基于NSCT和IHS變換的遙感影像融合方法研究

劉 昶

(合肥市測繪設(shè)計(jì)研究院有限公司,安徽 合肥 230000)

0 引言

多源遙感影像融合技術(shù)在當(dāng)前遙感技術(shù)發(fā)展中是很重要的方向,融合技術(shù)[1]是指多源信道所采集的同一目標(biāo)的圖像,通過一定的圖像技術(shù)處理提取各自信道上的信息,綜合成同一圖像的過程[2]。由于SAR影像紋理豐富,分辨率高;光學(xué)影像光譜信息豐富,符合人的視覺效果,因此兩種影像具有很強(qiáng)的互補(bǔ)性,通過融合,將紋理信息和光譜信息集成到一幅影像中[3]。從而突出地物特點(diǎn)、增加影像信息量、提高影像的解譯效果,為目標(biāo)識別和地物判讀別提供有力支持,通過融合技術(shù)實(shí)現(xiàn)影像的優(yōu)勢互補(bǔ),提高遙感影像的質(zhì)量。

IHS變換法是圖像融合方法最常用的方法之一,在色彩信息保持上具有優(yōu)勢,但不能同時在分辨率上和光譜信息上得到較好的融合效果,易產(chǎn)生光譜退化現(xiàn)象[4-6],小波變換[7]是一種多尺度、多分辨率圖像處理技術(shù),但舍棄了高分辨率圖像的低頻分量,容易產(chǎn)生分塊模糊的現(xiàn)象。為了克服小波變換在圖像處理中的不足,Contourlet變換和非下采樣Contourlet變換[8](Nonsubsampled Contourlet Transform,NSCT)等方法應(yīng)運(yùn)而生,特別是NSCT具有多尺度、多方向和平移不變的特性,更適合SAR影像的處理,因此本文研究一種基于NSCT變換和IHS變換相結(jié)合的SAR影像和光學(xué)影像的融合方法。通過與IHS變換、NSCT變換、小波變換等融合方法進(jìn)行實(shí)驗(yàn)比較,結(jié)果表明本文方法融合效果更優(yōu)。

1 NSCT和IHS變換的融合方法

1.1 非下采樣Contourlet變換

Contourlet變換也具有小波變換的優(yōu)點(diǎn),能更好的捕捉圖像邊緣信息,但一些連續(xù)點(diǎn)處變換處理時容易導(dǎo)致圖像產(chǎn)生失真效果,并且應(yīng)用Contourlet變換在多光譜影像融合中會導(dǎo)致多光譜影像的頻譜混淆光譜信息丟失嚴(yán)重,不利于遙感影像融合的應(yīng)用。因此在Contourlet變換基礎(chǔ)上提出NSCT方法,該方法由非下采樣金字塔結(jié)構(gòu)和非下采樣濾波器組成,在圖像分解和重構(gòu)的過程中,沒有進(jìn)行上、下采樣,所以NSCT具有平移不變性的特征,同時使得其具有多尺度、多方向選擇的特性,以及具有良好的空域和時頻局部特性[9-11]。圖1所示為NSCT變換的框架結(jié)構(gòu)圖。

非下采樣Contourlet變換濾波器,即設(shè)計(jì)一組基本的低通和高通濾波器滿足式(1)的重構(gòu)條件,才使得構(gòu)成NSCT方法的非下采樣金字塔結(jié)構(gòu)通過多級迭代實(shí)現(xiàn):

H0(z)G0(z)+H1(z)G1(z)=1

(1)

其中,H0(z)為低通分解濾波器;G0(z)為低通重建濾波器;H1(z)為高通分解濾波器;Gz(z)為高通重建濾波器。NSCT變換除了滿足式(1)外,同時還需滿足雙正交的其他條件。非下采樣金字塔濾波器如圖2所示。

通過上述對圖像的扭轉(zhuǎn)操作和濾波器的組合來實(shí)現(xiàn)多級方向?yàn)V波器組。通過非下采樣扭轉(zhuǎn)和的方法構(gòu)造了風(fēng)扇濾波器、象限濾波器以及平行濾波器等濾波器核心部分,在非下采樣變換處理中,圖像經(jīng)過象限濾波器組和風(fēng)扇濾波器組會分為四個方向。

1.2 IHS變換

目前IHS變換在影像融合領(lǐng)域是應(yīng)用最多的,其中I代表亮度,H代表色調(diào),S代表飽和度。IHS空間同RGB空間進(jìn)行互換,則變換的公式如式(2)—式(4)所示:

(2)

H=arctan(V1/V2)

(3)

(4)

影像融合采用IHS變換方法時,一般采用高分辨率影像替換多光譜影像的I分量,通過IHS逆變換方法得到融合后圖像。但是SAR影像與多光譜影像的光譜信息差異大,經(jīng)IHS變換后的融合影像一般會發(fā)生光譜扭曲情況。

1.3 基于NSCT和IHS變換的影像融合方法

根據(jù)以上分析NSCT變換和IHS變換方法的優(yōu)勢,為了更好的利用SAR影像與光學(xué)影像的空間信息、光譜信息等,提出一種新的影像融合方法,其該方法的影像融合過程如圖3所示。根據(jù)影像融合流程圖,具體步驟如下:

