劉甲 李衛(wèi)東 段金龍

摘 要：不同衛(wèi)星所拍攝的遙感影像對融合算法具有不同的適應(yīng)性，人們需要根據(jù)不同的需求選擇不同的融合算法。本文以Landsat 8遙感影像為研究對象，進(jìn)行全色影像和多光譜影像的融合，同時選擇4種影像融合算法，對校正后的Landsat 8多光譜影像和全色影像進(jìn)行融合處理，并對融合后結(jié)果進(jìn)行定性和定量評價。試驗結(jié)果表明，Brovey融合算法均值最大為168.266 737，融合效果相對較差;PC融合算法的均值最小為161.863 477，影像光譜保真度最好;HSV融合算法信息熵和平均梯度依次為5.286 542、18.826 124，其表達(dá)空間細(xì)節(jié)的能力最佳，但其光譜保真度較差;NNDiffuse融合算法各項評價指標(biāo)綜合效果最好。

關(guān)鍵詞：Landsat 8;影像融合;效果評價

Abstract： The remote sensing images taken by different satellites have different adaptability to the fusion algorithm， people need to select different fusion algorithms according to different needs. Taking Landsat 8 remote sensing image as the research object， this paper carried out the fusion of panchromatic image and multispectral image， and choosed 4 image fusion algorithms to fuse the corrected Landsat 8 multispectral image and panchromatic image， and qualitatively and quantitatively evaluated the results after fusion. The experimental results show that average value of Brovey fusion algorithm is 168.266 737， and the fusion effect is relatively poor; the minimum value of the PC fusion algorithm is 161.863 477， and the image spectral fidelity is the best; the information entropy and average gradient of the HSV fusion algorithm are 5.286 542 and 18.826 124 in order， its ability to express spatial details is the best， but its spectral fidelity is poor; the comprehensive effect of various evaluation indexes of NNDiffuse fusion algorithm is the best.

Keywords： Landsat 8;image fusion; effect evaluation

影像融合是指通過不同的融合算法對某一地區(qū)的多源影像數(shù)據(jù)進(jìn)行處理，在保留多光譜信息的同時提高影像的空間分辨率。融合后的影像比源影像有更好的目視效果[1]。

國內(nèi)外針對多源影像數(shù)據(jù)以及不同的融合算法進(jìn)行了大量研究，代表性的算法有Brovey、PC、HSV等，并依據(jù)均值、標(biāo)準(zhǔn)差、信息熵和平均梯度等評價指標(biāo)進(jìn)行評價。本文選取Landsat 8影像數(shù)據(jù)（2018年4月8日鄭州某地區(qū)Landsat 8 OLI影像，利用ENVI5.3軟件對影像進(jìn)行裁剪、輻射定標(biāo)和大氣校正等預(yù)處理）進(jìn)行融合，采用Brovey、PC、HSV、NNDiffuse 4種算法，從定性和定量這兩個方面對融合效果進(jìn)行評價，以期更好地獲取城市綠地分布的空間信息，為城市生態(tài)評價和景觀生態(tài)建設(shè)提供必要的基礎(chǔ)數(shù)據(jù)。

1 融合算法

本文采用Brovey、PC、HSV、NNDiffuse 融合算法，其原理簡單介紹如下。

1.1 Brovey融合算法

Brovey又稱色彩標(biāo)準(zhǔn)化（Color Normalization）融合，其原理是將多光譜各波段影像進(jìn)行歸一化，再與全色影像進(jìn)行乘積性的波段運算來增強影像信息[2]。

1.2 PC融合算法

PC Spectral銳化是針對原始多光波譜影像進(jìn)行融合的方法。首先，對多光譜數(shù)據(jù)進(jìn)行主成分變換。其次，用高分辨率波段替換第一主成分波段，在此之前，高分辨率波段已被匹配到第一主成分波段，從而避免波譜信息失真。最后，進(jìn)行主成分反變換得到融合圖像[3]。

1.3 HSV融合算法

HSV變換是將原始多光譜影像轉(zhuǎn)換到HSV空間，分離出色度（H）、飽和度（S）、亮度（V），然后用全色影像的波段代替已分離的亮度（V），利用重采樣技術(shù)將已分離的色度（H）和飽和度（S）重采樣為高空間分辨率的像元，利用HSV反變換，獲得融合影像[4]。

1.4 NNDiffuse融合算法

NNDiffuse（Nearest Neighbor Diffusion）是由美國羅徹斯特理工學(xué)院（RIT）提出的融合算法。該算法采用OpenMP和CUDA技術(shù)來提高其處理性能，融合后影像能較好地保留色彩、紋理和光譜信息[5]。

