基于礦區生態監測的資源三號衛星影像融合方法比較研究

付麗強++張建國++賈蓉++張紹良

【摘 要】 遙感技術的發展為解決礦區生態監測問題提供了新的研究思路，實時高效的監控需求也對數據源提出了基本要求。以甘肅兩當縣為例，以“資源三號”影像為實驗數據，采用基于主成分分析、小波變換、PANSHARP的影像融合方法，通過計算亮度信息、清晰度、灰度值、標準差、信息熵等定量評價參數，對融合結果進行目視和定量的評價。結果表明，PANSHARP法較其他兩種方法更適用于礦區生態監測。

【關鍵詞】 資源三號衛星 融合影像質量評價 礦區生態監測

1 引言

礦產資源的開發帶動了社會經濟的發展，隨之而來的生態問題也日益凸顯，科學有效的監管礦區生態環境對礦產資源管理提出了嚴峻的挑戰。遙感技術的發展為解決這一難題提供了思路，綜合信息量大、監測周期短、范圍廣等優點的高分辨率遙感數據為實時、高效監測提供了可能[1]。為了提高數據源的監測精度，越來越多的學者嘗試采用不同的方法處理影像，以求達到所需的精度，但現階段的研究中，大多傾向于使用外國的高分辨率衛星數據，對國產數據的應用研究不夠。開展適合“資源三號”衛星在礦區生態監測中的應用，是提高我國遙感數據利用率的研究內容之一。 在衛星影像利用過程中，高分辨率全色影像包含詳細的地物細節信息，反映影像的空間結構；而低分辨率多光譜影像光譜信息豐富，反映各種地物的光譜差異，有利于對地物的解譯、分類與識別，通過一定的算法把各影像數據中所包含的的信息優勢有機地結合起來，對于解決實時監控具有重要的意義。因此，本文基于礦區生態監測的需要，以“資源三號”衛星數據為數據源，采用多種影像融合方法進行融合，通過比較分析，尋求一種適用于礦區生態系統監測的融合方法。

“資源三號”衛星是一顆民用高分辨率立體測繪衛星，主要用于測繪和資源調查利用，其搭載了一臺分辨率為2.1m的正視全色相機和一臺分辨率為5.8m的多光譜相機，經過論證已與國際上數據應用廣泛的先進衛星圖像質量水平相當，這將非常有利于礦區生態監測的影像判讀、特征提取和專題圖的制作與應用。數據融合的目的在于綜合遙感影像全色波段的空間信息和多光譜波段的光譜信息，盡可能的減少信息損失而得到高分辨率和強特征顯示能力的影像。根據數據融合的層次不同而分為像元級融合、特征級融合和決策級融合，常見的融合方法有HIS融合、Brovey融合、主成分分析融合方法（PCA）、PANSHARP融合、Gram-Schmidt波譜銳化融合等，這些方法在非國產衛星中已經得到了一定的應用。翁永玲等采用HIS、PCA和HPF3種融合算法對IKONOS全色和多光譜圖像進行融合，從光譜特征、空間特征及融合前后影像的地物分類精度等方面分析了融合結果的質量[2]；費鮮蕓等應用KT變換和PCA方法，對北京圓明園周圍的IKONOS全色波段和多光譜波段進行融合，對整景影像和植被區的融合結果進行了對比研究[3]。但對于“資源三號”衛星的融合方法測試目前研究甚少。為此，本研究以“資源三號”數據為基礎，采用主成分分析融合方法、基于小波變換的融合方法和PANSHARP融合方法等進行融合實驗，并運用均值、標準差和熵值等參量對融合效果進行評價。

2 礦區生態遙感監測對影像的基本要求

礦區生態監測的實質即分析不同時期由于礦業活動造成的地表生態擾動，并從中提取變化信息已達到監測的目的。遙感技術支持下的監測強調采用不同時期的遙感影像，宏觀、真實、全面的對礦山的開發狀況及引發的環境變化等進行全面監查。從上世紀六十年代開始，這項工作已在歐美等發達國家得到極大的開展[4]；我國的生態監測工作起步交往，但發展勢頭良好，現階段圍繞當前經濟建設的熱點地區礦區秩序混亂、亂采濫挖現象嚴重，生態環境破壞嚴重或災害多發的情況，全國集中開展了重點礦區專項整治工作，在資源環境調查和災害監測方面取得一些成果[5]。

