邵小美， 張春亢， 韋永昱， 周成宇

（1 貴州大學(xué) 礦業(yè)學(xué)院， 貴陽 550025； 2.31626 部隊(duì)， 廣州 510800）

0 引 言

隨著遙感技術(shù)的發(fā)展，影像融合技術(shù)已接近成熟并逐漸應(yīng)用于各個(gè)研究領(lǐng)域。 國(guó)內(nèi)外學(xué)者針對(duì)不同數(shù)據(jù)源采用不同融合方法做出了大量的研究，并依據(jù)相關(guān)的評(píng)價(jià)指標(biāo)對(duì)融合效果進(jìn)行評(píng)價(jià)。 研究表明，不同的融合方法應(yīng)用于不同的數(shù)據(jù)源，其融合效果各異。 薛晶等針對(duì)高分二號(hào)影像，采用5 種常用的融合方法對(duì)全色和多光譜數(shù)據(jù)進(jìn)行分析處理，得到了最優(yōu)融合算法。 趙文馳等通過分析評(píng)價(jià)不同融合方法，研究了適用于高分辨率衛(wèi)星影像的融合方法；謝士琴等比較分析了高分二號(hào)影像融合的方法，找到了GF－2 影像融合的最優(yōu)算法。 以上文獻(xiàn)都只是通過定性評(píng)價(jià)和定量評(píng)價(jià)兩方面評(píng)價(jià)了融合圖像的優(yōu)劣，且定量評(píng)價(jià)的指標(biāo)中缺少對(duì)實(shí)際應(yīng)用的考慮。 而張麗霞等通過對(duì)多種融合方法進(jìn)行分類，總結(jié)了各類融合方法的融合過程和典型算法；孫攀等基于高分二號(hào)影像，對(duì)比分析利用5 種融合方法的融合影像進(jìn)行地物分類，找到了最優(yōu)融合方法；王兆媛等針對(duì)適用于GF－1 衛(wèi)星影像水體信息提取的影像融合方法展開研究，篩選出融合后影像質(zhì)量較優(yōu)的方法；鄭雅蘭等探究了適用于林業(yè)提取的高分二號(hào)影像的融合方法等等。 從以上分析而可以看出，雖然圖像的融合方法各有優(yōu)劣，但衛(wèi)星融合后影像的最佳視覺與應(yīng)用效果還沒有達(dá)成一致。 這些研究在利用不同融合方法分析高分影像方面取得了不少顯著成果，但針對(duì)道路信息提取方面，尤其是適用于高分二號(hào)衛(wèi)星影像的分析，有待投入更多的研究與實(shí)際應(yīng)用。

針對(duì)影像數(shù)據(jù)在實(shí)際應(yīng)用中，由于融合方法選擇不恰當(dāng)導(dǎo)致數(shù)據(jù)優(yōu)勢(shì)無法充分發(fā)揮的問題，本文采用6 種常用的融合算法對(duì)高分二號(hào)衛(wèi)星的全色影像和多光譜影像數(shù)據(jù)進(jìn)行融合實(shí)驗(yàn)，并通過主觀定性評(píng)價(jià)和客觀定量?jī)煞矫孢M(jìn)行對(duì)比分析，再通過遙感影像道路提取具體實(shí)驗(yàn)，選擇適合從GF－2 圖像數(shù)據(jù)中提取道路信息的融合方法。

