基于非子采樣Ｃｏｎｔｏｕｒｌｅｔ變換的多波段ＳＡＲ圖像偽彩色融合

（西安高技術研究所， 西安710025）



摘 要：為了對多波段SAR圖像進行有效的融合，提出了一種基于非子采樣 Contourlet變換的多波段SAR圖像偽彩色融合方法。該方法首先對多波段SAR圖像進行基于亮度的波段選擇，按選擇方法將圖像分別賦予R、G、B通道；所得RGB 圖像通過IHS變換得到亮度分量I；再利用非子采樣Contourlet變換對I分量和另一波段圖像進行多尺度分解，低頻和高頻圖像分別采用活性測度和絕對值最大規則進行系數選擇；最后將融合結果與H、S分量進行IHS反變換，得到新的RGB圖像。實驗結果表明，采用該方法進行多波段SAR圖像偽彩色融合是可行和有效的。

關鍵詞：非子采樣Contourlet變換； 多波段合成孔徑雷達圖像； 偽彩色融合； 亮度—色度—飽和度變換

中圖分類號：TP751 文獻標志碼：A

文章編號：10013695(2009)03116603



False color fusion for multiband SAR images based on nonsubsampled Contourlet



WANG Jinlong， SONG Jianshe， CAI Xingfu



(Xi’an Research Institute of Hightech， Xi’an710025， China)



Abstract:This paper proposed a multiSAR image fusion method based on the nonsubsampled Contourlet transform to fuse multiband SAR images effectively. Firstly， selected multiband image based on image bright. With bandselection for R， G， B color space， acquired and transformed RGB image by intensityhuesaturation (IHS) transform. Decomposed the intensity component and another band SAR image by the nonsubsampled Contourlet transform with same scales and directions. Merged the lowpass subbands and the directional highfrequency subbands with activitylevel measured rule and absolute value maximization rule. Finally， completed a new RGB image through the inverse transform of IHS with the fused result and the previous hue， saturation components. The experiment results show that the proposed method is feasible and effective for 1 color fusion.

Key words：nonsubsampled Contourlet transform; multiband SAR image; 1 color fusion; IHS transform



合成孔徑雷達(synthetic aperture radar，SAR)具有全天時、全天候對地觀測能力，一直受到世界各國的高度重視。多波段是SAR發展的重要方向，由于不同波段對地物的反射特性不同，SAR各波段圖像所提供的信息具有冗余性、互補性和合作性。通過對多波段SAR圖像進行融合處理，可以得到比使用單幅圖像更完全、更準確、更精確的估計和判決。由于SAR圖像只有灰度信息，人眼對灰度信息的分辨率較差，只能分辨出近百個灰度級，但人眼卻能分辨出幾千種彩色信息。偽彩色融合能將不同灰度級的像素信息轉換為不同的彩色信息，便于人眼對SAR圖像目標的識別。

近年來，小波變換作為一種多分辨率分析工具，具有良好的空域和頻域局域性，在圖像融合領域得到了廣泛應用。將小波與IHS變換結合能得到較好的偽彩色圖像，但小波變換的分解中存在信號的降采樣過程，使其變換不具備平移不變性。類似于小波變換，Do等人[1]在2002 年提出了另一種多方向、多分辨率的圖像表示方法——Contourlet變換。Contourlet變換中存在上采樣和下采樣過程，仍然缺乏平移不變性，在進行圖像處理時會引入吉布斯效應[2]。非子采樣Contourlet變換(nonsubsampled Contourlet，NSCT)克服了小波變換和Contourlet變換的缺點，具備平移不變性的獨特優勢，更適合具有豐富紋理信息的SAR圖像融合。

本文立足于SAR圖像信息獲取，提出了一種基于非子采樣Contourlet變換與IHS變換結合的偽彩色融合算法，并通過多波段SAR圖像亮度估計，進行了R、G、B通道的選擇。融合算法中選用活性測度作為低頻融合規則，選用絕對值最大作為高頻方向子帶圖像的融合規則，融合結果與H、S分量進行IHS反變換得到新的RGB彩色圖像。

1 非子采樣Contourlet變換

Arthur L.Cunha等人基于非子采樣塔形(nonsubsampled pyramid， NSP)結構和非子采樣方向濾波器組(nonsubsampled directional filter bank， NSDFB)構造了一種過完備的圖像變換非子采樣Contourlet 變換[3，4]。它不但繼承了Contourlet變換的多分辨率、多方向和時頻局域化的特性，還具備了平移不變性的獨特優勢，可以有效消除吉布斯現象。

非子采樣Contourlet變換由具備平移不變性特征的兩個獨立部分構成：第一部分是非子采樣塔形分解結構以保證圖像變換具備多分辨率特性；第二部分是非子采樣方向濾波器組分解結構以提供圖像變換的多方向特性。將兩者結合，并進行迭代分解即實現了具有平移不變性的非子采樣Contourlet變換的多尺度、多方向分解。圖1給出了非子采樣Contourlet變換的結構框圖和理想頻域劃分。