在總結現有研究成果的基礎上，針對礦山環境和礦產資源開發的具體情況，總結現階段礦區生態監測對影像的要求包括：（1）較高的分辨率。由于礦區監測的特殊要求，其在應用過程中往往反應地裂縫、塌陷坑、地面沉陷等形變特征，高分辨率影像有助于發現和研究存在或潛在的采礦擾動情況；（2）較高的時效性。高時效的影像能夠保證提供面域的周期性的信息，有利于提高研究成果的精度和效率；（3）光譜的多樣性。變異影像、植被指數、特征增強等傳統監測礦區生態技術均依賴于多光譜數據，波段的多樣性有助于揭示擾動帶來的信息變化。“資源三號”衛星具備以上條件，滿足礦區生態監測的影像要求。

3 多源遙感影像融合方法

影像融合是對處理后的圖像數據按一定的算法進行運算處理，目的是突出專題信息，提高圖像的解譯能力，通過刪除不必要的噪聲和邊緣清晰處理來改善圖像視覺判斷質量。本文試比較主成分分析融合法、基于小波變換融合法、PANSHARP融合法三種方法在“資源三號”衛星影像中的應用，以期得到滿足于礦區生態監測需要的融合方法。

3.1 主成分分析融合法

主成分分析融合法是一種基于統計分析的融合算法，通過K-L變換矩陣，將原有的多個變量轉化成少量個綜合指標的統計分析方法，并采用新變量來表達信息。通過將多個波段的低分辨影像進行主分量變換，將高空間分辨率影像灰度值進行線性拉伸，使其灰度均值和方差與變換后多光譜分辨率的第一主分量影像一致，然后以拉伸過的高空間分辨率影像代替變換后多光譜低分辨率的第一主分量影像，并作逆主成分變換。將它與其余主分量還原到原始空間從而得到主成分分析融合圖像。其變換公式為：

Y=TX （1）

式中，Y為變換產生的q個主成分像元值向量，X為原始圖像p波段像元值向量，q≤p，T為標準變換矩陣，由X的協方差矩陣∑x計算得出。主成分分析融合法應用較為廣泛，多數圖像處理軟件上都有，文章采用ERDAS9.2對影像進行主成分分析，界面圖1所示。

3.2 基于小波變換的融合方法endprint

基于小波變換的融合方法是建立在遙感影像的頻域分析基礎上，由于傳感器精度的限制，一般信號由離散的多個小波組成，這些小波具有不同的頻率域特征，通過平移組合形成了小波函數庫，通過對函數庫中區間的變換可以對感興趣的頻率域進行放大，以提取包含信息量的有效波段。在實際處理過程中，通過對圖像進行分解，選取高頻、低頻重新組合，通過小波變換得到融合圖像。算法流程如圖2所示，融合平臺應用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一種基于統計原理的融合方法，該方法是基于最小二乘法計算原多光譜影像和原全色影像之間的灰度值關系。它是通過調整單個波段的灰度分布來減少融合結果的顏色偏差，采用最小方差技術對參與融合波段的灰度值進行最佳匹配，通過統計數值尋求最好的近似值，來消除融合結果對數據集的依賴性，并提高融合過程的自動化程度。

PCI9.1軟件進行PANSHARP融合較為方便，在“運算法則庫管理器”里找到PANSHARP工具，輸入相應波段即可，界面如圖3。

4 實驗與分析

實驗數據為2012年12月甘肅兩當某地的“資源三號”衛星影像，采用ERDAS提供的主成分分析融合法、小波變換融合法以及PCI提供的PANSHARP融合法。為比較不同融合方法的融合效果，文章裁剪部分影像進行實驗，融合后影像輸出采用同一比例尺，圖4a為多光譜數據，圖4b為全色數據，用最鄰近法把多光譜影像采集到全色影像大小，各種方法融合的結果見圖4c～圖4e。

