郭 會 敏,洪 運(yùn) 富,李 營,楊 一 鵬,張 立 峰,楊 海 軍,朱 海 濤

(1.中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院,北京 100083；2.環(huán)境保護(hù)部衛(wèi)星遙感應(yīng)用中心,北京100094)

?

基于高分一號衛(wèi)星影像的多種融合方法比較

郭 會 敏1,洪 運(yùn) 富2*,李 營2,楊 一 鵬2,張 立 峰1,楊 海 軍2,朱 海 濤2

(1.中國礦業(yè)大學(xué)(北京)地球科學(xué)與測繪工程學(xué)院,北京 100083；2.環(huán)境保護(hù)部衛(wèi)星遙感應(yīng)用中心,北京100094)

以揚(yáng)州地區(qū)為試驗區(qū),利用高分一號(GF-1)衛(wèi)星全色及多光譜影像數(shù)據(jù)開展融合試驗,將PCA、GS、Pansharping 3種傳統(tǒng)融合方法與Elbakary、Proxy-sharpening和SFIM等以全色波段為尺度因子的融合方法進(jìn)行對比,從光譜繼承性和空間融入度兩方面分析融合效果,尋找適合GF-1號衛(wèi)星影像的較佳融合方法。結(jié)果表明,傳統(tǒng)融合方法在光譜繼承性和空間融入度兩方面的評價結(jié)果中保持一致,且Pansharping方法在定性和定量分析中都為最優(yōu)；以全色波段為尺度因子的融合方法其空間融入度隨著光譜繼承性的降低而增加；基于不同移動窗口大小的SFIM方法其光譜繼承度和空間融入度均屬最優(yōu),其中,移動窗口為5×5和7×7時,整體融合精度高于其他方法。

GF-1號衛(wèi)星；影像融合；移動窗口；評價指標(biāo)

0 引言

隨著多傳感器、多時相、多光譜和多分辨率的遙感數(shù)據(jù)大量涌現(xiàn),推動了遙感在各領(lǐng)域的應(yīng)用,但受傳感器技術(shù)限制,仍難以獲取高空間分辨率的多光譜影像[1]。然而,大多數(shù)遙感應(yīng)用需要使用高空間-多光譜分辨率影像數(shù)據(jù),如特征提取、地圖更新等[2]，為解決這一難題,影像融合技術(shù)應(yīng)運(yùn)而生。隨著影像融合技術(shù)研究不斷深入,提出了主成分變換(Principal Component Analysis,PCA)[3]、GS變換(Gram-Schimdt)[4]、Pansharping[5]和SFIM(Smoothing Filter-based Intensity Modulation)[6]等多種影像融合方法,但目前仍沒有形成一種通用的、融合效果最好的方法[3]。因此,對于任何傳感器尤其最新研制的傳感器,仍需要對比分析現(xiàn)有的融合方法,探索一種較適用的方法。

GF-1號是我國2013年發(fā)射的遙感衛(wèi)星,能夠獲取2 m全色和8 m、16 m多光譜影像數(shù)據(jù),實現(xiàn)了空間分辨率和時間分辨率的較好結(jié)合,是開展宏觀監(jiān)測研究的良好數(shù)據(jù)源,此外,衛(wèi)星設(shè)計壽命也改寫了中國航天紀(jì)錄。為有效推廣GF-1號衛(wèi)星應(yīng)用,本文采用傳統(tǒng)融合方法(PCA、GS和Pansharping)和以全色波段作為尺度因子的融合方法(Elbakary[7]、Proxy-sharpening[8]和SFIM),分別對GF-1號2 m全色波段與8 m多光譜波段進(jìn)行融合,分析融合結(jié)果,探索適合GF-1號衛(wèi)星影像的融合方法。