非子采樣Contourlet變換的多分辨率特性是由一個具備平移不變性的濾波器組結構進行子帶分解而得到的，這個平移不變濾波器組結構類似于Laplacian塔。其多尺度分解是通過一個雙通道非子采樣二維濾波器組實現。多方向特性是由具備平移不變性的方向濾波器組進行子帶分解得到，方向濾波器組通過聯合臨界采樣雙通道扇形濾波器組和重采樣算子構造的[5]，其最終結果是用一個樹型結構的濾波器組將二維頻譜劃分成具有不同方向的楔形區域。

2 IHS變換

IHS變換是偽彩色融合中常用的變換，IHS模型更符合人們對顏色的理解和認識習慣。IHS變換能將圖像的空間信息和光譜信息分離。多波段SAR 圖像偽彩色融合中，把多波段圖像賦予R、G、B三個通道形成一幅RGB彩色圖像，并對其進行IHS變換得到相對獨立亮度(I)、色調(H)和飽和度(S)三個分量。其中I分量與圖像的彩色分量無關。對I分量進行單獨處理后，經過IHS反變換得到新的RGB圖像。

IHS變換的模型很多，盡管它們在運算速度、復雜性上有所不同，但是最后得到的H分量圖像和S分量圖像基本相似。為了運算簡單，本文采用三角形模型[4]進行IHS變換。

正變換： I=(R+G+B)/3

當B＜G且B＜R時，

H=(G-B)/[3(I-B)]+2，S=1-B/I

當R＜B且R＜G時，

H=(B-R)/[3(I-R)]+1，S=1-R/I

當G＜R且G＜B時，

H=(R-G)/[3(I-G)]+2，S=1-G/I

反變換：

當B＜G且B＜R時，

R=I(1+2S-3SH)，G=I(1-S+3SH)，B=I(1-S)

當R＜B且R＜G時，

R=I(1-S)，G=I(1+5S-3SH)，B=I(1-4S+3SH)

當G＜R且G＜B時，

R=I(1-7S+3SH)，G=I(1-S)，B=I(1+8S-3SH)

3 基于非子采樣Contourlet和IHS變換偽彩色融合

3.1 基于亮度的波段選擇方法

對于多個波段SAR圖像偽彩色融合，選取哪三個波段用于IHS變換，并以怎樣的原則分別賦予R、G、B三個顏色分量，對融合結果影響很大。由于人眼對紅、綠、藍三色光的敏感度不同，大約有65%的人眼細胞對紅光敏感，有33%的人眼細胞對綠光敏感，2%的對藍光敏感。為了使人眼感覺到較好的圖像，可以通過圖像亮度的不同，對各通道所賦予的多波段圖像進行選擇。首先，計算各波段的SAR圖像灰度均值，估計圖像的平均亮度；然后，按照均值的不同對各波段圖像進行R、G、B通道分配。

考慮到融合中另一非R、G、B通道的多波段圖像對I分量有直接的亮度影響，所以選亮度最大的圖像作為非R、G、B通道的圖像。對其余波段圖像進行均值比較，按照人眼對紅、綠、藍三種光線的敏感度不同，將各波段的SAR圖像按均值從大到小依次賦予R、G、B通道，得到RGB偽彩色圖像。

3.2 融合規則

通過亮度選擇出的三個波段SAR圖像形成的偽彩色圖像從RGB空間轉換到IHS空間，將I分量與另外一個波段的SAR圖像進行基于非子采樣Contourlet變換的多尺度融合。具體低頻和高頻方向子帶圖像的融合規則如下。

3.2.1 低頻圖像融合規則

為了表達方便，設另一波段SAR圖像為Y圖像，對I分量和Y圖像經過非子采樣Contourlet變換分解所得的低頻圖像采用基于活性測度的方法進行融合。

活性測度[6]是一種測定圖像質量的量，反映了分解所得系數以及由分解系數擴展所得到的相應空間區域的局部能量。分解系數的活性測度越大就意味著該像素包含的信息越豐富，該像素就越應該保留在融合圖像中。

對非子采樣Contourlet變換分解所得的低頻圖像用窗口模板計算區域的活性測度，區域大小取3×3，窗口模板系數采用以下形式[7]：

q(s，t)= 111

---161616 111---16216 111---161616(1)

設I分量圖像和Y圖像經非子采樣Contourlet分解后的低頻圖像在像素點(i，j)灰度值分別為DI(i，j)，DY(i，j)，融合圖像為DF(i，j)，則活性測度為

AI(i，j)=∑s∑tq(s，t)#8226;｜DI(i+s，j+t)｜

AY(i，j)=∑s∑tq(s，t)#8226;｜DY(i+s，j+t)｜(2)

融合后低頻系數為

DF(i，j)=DI(i，j) AI(i，j)≥AY(i，j)DY(i，j)AI(i，j)＜AY(i，j)(3)