1 研究方法

1.1 影像融合方法

本研究選擇了PCA、Brovey、NNDiffuse、GS、IHS以及小波變換6 種常用的融合方法進(jìn)行實(shí)驗(yàn)對(duì)比分析。

PCA 變換也稱Hotelling 變換或K－L 變換，是一種基于信息量的正交線性變換。 PCA 融合法是用高分辨率圖像替換，通過主成分變換，將低空間分辨率圖像轉(zhuǎn)換的第一個(gè)主成分，使得圖像的光譜和紋理信息得到更好的保存，然后通過逆變換完成融合。 Brovey 融合方法即色彩標(biāo)準(zhǔn)化變換，該算法主要是將多光譜圖像的圖像空間分解為顏色和亮度分量，然后進(jìn)行計(jì)算。 該變換過程最大限度地保留了多光譜圖像數(shù)據(jù)的信息，簡(jiǎn)化了圖像變換過程的系數(shù)。 在融合處理操作中，首先對(duì)多光譜波段進(jìn)行顏色歸一化，然后將全色圖像的灰度值乘以多光譜圖像各波段的灰度值， 最后完成融合過程。NNDiffuse（Nearest Neighbor Diffusion）融合算法是ENVI 5.2 新增的一個(gè)圖像融合算法，由美國(guó)羅徹斯特理工學(xué)院（Rochester Institute of Technology， RIT）最新提出。 與以往的方法相比，該方法在圖像融合質(zhì)量和處理速度方面具有更好的效果。 當(dāng)多光譜波段的波長(zhǎng)范圍不交叉時(shí)，全色波段基本可以覆蓋多光譜波段的所有波長(zhǎng)范圍，融合效果更好。 Gram－Schmidt 變換是統(tǒng)計(jì)學(xué)中常用的一種多維線性正交變換，通過統(tǒng)計(jì)分析方法對(duì)融合波段進(jìn)行最佳匹配，以消除多光譜波段之間的相關(guān)性。 該算法雖然消除了融合圖像時(shí)的冗余信息，但其抗干擾能力較弱。 IHS（Intensity， hue， saturation）變換主要是將人類感知的RGB 顏色空間轉(zhuǎn)換為IHS 顏色空間，并通過對(duì)比拉伸將IHS 轉(zhuǎn)換為RGB 模型，生成彩色增強(qiáng)圖像，從而實(shí)現(xiàn)多源遙感影像間的信息融合。 小波變換是一種空間域信號(hào)分解與重構(gòu)的融合技術(shù)，該融合算法是通過對(duì)多光譜影像與高分辨率影像進(jìn)行小波正變換，然后對(duì)提取的高分辨率影像的高頻信息和多光譜影像的低頻信息進(jìn)行小波逆變換。 以此完成影像的融合。

1.2 融合質(zhì)量評(píng)價(jià)方法

遙感影像融合主要是通過融合高空間分辨率影像和多光譜影像，得到兼具高空間分辨率和多光譜影像豐富的色彩信息的融合影像，提高影像整體質(zhì)量。

1.2.1 定性評(píng)價(jià)

融合影像主觀定性評(píng)價(jià)標(biāo)準(zhǔn)是通過目視判別，由觀察人主觀評(píng)判圖像的紋理、細(xì)節(jié)、邊緣的清晰度，以及圖像的光譜是否畸變，然后判斷圖像融合方法的實(shí)用性。 雖然主觀評(píng)價(jià)方法方便快捷，但人工評(píng)價(jià)過程主觀片面，只能在特定情況下使用。 因此，對(duì)于大多數(shù)對(duì)準(zhǔn)確度要求較高的應(yīng)用，都需要進(jìn)行客觀的定量評(píng)價(jià)。

1.2.2 定量評(píng)價(jià)

通過定量方式來對(duì)影像融合質(zhì)量進(jìn)行評(píng)價(jià)，相比定性方法來說更加嚴(yán)謹(jǐn)，在數(shù)據(jù)直觀對(duì)比的基礎(chǔ)上，可以清楚地分辯各種方法在融合后影像分辨率、光譜差異、亮度等各類指標(biāo)上的差異。 本文針對(duì)高分二號(hào)衛(wèi)星影像的特點(diǎn)，從影像的信息量、清晰度、邊緣保持度、噪聲減少情況，以及與原圖像的相似程度等方面，對(duì)圖像的評(píng)價(jià)指標(biāo)進(jìn)行了選擇。 最終選取了圖像均值、標(biāo)準(zhǔn)差、信息熵、峰值信噪比、均方根誤差以及與原始多光譜影像的相關(guān)系數(shù)6 個(gè)評(píng)價(jià)指標(biāo)。 通過對(duì)這6 個(gè)指標(biāo)的綜合對(duì)比分析來判定影像的融合效果的優(yōu)劣。

（1）均值：均值也稱為像素平均值，表現(xiàn)為影像的平均亮度。 融合后，影像與原始影像的均值變化越小，則該方法的融合效果就越好。 其計(jì)算公式為：

（2）標(biāo)準(zhǔn)差：標(biāo)準(zhǔn)差是相對(duì)于灰度平均值來說的圖像灰度離散情況。 標(biāo)準(zhǔn)差越小，影像中地物間的反差就越小，更不利于提取影像的信息。 計(jì)算公式為：

式中，為影像的標(biāo)準(zhǔn)差。

（3）信息熵：信息熵常被用作系統(tǒng)信息含量的量化指標(biāo)。 通常情況下，融合后圖像的熵值越大，則圖像包含的信息量就越多，融合效果也就越好。計(jì)算公式為：