本文運用目視評價和定量評價兩種方法評價影像的融合效果，理想的融合效果應該既有新信息的攝入，又有對源影像信息的保留和繼承，因此可以從光譜質量和結構信息兩個方面上評價。目視分析，融合后效果圖空間分辨能力均有了不同程度的提高，影像更加清晰，紋理更加突出，地物的細小空間特征得到加強，礦山建筑、道路和河流等地物輪廓都能分辨出來，但同時也存在著不同程度的光譜扭曲。主成分分析融合影像的光譜扭曲最嚴重，一些地物點的光譜特征和色調均發生了一定程度的偏差，小波方法要好于主成分分析發，但也出現了光譜扭曲現象，如在圖中河流部分出現了明顯的鋸齒邊界，在部分山脊出現了方塊現象，光譜信息丟失。相比之下PANSHAPR融合法色彩保持更好，較好的減少了融合顏色偏差和對數據集的依賴性。

采用定量的方法進行評價，通過計算影像融合后的灰度均值、標準差以及信息熵來定量評價可以有效的反映融合后空間細節信息與光譜信息的程度[6]。灰度值越接近光譜信息表明信息保存越好，標準差離散型越大表明地物可分性越大，信息熵則體現的是影像細節表現能力，熵值越大表明信息越豐富，融合效果越好。通過計算，運算結果詳見表1。

分析表1中數據：灰度均值，PANSHARP融合方法灰度均值均為50左右，與原始影像光譜最為接近，PCA融合次之，小波變換融合較差。標準差，PANSHARP融合方法最大，PCA融合方法次之，小波變換融合最差，表明PANSHARP融合影像灰度離散效果最好。信息熵，PANSHARP融合方法熵值最大，是PCA融合法與小波變換變換相關不大，表明PANSHARP融合圖像的信息越豐富，細節表現能力更強。因此在目視評價和定量評價兩個方面可以看出，PANSHARP方法更優于其他兩種方法，適用于“資源三號”衛星在礦區生態監測中的應用。

5 結語

本文采用了傳統的3種影像融合方法對 “資源三號”的全色與多光譜影像進行融合，通過對融合成果進行對比分析，得出了較為適合試驗數據的融合方法。由于遙感圖像本身數據源的豐富性與應用于礦區生態監測的復雜性決定了影像融合試驗在實際應用中，尚存在一些問題有待解決。雖然PANSHARP方法在試驗中影像最清晰，對空間信息的增強及光譜信息的保持能力好于其他兩種融合方法，但在一些細節的表示上，PANSHARP也存在著自身的問題。因此，在礦區生態監測實際應用中，如何用改進的PANSHARP方法提高融合效果尚需進一步深入研究。

參考文獻：

[1]聶洪峰等.礦產資源開發遙感監測技術問題與對策研究.國土資源遙感，2007.

[2]翁永玲等.IKONOS高分辨率遙感影像自身融合效果分析.東南大學學報（自然科學版），2004.

[3]費鮮蕓等.基于纓帽變換的IKONOS數據融合.計算機工程與應用，2008.

[4]Kavzoglu T， Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin，2011.

[5]王曉紅等.高分辨率衛星數據在礦山開發狀況及環境監測中的應用效果比較.國土資源遙感，2004.

[6]張連蓬，林卉.高分辨率遙感影像融合及其質量評價.工程勘察，2009.endprint

基于小波變換的融合方法是建立在遙感影像的頻域分析基礎上，由于傳感器精度的限制，一般信號由離散的多個小波組成，這些小波具有不同的頻率域特征，通過平移組合形成了小波函數庫，通過對函數庫中區間的變換可以對感興趣的頻率域進行放大，以提取包含信息量的有效波段。在實際處理過程中，通過對圖像進行分解，選取高頻、低頻重新組合，通過小波變換得到融合圖像。算法流程如圖2所示，融合平臺應用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一種基于統計原理的融合方法，該方法是基于最小二乘法計算原多光譜影像和原全色影像之間的灰度值關系。它是通過調整單個波段的灰度分布來減少融合結果的顏色偏差，采用最小方差技術對參與融合波段的灰度值進行最佳匹配，通過統計數值尋求最好的近似值，來消除融合結果對數據集的依賴性，并提高融合過程的自動化程度。

PCI9.1軟件進行PANSHARP融合較為方便，在“運算法則庫管理器”里找到PANSHARP工具，輸入相應波段即可，界面如圖3。

4 實驗與分析

實驗數據為2012年12月甘肅兩當某地的“資源三號”衛星影像，采用ERDAS提供的主成分分析融合法、小波變換融合法以及PCI提供的PANSHARP融合法。為比較不同融合方法的融合效果，文章裁剪部分影像進行實驗，融合后影像輸出采用同一比例尺，圖4a為多光譜數據，圖4b為全色數據，用最鄰近法把多光譜影像采集到全色影像大小，各種方法融合的結果見圖4c～圖4e。

