基于ＩＨＳ變換和亮度調(diào)節(jié)的遙感圖像融合方法

摘要:為了能更好地將來自多傳感器的遙感圖像信息綜合起來，在分析了幾種典型的遙感圖像融合方法后，基于IHS變換和亮度調(diào)節(jié)的思想探討了一種新的遙感圖像融合方法#65377;通過兩組仿真試驗將該算法與IHS融合法#65380;基于IHS變換和小波變換相結(jié)合的融合方法進行了比較，定性和定量的評價分析表明，提出的融合方法獲得了基于IHS變換與小波變換相結(jié)合的融合方法相同甚至更好的融合效果，但算法更加簡化#65377;

關(guān)鍵詞:圖像融合; 亮度#65380;色度和飽和度變換; 小波變換; 亮度調(diào)節(jié)

中圖分類號:TP751文獻標志碼:A

文章編號:1001-3695(2007)04-0195-03

隨著現(xiàn)代遙感技術(shù)的發(fā)展，各種對地觀測衛(wèi)星源源不斷地提供不同空間分辨率#65380;時間分辨率#65380;光譜分辨率的遙感圖像#65377;對于光學(xué)系統(tǒng)遙感，影像空間分辨率和光譜分辨率是一對矛盾#65377;一般在一定的信噪比的情況下，光譜分辨率的提高是以犧牲空間分辨率為代價的^[1]#65377;為了對觀測目標有一個更加全面#65380;清晰#65380;準確的理解與認知，人們迫切希望尋求一種綜合利用各類影像數(shù)據(jù)的技術(shù)方法#65377;

遙感圖像融合就是將不同空間與光譜分辨率圖像按特定的算法進行處理，使所產(chǎn)生的新圖像同時具有原來圖像的多光譜特性以及高空間分辨率#65377;傳統(tǒng)的遙感圖像融合方法主要有IHS變換法#65380;PCA變換法#65380;Brovey乘積法等#65377;這些方法雖然能較好地增加多光譜圖像的空間分辨率，但當高分辨率圖像與多光譜圖像波段之間的光譜響應(yīng)范圍不一致時^[2]，融合后的影像色彩畸變嚴重#65377;以ARSIS(Amélioration de la Résolution Spatiale par Injection de Structures)^[3]概念為代表的小波變換遙感圖像融合方法很好地解決了這個問題，提供了更好的光譜信息#65377;然而融合圖像的空間分辨率卻不如IHS變換和PCA變換法#65377;為了更好地結(jié)合多光譜圖像的光譜信息和高分辨率圖像的空間信息，María^[4]和Zhang Yun等人^[5]提出了基于IHS變換和小波變換相結(jié)合的遙感圖像融合方法;但這種方法也存在對圖像配準精度要求高#65380;小波基選擇困難#65380;計算相對復(fù)雜且所需時間長等問題#65377;

1典型的遙感圖像融合方法

1.1基于IHS變換的融合方法

IHS(Intensity，Hue，Saturation)表示亮度#65380;色調(diào)和飽和度，是人們認識顏色的三個特征#65377;IHS變換可分為柱體變換#65380;單六角錐變換#65380;球體變換和三角變換四種#65377;IHS 彩色空間變換融合是指首先將RGB彩色圖像分解成亮度I#65380;色調(diào)H和飽和度S，再用直方圖匹配后的高分辨率影像替換I，并進行反變換^[2]#65377;對圖像融合而言，各種IHS變換方法無明顯的差異^[6]#65377;

IHS融合能明顯地增加多光譜圖像的空間分辨率，但當高分辨率圖像與多光譜圖像波段之間的光譜響應(yīng)范圍不一致時，融合后的影像色彩畸變嚴重#65377;

1.2基于小波變換的融合方法

小波變換(Wavelet Transform)屬于時頻分析的一種，其核心是多分辨率分解#65377;對于圖像融合，小波變換可以將圖像分解成一系列具有不同分辨率特征#65380;頻率特征和方向特征的子帶信號，并且將圖像的光譜特征和空間特征完全分離，從而為不同分辨率圖像融合提供了有利條件#65377;

