S三個分量。2.將高分辨率圖像補充1中I的亮度的不足，得到新的I。3.將新的I與H、S分量進(jìn)行IHS逆變換。

2 基于改進(jìn)的IHS和PCA算法的圖像融合過程

算法過程流如下：（1）對多光譜圖像進(jìn)行IHS變換，得到I、H、S三個分量。（2）對高分辨率圖像進(jìn)行PCA變換，取得三個主成份進(jìn)行IHS變換得到I0。（3）對I和I0進(jìn)行直方圖匹配。（4）對匹配后的結(jié)構(gòu)進(jìn)行IHS逆變換。算法流程圖如圖1。

得到的實驗結(jié)果如圖2。

3 融合結(jié)果分析

第一組實例是用衛(wèi)星對同一場景的遙感圖像的融合實驗，（a）是高分辨率全色圖像，（b）是低分辨率多光譜圖像，（c）是PCA融合的結(jié)果圖。（d）是本文中使用的算法融合結(jié)果。第二組是紅外和可見光的融合，（a）是紅外圖像，（b）是可見光圖像，（c）是PCA融合結(jié)果圖，（d）是本文中使用的算法融合結(jié)果。由目測可以看出PCA融合的結(jié)果容易造成光譜失真，融合后的圖像精確度不好。利用本算法圖像的色彩畸變不嚴(yán)重。本算法的光譜保真度很好。克服了單純的IHS融合和PCA融合的不足。從對比參數(shù)如信息熵、均值、方差、平均梯度、信噪比等對比，都要比單一的IHS、PCA融合的結(jié)果參數(shù)都要高。圖像具有很好的空間信息。本文算法得到的圖像細(xì)節(jié)突出、紋理豐富、清晰度也好。

4 結(jié)束語

本文結(jié)合了IHS變換和PCA算法的優(yōu)點進(jìn)行結(jié)合，分別對遙感圖像和紅外圖像進(jìn)行了融合，得出了比較理想的結(jié)果，證明本文算法對圖像融合有一定的適應(yīng)性。在針對圖像光譜不一致，容易引起色彩畸變的現(xiàn)象，后期考慮加入小波變換來對圖像配準(zhǔn)。

參考文獻(xiàn)

[1]胡冰.遙感圖像PCA融合的并行算法研究與實現(xiàn)[D].國防科技大學(xué).

[2]王文武.應(yīng)用主成分分解（PCA）法的圖像融合技術(shù)[J].微計算機信息，2007，23：285-286.

[3]孫巖.基于多分辨率分析的多傳感器圖像融合算法研究[D].哈爾濱：哈爾濱工程大學(xué)，2012：16-24.

[4]楊俊，趙忠明.基于IHS變換和亮度調(diào)節(jié)的遙感圖像融合法[D].