鄭 麗

(宿州學(xué)院環(huán)境與測(cè)繪工程學(xué)院，安徽 宿州234000)

0 引 言

絕大多數(shù)地球資源衛(wèi)星遙感器，諸如SPOT、IKONOS、LANDSAT 和QuickBird 等，提供的都是全色影像或多光譜影像［1～2］.遙感影像融合方法很多，各有優(yōu)缺點(diǎn).HIS 變換、PCA 主成分變換和Brovey 變換等像素級(jí)的多遙感影像融合方法有利于增強(qiáng)圖像的視覺(jué)效果，但往往存在光譜畸變問(wèn)題，其主要原因與傳感器的光譜特性以及遙感影像的光譜特征密切相關(guān)［3～4］.如何有效的將高空間全色影像與低空間分辨率的多光譜遙感影像進(jìn)行融合，突出某一方面的信息或豐富地物信息，將兩種遙感數(shù)據(jù)中所含的信息優(yōu)勢(shì)或互補(bǔ)性有機(jī)結(jié)合起來(lái)，有效增強(qiáng)影像的細(xì)節(jié)部分，有利于提高圖形信息分析和提取的能力，對(duì)遙感影像分類精度的提高有著十分重要的意義.

鑒于此，本次試驗(yàn)采用SPOT5 自身的2.5m 全色影像和10m 多光譜影像作為實(shí)驗(yàn)數(shù)據(jù)，對(duì)二者進(jìn)行配準(zhǔn)基礎(chǔ)上，應(yīng)用Gram－schmidt 融合方法對(duì)SPOT5 全色和多光譜影像進(jìn)行融合.通過(guò)對(duì)比融合前后明顯地物的邊緣、紋理和色調(diào)等方面的比較，直觀地看出影像在清晰度、色調(diào)等方面的差異，進(jìn)而從定性角度對(duì)融合后影像完成分析.通過(guò)均值、標(biāo)準(zhǔn)方差和扭曲程度三個(gè)指標(biāo)的計(jì)算進(jìn)行定量分析，從定性和定量?jī)蓚€(gè)層面對(duì)融合后影像質(zhì)量進(jìn)行分析與評(píng)價(jià)，為后續(xù)應(yīng)用提供可靠保證.

1 數(shù)據(jù)源及預(yù)處理

SPOT 影像由SPOT 衛(wèi)星高分辨率多波掃描儀獲取的遙感影像，包括全色和多波段兩種，其光譜響應(yīng)范圍，全色波段為0.51 ～0.73μm［5］，因其具有較高的空間分辨率，在城市規(guī)劃中得到廣泛應(yīng)用.SPOT 多光譜影像合成，便于辨別諸如水體、積雪和土地三類典型地物構(gòu)成，運(yùn)用其不同的光譜特征，提取出水體邊界，探測(cè)生物含量，測(cè)定作物長(zhǎng)勢(shì)，進(jìn)行植物分類等，為遙感數(shù)據(jù)定量分析提供依據(jù).其中，多波段數(shù)據(jù)分別為0.50 ～0.59μm(綠)，0.61 ～0.68μm(紅)，0.79 ～0.89μm(近紅外)，1.58 ～1.75(短波紅外)，空間分辨率，前者為10m，后者為20m［6］.

實(shí)驗(yàn)選用某地區(qū)的SPOT 影像數(shù)據(jù)，多光譜圖像(412 波段組合)和一幅2.5m 分辨率的全色影像.遙感影像融合前處理主要是對(duì)SPOT 多光譜影像與全色影像進(jìn)行配準(zhǔn)，控制點(diǎn)(GCP)選取比較明顯的、清晰的點(diǎn)位標(biāo)志，如道路交叉點(diǎn)、河流交叉點(diǎn)等，這些容易定位的地物點(diǎn)不隨時(shí)間而變化，且控制點(diǎn)均勻分布于整幅影像內(nèi)，配準(zhǔn)誤差控制在0.5個(gè)像元內(nèi).

兩幅圖像已進(jìn)行幾何校正和圖像配準(zhǔn)，圖1 為原始SPOT 多光譜影像，空間結(jié)構(gòu)較為模糊，如道路、河流、居民地等輪廓邊緣細(xì)節(jié)信息不明顯，但其光譜特征明顯.圖2 為SPOT 全色影像，擁有豐富的空間信息，可以清楚地分辨出高速公路中的分車道線、水體輪廓邊緣等細(xì)節(jié)信息.