現(xiàn)有的小波融合算法主要可分為基于抽樣的Mallat算法和基于無抽樣的átrous算法#65377;基于átrous算法的小波變換與Mallat小波變換相似，但是下抽樣這個環(huán)節(jié)被去掉了，是一種基于多分辨率分解的冗余小波變換#65377;這樣經(jīng)過分解后，分解后的信號大小與原始信號大小是一致的#65377;這種算法可以避免由于抽樣而引入的噪聲，但數(shù)據(jù)冗余度大#65377;Mallat算法和átrous算法在融合中的應(yīng)用其實就是通過用多光譜影像的低頻信號部分替換高分辨率全色影像的低頻部分，然后把重新組合的頻率域信號反變換到時間域，便得到融合的結(jié)果影像#65377;這種方法由于不能保證兩組信號的幅值一致， 因此結(jié)果影像的邊緣過渡不自然，出現(xiàn)模糊現(xiàn)象，且小波基選擇困難#65377;

1.3基于IHS變換和小波變換相結(jié)合的融合方法

針對IHS融合和小波融合存在的不足，María和Zhang Yun等人提出了基于IHS變換和小波變換相結(jié)合的遙感圖像融合方法#65377;其基本思路是通過將高分辨率圖像與多光譜圖像的IHS變換后的I分量進行直方圖匹配，然后再分別進行小波變換，用高分辨率圖像的高頻替換I分量的高頻，再對新生成的I分量進行小波反變換，而后經(jīng)過IHS反變換，獲得融合后的圖像#65377;María認為，基于IHS變換和無抽樣的átrous小波變換結(jié)合可獲得比基于IHS變換和抽樣的Mallat小波變換更好的融合效果#65377;

相比單獨的IHS融合和小波融合，基于IHS變換和小波變換相結(jié)合的遙感圖像融合方法可以更好地保留多光譜圖像的光譜信息和高分辨率圖像的空間信息#65377;但這種方法也存在對圖像配準精度要求高#65380;小波基選擇困難#65380;計算相對復(fù)雜且所需時間長等一些不足#65377;

2本文融合方法

2.1基于亮度調(diào)節(jié)的平滑濾波

基于亮度調(diào)節(jié)的平滑濾波(Smoothing Filterbased Intensity Modulation，SFIM)提高分辨率的原理和算法^[1]如下:

若不考慮大氣因素和儀器定標因素，波長為λ的影像中的DN值由太陽入射輻射能量E(λ)和地表的反射率ρ(λ)兩個因素決定#65377;因此DN值可表示為

低分辨率的多光譜和高分辨率的全色影像分別表示為

其中，γ為高空間分辨率影像所對應(yīng)的波長值;DN(λ)low為低空間分辨率的多光譜波段影像的DN值;ρ(λ)low為低空間分辨率的多光譜波段的反射率值;E(λ)low為低空間分辨率的多光譜波段λ的太陽入射能量#65377;下標為high 的高空間分辨率影像的符號有相同的含義#65377;

SFIM算法的近似物理意義為

DN(γ)mean是由高分辨率影像通過平滑濾波計算得來，它可看成是利用高分辨率影像模擬的波長為γ的低空間分辨率的影像#65377;通過SFIM得到的影像與高分辨率影像的光譜屬性無關(guān)#65377;

2.2基于IHS變換和亮度調(diào)節(jié)的遙感圖像融合方法

傳統(tǒng)的IHS融合方法利用直方圖匹配后的高分辨率圖像直接替換I分量#65377;這是引起融合圖像色彩畸變的主要原因#65377;經(jīng)過IHS變換后，多光譜圖像的光譜信息和空間信息并沒有完全分離，I分量包含有一部分光譜信息，H#65380;S分量中也包含有一部分空間信息#65377;結(jié)合小波變換的多分辨率分解，I分量中包含的光譜信息可被有效地分離出來，從而獲得高保真融合圖像#65377;這也正是基于IHS變換和小波變換相結(jié)合的融合方法的核心思想;但是這種方法對圖像配準精度要求高#65380;小波基選擇困難#65380;計算相對復(fù)雜且所需時間長#65377;

基于SFIM方法的思想，本文提出了一種新的基于IHS變換與亮度調(diào)節(jié)相結(jié)合的遙感圖像融合方法#65377;其基本思路是先對多光譜圖像進行IHS正變換，將高分辨率圖像與I分量進行直方圖匹配，再對匹配結(jié)果作均值濾波，然后結(jié)合匹配結(jié)果和I分量執(zhí)行SFIM得到新的I分量，最后將新的I分量與H#65380;S分量結(jié)合進行IHS反變換得到融合結(jié)果#65377;其流程如圖1所示#65377;

