基于ERDAS的遙感影像幾種融合方法的分析比較

張賢柱，尉 濤，馬 旭

(北京洛斯達數字遙感技術有限公司，北京 100120)

遙感影像的融合是遙感圖像應用的關鍵，通常根據需求不同選用不同的波段，運用不同的融合方法，例如林業部門為了突出林木，草地，可能比較多的選用彩紅外波段，而水利部門為了水體的監測可能傾向于藍色波段的運用，本文在這里初步探討一下在ERDAS中幾種融合方法及融合后的結果比較，并做簡單的初步分析。本文中用到的遙感數據為天津地區2010年的SPOT-5的衛星影像，分為全色和多光譜兩種，其中全色圖像的分辨率為2.5m，多光譜分辨率為10m，數據的記錄格式轉換為TIF格式。

1 數據預處理

1.1 影像格式轉換

Erdas提供的數據輸入輸出(Import/Export)功能，允許輸入多種格式的數據供Erdas使用，同時也允許Erdas的文件轉換成多種數據格式。目前Erdas Image9.1支持的數據格式達110多種，可以輸出的數據格式有40多種，包括各類常用的柵格數據和矢量數據的格式，把原始的TIF格式的影像轉換為IMG格式的影像，為下面影像增強影、像配準和影像融合奠定基礎。

1.2 影像增強處理

由于原始遙感影像是較黑，圖像的目視效果不太好，有用的信息不夠突出，這就需要對圖像做增強處理。影像增強的目的是突出影像中的有用信息，擴大不同影像特征(例如灰度或不同顏色)之間的差別，提高對圖像的解譯和分析能力。圖像增強的方法有很多種，但它的應用是有針對性的，不存在一種方法對所有問題效果都很較好的增強方法。Erdas的圖像解譯器包含了50多個用于遙感圖像處理的功能模塊，本文主要用的是直方圖均衡化(Historgram Equalation)來對圖像進行增強。

直方圖均衡化處理時以累積分布函數變換法為基礎的直方圖修正法。其實質是對圖像進行非線性拉伸，從新分配圖像的象元值，使一定灰度范圍那象元的數量大致相等。這樣，原來直方圖中間的峰值部分得到增強，而兩側的谷底部分對比度降低，輸出的直方圖是一個較平的分段直方圖。分別對兩個時相的四副遙感圖像進行增強處理后，可顯示的亮度范圍比以前擴大，對比度也加大，圖像的層次分明，地物見的差異增大，在一定程度上改善了圖像的目視效果。

圖1為直方圖均衡化處理前后的對比圖，其中左圖為原始全色影像，右圖為直方圖均衡化處理后的效果。

圖1 直方圖均衡化處理前后的對比

1.3 影像配準

圖像配準是產生一個空間套準的圖像集合或者匹配某一景物的圖像的過程。圖象配準的目的是實現多源遙感影像在空間上的套合，配準包括相對配準和絕對配準。圖像配準是進行分辨率融合的關鍵，也是進行融合最基礎的一步，配準精度的高低直接關系到遙感融合的質量，本文實驗的配準精度小于一個像元。

(1)相對配準

相對配準是指圖像對圖像的配準，即選擇某一圖像作為基準，將其他的分量圖像與之配準。因此，其坐標系統取決于基準圖像，通常情況下是任意的。具體方法可在基準圖像上選取若干“控制點”，用多項式糾正法將其他分量圖像加以糾正配準。

控制點的選擇應注意以下幾個方在面：一是分布盡量均勻；二是在相應圖像上有明顯的識別標志；三是要有一定的數量保證。當圖像分辨率不一致時，可在重采樣過程中一起解決。

(2)絕對配準

所謂絕對配準就是利用一定數量的地面控制點對圖像進行幾何糾正。將圖像糾正到統一的地理坐標系中。

絕對配準的方法主要分為二類。一類是在已知圖像構像方程式情況下的微分糾正，另一類則是常規的多項式糾正。

本文利用Erdas中Geometric Correction模塊對多光譜和全色圖像進行相對配準的。

(1)選擇全色影像作為基準影像，把多光譜影像糾正到全色波段上來。

(2)選擇幾何校正模型為：多項式變換(Polynomial)，本文使用多項式的次方數(Order)為3次方。

(3)在兩副影像的同名點上分別采集20個控制點。同時采集15個檢查點。保證RMS Error小于一個象元。

(4)使用雙線性差值法對影像進行重采樣，得到的影像即為配準后的影像。

2 影像融合

2.1 影像融合理論基礎

圖像分辨率融合(Resolution)是對不同空間分辨率遙感圖像的融合處理，使處理后的圖像既有較好的空間分辨率又具有光譜特性，不同的遙感器觀測同一區域、同一事件，應表現出一致與互補的信息，進行多源數據融合，將極大豐富提取的信息量，影像融合已經是遙感影像處理中的重要環節，是人們處理多源遙感影像數據的主要手段之一。由于SPOT全色波段和SPOT多光譜多光譜影像融合得到的產品，兼有SPOT全色波段的高空間分辨率和多光譜影像的高光譜分辨率特性，可以滿足影像解譯的需求。圖像融合的關鍵是將融合前的兩幅圖像的配準以及處理過程中融合方法的選擇，只有將不同空間分辨率的圖像精確地進行配準，才能達到滿意的融合效果，而對于融合方法的選擇將取決于被融合圖像的特性以及融合的目的。