本文運用目視評價和定量評價兩種方法評價影像的融合效果，理想的融合效果應該既有新信息的攝入，又有對源影像信息的保留和繼承，因此可以從光譜質量和結構信息兩個方面上評價。目視分析，融合后效果圖空間分辨能力均有了不同程度的提高，影像更加清晰，紋理更加突出，地物的細小空間特征得到加強，礦山建筑、道路和河流等地物輪廓都能分辨出來，但同時也存在著不同程度的光譜扭曲。主成分分析融合影像的光譜扭曲最嚴重，一些地物點的光譜特征和色調均發生了一定程度的偏差，小波方法要好于主成分分析發，但也出現了光譜扭曲現象，如在圖中河流部分出現了明顯的鋸齒邊界，在部分山脊出現了方塊現象，光譜信息丟失。相比之下PANSHAPR融合法色彩保持更好，較好的減少了融合顏色偏差和對數據集的依賴性。

采用定量的方法進行評價，通過計算影像融合后的灰度均值、標準差以及信息熵來定量評價可以有效的反映融合后空間細節信息與光譜信息的程度[6]。灰度值越接近光譜信息表明信息保存越好，標準差離散型越大表明地物可分性越大，信息熵則體現的是影像細節表現能力，熵值越大表明信息越豐富，融合效果越好。通過計算，運算結果詳見表1。

分析表1中數據：灰度均值，PANSHARP融合方法灰度均值均為50左右，與原始影像光譜最為接近，PCA融合次之，小波變換融合較差。標準差，PANSHARP融合方法最大，PCA融合方法次之，小波變換融合最差，表明PANSHARP融合影像灰度離散效果最好。信息熵，PANSHARP融合方法熵值最大，是PCA融合法與小波變換變換相關不大，表明PANSHARP融合圖像的信息越豐富，細節表現能力更強。因此在目視評價和定量評價兩個方面可以看出，PANSHARP方法更優于其他兩種方法，適用于“資源三號”衛星在礦區生態監測中的應用。

5 結語

本文采用了傳統的3種影像融合方法對 “資源三號”的全色與多光譜影像進行融合，通過對融合成果進行對比分析，得出了較為適合試驗數據的融合方法。由于遙感圖像本身數據源的豐富性與應用于礦區生態監測的復雜性決定了影像融合試驗在實際應用中，尚存在一些問題有待解決。雖然PANSHARP方法在試驗中影像最清晰，對空間信息的增強及光譜信息的保持能力好于其他兩種融合方法，但在一些細節的表示上，PANSHARP也存在著自身的問題。因此，在礦區生態監測實際應用中，如何用改進的PANSHARP方法提高融合效果尚需進一步深入研究。

參考文獻：

[1]聶洪峰等.礦產資源開發遙感監測技術問題與對策研究.國土資源遙感，2007.

[2]翁永玲等.IKONOS高分辨率遙感影像自身融合效果分析.東南大學學報（自然科學版），2004.

[3]費鮮蕓等.基于纓帽變換的IKONOS數據融合.計算機工程與應用，2008.

[4]Kavzoglu T， Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin，2011.

[5]王曉紅等.高分辨率衛星數據在礦山開發狀況及環境監測中的應用效果比較.國土資源遙感，2004.

[6]張連蓬，林卉.高分辨率遙感影像融合及其質量評價.工程勘察，2009.endprint

基于小波變換的融合方法是建立在遙感影像的頻域分析基礎上，由于傳感器精度的限制，一般信號由離散的多個小波組成，這些小波具有不同的頻率域特征，通過平移組合形成了小波函數庫，通過對函數庫中區間的變換可以對感興趣的頻率域進行放大，以提取包含信息量的有效波段。在實際處理過程中，通過對圖像進行分解，選取高頻、低頻重新組合，通過小波變換得到融合圖像。算法流程如圖2所示，融合平臺應用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一種基于統計原理的融合方法，該方法是基于最小二乘法計算原多光譜影像和原全色影像之間的灰度值關系。它是通過調整單個波段的灰度分布來減少融合結果的顏色偏差，采用最小方差技術對參與融合波段的灰度值進行最佳匹配，通過統計數值尋求最好的近似值，來消除融合結果對數據集的依賴性，并提高融合過程的自動化程度。