式中，為信息熵，(x) 為影像像素灰度值為x的概率。

（4）均方根誤差：均方根誤差是融合影像與原始影像相似度的直接反映，代表融合影像的信息保留程度。 融合影像均方根誤差越小，表示融合前后影像越相似，融合效果越好。 其計(jì)算公式為：

式中，(，) 為原始影像在(，) 位置像元的灰度值，(，) 為融合后影像在(，) 位置像元的灰度值。

（5）相關(guān)系數(shù)：融合后影像的光譜信息保存能力，可以通過融合后影像與原始多光譜影像之間的相關(guān)系數(shù)來衡量。 通常情況下，影像的相關(guān)系數(shù)越大，則融合后影像的光譜信息保存能力就越強(qiáng)。融合圖像和原始圖像的相關(guān)系數(shù)的計(jì)算公式為：

（6）峰值信噪比：峰值信噪比是衡量圖像有效信息與噪聲之間的比例，能夠體現(xiàn)圖像是否失真。 其數(shù)值越大，表示融合過程的失真越小，融合效果更好。 其計(jì)算公式為：

式中，MAX 為融合圖像最大灰度值。

1.3 道路信息提取方法

本實(shí)驗(yàn)采用改進(jìn)的筆畫寬度變換算法，對(duì)6種融合后的影像以及原始圖像進(jìn)行道路信息提取實(shí)驗(yàn)。 該方法是利用均值漂移（mean shift）算法來改進(jìn)筆畫寬度變換進(jìn)行道路提取，使最終獲得的道路信息更加準(zhǔn)確；最后對(duì)提取出的道路圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，去除其中一些干擾及毛刺，優(yōu)化道路提取實(shí)驗(yàn)結(jié)果。

2 實(shí)驗(yàn)結(jié)果分析

本文實(shí)驗(yàn)的研究區(qū)位于貴陽市貴陽北站附近。該區(qū)域地勢(shì)相對(duì)平坦，交通線比較復(fù)雜，是運(yùn)用遙感技術(shù)進(jìn)行道路信息提取的有利地域。 選取高分二號(hào)衛(wèi)星影像數(shù)據(jù)的多光譜和全色影像作為實(shí)驗(yàn)數(shù)據(jù)。在融合實(shí)驗(yàn)之前，首先對(duì)影像數(shù)據(jù)進(jìn)行正射校正和空間配準(zhǔn)等預(yù)處理，然后再進(jìn)行融合實(shí)驗(yàn)。 經(jīng)過圖像融合后的影像，能更好地識(shí)別道路信息，加強(qiáng)視覺效果，有利于全面提取道路信息。 文中影像選用MSS3（ R）、MSS2（ G） 、MSS1（ B）的波段組合。 不同類型道路的融合效果如圖1 和圖2 所示。

圖1 郊區(qū)道路融合圖像Fig.1 Fused image of suburban road

圖2 城市道路融合圖像Fig.2 Fused image of urban road

2.1 定性評(píng)價(jià)

融合影像主觀定性評(píng)價(jià)，主要是通過人眼進(jìn)行主觀判別圖像光譜保真度和圖像清晰度的融合效果。 由圖1、圖2 可見，相比于原始多光譜影像，6 種方法的融合影像在信息方面都有所增強(qiáng)。 但在細(xì)節(jié)信息方面，融合后的影像相比全色影像都有一定的損失。 IHS、brovey 和小波變換融合的圖像在光譜顏色方面存在光譜失真的現(xiàn)象，而且相比與其它融合圖像，小波變換融合圖像比較模糊，但整體的影像質(zhì)量并沒有受損。 而PCA、NDDiffuse 和GS 融合后的影像比較清晰，光譜保真度和顏色亮度優(yōu)于前3 種融合方法。 其中視覺效果最好的是NDDiffuse，與原始多光譜影像在顏色上最為相似。

2.2 定量評(píng)價(jià)

本文選擇均值、標(biāo)準(zhǔn)差、信息熵、峰值信噪比、均方根誤差以及與原始多光譜影像的相關(guān)系數(shù)，作為融合影像質(zhì)量評(píng)價(jià)的指標(biāo)，從信息量、光譜保真度、清晰度等方面對(duì)融合結(jié)果進(jìn)行定量分析。 分別計(jì)算原始多光譜和6 種融合影像的質(zhì)量評(píng)價(jià)指標(biāo)值，具體變化趨勢(shì)如圖3 所示。