3.2.2 高頻子帶圖像融合規則

經非子采樣Contourlet 變換分解得到的各高頻方向子帶圖像反映了圖像的細節信息，絕對值較大的系數對應于圖像中對比度變化較大的邊緣特征。本文采用絕對值最大法進行高頻方向子帶系數的選擇。

設I分量圖像和Y圖像經非子采樣Contourlet分解后高頻方向子帶圖像在像素點(i，j)灰度值分別為NklI(i，j)和NklY(i，j)，融合后高頻方向子帶為NklF(i，j)。其中：k表示分解層數；l表示分解方向數。融合規則可表示為

NklF(i，j)=NklI(i，j)， ｜NklI(i，j)｜≥｜NklY(i，j)｜

NklY(i，j)else(4)

3.3 融合步驟

圖2 給出了基于非子采樣Contourlet和IHS變換的偽彩色融合的流程圖。由圖2可知，偽彩色融合可分為以下幾個步驟進行：

a) 計算各多波段圖像的均值，用波段選擇方法將各波段圖像賦予R、G、B空間，得到RGB圖像和另一波段圖像；

b) 將所得RGB圖像進行IHS變換，得到I、H、S分量；

c) 將IHS變換得到的I分量圖像與另一波段SAR圖像進行融合，得到融合圖像；

d) 將融合得到的I′與H、S進行IHS反變換得到新的RGB圖像。

4 實驗結果

本文采用同一場景下嚴格配準的Ku、L、P、X四個波段的圖像進行融合實驗。首先用本文提出的波段選擇方法進行RGB通道的選擇，RGB圖像經IHS變換所得I分量和另一波段圖像的非子采樣Contourlet變換的分解層數為3，方向數為[1，2，8]，低頻融合選用活性測度規則，高頻子帶融合選用絕對值最大規則，圖像大小均為256×256。圖3中給出了不同波段的四幅SAR源圖像。

表1通過本文提出的波段選擇方法，對各波段圖像進行了通道選擇。圖4 (a)表示基于非子采樣Contourlet和IHS變換，用本文波段選擇方法進行通道分配，低頻波段采用均值法，高頻方向子帶圖像采用絕對值最大規則所得的圖像； (b)表示基于非子采樣Contourlet和IHS變換，采用不同的方法進行通道分配，融合規則與本文相同方法所得的圖像；(c)表示本文方法所得的圖像。從圖4主觀比較來看，本文方法所得圖像色彩豐富，對圖像特征通過顏色變化表征得也比較清楚，視覺效果較其他兩幅圖像更好。

為了客觀比較融合結果，各顏色分量采用了均值、方差、熵和平均梯度對圖像進行了客觀評價[8]。表2給出了三種方法融合結果的客觀比較。從比較來看，圖4(a)中，各分量的均值、標準差、熵、平均梯度均小于本文方法所得融合結果圖(4(c))各分量的值；雖然圖4(b)中，R分量的標準差和熵值，以及B分量的均值略大于(c)中的對應分量值，但其他分量值均小于(c)分量值。通過綜合比較各分量的評價參數值可以看出，本文方法所得融合圖像比其他兩幅圖像更具優越性。

5 結束語

本文針對多波段SAR圖像的不同特點，提出了一種新的基于非子采樣Contourlet變換的多波段SAR圖像偽彩色融合方法。將圖像亮度運用到了各波段圖像的波段選擇方法中，應用了活性測度和絕對值最大規則對非子采樣Contourlet分解得到低頻和各高頻子帶圖像進行了融合。最后，偽彩色融合圖像與其他波段選擇方法以及其他融合規則所得融合圖像進行了主觀和客觀的比較。通過比較驗證了本文方法在進行多波段SAR圖像的偽彩色融合中的有效性。

參考文獻：

［1］DO M N， VETTERLI M.Contourlets:a directionalmultiresolutionimagerepresentation[C]//Proc of IEEE International Conference on Image Processing Rochester.New York：[s.n]，2002:357360.

[2]COIFMA R R，DONOHO D L.Translation invariant denoising[EB/OL].[20061226].http://www.stat.stanford.edu/donoho/report.html#1995.

[3]CUNHA A L，ZHOU Jianping， DO M N.The nonsubsampled Contourlet transform:theory，design and applications[J].IEEE Trans on Image Processing，2006，15(10):30893101.

[4]鄭永安.多波段SAR圖像融合方法研究[D].西安:第二炮兵工程學院，2007.

[5]BAMBERGER R H，SMITH M J T.A filter bank for the directional decomposition of images:theory and design[J].IEEE Trans on Signal Processing，1992，40(4):882893.

[6]ZHANG Zhong， BLUM Rick S.A categorization of multiscale decomposition based image fusion schemes with a performance study for a digital camera application[J].Proceeding of the IEEE，1999，87(8):13151326.

[7]李樹濤，王耀南.基于樹狀小波分解的多傳感器圖像融合[J]. 紅外與毫米波學報，2001，20(3):219222.

[8]李偉.像素級圖像融合方法及應用研究[D].廣州:華南理工大學，2006.