一種新的基于ＨＩＳ和小波變換的圖像融合方法

摘要:針對遙感圖像影像分辨率低的問題，提出了一種新的基于HIS和小波變換的低分辨多光譜和高分辨全色圖像的融合方法。該方法通過對高分辨全色圖像小波分解后的低頻分量進行低通濾波，將全色圖像的低頻信息中的高頻分量融入到多光譜圖像HIS空間的亮度信息的低頻中;再將這個融合后的低頻和高分辨全色圖像的細節信息進行小波反變換，得到融合后的圖像。該圖像很大程度地保留了多光譜的光譜特性和高分辨圖像的空間分辨率。仿真結果表明了本方法的有效性。

關鍵詞:色度#65380;亮度#65380;飽和度變換; 小波變換; 圖像融合; 多光譜圖像

中圖分類號:TP391.41文獻標志碼:A

文章編號:1001－3695(2008)02－0450－02

遙感是以不同空間#65380;時間#65380;波譜#65380;輻射分辨率提供電磁波譜不同譜段的數據。隨著遙感技術的發展，越來越多的不同類型傳感器被用于實際觀測中。由于成像原理不同和技術條件的限制，任何一個單一的遙感器的遙感數據均不能全面反映目標對象的特征。這些多遙感器#65380;多時相#65380;多分辨率#65380;多頻段的遙感圖像數據，就各自顯示了自身的優勢和局限。為了更充分地利用和開發這些數據源，數字圖像融合技術應運而生。其中:遙感圖像數據融合是一個正在興起，并有著廣泛前景的研究領域。它將那些在空間或時間上冗余或互補的多源信息按照一定的規則進行處理，減少數據冗余，提高數據的可靠性，改善目標識別的圖像環境，從而增加解譯的可靠性，減少模糊性[1~4]。

當前遙感圖像的主要目標是在提高融合影像空間分辨率的同時，盡量保持原圖像的光譜特征，從而保證后續分析理解的有效性。而一般情況下，多光譜圖像的空間分辨率比較低，即空間細節表現能力比較差，不能滿足應用的要求。本文主要研究這樣一類圖像融合問題，即將低分辨多光譜圖像與高分辨全色圖像進行融合，以得到一幅同時具有高空間分辨率和光譜信息的融合圖像。這一技術早期具有代表性的方法有IHS[5，6]#65380;PCA[7]#65380;HPF[7]。這些方法要么保留了光譜信息，降低了分辨率，要么提高了分辨率，丟失了光譜信息;直到David提出了一種高低頻互補的小波變換方法[8]。該方法是后期處理高分辨全色圖像與多光譜圖像最常用的方法，優點是既能很好地保留光譜信息，又能提高分辨率;缺點是受分解階數的影響較大，容易出現分塊效應，完全舍棄了高分辨全色的近似信息。所以本文針對這些缺點提出一種新的基于HIS和小波變換的改進方法。

1基于HIS和小波變換的融合方法

1.1多分辨分析的小波變換融合方法

1.2HIS變換融合方法

在圖像處理中常使用的彩色坐標系統有兩種:a)由紅(R)#65380;綠(G)#65380;藍(B)三原色組成的彩色空間即RGB空間;b)表色系統是HIS模型，即亮度(I)#65380;色調(H)#65380;飽和度(S)。HIS空間中三個分量I#65380;H#65380;S具有相對獨立性，可分別對它們進行控制，并能夠準確定量地描述顏色特征。在遙感圖像處理中，經常將多光譜圖像從RGB空間變換到HIS空間，再對高分辨全色圖像進行線性拉伸，使其與多光譜圖像的亮度分量有相同的均值和方差;然后將經過拉伸的高分辨圖像代替多光譜圖像的亮度分量，再將多光譜圖像反變換回RGB空間。

1.3新的基于小波變換和HIS的融合方法

HIS變換的目的是因為HIS空間中H#65380;I#65380;S三個通道是相互獨立的，本文選取其中的I通道相當于是對多光譜圖像的一種特征提取，所以從某個意義上來說，HIS變換是特征級融合;另外，為了盡量保留原圖像的光譜信息，本文只對原始圖像進行了一階小波分解，盡量保持了多光譜圖像的低頻;再通過對高分辨全色圖像的低頻分量進行低通濾波的處理而將高分辨全色圖像的低頻融入到多光譜圖像中，這在過去的融合方法中都是沒有的。融合算法的具體實現步驟如下:

a)對多光譜圖像進行配準，使其與高分辨全色圖像有同樣的大小;

b)將低分辨多光譜圖像從RGB空間變換到HIS空間;

c)對多光譜圖像的亮度成分以及高分辨全色圖像分別進行一階小波分解，得到各自的低頻和高頻細節;