對遙感圖象進行融合過程出配準之外包括圖像融合算法的實現和融合結果的質量評估。在實際應用中，根據不同的目的和不同的數據源來選擇不同的方法。

在Erdas系統中提供了圖像融合的方法有3種：主成分變換融合(Principle Component)、乘積變換融合(Mutiplicative)、比值變換融合(Brovey Transform)。

2.2 融合效果比較

(1)主成分變換融合(Principle Component)是建立在圖像統計特征基礎上的多維線性變換融合，具有方差信息濃縮、數據量壓縮的作用，可以更準確地揭示多波段數據結構內部的遙感信息，常常是以高分辨率數據量代替多波段數據變換以后的第一主成分來達到融合目的。這種融合方法適用范圍較廣，采用主成分變換后，經過主成分逆變換的影像更清晰、層次更豐富。具體過程是：首先對輸入的多波段遙感數據進行主成分變換，然后以高分辨率遙感數據替代變換以后的第一主成分，最后進行主成分逆變換，生成具有高空間分辨率的多波段融合圖像。主成分變換融合的圖像見圖2。

圖2 主成分變換融合后的效果

乘積變換融合(Mutiplicative)是應用最基本的乘積組合算法直接對兩種空間分辨率的遙感數據進行合成即：Bi_new=Bi_m×B_h，其中Bi_new代表融合以后的波段數值( i = 1、2、3……n)，Bi_m表示多波段圖象中任意一個波段數值，其中B_h代表高分辨率遙感數據。乘積變換是由Crippen的4種分析技術演變而來的，將一定亮度的圖像進行變換處理時，自由乘法變換可以使起色彩保持不變，乘積變換融合得到的效果見圖3。

圖3 乘積變換融合的效果

比值變換融合(Brovey)也稱為色彩標準化(Color Normalization)融合，是美國科學家 Brovey建立的模型并將其推廣的，是目前應用廣泛的一種RGB彩色融合變換方法。其公式定義為：

式中：Pan表示調整大小后的全色影像的對應值，I0、R0、G0、R0分別表示調整大小后的多光譜影像的對應值，Rnew、Gnew、Rnew則分別表示融合后的多光譜影像的對應值。比值變換融合得到的效果見圖4。

圖4 比值變換融合的效果

3 結論與分析

影像融合是遙感影像處理中的重要環節，是人們處理多源遙感影像數據的主要手段之一。而融合方法的選擇對融合結果來說至關重要。對上面的三種融合方法做的實驗結果分析可知：

(1)主成分變換法對SPOT 影像進行融合，其效果優于其他兩種方法不同的融合方法作了實驗研究，研究結果表明，包括主成分變換在內，但是該方法也有光譜扭曲的缺陷。在Photoshop中對該方法融合后的影像做調色處理，主要調整圖像得色階和曲線，可以改善影像的光譜特性。圖5是在Photoshop中對主成分變換法融合后的圖像進行調色處理后的效果。

圖5 調色處理后得圖像

(2)乘積變換融合(Mutiplicative)是應用最基本的乘積組合算法直接對兩種空間分辨率的遙感數據進行合成，將一定亮度的圖像進行變換處理時，自由乘法變換可以使色彩保持不變，但是乘積變換融合得到影像不是很清晰，比主成分變換法清晰度差些。

(3)比值變換融合(Brovey)方法能夠保留每個像素的相關光譜特性，并且將所有的亮度信息變換成高分辨率的全色影像融合。然而，由于Brovey影像融合對影像的要求比較高，融合前必須預先進行去相關預處理和噪聲濾波處理，以便減少數據冗余和非光譜信息。采用Brovey 融合會導致光譜信息的失真。

本文通過對主成分變換融合、乘積變換融合、以及比值變換融合進行了一定的分析。其中主成分變換融合(Principle Component)保持高分辨率的同時又能最大限度的抑制光譜扭曲，具有較好的效果。由實驗的結果可知，不同的融合方法對同一種遙感影像進行融合時其評價指標有所不同，進而影響融合影像質量，因此，在對遙感影像進行融合時，應注意以下幾點：

(1)配準精度或精糾的精度都是直接影響融合結果的因素。

(2)多光譜影像的波段之間有著一定的關聯性，根據需要，選擇最佳波段來融合。

(3)不同類型的遙感影像應采用不同的融合方法。

[1]王潤生.圖像理解[M].長沙：國防科技大學出版社，1995.

[2]朱虹.數字圖像處理基礎[M].北京：科學出版社，2005.

[3]王愛明，沈蘭蓀.圖像分割研究綜述[J].測控技術，2000，19(5).

[4]章毓晉.圖像分割[M].科學出版社，2001.

[5]周明，孫樹棟.遺傳算法原理及其應用[M].北京：國防工業出版社，1999.

[6]羅惠慆，章毓晉.一個圖像分割評價實例及討論[J].數據采集與處理，1997，(12).

[7]丘江.基于圖像差距分割的快速目標匹配識別算法[J].電子學報，2001，(11).