郭 秋 劉賀春 郭賽紅

(1.河南理工大學(xué)，河南 焦作 454100； 2.晉中職業(yè)技術(shù)學(xué)院，山西 晉中 030600；3.山西華晉巖土工程勘察有限公司，山西 太原 030021； 4.中化二建集團(tuán)有限公司，山西 太原 030021)

基于遙感影像的像素級(jí)影像融合方法比較研究

郭 秋1，2劉賀春3郭賽紅4

(1.河南理工大學(xué)，河南 焦作 454100； 2.晉中職業(yè)技術(shù)學(xué)院，山西 晉中 030600；3.山西華晉巖土工程勘察有限公司，山西 太原 030021； 4.中化二建集團(tuán)有限公司，山西 太原 030021)

從理論上介紹了四種不同的融合方案算法的基本情況，以及定性和定量評(píng)價(jià)方法，再以皖北錢營(yíng)孜礦區(qū)2009年的年高分辨SPOT影像(2.5 m)和ALOS多光譜影像(10 m)采用不同融合模型進(jìn)行了實(shí)驗(yàn)，最終以灰度剖面曲線評(píng)價(jià)了融合結(jié)果，指出Gram-Schmidt融合方法是最好的選擇。

遙感，像素級(jí)，影像融合，精度評(píng)價(jià)

0 引言

我國(guó)是煤炭能源大國(guó)，然而對(duì)煤炭長(zhǎng)期的粗放式開采造成很多環(huán)境問題，利用多源遙感數(shù)據(jù)和輔助地理信息獲取土地利用和覆蓋信息，可以充分利用遙感的優(yōu)勢(shì)，通過對(duì)多源遙感數(shù)據(jù)進(jìn)行融合處理，可以有效地克服單一遙感數(shù)據(jù)的不確定性，提高信息利用率，增強(qiáng)數(shù)據(jù)的可靠性和可用性[1]。針對(duì)煤礦區(qū)的不同時(shí)段，不同傳感器的遙感影像，進(jìn)行融合處理并進(jìn)行自動(dòng)的分類提取，可以獲取煤礦區(qū)植被、水體、建筑物的面積在不同年代的覆蓋水平，進(jìn)而獲取礦區(qū)地面環(huán)境演變的知識(shí)，以指導(dǎo)生產(chǎn)實(shí)踐及環(huán)境治理。

本文先從理論上介紹了當(dāng)前主流的一些圖像融合處理算法及精度評(píng)價(jià)方法，再通過對(duì)預(yù)處理后的皖北錢營(yíng)孜礦區(qū)遙感影像進(jìn)行處理和評(píng)價(jià)實(shí)驗(yàn)，結(jié)合灰度剖面曲線評(píng)價(jià)的方法，對(duì)不同的圖像融合方法進(jìn)行分析和比較，最終綜合光譜和空間分辨率的要求，選擇適合的融合方法進(jìn)行礦區(qū)遙感影像的圖像融合。

1 像素級(jí)影像融合方法

像素級(jí)影像融合是直接在原始數(shù)字圖像上進(jìn)行的融合或者經(jīng)過適當(dāng)?shù)淖儞Q在頻率域中進(jìn)行的融合。像素級(jí)影像融合是最低層次的融合方法，主要目的是為了圖像增強(qiáng)、圖像分割和圖像分類服務(wù)。現(xiàn)在已經(jīng)形成較成熟的技術(shù)。

1.1 HSV變換算法

HSV變換是先將獲取的多光譜影像進(jìn)行彩色變換，分離出色度(H)、飽和度(S)、亮度(V)分量；然后將高分辨率全色影像與分離的亮度分量進(jìn)行直方圖匹配，最后將飽和度分量和分離的色度與匹配后的高分辨率影像，按照HSV反變換，進(jìn)行彩色合成[4]。因?yàn)槎喙庾V影像中的亮度分量被替換成全色影像灰度值，所以HSV變換可以增強(qiáng)多光譜影像在空間細(xì)節(jié)上的表現(xiàn)能力，但是融合后的影像會(huì)有較大的光譜失真。

1.2 Brovey變換算法[5]

Brovey變換圖像融合也就是彩色標(biāo)準(zhǔn)化(Color Normalized)變換融合，它是將多光譜圖像的像元空間分解為亮度和色彩成分，并運(yùn)用計(jì)算的原理進(jìn)行的。其計(jì)算公式如下：