1)對去噪SAR影像和多光譜影像進(jìn)行配準(zhǔn)處理;2)利用IHS變換對多光譜影像進(jìn)行處理,得到亮度分量I,色度分量H以及飽和度分量S;3)對SAR影像和多光譜影像的亮度分量I進(jìn)行NSCT分解,分別得到兩影像的高頻子帶系數(shù)和低頻子帶系數(shù);4)對分解后得到的高低頻子帶系數(shù)運(yùn)用本文提出的融合規(guī)則進(jìn)行處理,得到融合后的高低頻系數(shù);5)將得到高低頻系數(shù)進(jìn)行NSCT逆變換得到新的亮度分量I′;6)將I′,H,S分量通過IHS逆變換,得到最后的融合影像。

1.4 高低頻融合規(guī)則

1.4.1 基于區(qū)域能量的低頻融合規(guī)則

(5)

1.4.2 基于標(biāo)準(zhǔn)差加權(quán)的高頻融合規(guī)則

(6)

(7)

通過高低頻融合策略后,NSCT逆變得到新的I′分量,最后進(jìn)行IHS逆變換得到最終融合圖像I′。

2 實(shí)驗(yàn)結(jié)果及評價

本次實(shí)驗(yàn)采用IHS變換、NSCT變換、小波變換和本文方法的4種融合算法進(jìn)行實(shí)驗(yàn)。綜合考慮圖像的信息量、清晰度和光譜信息,通過選標(biāo)準(zhǔn)差、邊緣保持指數(shù)、平均梯度、信息熵、相似系數(shù)、均方根誤差、光譜扭曲程度[12-13]共7種指標(biāo)來完成評價,通過主觀和客觀相結(jié)合的評價方法,比較分析各種融合算法的優(yōu)越性。

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文采用Terra-SAR與Quick Bird光學(xué)影像,如圖4所示。Terra-SAR影像的分辨率3 m,Quick Bird影像分辨率為2.4 m,通過以上4種方法進(jìn)行融合變換,并分析其精度。

2.2 影像融合及評價

通過IHS變換、NSCT變換、小波變換和本文方法的4種融合算法進(jìn)行實(shí)驗(yàn),其融合結(jié)果見圖5,7種評價指標(biāo)對融合后的影像精度評價結(jié)果如表1所示。

表1 融合影像精度評價結(jié)果

從主觀視覺效果的角度來看,融合影像不如原QuickBird影像清晰,由于原QuickBird影像分辨率為2.4 m,分辨率高,Terra-SAR影像的分辨率為3 m,與其進(jìn)行融合的過程中,不可避免的降低了影像的譜分辨率。但融合后的影像的紋理信息、邊界信息以及光譜信息都得到一定的增強(qiáng)。

結(jié)合表1從精度的指標(biāo)來看:原始影像和本文方法融合結(jié)果具有較大的標(biāo)準(zhǔn)差,說明影像地物清晰,容易辨別;本文方法和IHS變換具有較大的信息熵,說明融合結(jié)果信息量較豐富,能夠較好結(jié)合光學(xué)影像和SAR影像的地物信息;從邊緣保持指數(shù)、平均梯度的值都比原始影像有所提高,增加了豐富的紋理信息,與主觀視覺效果相吻合;融合后影像的IHS變換光譜扭曲程度最大,也符合IHS變換的基本原理,本文方法的相關(guān)系數(shù)最大,說明信息量保留大,且光譜扭曲度最小,說明增加紋理信息的同時,較好的保持了光譜信息。通過綜合比較,可以看出本文融合方法的各項(xiàng)評價指標(biāo)均較優(yōu),對于SAR影像和光學(xué)影像的融合效果較好。

可見對于SAR影像和光學(xué)影像的融合,不僅能夠保持原始影像的光譜信息,還能有效利用SAR影像的灰度信息,本文提出的NSCT和IHS變換的SAR影像與光學(xué)影像融合方法表現(xiàn)相對更優(yōu),信息量增加,光譜扭曲減小,圖像的細(xì)節(jié)信息和紋理信息更加突出。

3 結(jié)論

影像融合是將SAR影像與光學(xué)影像進(jìn)行結(jié)合使用的重要環(huán)節(jié),SAR影像獨(dú)特的成像方式,能夠全天時,全天候,不受天氣、云層等各種外界因素的影響獲取地物信息,從而可以彌補(bǔ)光學(xué)影像由于種種外界因素的干擾而丟失的地物信息,同時由于SAR影像紋理信息豐富,與光學(xué)影像結(jié)合使用,可以使融合影像既包含SAR影像的紋理信息,又包含光學(xué)影像的光譜信息。

本文提出基于NSCT和IHS變換的SAR影像與光學(xué)影像融合方法,對比不同算法的融合結(jié)果,驗(yàn)證了本文提出的變換法在提高影像的清晰度,增加地物的細(xì)節(jié)信息,減少影像的光譜失真等方面均具有優(yōu)越性,高質(zhì)量的影像為目標(biāo)識別和地物判讀別提供有力支持,如影像的變化檢測。