開封市Spot5全色波段與多光譜影像融合評價

郭文娟，吳楠楠

（河南大學環境與規劃學院，河南開封475001）

開封市Spot5全色波段與多光譜影像融合評價

郭文娟，吳楠楠

（河南大學環境與規劃學院，河南開封475001）

以Spot5全色波段與多光譜波段為例，用PCA、Brovey、IHS等三種像素級融合方法對其進行融合研究。分別運用灰度均值、相關系數、平均梯度等三個傳統的指標在影像亮度、光譜保真度以及高頻信息融入度三個方面對其評價。最后綜合這些指標在信息量以及融合指數方面對融合影像進行綜合評價，從而建立一套完整的影像評價體系。

影像融合；光譜信息；空間信息；效果評價

近20多年來，遙感技術獲得迅猛發展，一方面需要有效處理多源遙感信息描述同一地物時信息解譯的問題；另一方面需要對各種不同空間分辨率和波譜分辨率的遙感影像數據進行融合以最大限度提高信息量，減少信息冗余[1]。探討將這些具有各種特征的遙感影像信息融合在一起，以充分發揮其各自的優點，是非常有意義的[2]。法國SPOT-5遙感衛星影像，其全色波段空間分辨率高達 2.5 m，多光譜波段光譜信息豐富，但分辨率稍低，僅為10 m。為了既保留豐富的光譜信息又能提高空間分辨率，可以將其全色波段數據與多光譜數據相融合，提高Spot影像的使用效率。目前融合效果的評價指標沒有統一的標準，本文試圖建立一套相對完整的評價體系，通過幾種像素級融合方法得到的影像對其進行驗證。

1 影像數據融合方法分析

遙感影像數據一般可在三個層次上進行融合，即像素級融合、特征級融合、決策級融合。像素級融合是直接對原始影像進行色彩空間或頻率域空間的匹配形成一景新的影像；特征級融合是對圖像的特征進行融合；決策級融合是數據融合的最高層次。融合層次決定了對多源遙感數據進行何種程度的預處理，以及在信息處理的哪一層次上實施融合。

1.1 IHS變換融合算法

其具體過程是將RGB色彩空間的多光譜影像數據做HIS正變換，然后將高空間分辨率影像的像元值進行對比度拉伸，使其與I分量有相同的均值和方差，最后用拉伸的全色Pan影像替換其中的亮度I分量，再做IHS反變換，生成融合后的影像[3]。IHS變換融合法可以提高融合圖像的地物紋理特性,但多光譜圖像的波段數必須為3,而且光譜失真較大。

1.2 主成分分析 (PCA)

其首先對N個波段的低分辨率圖像進行主分量變換，然后將高空間分辨率影像灰度值進行線性拉伸，使其灰度的均值和方差與經變換后影像的第一分量一致；最后以拉伸過的高分辨率圖像代替第一分量圖像，并將它與其余主分量作逆主分量變換還原到原始空間從而得到融合的影像[4]。主成分變換法在保留原多光譜影像的光譜特征方面比較好，然而第一主分量的信息量要比全色波段影像的信息量高，進行反變換得到增強后的多光譜波段影像時，其信息量會受到損失[5]。

1.3 Brovey影像融合算法

Brovey變換又稱為“色彩標準化-乘積變換”。其算法是將多光譜影像分解為色彩和亮度成分并進行計算，簡化了影像轉換過程的系數并最大限度地保留多光譜數據的信息[6]。運算時首先進行RGB影像顯示的多光譜波段顏色歸一化，然后將高分辨率全色影像與多光譜各波段相乘完成融合。該方法常用于影像的銳化，主要用于波譜范圍一致的影像之間的融合。

2 數據分析處理及融合

2.1 研究區及數據分析

本文研究區為開封市城區。在融合過程中，對標志性建筑、城墻以及水體的識別為重點。使用的是經過初步處理的2003年開封市 Spot5數據,包括分辨率為2.5 m的全色波段數據與分辨率為10 m的多光譜數據,所使用的軟件為ERDAS9.2。下文中主要通過PCA、IHS、Brovey等 3種傳統的像素級融合方法對開封市Spot5全波段與多光譜數據進行融合,并對融合影像進行定性與定量評價。