1 研究區(qū)和數(shù)據(jù)源

研究區(qū)位于揚(yáng)州市廣陵區(qū)和邗江區(qū),位置示意如圖1(見封2)。該區(qū)域?qū)儆趤啛釒Ъ撅L(fēng)性濕潤氣候向溫帶季風(fēng)氣候的過渡區(qū),四季分明,地勢平坦,年均氣溫約為16℃,年均降水量864 mm,年日照時數(shù)1 721 h。研究區(qū)下墊面地物類型豐富,主要包括建筑用地、耕地、園地、水域及未利用地等,可作為方法驗證的代表性區(qū)域。

數(shù)據(jù)選用GF-1號衛(wèi)星PMS 2號相機(jī)2014年1月14日的全色與多光譜影像,數(shù)據(jù)質(zhì)量符合試驗要求。GF-1號衛(wèi)星攜帶兩臺空間分辨率為2 m全色/8 m多光譜的高分辨率相機(jī),4臺16 m分辨率多光譜相機(jī),覆蓋周期(不側(cè)擺)分別為41 d與4 d,影像幅寬分別為60 km(2臺相機(jī)組合)和800 km(4臺相機(jī)組合),多光譜數(shù)據(jù)包括藍(lán)、綠、紅、近紅外4個波段。試驗數(shù)據(jù)的處理過程為：對2 m的全色影像進(jìn)行幾何校正,之后與8 m的多光譜影像進(jìn)行配準(zhǔn),最后截取2 600×2 600像元范圍作為試驗區(qū)域。研究區(qū)8 m多光譜真彩色合成如圖1。

2 融合方法與評價指標(biāo)

2.1 傳統(tǒng)遙感影像融合方法

PCA方法將多光譜影像進(jìn)行K-L變換生成一組波段間互不相關(guān)、全新的多光譜數(shù)據(jù),每一波段代表一個成分,然后將全色波段替換包含信息量最大的第一主成分,再與其他成分進(jìn)行主成分逆變換,得到融合影像。由于對包含信息量最大的成分進(jìn)行替換,所以該方法理論上會扭曲原始影像的光譜信息。GS方法將多光譜波段進(jìn)行正交變換,得到互不相關(guān)的多波段影像,同時避免光譜信息過分集中于第一分量,從而減少光譜的扭曲程度。但上述兩種方法都沒有銳化其他成分,因此屬于不完全融合方法。Pansharping方法基于最小二乘逼近法,計算多光譜影像和全色影像灰度值之間的關(guān)系[5],但該方法要求兩種影像源處于同一平臺且獲取時間同步[9],限制了不同傳感器之間的影像融合應(yīng)用。

2.2 全色波段作為尺度因子的融合方法

全色波段作為尺度因子的融合方法是以高空間分辨率的全色波段作為尺度因子,利用線性統(tǒng)計或比例調(diào)制等方法,對多光譜影像進(jìn)行空間降尺度,以此得到高空間分辨率的多光譜影像。

2.2.1 Elbakary方法[7]該方法由對“兩步分辨率提升算法”[10]改進(jìn)而得,即將全局策略改進(jìn)為n×n的局部策略(n為移動窗口的大小),利用高分辨率的航空影像進(jìn)行試驗發(fā)現(xiàn)局部策略優(yōu)于全局策略。“兩步分辨率提升算法”的具體步驟為：將聚合平均到低分辨率下的全色影像與每個原始多光譜波段建立線性回歸方程,并將原始全色影像代入方程,如式(1)、式(2)所示，得到過渡高分辨率影像；根據(jù)式(3)計算得到融合結(jié)果。本文選用全局策略及移動窗口大小為3×3、5×5、7×7、9×9時4種局部策略進(jìn)行比較。

(1)

(2)

(3)

2.2.2 Proxy-sharpening方法[8]該方法中采用ETM+及ASTER試驗影像,對比GS及PCA方法融合效果較好。本文首次將該方法應(yīng)用于高分辨率影像,判別其推廣性能。該方法同Elbakary方法類似,都是基于多光譜影像同全色影像之間的相關(guān)性建立最小二乘方程,只是在模型估計誤差(式(4))的擬合上有所不同，計算公式見式(5)。對該方法也采用全局和局部兩種策略,其中移動窗口大小同Elbakary方法一致。