圖1 研究區(qū)假彩色合成圖像

圖2 研究區(qū)全色影像圖像

2 Gram－schmidt 融合

Gram－schmidt 變換在任意可內(nèi)積空間，任一組相互獨(dú)立的向量都可以通過(guò)Gram－schmidt 找到該向量的一組正交基［6］.假設(shè)一組相互獨(dú)立向量組{P1，P2，…，Pn}，則Gram－schmidt 正交化過(guò)程如下:

式中，(Pn，ηi)為Pn與ηi的內(nèi)積，這樣就得到了正交基{ρ1，ρ2，ρ3，…，ρn}.

該變換核心思想是利用投影原理對(duì)任一組線性獨(dú)立的向量通過(guò)Gram－schmidt 變換獲得該向量的一組正交基，從而消除冗余信息.變化后各矢量只是正交，而各矢量的順序并非按照信息量大小排序，這也是與PC 變換的主要區(qū)別之一［7］.具體步驟如下:

(1)采用光譜重采樣的方法模擬產(chǎn)生第一分類.用多光譜低空間分辨率影像模擬高分辨率波段影像，使得模擬的高分辨率遙感影像信息量特性與高分辨率全色波段影像信息量特性較為接近［8］.

(2)通過(guò)Gram－schmidt 變換將多光譜圖像轉(zhuǎn)換到正交空間.利用模擬的遙感影像作為Gram－Schmidt 變換的第一個(gè)分量來(lái)對(duì)模擬的高分辨率全色影像和多光譜波段進(jìn)行Gram－Schmidt 變換.

(3)通過(guò)調(diào)整高分辨率全色遙感影像的統(tǒng)計(jì)值匹配Gram－Schmidt 變換之后的第一個(gè)分量，在此基礎(chǔ)上產(chǎn)生修改的高分辨率波段影像［9］.

(4)利用高空間分辨率圖像替換第一分量GS1.將經(jīng)過(guò)修改的高分辨率全色遙感影像代替Gram－Schmidt 變換后的第一個(gè)分量，產(chǎn)生一個(gè)新的分量集合.

(5)通過(guò)Gram－schmidt 反變換獲得融合后圖像.對(duì)新的數(shù)據(jù)集進(jìn)行反Gram－Schmidt 變換，即可產(chǎn)生空間分辨率增強(qiáng)的高保真多光譜遙感影像.

3 實(shí)驗(yàn)結(jié)果與分析

3.1 影像融合

原始多光譜影像和原始全色影像，如圖1 和2所示，運(yùn)用ENVI5.1 軟件對(duì)影像進(jìn)行Gramschmidt 融合與重采樣，結(jié)果見(jiàn)圖3 所示:

圖3 融合后影像圖像

通過(guò)目視評(píng)估，由以上圖可1 和圖3 觀察看出:融合后影像較原始影像色調(diào)反差得到提高.通過(guò)圖像融合雖然提高了圖像的高空間分辨率，增強(qiáng)了圖像的細(xì)節(jié)信息，可以看到影像中地物的紋理、邊界，不過(guò)同時(shí)改變了影像的空間色彩，變得更加接近自然色，其對(duì)比效果較好，清晰度較高，如道路、植被、水體等地物更加容易識(shí)別，總體視覺(jué)效果較好，影像的空間結(jié)構(gòu)變得更為清晰，其空間分辨率得到一定程度提高.

為了進(jìn)一步定量評(píng)價(jià)融合結(jié)果，選取均值、標(biāo)準(zhǔn)方差、光譜扭曲指標(biāo)進(jìn)行融合效果評(píng)價(jià)，其中均值、標(biāo)準(zhǔn)差可以反映圖像融合前后的空間分辨率保持的好壞，而光譜扭曲程度則可反映光譜信息的保持情況.