2 試驗結(jié)果

本試驗中，Brovey算法將選擇原始多光譜圖像4、3、2波段與全色影像進(jìn)行融合，其余算法均是對7個波段進(jìn)行融合。影像結(jié)果在ENVI中統(tǒng)一按照3、2、1波段進(jìn)行2%線性拉伸顯示，結(jié)果如圖1所示。

3 融合質(zhì)量評價

3.1 定性評價

通過融合結(jié)果對比分析，4種融合算法均提高了原始多光譜影像的空間分辨率，能準(zhǔn)確區(qū)分地物的空間結(jié)構(gòu)及各個地物之間的邊緣部分。從光譜特征方面來看，Brovey影像光譜扭曲嚴(yán)重，容易造成地物劃分錯誤。HSV、PC和NND影像的光譜色調(diào)基本接近原始影像，較好地保留了光譜信息。HSV較其他融合影像紋理特征最為明顯，但是存在色彩失真現(xiàn)象?？傮w來看，NNDiffuse目視效果最好。

3.2 定量評價

為了對融合結(jié)果做進(jìn)一步客觀評價，本研究選取均值、標(biāo)準(zhǔn)差、信息熵、平均梯度4個指標(biāo)進(jìn)行評價。各個定量評價指標(biāo)，如表1所示。

由表1可知，就亮度信息而言，Brovey的影像均值為168.266 737，在所有結(jié)果中是最高的，表明Brovey算法的目視效果最差;PC的影像均值為161.863 477，較其他3種算法，亮度較高，目視效果較好。在4種融合影像的標(biāo)準(zhǔn)差中，HSV算法的標(biāo)準(zhǔn)差最大，數(shù)值為91.967 902，其融合結(jié)果的灰度級分散，圖像反差大，能看出更多的信息;Brovey算法的標(biāo)準(zhǔn)差最小，為88.400 826，說明經(jīng)過Brovey變換后的影像灰度級不夠分散，影像反差不大，色調(diào)也偏向于單一均勻。從信息熵和平均梯度指標(biāo)來看，HSV算法數(shù)值依次為5.286 542、18.826 124，其融合最優(yōu)，說明經(jīng)過HSV變換后的影像具有較好的空間信息，圖像層次、細(xì)節(jié)反映較好，而Brovey、PC、NND 3種算法信息熵依次為4.892 973、4.874 581、4.891 906，其結(jié)果較為接近，信息量保持方面相當(dāng)，Brovey平均梯度數(shù)值為7.233 279，表明其融合后的細(xì)節(jié)反映最差。從相關(guān)系數(shù)指標(biāo)來看，Brovey的相關(guān)系數(shù)最高為0.992 586，說明Brovey在光譜保持性方面都要優(yōu)于其他方法，HSV的相關(guān)系數(shù)最低為0.858 446，在光譜保持性方面最差。綜合各項指標(biāo)來看，NND效果最好，而這一結(jié)果與目視判別的結(jié)果吻合。

4 結(jié)論

Brovey、PC、HSV和NNDiffuse 4種融合算法均能提高影像的視覺效果和空間分辨率。Brovey算法均值最大為168.266 737，融合效果相對較差;PC算法的均值最小為161.863 477，影像光譜保真度最好;HSV算法信息熵和平均梯度依次為5.286 542、18.826 124，其表達(dá)空間細(xì)節(jié)的能力最佳，但其光譜保真度較差;NNDiffuse算法各項評價指標(biāo)綜合效果最好。本次試驗的結(jié)果可為Landsat 8衛(wèi)星影像數(shù)據(jù)的融合處理及應(yīng)用提供一定的參考和借鑒。

參考文獻(xiàn)：

[1]劉錕，付晶瑩，李飛.高分一號衛(wèi)星4種融合方法評價[J].遙感技術(shù)與應(yīng)用，2015（5）：980-986.

[2]李爽，姚靜.北京一號高分辨率影像數(shù)據(jù)融合效果評價[J].河南大學(xué)學(xué)報（自然科學(xué)版），2008（3）：276-280.

[3]Welch R.Merging multiresolution Spot HRV and Landsat TM data[J].Photogrammetric Engineering and Remote Sensing，1987（3）：301-303.

[4]Koutsias N，Karteris M，Chuvieco E.The use of intensity -hue- saturation transformation of Landsat-5 thematic mapper data for burned land mapping[J].Photogrammetric Engineering and Remote Sensing，2000（7）：829 -839.

[5]Sun W，Chen B，Messinger D W.Nearest-neighbor Diffusion-based Pan Sharpening Algorithm for Spectral Images[J].Optical Engineering，2014（1）：13117.