(1)

其中，R為多光譜圖像的紅波段；G為多光譜圖像的綠波段；B為多光譜圖像的藍(lán)波段；I為高空間分辨率圖像亮度。為了得到更滿意的結(jié)果，可對(duì)變換公式作如下修改：

(2)

其中，a1,a2,b1,b2,c1,c2均為變換公式的系數(shù)。

1.3 Gram-Schmidt變換算法

Gram-Schmidt變換是多元統(tǒng)計(jì)和線性代數(shù)常用的變換方法，它是通過對(duì)多維影像或矩陣進(jìn)行正交變換，來消除冗余信息的。

Gram-Schmidt變換融合步驟如下：

以低分辨率多光譜波段模擬一個(gè)低分辨全色波段→對(duì)模仿出的全色波段和多光譜波段進(jìn)行GS變換→用高分辨率全色波段替換GS變換后的第一波段→對(duì)替換后的數(shù)據(jù)進(jìn)行GS變換逆變換。

1.4 主成分(PCA)變換算法

PCA變換在進(jìn)行融合中有2種變換方法：一種是參與變換的方法，另一種是替換變換的方法。

2 像素級(jí)影像融合算法精度的評(píng)價(jià)

遙感影像精度評(píng)價(jià)目前還沒有統(tǒng)一的標(biāo)準(zhǔn)，現(xiàn)在主要采用的是主觀定性與客觀定量相結(jié)合的方法。本次實(shí)驗(yàn)主要采用主觀評(píng)價(jià)和客觀評(píng)定相結(jié)合的方法，對(duì)融合影像的質(zhì)量做出評(píng)價(jià)。

2.1 主觀定性評(píng)價(jià)

主觀定性評(píng)價(jià)即是從色調(diào)、清晰度、地物形狀和紋理信息等方面對(duì)原始影像和融合影像進(jìn)行比較，從而對(duì)融合效果有一個(gè)定性的認(rèn)識(shí)。

本文還提出一種基于灰度剖面曲線的定性評(píng)價(jià)方法，可以從隨機(jī)取出的灰度剖面曲線的振幅和走勢(shì)上反映出兩影像在空間分辨率和光譜相應(yīng)范圍上的差異。

2.2 客觀定量評(píng)價(jià)

定量評(píng)價(jià)主要通過多元統(tǒng)計(jì)方法進(jìn)行，如影像的熵、方差、相關(guān)系數(shù)、平均梯度等。主要評(píng)價(jià)指標(biāo)及其公式介紹如下。

2.2.1 熵

根據(jù)仙農(nóng)(Shannon)信息論原理，1幅8 bit影像x的熵為：

(3)

其中，Pi為影像出現(xiàn)灰度值為i的像素的概率。

2.2.2 偏差

偏差D是指原始影像M(x,y)灰度平均值與融合后影像F(x,y)灰度平均值之差。亦可以說是原始影像M(x,y)灰度平均值與融合后影像F(x,y)之差影像的灰度平均值，即：

(4)

D反映融合影像與原多光譜影像光譜特征變化的平均程度。

2.2.3 相關(guān)系數(shù)

融合的影像與相應(yīng)的多光譜影像的相關(guān)系數(shù)ρ能反映融合影像同原多光譜影像光譜特征相似程度，即保持光譜特性能力，其計(jì)算公式如下：

(5)

2.2.4 其他評(píng)價(jià)指標(biāo)

其他評(píng)價(jià)指標(biāo)包括相對(duì)偏差、平均梯度、差方差、標(biāo)準(zhǔn)偏差等。

3 對(duì)錢營(yíng)孜礦區(qū)影像的融合處理

以皖北錢營(yíng)孜礦區(qū)及其附近區(qū)域2009年高分辨率SPOT影像(2.5 m)和ALOS多光譜影像(10 m)，采用不同融合模型進(jìn)行實(shí)驗(yàn)。

4 影像融合的精度評(píng)價(jià)

4.1 主觀定性評(píng)價(jià)

通過實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比分析可以得出，HSV融合和Brovey融合改變了多光譜影像的顏色，光譜信息受到較大的損失。Brovey融合后的影像還有很多斑點(diǎn)噪聲，效果也最差。其他融合方法都較好的保持了影像的光譜特性，但在空間細(xì)節(jié)信息的保持上，PCA融合后的影像要稍微差一些，整體比較模糊，其他融合方法則較清晰。