PCI9.1軟件進行PANSHARP融合較為方便，在“運算法則庫管理器”里找到PANSHARP工具，輸入相應波段即可，界面如圖3。

4 實驗與分析

實驗數據為2012年12月甘肅兩當某地的“資源三號”衛星影像，采用ERDAS提供的主成分分析融合法、小波變換融合法以及PCI提供的PANSHARP融合法。為比較不同融合方法的融合效果，文章裁剪部分影像進行實驗，融合后影像輸出采用同一比例尺，圖4a為多光譜數據，圖4b為全色數據，用最鄰近法把多光譜影像采集到全色影像大小，各種方法融合的結果見圖4c～圖4e。

本文運用目視評價和定量評價兩種方法評價影像的融合效果，理想的融合效果應該既有新信息的攝入，又有對源影像信息的保留和繼承，因此可以從光譜質量和結構信息兩個方面上評價。目視分析，融合后效果圖空間分辨能力均有了不同程度的提高，影像更加清晰，紋理更加突出，地物的細小空間特征得到加強，礦山建筑、道路和河流等地物輪廓都能分辨出來，但同時也存在著不同程度的光譜扭曲。主成分分析融合影像的光譜扭曲最嚴重，一些地物點的光譜特征和色調均發生了一定程度的偏差，小波方法要好于主成分分析發，但也出現了光譜扭曲現象，如在圖中河流部分出現了明顯的鋸齒邊界，在部分山脊出現了方塊現象，光譜信息丟失。相比之下PANSHAPR融合法色彩保持更好，較好的減少了融合顏色偏差和對數據集的依賴性。

采用定量的方法進行評價，通過計算影像融合后的灰度均值、標準差以及信息熵來定量評價可以有效的反映融合后空間細節信息與光譜信息的程度[6]。灰度值越接近光譜信息表明信息保存越好，標準差離散型越大表明地物可分性越大，信息熵則體現的是影像細節表現能力，熵值越大表明信息越豐富，融合效果越好。通過計算，運算結果詳見表1。

分析表1中數據：灰度均值，PANSHARP融合方法灰度均值均為50左右，與原始影像光譜最為接近，PCA融合次之，小波變換融合較差。標準差，PANSHARP融合方法最大，PCA融合方法次之，小波變換融合最差，表明PANSHARP融合影像灰度離散效果最好。信息熵，PANSHARP融合方法熵值最大，是PCA融合法與小波變換變換相關不大，表明PANSHARP融合圖像的信息越豐富，細節表現能力更強。因此在目視評價和定量評價兩個方面可以看出，PANSHARP方法更優于其他兩種方法，適用于“資源三號”衛星在礦區生態監測中的應用。

5 結語

本文采用了傳統的3種影像融合方法對 “資源三號”的全色與多光譜影像進行融合，通過對融合成果進行對比分析，得出了較為適合試驗數據的融合方法。由于遙感圖像本身數據源的豐富性與應用于礦區生態監測的復雜性決定了影像融合試驗在實際應用中，尚存在一些問題有待解決。雖然PANSHARP方法在試驗中影像最清晰，對空間信息的增強及光譜信息的保持能力好于其他兩種融合方法，但在一些細節的表示上，PANSHARP也存在著自身的問題。因此，在礦區生態監測實際應用中，如何用改進的PANSHARP方法提高融合效果尚需進一步深入研究。

參考文獻：

[1]聶洪峰等.礦產資源開發遙感監測技術問題與對策研究.國土資源遙感，2007.

[2]翁永玲等.IKONOS高分辨率遙感影像自身融合效果分析.東南大學學報（自然科學版），2004.

[3]費鮮蕓等.基于纓帽變換的IKONOS數據融合.計算機工程與應用，2008.

[4]Kavzoglu T， Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin，2011.

[5]王曉紅等.高分辨率衛星數據在礦山開發狀況及環境監測中的應用效果比較.國土資源遙感，2004.

[6]張連蓬，林卉.高分辨率遙感影像融合及其質量評價.工程勘察，2009.endprint