(4)

(5)

式中：ΔT是模型估計誤差。

2.2.3SFIM方法[6]該方法全稱為基于平滑濾波亮度調(diào)整的融合方法,是將全色波段作為尺度因子的比例調(diào)制方法,在很多地方得到了驗證與應(yīng)用[11,12],效果較好。公式如下：

(6)

式中:Panmean表示高空間分辨率全色影像的n×n均值濾波數(shù)據(jù)。本文將濾波窗口大小設(shè)置為3×3、5×5、7×7、9×9 時4種方式進(jìn)行比較。

2.3 評價指標(biāo)

根據(jù)原始影像對以上幾種方法獲得的融合結(jié)果進(jìn)行融合效果評價。評價指標(biāo)包括：反映光譜信息繼承性的指標(biāo)，如均值、光譜扭曲度、光譜相關(guān)系數(shù)，綜合反映融合影像光譜質(zhì)量的指標(biāo)ERGAS(ErreurRelativeGlobaleAdimensionnelledeSynthèse)[13]，以及反映空間細(xì)節(jié)信息融入度的指標(biāo)，如標(biāo)準(zhǔn)差和平均梯度。

3 結(jié)果分析

將融合后的高空間分辨率影像與原始多光譜影像及全色影像進(jìn)行對比,分別通過目視及評價指標(biāo)進(jìn)行定性與定量分析。

3.1 影像融合結(jié)果定性分析

GF-1號原始多光譜影像、全色影像以及多種方法融合后的高分辨率多光譜影像如圖2所示(見封2),為便于評價融合效果,只截取一小塊典型區(qū)域,區(qū)域內(nèi)主要為顏色鮮明、形狀規(guī)則的彩鋼房,這種地物便于判別原始影像的光譜繼承程度及空間信息的融入情況。受篇幅限制,這一部分只列出傳統(tǒng)融合方法和全色波段作為尺度因子融合方法中移動窗口為3×3時的融合結(jié)果。

由圖2可知，3種傳統(tǒng)融合方法獲得的融合結(jié)果(圖2c-圖2e)相比原多光譜影像(圖2a)空間清晰度明顯增強(qiáng),并接近原始全色影像(圖2b),而全色波段作為尺度因子的3種方法(圖2f-圖2h)在3×3移動窗口下融合結(jié)果空間清晰度的增強(qiáng)效果并不明顯。對比原始多光譜影像的光譜顏色發(fā)現(xiàn),PCA方法獲取的影像顏色差異較大,呈現(xiàn)過于明亮的色彩;GS和Pansharping方法獲得的融合結(jié)果與原始光譜顏色接近,說明用全色波段替換正交變換后的第一分量(而非第一主成分分量)確實減少了光譜失真程度,但這種方式仍然存在一定程度的光譜損失,表現(xiàn)為GS方法融合效果要弱于以全色波段和多光譜波段間相關(guān)性為支撐的Pansharping方法；以全色波段為尺度因子的3種方法獲得的融合結(jié)果同原始多光譜影像的顏色最為接近,且各方法獲取的光譜顏色相似。綜上,融合效果目視評價表明,Pansharping方法得到的影像清晰度最高,且光譜保真性較好。

3.2 影像融合結(jié)果定量分析

采用影像融合效果評價指標(biāo)對所有融合結(jié)果進(jìn)行評價(表1)。為便于分析,將統(tǒng)計結(jié)果繪制成點(diǎn)狀分布圖,獲得光譜信息繼承性指標(biāo)分布圖(圖3)和空間細(xì)節(jié)信息融入度指標(biāo)分布圖(圖4)，圖中橫坐標(biāo)代表融合方法,順序與表1中序號一致,虛線是為了區(qū)分各融合方法而設(shè)定的間隔線。