融合之前應對兩數據進行預處理。首先對影像進行簡單的糾正；第二,給兩圖像添加UTMWGS84 zone49投影坐標系統；第三,進行分辨率重采樣；然后進行配準，配準的精度直接影響到影像的融合質量,本文是以全波段影像數據為基準來配準多光譜影像數據,選取容易定位的地物點作為控制點,均勻分布在整個影像中,誤差控制在0.5個像元內；最后將兩圖像進行裁切及掩膜處理，從而得到直接進行融合的數據。其效果如圖1、2所示。

圖1 原多光譜數據

圖2 原全波段數據

2.2 影像融合分析

本文中主要通過IHS、PCA、Brovey變換等三種傳統的像素級融合方法進行分析、歸納與運算，對開封市Spot5全色波段與多光譜波段進行圖像融合實驗。

利用 ERDAS 9.2“數據預處理模塊”下的不同融合算法進行以下三種融合處理。在PCA主成份融合中，其重采樣選擇的是“最鄰近法NearestNeighbor”；而在Brovey變換融合與 IHS變換融合中，采用綠色波段、紅色波段與近紅外波段進行的融合處理。進行融合后，三種方法得到的融合影像如圖3、4、5所示。

圖3 PCA融合結果

圖4 IHS融合結果

圖5 Brovey融合結果

3 效果評價

影像融合之后，要對融合效果進行評價，通過目視觀察可以看出三種融合影像與原始圖像相比，在空間信息上均有所改善,并在一定程度上能夠保持光譜信息。PCA融合法與Brovey融合法在空間信息方面沒有明顯的差別,但PCA法融合后圖像的地物邊界稍有模糊,影像幾何結構信息也有部分丟失,Brovey融合后的影像亮度偏低。下面定量的對以上三種融合結果進行評價，主要應用灰度均值、相關系數、平均梯度等三種比較成熟的指標以及本文提出的幾個新指標分別在影像的亮度信息、光譜保真度以及高頻信息融入度三個方面進行評價分析；最后綜合這三個指標在信息量方面加以綜合評價，并分析新指標的合理性。

3.1 傳統指標

2）平均梯度。它敏感地反映圖像對微小細節反差表達的能力及紋理變化特征。影像梯度反映影像的清晰程度。在理想狀況下,梯度值越大,影像越清晰。

3)相關系數。它表明融合影像與原影像的相關程度。其主要是用來描述兩幅圖像的接近程度，兩幅圖像的相關系數越大,則表示兩圖像越接近，即光譜保真度越好。

3.2 改進指標分析

1）光譜相關系數。評價融合影像的一個重要方面就是融合圖像能否較好地保留融合前多光譜影像的色彩信息。相關系數反映了兩幅影像的相關程度，但沒有解決高分辨率影像對光譜信息的影響。針對這一問題，首先對原多光譜影像與融合影像進行低通濾波，分別得到對應的影像M l、F l，然后分別求取兩影像對應波段的光譜相關系數Hmf：

式中，i、j為影像的行列數；M l ij、F l ij為經低通濾波的多光譜影像與融合影像對應像素的灰度值；u(M l)、u(F l)為兩影像對應波段的灰度平均值。Hmf越大，即光譜信息的保持越好，光譜相關系數去除了高分辨率影像對光譜信息的影響，因而更客觀、更具說服力。

2）空間相關系數。評價融合影像的另一方面就是影像的清晰度，在此將引入空間相關系數Hpf的概念，其主要是對融合影像F與高分辨影像P進行高通濾波，分別得到影像Fh、Ph，然后求取各兩者的相關系數[7]，現將Ph各波段與Fh的相關系數表示Hpf，其表達式為：

式中，m、n為兩影像的行列數；Fh(x)ij、ux(Fh)為融合影像第x波段i行j列的像素灰度值以及x波段的灰度均值；Phij、u(Ph)為全波段影像i行j列的像素灰度值以及全波段影像的灰度均值。一般情況下Hpf越大表明高頻信息融入度越高，效果越好。