3.2 均值與標(biāo)準(zhǔn)差

均值是像素灰度值的平均灰度值，其對(duì)人眼反映為平均亮度.標(biāo)準(zhǔn)差反映了灰度相對(duì)于灰度均值的離散情況，標(biāo)準(zhǔn)差越大，圖像反差越大，可以看出更多的信息［10］.統(tǒng)計(jì)理論中定義均值和標(biāo)準(zhǔn)差計(jì)算公式如下:

式中:n 為圖像像元個(gè)數(shù)，xi為第i 個(gè)像元的灰度值.

具體列出表1 影像波段均值和標(biāo)準(zhǔn)差統(tǒng)計(jì)值.

表1 原始影像、全色影像及融合后影像波段統(tǒng)計(jì)特征一覽表

從表1 可以看出，原始多光譜影像中，均值由小至大排列如下:波段2 ＜波段3 ＜波段4 ＜波段1，標(biāo)準(zhǔn)差由小至大排列如下:波段3 ＜波段2 ＜波段4 ＜波段1，標(biāo)準(zhǔn)差越大越好，圖像灰度級(jí)分布分散，圖像的反差大，表征圖像信息量豐富，越有利于地物信息的提取，可見(jiàn)圖像各波段信息量與標(biāo)準(zhǔn)差之間有著密切的關(guān)系［11］.Gram－Schmidt 變換方法后，在四個(gè)波段均值由小到大排序?yàn)?波段2 ＜波段3 ＜波段4 ＜波段1，標(biāo)準(zhǔn)差由小到大排列依然為波段3 ＜波段2 ＜波段4 ＜波段1.此外，經(jīng)Gram－Schmidt 變換方法后，四個(gè)波段的均值均減小.但是，因全色影像空間結(jié)構(gòu)信息豐富，融合后波段1、波段4 的標(biāo)準(zhǔn)差小于融合前，而波段2、波段3 的標(biāo)準(zhǔn)差均大于融合前波段2、波段3.由于第2 波段屬于紅波段，融合后標(biāo)準(zhǔn)差得到提高，使得不同類型的植被在色彩上出現(xiàn)差異，易于植被類型的識(shí)別［6］.在近紅外波段3，經(jīng)Gram－Schmidt 標(biāo)準(zhǔn)差得到提高，對(duì)植物葉綠素的差異表現(xiàn)出較強(qiáng)的敏感性，Gram－Schmidt 變換融合效果光譜保持較好，邊界特征明顯，易于識(shí)別道路、水體邊界信息.

3.3 光譜扭曲

盡管融合后的影像易于提高目視判讀能力，但也導(dǎo)致原始多光譜信息扭曲，光譜扭曲直接反映了多光譜影像的光譜失真程度［12］，其定義為:

式中:D 為光譜扭曲值，n 為圖像的大小，Vi，j′和Vi，j分別為融合后和原始影像上(i，j)點(diǎn)的灰度值.

通過(guò)融合前后影像灰度值，通過(guò)ENVI 軟件compute statistics 命令分別統(tǒng)計(jì)原始影像和融合后影像的灰度值，應(yīng)用公式(5)計(jì)算得到光譜扭曲大小D 為0.10606.通過(guò)融合影像與原始影像的對(duì)比，可以判斷出是否產(chǎn)生了光譜扭曲，計(jì)算光譜扭曲值反映在光譜信息保持上的差異，值越小表明光譜信息保持的越好［13］，越大說(shuō)明光譜失真越大.

4 結(jié) 語(yǔ)

遙感影像融合是一種通過(guò)高級(jí)影像處理來(lái)復(fù)合多源遙感融合的技術(shù).Gram－Schmidt 融合算法具有明確的數(shù)學(xué)意義，對(duì)待融合的遙感影像無(wú)波段數(shù)限制，并且具有較高的光譜信息保持度［7］.基于Gram－Schmidt 算法變換的融合算法產(chǎn)生的融合影像，不僅保持了多光譜影像的光譜信息，同時(shí)又保持了全色影像的空間細(xì)節(jié)信息，在保留地物光譜特征的前提下，可以提供很好的地物內(nèi)部的細(xì)節(jié)信息，實(shí)現(xiàn)了遙感影像的信息互補(bǔ).因此，Gram－Schmidt 融合算法是一種較好的圖像融合方法，有利于解譯光譜特征和內(nèi)部細(xì)節(jié)均比較重要的地物(如植被)，為后續(xù)遙感影像分類、目標(biāo)提取等提供較好的基礎(chǔ)數(shù)據(jù).