表1 融合影像質(zhì)量評價指標(biāo)統(tǒng)計結(jié)果

Table 1 The statistical results of images′ quality evaluation indexes

融合方法序號均值光譜扭曲度光譜相關(guān)系數(shù)ERGAS標(biāo)準(zhǔn)差平均梯度(×10-4)原始影像211．1120．6114．65PCA1187．0024．13 0．864．2713．5511．07GS2211．078．010．861．4620．4220．63Pansharping3211．127．560．861．5320．8728．17ElbakaryProxy?SharpeningSFIM全局4211．113．790．960．8821．4520．293×35211．112．230．980．5721．0015．045×56211．112．520．980．6421．0816．087×77211．112．740．980．6821．1416．909×98211．112．890．970．7121．1917．44全局9211．093．780．960．8921．4520．373×310211．102．230．980．5821．0015．055×511211．102．510．980．6421．0716．077×712211．102．730．980．6821．1416．899×913211．092．880．970．7121．1917．433×314211．002．460．980．4621．1422．595×515210．934．750．940．8622．3828．527×716210．936．870．891．2124．0132．459×917210．978．620．861．5025．6734．92

3.2.1 光譜信息繼承性評價 融合結(jié)果的均值分布圖(圖3a)中橫線代表原始影像的光譜均值,融合影像與原始多光譜影像的均值越接近,融合效果越好?？梢悦黠@看出,除PCA方法外,其余方法獲取的融合影像均值均在橫線上(或附近),與原始影像均值基本保持一致。光譜扭曲度分布圖(圖3b)中光譜扭曲度越小,融合影像對原始影像的光譜繼承性越好?？梢钥闯?PCA方法效果最差,GS與Pansharping方法的效果略好一些,但仍然弱于以全色波段作為尺度因子的3種方法：Elbakary方法和Proxy-sharpening方法所得結(jié)果普遍較好,且這兩種方法的局部策略均比全局策略的融合效果好,這與前人的研究結(jié)果一致[7,8],說明局部策略下,多光譜影像和全色波段兩者間建立的關(guān)系更加穩(wěn)定；SFIM方法中除移動窗口為3×3外,其余窗口的融合效果都比另兩種方法差；以全色波段作為尺度因子的3種方法的光譜扭曲度均隨窗口尺度的增加而增加,其中SFIM方法的增長速度較快。光譜相關(guān)系數(shù)分布圖(圖3c)中相關(guān)系數(shù)越高,光譜保真性越好。3種傳統(tǒng)方法所得光譜相關(guān)系數(shù)均為0.86,明顯低于以全色波段為尺度因子的3種方法,而后3種方法的相關(guān)系數(shù)分布圖同光譜扭曲度的分布正好反向?qū)ΨQ,在移動窗口為3×3時,光譜相關(guān)系數(shù)達(dá)到最高,均為0.98。反映光譜整體質(zhì)量(ERGAS)圖(圖3d)中,ERGAS值越低說明融合影像的整體質(zhì)量越高。各融合方法的ERGAS空間分布狀況同光譜扭曲度圖大體一致：PCA方法最差,GS與Pansharping方法的融合效果基本一致,后3種方法的融合效果高于前3種方法,且均隨移動窗口的增加而降低,其中3×3窗口的SFIM方法得到的ERGAS指標(biāo)最低,說明該方法的光譜質(zhì)量最高。

圖3 光譜信息繼承性指標(biāo)分布

Fig.3 Distribution of spectral information inheritance index

從光譜繼承性評價角度分析可得以下結(jié)論：傳統(tǒng)融合方法中,GS與Pansharping方法精度基本持平,且高于PCA方法；全色波段為尺度因子的融合方法中,融合效果隨移動窗口尺寸的增加而降低,其中,Elbakary和Proxy-Sharpening方法對移動窗口大小的改變不敏感,且局部策略優(yōu)于全局策略;全色波段作為尺度因子的方法優(yōu)于傳統(tǒng)融合方法,其中,3×3窗口的SFIM方法的融合精度最高。

