基于HSI的高光譜遙感圖像融合方法研究

程傳陽

（1.研祥智能科技股份有限公司，廣東 深圳 518107；2.國家特種計(jì)算機(jī)工程技術(shù)研究中心，廣東 深圳 518107）

0 引言

高光譜遙感主要以數(shù)以百計(jì)波段數(shù)、納米級(jí)的光譜分辨率以及“圖譜合一”的特點(diǎn)成為一門新型的綜合對(duì)地觀測技術(shù)，越來越受到廣大遙感學(xué)者的青睞。傳統(tǒng)的基于高光譜遙感圖像本身的圖像融合和預(yù)處理的方法主要有：平均與加權(quán)平均法、非線性方法、邏輯濾波法，直方圖均衡化、平滑處理、歸一化處理等[1-4]。隨著波段的增加，傳統(tǒng)處理方法往往導(dǎo)致數(shù)據(jù)出現(xiàn)大量冗余，使數(shù)據(jù)處理的復(fù)雜性急劇增高。本文針對(duì)傳統(tǒng)的方法的缺陷，使用了基于HSI的高光譜遙感圖像融合方法：HSI以色調(diào)（Hue）、飽和度（Saturation）和亮度（Intensity）三種基本特征量來獲取對(duì)顏色的感知，通過單波段遙感圖像預(yù)處理，光譜圖像的融合以及改進(jìn)的基于小波變換的邊緣檢測等，使圖像融合和預(yù)處理效果更好。

1 單波段遙感數(shù)據(jù)的預(yù)處理

非正常像元的分類：HSI數(shù)據(jù)是標(biāo)準(zhǔn)的BSQ（BIP,BIL）格式，且?guī)в蓄^文件說明，可直接從ENVI軟件中讀取。圖像數(shù)據(jù)類型一般為32位的浮點(diǎn)數(shù)，主要通過飛行姿態(tài)的校正與輻射校正[5]。HSI圖像上非正常像元大致分為4類：未定標(biāo)波段；壞線；條紋；水汽影響波段。

完整性處理：對(duì)星載高光譜成像儀數(shù)據(jù)進(jìn)行完整性處理，即根據(jù)非主要數(shù)據(jù)對(duì)現(xiàn)存的圖像進(jìn)行時(shí)間分析，進(jìn)而查找且補(bǔ)充漏行[6]。缺失兩行以內(nèi)的數(shù)據(jù)往往使用插值法來判斷，若丟失行數(shù)多于三行，則作為數(shù)據(jù)缺失來處理。本文所用的算法為改進(jìn)的擬合插值法，該方法是在擬合插值法的基礎(chǔ)上，對(duì)任意選取的幾個(gè)波段進(jìn)行處理，如表1所示。

表1 波段插值誤差表波段數(shù)

由上表可知，改進(jìn)的擬合插值法可以使波段插值誤差減小，為多波段融合做好必要的準(zhǔn)備。

條紋修復(fù)：星載高光譜傳感器是推掃型成像光譜儀，面陣CCD器件上的上萬個(gè)探測原件的標(biāo)定很困難，致使圖像除了壞線之外，大多波段都不同程度地存在許多條紋，尤其是SWIR（短波紅外）。條紋的像元DN值一般都接近于零。條紋的存在嚴(yán)重影響了圖像的質(zhì)量以及圖像在水體、森林、山地等方面的應(yīng)用[7]。如何去除或者修復(fù)條紋是基于HSI高光譜遙感圖像預(yù)處理[8]的一項(xiàng)重要工作，本文中采用了一種成為“局部與全局相結(jié)合去條紋”的方法。圖1為條紋修復(fù)前后的對(duì)比圖。

圖1 條紋修復(fù)前后對(duì)比圖

背景處理：對(duì)于已知原始干涉數(shù)據(jù)的每一幀均進(jìn)行降噪處理以及相位校正和相對(duì)輻射校正：能較好地防止重建光譜曲線的產(chǎn)生，避免掩蓋微弱信號(hào)，消除虛假的光譜信號(hào)。降噪處理主要是對(duì)于原始數(shù)據(jù)上的隨機(jī)噪聲點(diǎn)予以去除，進(jìn)行像元之間響應(yīng)度的歸一化處理[9],通過校正算法使得原始干涉數(shù)據(jù)的質(zhì)量有了顯著提高。圖2為對(duì)原始干涉數(shù)據(jù)進(jìn)行背景處理前后的對(duì)比圖。

圖2 背景處理前后數(shù)據(jù)對(duì)比圖

光譜復(fù)原：傳統(tǒng)的高光譜圖像復(fù)原方法一般是將背景處理后的原始干涉數(shù)據(jù)經(jīng)過傅里葉變換得到光譜圖像數(shù)據(jù)，如下面公式（2）所示：