圖3 評(píng)價(jià)指標(biāo)變化折線圖Fig.3 Line chart of evaluation index changes

由圖3 中各評(píng)價(jià)指標(biāo)對(duì)比可知：

（1）從均值方面分析，NNDiffuse 融合法的光譜保真性最好，GS 和PCA 融合法次之，這3 種方法最接近原始影像并有所提升。 而IHS、Brovey 和小波變換融合圖像和原始影像的均值相差較大。

（2）從標(biāo)準(zhǔn)差方面分析，IHS 和小波變換的標(biāo)準(zhǔn)差最大，且較原始多光譜影像相差較大。 標(biāo)準(zhǔn)差越大表示圖像反映的信息越復(fù)雜，雖然這有利于地物的分類，但對(duì)道路信息提取來說，會(huì)造成更多的噪聲。 而PCA、GS、Brovey 和NNDiffuse 法融合后，影像的標(biāo)準(zhǔn)差和原始影像都比較接近原始影像，更有利于道路信息的提取。

（3）從信息熵方面分析，無論是城市道路還是郊區(qū)道路的圖像，NNDiffuse、GS 和PCA 融合后的圖像信息量都比較大，而Brovey 的熵值最小。

（4）從相關(guān)系數(shù)方面分析，NNDiffuse、GS、PCA和小波變換融合圖像的相關(guān)系數(shù)較大，表明這3 種方法與原始多光譜影像相似度較高。 而IHS 和Brovey 融合圖像與原始多光譜圖像的相關(guān)性較小，融合效果較差。

（5） 從 峰 值 信 噪 比 方 面 分 析，GS、PCA 和NNDiffuse 融合的圖像峰值信噪比較大，而Brovey、IHS 和小波變換的圖像峰值信噪比較小，其圖像失真較大。

（6）從均方根誤差方面分析，GS、PCA 和NNDiffuse融合的圖像均方根誤差較小，表示這3 種融合影像與原始影像越接近，融合效果較好。 而Brovey、IHS和小波變換的融合方法的均方根誤差較大。

綜上所述，NNDiffuse 融合法和GS 融合法的融合效果較好，PCA 融合法次之，而Brovey、IHS 和小波變換融合法效果較差。 為了從應(yīng)用的角度更好地評(píng)價(jià)融合方法的優(yōu)劣，也為了驗(yàn)證融合影像在道路信息提取中的適用性。 將分別用NNDiffuse 和GS融合圖像進(jìn)行道路信息提取，以此對(duì)融合效果進(jìn)行驗(yàn)證。

2.3 道路信息提取結(jié)果與分析

本文將融合圖像應(yīng)用于道路信息提取中，利用改進(jìn)的筆畫寬度變換算法，分別對(duì)NNDiffuse 和GS變換所得融合影像進(jìn)行道路信息提取，結(jié)果如圖4、圖5 所示。

圖4 郊區(qū)道路提取結(jié)果Fig.4 Suburban road extraction results

圖5 城市道路提取結(jié)果Fig.5 Urban road extraction results

從圖4 和圖5 可以看出，對(duì)于郊區(qū)道路，影像中沒有過多的干擾噪聲，提取效果都比較好。 但GS融合圖像的提取結(jié)果會(huì)出現(xiàn)一些斷裂以及毛刺。 而對(duì)于城市道路來說，建筑物比較多，提取出的結(jié)果會(huì)存在較多的噪聲，這需要后續(xù)的去噪實(shí)驗(yàn)。 相比之下，NNDiffuse 融合方法對(duì)邊界的處理更細(xì)致，道路提取結(jié)果更加完整。

3 結(jié)束語

本文以高分二號(hào)衛(wèi)星影像的全色與多光譜影像作為數(shù)據(jù)源，對(duì)6 種典型的融合方法進(jìn)行對(duì)比與分析，綜合定性與定量進(jìn)行融合效果評(píng)價(jià)。 從信息量，光譜保真度、清晰度等方面的指標(biāo)綜合分析得出：NNDiffuse 變換和GS 變換融合效果較好；結(jié)合具體的道路提取實(shí)驗(yàn)進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明：相比于其它5 種融合方法，NNDiffuse 融合圖像的道路提取效果更優(yōu)，更適合高分二號(hào)影像的道路信息提取研究。