3.2.2 空間細(xì)節(jié)融入度評價 標(biāo)準(zhǔn)差和平均梯度兩個指標(biāo)越大,影像空間信息越豐富。標(biāo)準(zhǔn)差分布圖中(圖4a),除PCA和GS方法外,其他方法的標(biāo)準(zhǔn)差均高于圖中直線(即原始影像的標(biāo)準(zhǔn)差);Elbakary和Proxy-sharpening方法的全局策略要高于局部策略,說明全局策略對空間信息的注入程度較高,在局部策略上,這兩種方法在不同移動窗口的融合效果基本相同;SFIM方法隨移動窗口尺寸的增加而增加,在移動窗口為5×5～9×9時,標(biāo)準(zhǔn)差均高于其他方法,且在9×9窗口時達(dá)到最高,說明這種方法的空間注入程度最高。在平均梯度分布圖中(圖4b),直線表示原始影像的平均梯度值,只有PCA方法的平均梯度低于原始影像,GS與Pansharping方法的平均梯度高于Elbakary和Proxy-sharpening方法;以全色波段作為尺度因子的3種方法的平均梯度均隨移動窗口尺寸的增加而增加,與標(biāo)準(zhǔn)差分布圖類似的是,SFIM方法在移動窗口為5×5～9×9時空間注入程度最高,并在9×9窗口時達(dá)到最高(圖5，見封2)。

圖4 空間細(xì)節(jié)信息融入度指標(biāo)分布

Fig.4 Distribution of the integration degree of spatial detail index

鑒于以上分析,在空間融入度方面可知：傳統(tǒng)融合方法中,Pansharping方法效果最好,且高于以全色波段作為尺度因子的Elbakary和Proxy-sharpening方法；Elbakary和Proxy-sharpening方法的全局策略要優(yōu)于局部策略,而且3種方法的局部策略表現(xiàn)出相同的融合性能,均隨移動窗口尺寸的增加而增加；SFIM方法在移動窗口為5×5～9×9時,融合效果優(yōu)于其他方法,并在9×9窗口時達(dá)到最優(yōu)。

4 結(jié)論

基于GF-1號衛(wèi)星影像數(shù)據(jù),利用PCA、GS、Pansharping、Elbakary、Proxy-sharpening及SFIM 6種融合方法對其全色與多光譜數(shù)據(jù)進(jìn)行融合效果比較,采用原始影像對融合結(jié)果進(jìn)行評價,得出如下結(jié)論：1)Pansharping方法的目視效果最優(yōu)。2)在光譜信息繼承性和空間細(xì)節(jié)信息融入度方面,3種傳統(tǒng)融合方法的融合效果均是PCA方法最差,Pansharping方法最優(yōu),這與定性分析結(jié)果一致；以全色波段作為尺度因子的3種融合方法的空間信息量的注入程度隨著光譜繼承程度的增加而逐漸降低。3)綜合所有融合方法可知,將中尺度分辨率影像融合效果較好的Proxy-sharpening方法[8]引入高分辨率影像并不適用,其中,SFIM方法通過設(shè)定不同移動窗口大小可得光譜繼承性和空間融入度最優(yōu)結(jié)果,而且,在窗口設(shè)定為5×5和7×7時,在光譜繼承性和空間融入度上都要優(yōu)于其他方法。因此,對于GF-1號衛(wèi)星影像,SFIM是一種較好的融合方法。

[1] 李存軍,劉良云,王紀(jì)華,等.兩種高保真遙感影像融合方法比較[J].中國圖象圖形學(xué)報,2004,11(9)：1376-1385.

[2] CHOI J W,KIM H J,RYU K Y,et al.A new adaptive image fusion technique for IKONOS satellite imagery[A].Electronic Imaging,International Society for Optics and Photonics[C].2008.

[3] 夏清,胡振琪,李建華,等.不同遙感影像融合方法的質(zhì)量評價[J].地理空間信息,2013,11(1)：49-54.