本文所采用的是基于EM算法的圖像復(fù)原，該方法主要是利用探測器探測到的準(zhǔn)確的地物位置繼而用一定規(guī)律的概率密度函數(shù)表示，對(duì)測量結(jié)果進(jìn)行多次迭代，最終得到地物的準(zhǔn)確位置，從而較好地恢復(fù)原始圖像。具體的算法如下：

2 多波段圖像融合及融合后圖像處理

圖像融合能夠有效提高圖像數(shù)據(jù)信息的分析及提取能力，具體過程表現(xiàn)為通過一個(gè)特定的數(shù)學(xué)模型將來自多個(gè)不同傳感器的多幅圖像整合成一幅能夠滿足特定需求的圖像。圖像融合的目的是提高圖像的可靠性與清晰度，具體過程為通過多幅不同圖像間的冗余數(shù)據(jù)與圖像間互補(bǔ)信息來處理。

本文在基于原有的HSI變換法、高通濾波變換法以及小波變換法的基礎(chǔ)上，將三種方法改進(jìn)和結(jié)合，利用HSI變換來增強(qiáng)融合圖像的空間細(xì)節(jié)表現(xiàn)力，利用小波變換來保留高光譜圖像的光譜特性。使用小波變換中的高通濾波法對(duì)其低頻部分進(jìn)行融合。該算法對(duì)于融合圖像的空間細(xì)節(jié)表現(xiàn)力，圖像的光譜信息以及信息量與清晰度，都有明顯改善。該方法的融合流程如下圖所示：

圖3 改進(jìn)的像素級(jí)圖像融合

該方法的具體過程為：（a）高光譜圖像和全色圖像經(jīng)過HSI變換融合，融合后得到的圖像既具有相對(duì)較高的空間分辨率，而且擁有與原影像相同的飽和度和色度。（b）高分辨率圖像和高光譜圖像經(jīng)過小波變換融合，可以克服傅里葉變換的局限性。通過數(shù)據(jù)融合，可以消除冗余，完成單一波段和多波段的融合運(yùn)算，且時(shí)頻分辨率可變，有較大的靈活性，同時(shí)圖像的清晰度、解譯能力和可判讀性都得到了很大的改善。（c）高分辨率圖像和高光譜圖像經(jīng)過高通濾波變換融合后，影像的高頻細(xì)節(jié)得以提高，線性特征和邊緣信息更為突出，有效地保留了高光譜信息。（d）將上述三種變換得到的圖像按照像素級(jí)的方式進(jìn)行圖像融合，得到最終融合圖像。下圖分別為HSI變換融合，小波變換融合，高通濾波融合以及最終的改進(jìn)融合效果圖：

圖4 各方法圖像融合效果圖

由上圖可知，最終的融合圖像綜合了三種變換融合的優(yōu)點(diǎn)，使水體與非水體的地物類型可以清楚地顯示出來。

高光譜圖像融合處理主要包括線性變換，中值濾波，改進(jìn)的基于小波變換的邊緣檢測等。線性變換主要指按比例擴(kuò)大原始灰度級(jí)的范圍，使得變換后的圖像直方圖的兩端達(dá)到飽和，增加圖像的對(duì)比度。中值濾波能夠有效抑制圖像噪聲，大大減少了模糊圖像的邊緣，對(duì)孤立噪聲點(diǎn)的消除以及稍密集的噪聲點(diǎn)降噪均有良好效果。本文采用基于小波變換的邊緣檢測方法,實(shí)質(zhì)是信號(hào)被高斯平滑函數(shù)低通濾波后的一種函數(shù)。設(shè)表示二維可微的高斯平滑函數(shù)，令：

上式中，n0和nd分別代表理想與實(shí)際測出的邊緣分布圖上的點(diǎn)數(shù)；為比例系數(shù)，可以調(diào)節(jié)與理想邊緣點(diǎn)有偏差的Pl；di為實(shí)際檢測出的第i點(diǎn)邊緣點(diǎn)到理想邊緣線的法線距離，單位為像元數(shù)。如表2所示，列出了當(dāng)=0.1時(shí)各種方法對(duì)應(yīng)的優(yōu)質(zhì)系數(shù)Pl以及該方法所花時(shí)間。

表2 各種邊緣檢測方法的優(yōu)質(zhì)系數(shù)的大小

由上表可知，本文改進(jìn)的基于小波變換的邊緣檢測方法對(duì)圖像的邊緣提取效果最好，為最終的圖像處理做好了充分的準(zhǔn)備工作。

3 結(jié)語

本文主要介紹了單個(gè)波段的遙感數(shù)據(jù)預(yù)處理、多波段圖像進(jìn)行融合和融合后高光譜圖像處理。通過MATLAB編程得到了經(jīng)過融合后的結(jié)果，與原始圖像相比，融合得到的圖像更加清晰，圖像對(duì)比度也更強(qiáng)。通過圖像融合技術(shù)使得遙感圖像的空間分辨率得以提高、圖像的目標(biāo)特征大大增強(qiáng)、分類精度和動(dòng)態(tài)監(jiān)測以及信息互補(bǔ)的能力也顯著提升。