其中，Pan表示高分辨率圖像，MS表示高光譜圖像，Pan′表示經(jīng)與I分量匹配后的高分辨率圖像，Pan′表示對Pan′作均值濾波后的圖像，I′表示最后生成的新I分量#65377;該方法中的直方圖匹配采用的是均值方差匹配，均值濾波的濾波窗口大小由Pan與MS之間的比例決定#65377;

新分量I′=I×Pan′/Pan′

從上式可知，I′分量充分利用了I分量中的光譜信息，且通過平滑濾波將高分辨率圖像中的空間信息有效地結(jié)合進來，通過IHS反變換可獲得空間信息增強#65380;光譜信息高保真的融合圖像#65377;將高分辨率圖像通過平滑濾波匹配到低分辨率圖像，這與小波變換相似#65377;但本文算法的復(fù)雜程度相比小波變換更加簡化#65377;

3試驗結(jié)果與分析

針對本文提出的融合算法，采用北京市的遙感影像設(shè)計了兩組仿真試驗#65377;第一組試驗采用中等分辨率的資源一號衛(wèi)星多光譜圖像和SPOT全色波段圖像中的一個子區(qū)域作為數(shù)據(jù)源，大小為256×256像元#65377;各種方法得到的融合結(jié)果圖像如圖2所示#65377;其中圖2(c)中的小波變換采用的是無抽樣的átrous小波#65377;本文方法中的均值濾波窗口大小為9×9#65377;

第二組試驗采用高分辨率的Ikonos多光譜圖像和全色圖像作為數(shù)據(jù)源， 大小為512×512像元#65377;采用了與第一組試驗相同的方法和設(shè)置#65377;融合結(jié)果圖像如圖3所示#65377;

融合影像結(jié)果評價問題依然沒有得到很好的解決^[7]#65377;本文從目視效果和圖像的定量分析兩方面來評價融合圖像的質(zhì)量#65377;從目視效果上看，第一組試驗中IHS融合法得到的圖像色彩畸變嚴重，這是由于不同傳感器獲得的圖像波譜響應(yīng)范圍不一致造成的#65377;基于IHS+小波的方法和本文所采用的方法均有效地解決了這個問題，得到的融合圖像既有較好的空間分辨率又有很好的光譜信息#65377;第二組試驗中，由于采用的是同一傳感器#65380;同一時相獲取的數(shù)據(jù)，IHS融合法得到的圖像色彩畸變不如第一組試驗?zāi)敲磭乐兀恍┲脖粎^(qū)和建筑物屋頂也存在較大的色彩偏差;而本文方法則具有高光譜保真度，同時具有很好的空間信息，如公路上的車輛清晰可見#65377;

圖像的定量分析主要是從數(shù)理統(tǒng)計的角度算出圖像的統(tǒng)計指標#65377;常用的評價指標有熵#65380;標準差#65380;相關(guān)系數(shù)#65380;偏差#65380;平均梯度^[8]等#65377;融合圖像與原多光譜圖像間的相關(guān)系數(shù)反映了圖像的光譜保真程度，而平均梯度則反映了圖像中微小細節(jié)反差與紋理變化特征及清晰度#65377;本文采用了這兩個指標來定量評價融合圖像的質(zhì)量#65377;結(jié)果如表1#65380;2所示#65377;

從表1可知，在光譜保真度方面，本文方法獲得了與基于IHS+小波方法相同甚至更好的融合效果#65377;表2中的平均梯度比較則說明本文方法得到的融合圖像細節(jié)更突出#65380;紋理更豐富#65380;清晰度更好#65377;

4結(jié)束語

針對IHS融合由于高分辨率圖像與多光譜圖像波段間的光譜響應(yīng)范圍不一致而造成的色彩畸變現(xiàn)象，以及基于IHS+小波的方法中由于引入小波變換引起的對圖像配準精度要求高#65380;小波基選擇困難#65380;計算相對復(fù)雜且所需時間長等問題，探討了一種新的光譜保真型遙感圖像融合算法#65377;通過對試驗獲得的圖像進行主客觀評價比較后可以看出，采用本文方法可以取得與基于IHS+小波方法相同甚至更好的圖像融合效果，但算法復(fù)雜度顯著降低#65377;雖然本文方法是以IHS為例來進行說明的，但本文思路也可以很容易推廣到PCA#65380;YIQ等其他一些基于成分替換的融合方法中#65377;

本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。