4.2 客觀定量評(píng)價(jià)

利用IDL數(shù)據(jù)交互式語言對(duì)公式進(jìn)行編程，并對(duì)融合后的影像統(tǒng)計(jì)熵、偏差和相關(guān)系數(shù)3個(gè)定量指標(biāo)值見表1。

熵H(x)反映了影像信息豐富的程度，融合影像的信息熵越大，表明融合影像的信息量增加，所含的信息越豐富，融合質(zhì)量越好。根據(jù)表1可知，4種融合方法中，Gram-Schmidt，PCA，Brovey 3種方法變換后的影像熵值變化不是很大，但是HSV變換后影像的熵增加最明顯。表1反映了PCA變換和Gram-Schmidt變換后的多光譜影像與原對(duì)應(yīng)波段影像相關(guān)系數(shù)比Brovey，HSV高，說明前兩者對(duì)多光譜影像的光譜信息繼承的比較好。而和全色影像的相關(guān)系數(shù)HSV變換后的影像最高，說明HSV融合方法對(duì)影像空間信息保持的很好，而PCA和Gram-Schmidt變換后影像對(duì)原

全色影像的分辨率特征繼承效果又要好于Brovey變換后的影像。

表1 融合后客觀定量評(píng)價(jià)指標(biāo)值

5 結(jié)語

本文在對(duì)傳統(tǒng)圖像融合算法進(jìn)行分析的基礎(chǔ)上，采用灰度剖面曲線評(píng)價(jià)方法對(duì)圖像融合的結(jié)果進(jìn)行定性和定量的評(píng)價(jià)，結(jié)果表明：Gram-Schmidt和PCA光譜特性好，比較適合于計(jì)算機(jī)自動(dòng)解譯與分類；Brovey和HSV融合后影像空間分辨率好，但光譜變化大，適合于目視解譯。四種方法中，假如綜合考慮光譜特性和空間分辨率特性，則Gram-Schmidt是最好的選擇。在實(shí)際運(yùn)用中，可以根據(jù)實(shí)際情況區(qū)別對(duì)待，在對(duì)光譜特征要求比較高時(shí)，可以采用Gram-Schmidt或PCA融合算法，而在進(jìn)行更新地形圖等對(duì)空間分辨率要求比較高的工作時(shí)可以采用Brovey和HSV融合算法。

[1] 郭云開，夏 丹.基于小波變換的多源遙感圖像融合方法[J].公路與汽運(yùn)，2006(2)：107-109.

[2] Richards J A，Jia X.Remote sensing digital image analysis:An introduction[M].Berlin:Springer,1999.

[3] Pierre T.Comparison of different methods to merge SPOT Pan and XS data:Evaluation in an urba area[A].Future Trends in Remote Sensing[C].Rotterdam:Balkema,1998:435-443.

[4] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學(xué)出版社，2010.

[5] 張 生，趙春三，楊 桄，等.多光譜與高分辨率圖像融合方法比較研究[J].遙感信息，2007(5)：56-60.

[6] 盧小平，馬 劍，盧 遙，等.多源遙感數(shù)據(jù)融合在礦區(qū)土地覆蓋分類中的應(yīng)用[J].河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010(3)：360-364.

Compraison on methods of remote sensing image fusion in pixel level

GUO Qiu1,2LIU He-chun3GUO Sai-hong4

(1.HenanPolytechnicUniversity,Jiaozuo454100,China;2.JinzhongVocational&TechnicalCollege,Jinzhong030600,China;3.ShanxiHuajinEngineeringReconnaissanceLtd,Taiyuan030021,China;4.ChinaChemicalEngineeringSecondConstructionCorporation,Taiyuan030021,China)

This paper first introduces four different image fusion methods in theory. Following by the qualitative and quantitative evaluation methods. Then fusion experiments were conducted with the SPOT and ALOS image of Qianyingzi mine area in 2009 by using aforementioned fusion methods. From this evaluation, the paper conclude that Gram-Schmidt method is the best model in comprehensive consideration.

remote sensing, pixel level, images fusion, accuracy assessment

2014-07-15

郭 秋(1980- )，女，在讀工程碩士，工程師，講師； 劉賀春(1979- )，男，高級(jí)工程師； 郭賽紅(1980- )，女，工程師

1009-6825(2014)27-0210-02

TU113.21

A