研究結(jié)果表明:

(1)通過(guò)目視評(píng)估，SPOT 全色影像與多光譜影像經(jīng)Gram－Schmidt 融合后影像較原始影像色調(diào)反差得到提高，增強(qiáng)了圖像的細(xì)節(jié)信息，可以看到影像中地物的紋理、邊界比較清晰，圖像色彩更加接近自然色，地物的對(duì)比效果較好，清晰度較高，如道路、植被、水體等地物更加容易識(shí)別，總體視覺(jué)效果較好.

(2)經(jīng)Gram－Schmidt 變換方法后，影像的光譜、紋理和幾何形狀等信息更為豐富，通過(guò)計(jì)算均值、標(biāo)準(zhǔn)差發(fā)現(xiàn)，融合后影像四個(gè)波段的均值減小，而標(biāo)準(zhǔn)差融合后影像波段2、波段3 的標(biāo)準(zhǔn)差均大于融合前.這就使得不同類型的植被在色彩上出現(xiàn)差異，植物葉綠素的差異表現(xiàn)出較強(qiáng)的敏感性，且易于植被道路、水體的識(shí)別.通過(guò)融合前后影像灰度值統(tǒng)計(jì)，計(jì)算得到光譜扭曲大小D 為0.10606，D值較小，表明光譜信息保持的較好，借助均值、標(biāo)準(zhǔn)差和光譜扭曲三個(gè)指標(biāo)對(duì)Gram－Schmidt 影像融合的效果進(jìn)行了有效評(píng)價(jià).

［1］ 吳學(xué)文，徐涵秋.多分辨率分解的遙感影像融合方法對(duì)比分析［J］.地球信息科學(xué)學(xué)報(bào)，2010，12(3):419－425.

［2］ 劉林，田慶久.一種構(gòu)建多光譜全色波段與小波變換相結(jié)合的遙感影像融合方法［J］.遙感信息，2008:12－17.

［3］ 肖奧，陶舒，王曉爽，張彤欣.遙感融合方法分析與評(píng)價(jià)［J］.首都師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，28(4):77－80.

［4］ 徐佳，關(guān)澤群，何秀鳳，胡俊偉.基于傳感器光譜特性的全色與多光譜圖像融合［J］.遙感學(xué)報(bào)，2009.13(1):97－102.

［5］ 陳述彭.遙感大辭典［M］.北京:科學(xué)出版社，1990:218－230.

［6］ 孫華，林輝，熊育久等.SPOT5 影像統(tǒng)計(jì)分析及最佳波段選擇［J］.遙感信息，2006，23(5):39－42.

［7］ 趙珍梅，馬偉，王潤(rùn)生.三種高保真遙感影像融合方法效果評(píng)價(jià)與分析［J］.地質(zhì)與勘探，2010，46(4):705－710.

［8］ 鄧超，李慧娜，韓杰.TM 多光譜與SPOT 全色遙感圖像融合算法對(duì)比［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21(2):237－240.

［9］ 陳偉濤，張志.SPOT5 高保真遙感影像融合方法比較［A］.秦緒文;楊金中，康高峰，黃潔.礦山遙感監(jiān)測(cè)技術(shù)方法研究［C］，北京:中國(guó)測(cè)繪出版社，2011:34－35.

［10］ 陳超，秦其明，王金梁等.農(nóng)地遙感圖像融合質(zhì)量評(píng)價(jià)方法比較［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27(10):95－98.

［11］ 鄭麗，陳元濤.基于SPOT 影像的最佳波段組合選取研究［J］.河北北方學(xué)院學(xué)報(bào)(自然科學(xué)版)，2014，30(2):17－20.

［12］ 魏冠軍，楊世瑜.基于主成分變換的多源遙感數(shù)據(jù)融合［J］.蘭州交通大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005.24(3):9－11.

［13］ 張寧玉，吳泉源.Brovey 融合與小波融合對(duì)QuickBird 圖像的信息量影響［J］.遙感技術(shù)與應(yīng)用，2006.21(1):9－11.

［14］ 葉寶軍，徐士進(jìn)，吳俊奇等.基于IHS 變換和小波變換相結(jié)合的IKONOS 影像融合技術(shù)［J］.江西科學(xué)2005，23(2):154－158.