d)對高分辨全色圖像的低頻分量進行低通濾波，得到低頻分量的低頻成分和細節成分，然后用多光譜圖像HIS空間的亮度成分與高分辨全色圖像低頻分量的高頻細節成分重構多光譜圖像HIS空間的亮度分量;

e)用高分辨全色圖像高頻細節分量直接替換低分辨多光譜圖像HIS空間的高頻細節分量，反變換多光譜圖像的亮度成分;

f)反變換HIS空間得到融合后的RGB圖。

2實驗結果與分析

為了驗證本文方法的有效性，筆者使用標準測試圖片中mandrill的彩色圖像。圖1為原始圖像與各種融合方法融合后圖像。圖1(a)是原始高分辨全色圖像，(b)是原始低分辨多光譜圖像，(c)是HIS[6]方法的融合圖像，(d)是傳統小波變換方法[8](WT方法)的融合圖像，(e)是本文方法的融合圖像。首先從視覺效果上給出評價，從圖中可以看出(如果將圖像放大效果尤其明顯):HIS方法的圖像很清晰，但比原多光譜圖像暗了許多;傳統WT方法的融合圖像色彩較鮮明，但不如HIS和本文方法清晰;本文方法的融合圖像和HIS方法一樣很清晰，而且色彩更加鮮明更接近原多光譜圖。

為了更明了分析融合方法的優劣，下面定量給出從保留光譜信息和提高空間分辨率兩個角度考慮給出的分析。這里研究的是多光譜和高分辨圖像的融合，所以筆者從減少光譜差異和提高分辨率兩個方面來評價融合質量:a)光譜質量的評價指標可以定義為融合后圖像與原始多光譜圖像分別在R#65380;G#65380;B三個通道上的平均差異，可以表示為

其中:V1和V2是融合后圖像和原始多光譜圖像的某一點的像素值;k是R#65380;G#65380;B三個通道;n是圖像的大小;Dk表示光譜差異，即光譜扭曲度，它反映了融合后圖像光譜保留程度，光譜差異越大，光譜失真越大，所以融合前后的圖像的光譜差異越小越好。b)空間分辨率的評價指標，即利用融合后圖像與原始高分辨率圖像分別經高通濾波后的高頻成分間的相關系數來定義。相關系數可表示為是圖像x#65380;y在(i， j)位置的像素值。因為Ck是融合后圖像與原始高分辨圖像經高通濾波后的相關系數，所以，相關系數越大，表示更多地保持了原高分辨圖像中的高頻細節信息。

表1和2為融合評價指標的各項數據比較。從表中數據可以看出，HIS方法的高頻信息得到了很好的保留，但是光譜信息丟失比較嚴重;WT方法的光譜差異較小，但是高頻細節信息丟失較多;本文方法的光譜差異較小，與原始高分辨圖像的高頻成分間的相關系數較大，可見本文方法在保留光譜信息和提高分辨率兩個方面綜合而言是最優的。

3結束語

本文提出的基于HIS和小波變換的低分辨多光譜和高分辨全色圖像的融合方法通過對高分辨圖像的低頻進行低通濾波的方法，將高分辨圖像低頻中的高頻信息融入到多光譜圖像的低頻中。試驗結果表明，該方法在保留多光譜圖的光譜特性和高分辨率的空間信息兩方面是有效的。

參考文獻:

[1]CLARKE J J， YUILLE A L. Data fusion for sensory information processing system[M]. Norwell， MA: Kluwer， 1990:1－15.

[2]HALL D L. Mathematical techniques in multi－sensor data fusion[M]. Boston: Artech House， 1992:20－59.

[3]倪國強.多波段圖像融合算法研究及其新發展(Ⅰ)[J].光電子信息與技術，2001，14(5):11－17.

[4]倪國強.多波段圖像融合算法研究及其新發展(Ⅱ)[J].光電子信息與技術，2001，14(6):1－17.

[5]CHAVEZ P S Jr， SIDES S C， ANDERSON J A. Comparison of three different methods to merge multi－resolution and multi－spectral data: TM SPOT pan[J]. Photogramm Eng Remote Sensing， 1991，57(3):295－303.

[6]李弼程，魏俊，彭天強.基于HIS變換與小波變換的遙感圖像融合[J].數據采集與處理，2003，18(3):268－272.

[7]SHETTIGARA V K. A generalized component， substitution technique for spatial enhancement of multi－spectral images using a high－resolution data set[J]. Photogramm Eng Remote Sensing， 1992，58(5):561－567.

[8]DAVID A Y. Image merging and data fusion by means of the discrete two－dimensional wavelet transform[J]. J Opt Soc Am A， 1995，12(9):1834－1841.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”