[4] 竇聞,陳云浩,何輝明.光學(xué)遙感影像像素級融合的理論框架[J].測繪學(xué)報,2009,38(2)：131-137.

[5] ZHANG Y.A new automatic approach for effectively fusing Landsat 7 as well as IKONOS images[A].International Geoscience and Remote Sensing Symposium(IGARSS),2002.2429-2431.

[6] LIU J G.Smoothing filter-based intensity modulation：A spectral preserve image fusion technique for improving spatial details[J].International Journal of Remote Sensing,2000,21(18)：3461-3472.

[7] ELBAKARY M,ALAM M.Superresolution construction of multispectral imagery based on local enhancement[J].Geoscience and Remote Sensing LettersIEEE,2008,5(2)：276-279.

[8] ZHAN W F,CHEN Y H,WANG J F,et al.Downscaling land surface temperatures with multi-spectral and multi-resolution images[J].International Journal of Applied Earth Observation and Geoinformation,2012,18：23-36.

[9] 陽牧男,姜貞白.WorldViewⅡ衛(wèi)星影像融合方法的探討[J].測繪,2011,34(5)：225-227.

[10] PRICE J C.Combining panchromatic and multispectral imagery from dual resolution satellite instruments[J].Remote Sensing of Environment,1987,21(2)：119-128.

[11] BEHNIA P.Comparison between four methods for data fusion of ETM+ multispectral and pan images[J]：Geo-Spatial Information Science,2005,8(2)：98-103.

[12] KHAN M M,CHANUAAOT J,CONDAT L,et al.Indusion： Fusion of multispectral and panchromatic images using the induction scaling technique[J].Geoscience and Remote Sensing Letters,IEEE,2008,5(1)：98-102.

[13] GONZALEZ-AUDICANA M,SALETA J L,CATALAN R G,et al.Fusion of multispectral and panchromatic images using improved IHS and PCA mergers based on wavelet decomposition[J].Geoscience and Remote Sensing,IEEE Transactions on,2004,42(6)：1291-1299.

Comparison of Fusion Methods Used for GF-1 Satellite Image

GUO Hui-min1,HONG Yun-fu2,LI Ying2,YANG Yi-peng2,ZHANG Li-feng1,YANG Hai-jun2,ZHU Hai-tao2

(1.ChinaUniversityofMiningandTechnology(Beijing),Beijing100083；2.SatelliteEnvironmentCenter,MinistryofEnvironmentalProtection,Beijing100094,China)

Three traditional fusion methods including PCA,GS,and Pansharping were used to compare with the other three methods including Elbakary,Proxy-sharpening and SFIM whose scaling factor is panchromatic band based on the GF-1 satellite image data on January 14th,2014 in Yangzhou.Furthermore,two kinds of evaluation indexes were used to evaluate the fusion results qualitatively and quantitatively,including the spectral information inheritance indexes and the integration degree of spatial details indexes,so as to find the best method which is suitable for GF-1 satellite image.The results showed that the traditional fusion methods kept consistency in two aspects of evaluation results and Pansharping method presented the optimum in qualitative and quantitative analysis.For the other three fusion methods scaling factor with panchromatic band showed the mutex in the two aspects,namely space into degree increased with the loss of the spectral inheritance.Based on the different moving window size,SFIM method can get the fusion results with the best spectral information inheritance and the most abundant spatial detail respectively,and on the condition of moving window′s size 5×5 and 7×7,the overall accuracy of this method is higher than the others,so that the SFIM method is a better fusion method for GF-1 satellite image.

GF-1 satellite;image fusion;moving window;evaluation index

2014-06-06；

2014-08-27

高分辨率對地觀測系統(tǒng)重大專項科研項目(05-Y30B02-9001-13/15-11)

郭會敏(1988-),女,碩士研究生,從事影像融合及熱紅外影像空間降尺度研究。*通訊作者E-mail:hong_yunfu@163.com

10.3969/j.issn.1672-0504.2015.01.005

TP722.4

A

1672-0504(2015)01-0023-04