3）信息量指數。信息量指融合影像所包含的原多光譜影像的光譜信息與高空間分辨率影像的空間信息的保持量。現結合前面的分析,從信息量方面來對融合影像進行全面的綜合評價，直接對評價指標進行帶權系數相乘，得到信息量指數Riq，其關系式為:

式中，e為帶權系數,e的取值一般與選擇的融合方法以及融合的影像的用途有關,一般情況下為 0.5,當其取極值0時,Riq表示高頻信息指數,當取極值1時,Riq為光譜信息指數。根據不同的應用以及實驗目的，可以將e取為0到1之間的任意值。信息量指數是對影像進行的綜合評價，其應在前面分析的評價指標的基礎上對融合影像進行評價。

3.3 結果對比

通過目視觀察可以看出三種融合效果均在一定程度上得到了改善，下面現將運用不同的評價指標對以上三種融合影像進行對比分析，其結果如下表1所示。

表1 融合影像評價指標統計表

由表1可以看出PCA融合法的光譜相關系數較高，空間相關系數較低，而Brovey融合法均值較低，說明視覺效果較差，從中可以反映出PCA的光譜保真度較好，而IHS與Brovey的清晰度較高，這與這三種融合方法的原理是對應的；同時空間相關系數與平均梯度的變化規律基本一致，說明其能很好的表達高頻信息；通過信息量指數以及融合指數的比較可以看出IHS融合的整體效果較好，而Brovey相對較差。這些指標的分析與視覺效果也是相吻合的，可以說明這以指標的確立是合理可行的，它更加全面、綜合的對影像進行了評價。

4 結 語

影像融合的優點顯而易見，其應用范圍越來越廣，本文只分析了同一傳感器影像融合的問題，還有許多其他影像的融合需進一步探討研究。同時本文試圖建立一評價指標體系，從而更加全面地對融合影像的效果進行評價，通過前面的分析可以看出，本文建立的評價指標與傳統的指標趨勢基本一致，可以說明這一指標體系是合理的，并且它比傳統的指標更客觀、更具說服力；但是體系本身也存在一定的缺陷，在以后的工作中還需不斷的完善。

[1] Ren C luo et.Multisensor Integration and Fusion for Intelligent Machines and Systems[M].North Carolina State University:Ables Publishing Corporation，1995

[2] 周前祥，敬忠良，姜世忠.多源遙感影像信息融合研究現狀與展望[J].宇航學報，2002，9:89-90

[3] 賈永紅，李德仁.SA與TM影像的IHS變換復合及其質量定量評價[J].國土資源遙感，1997，3:34-39

[4] 賈永紅，李德仁，孫家柄.多源遙感影像數據融合[J].遙感技術與應用，2000，15(1):41-44

[5] 楊麗萍，夏敦勝.L and sat 7 ETM_全色與多光譜數據融合算法的比較[J].蘭州大學學報：自然科學版，2007，43(4):7-17

[6] Vrabel J.Multi-spectral Imagery Advanced B and Sharpening Study[J].Photogrammetric Engineering&Remote Sensing，2000，66(1):73-79

[7] 翁永玲，田慶久，惠鳳鳴.IKONOS高分辨率遙感影像自身融合效果分析[J].東南大學學報：自然科學版，2004，34(2): 274-277

Estimation of Spot5 Panchromatic B and and M ulti-spectral Image Fusion in Kaifeng

GUO Wenjuan,WU Nannan
(C o l l e g e o f E n v i r o n m e n t a n d P l a n n i n g o f H e n a n U n i v e r s i t y,K a i f e n g 4 7 5 0 0 1,C h i n a)

In this paper,we used pixel fusion methods:PCA、Brovey and IHS to research image fusion of Spot5 panchromaticb and and multi-spectral band s.Atthe first,used the three traditional indicators of the mean、correlation coefficient and average gradient to evaluate the fusion image in the three aspects of image brightness、spectral fidelity and high-frequency information.Finally combined these indicators to evaluate the image comprehensivly in the amount of information and fusion index,so as to establish a complete image evaluation system.

image fusion;spectral information;spatial information;effect evaluation

2009-08-24

項目來源：教育部人文社科基地重點資助項目（YRCSD-06A-08）。

P237.3

B

1672-4623(2010)02-0130-04

郭文娟，碩士，研究方向為資源遙感與應用。