基于遙感影像的像素級影像融合方法比較研究

郭 秋 劉賀春 郭賽紅

(1.河南理工大學，河南 焦作 454100； 2.晉中職業技術學院，山西 晉中 030600；3.山西華晉巖土工程勘察有限公司，山西 太原 030021； 4.中化二建集團有限公司，山西 太原 030021)

基于遙感影像的像素級影像融合方法比較研究

郭 秋1，2劉賀春3郭賽紅4

(1.河南理工大學，河南 焦作 454100； 2.晉中職業技術學院，山西 晉中 030600；3.山西華晉巖土工程勘察有限公司，山西 太原 030021； 4.中化二建集團有限公司，山西 太原 030021)

從理論上介紹了四種不同的融合方案算法的基本情況，以及定性和定量評價方法，再以皖北錢營孜礦區2009年的年高分辨SPOT影像(2.5 m)和ALOS多光譜影像(10 m)采用不同融合模型進行了實驗，最終以灰度剖面曲線評價了融合結果，指出Gram-Schmidt融合方法是最好的選擇。

遙感，像素級，影像融合，精度評價

0 引言

我國是煤炭能源大國，然而對煤炭長期的粗放式開采造成很多環境問題，利用多源遙感數據和輔助地理信息獲取土地利用和覆蓋信息，可以充分利用遙感的優勢，通過對多源遙感數據進行融合處理，可以有效地克服單一遙感數據的不確定性，提高信息利用率，增強數據的可靠性和可用性[1]。針對煤礦區的不同時段，不同傳感器的遙感影像，進行融合處理并進行自動的分類提取，可以獲取煤礦區植被、水體、建筑物的面積在不同年代的覆蓋水平，進而獲取礦區地面環境演變的知識，以指導生產實踐及環境治理。

本文先從理論上介紹了當前主流的一些圖像融合處理算法及精度評價方法，再通過對預處理后的皖北錢營孜礦區遙感影像進行處理和評價實驗，結合灰度剖面曲線評價的方法，對不同的圖像融合方法進行分析和比較，最終綜合光譜和空間分辨率的要求，選擇適合的融合方法進行礦區遙感影像的圖像融合。

1 像素級影像融合方法

像素級影像融合是直接在原始數字圖像上進行的融合或者經過適當的變換在頻率域中進行的融合。像素級影像融合是最低層次的融合方法，主要目的是為了圖像增強、圖像分割和圖像分類服務。現在已經形成較成熟的技術。

1.1 HSV變換算法

HSV變換是先將獲取的多光譜影像進行彩色變換，分離出色度(H)、飽和度(S)、亮度(V)分量；然后將高分辨率全色影像與分離的亮度分量進行直方圖匹配，最后將飽和度分量和分離的色度與匹配后的高分辨率影像，按照HSV反變換，進行彩色合成[4]。因為多光譜影像中的亮度分量被替換成全色影像灰度值，所以HSV變換可以增強多光譜影像在空間細節上的表現能力，但是融合后的影像會有較大的光譜失真。

1.2 Brovey變換算法[5]

Brovey變換圖像融合也就是彩色標準化(Color Normalized)變換融合，它是將多光譜圖像的像元空間分解為亮度和色彩成分，并運用計算的原理進行的。其計算公式如下：

(1)

其中，R為多光譜圖像的紅波段；G為多光譜圖像的綠波段；B為多光譜圖像的藍波段；I為高空間分辨率圖像亮度。為了得到更滿意的結果，可對變換公式作如下修改：

(2)

其中，a1,a2,b1,b2,c1,c2均為變換公式的系數。

1.3 Gram-Schmidt變換算法

Gram-Schmidt變換是多元統計和線性代數常用的變換方法，它是通過對多維影像或矩陣進行正交變換，來消除冗余信息的。

Gram-Schmidt變換融合步驟如下：

以低分辨率多光譜波段模擬一個低分辨全色波段→對模仿出的全色波段和多光譜波段進行GS變換→用高分辨率全色波段替換GS變換后的第一波段→對替換后的數據進行GS變換逆變換。

1.4 主成分(PCA)變換算法

PCA變換在進行融合中有2種變換方法：一種是參與變換的方法，另一種是替換變換的方法。

2 像素級影像融合算法精度的評價

遙感影像精度評價目前還沒有統一的標準，現在主要采用的是主觀定性與客觀定量相結合的方法。本次實驗主要采用主觀評價和客觀評定相結合的方法，對融合影像的質量做出評價。

2.1 主觀定性評價

主觀定性評價即是從色調、清晰度、地物形狀和紋理信息等方面對原始影像和融合影像進行比較，從而對融合效果有一個定性的認識。

本文還提出一種基于灰度剖面曲線的定性評價方法，可以從隨機取出的灰度剖面曲線的振幅和走勢上反映出兩影像在空間分辨率和光譜相應范圍上的差異。

2.2 客觀定量評價

定量評價主要通過多元統計方法進行，如影像的熵、方差、相關系數、平均梯度等。主要評價指標及其公式介紹如下。

2.2.1 熵

根據仙農(Shannon)信息論原理，1幅8 bit影像x的熵為：

(3)

其中，Pi為影像出現灰度值為i的像素的概率。

2.2.2 偏差

偏差D是指原始影像M(x,y)灰度平均值與融合后影像F(x,y)灰度平均值之差。亦可以說是原始影像M(x,y)灰度平均值與融合后影像F(x,y)之差影像的灰度平均值，即：

(4)

D反映融合影像與原多光譜影像光譜特征變化的平均程度。

2.2.3 相關系數

融合的影像與相應的多光譜影像的相關系數ρ能反映融合影像同原多光譜影像光譜特征相似程度，即保持光譜特性能力，其計算公式如下：

(5)

2.2.4 其他評價指標

其他評價指標包括相對偏差、平均梯度、差方差、標準偏差等。

3 對錢營孜礦區影像的融合處理

以皖北錢營孜礦區及其附近區域2009年高分辨率SPOT影像(2.5 m)和ALOS多光譜影像(10 m)，采用不同融合模型進行實驗。

4 影像融合的精度評價

4.1 主觀定性評價

通過實驗結果進行對比分析可以得出，HSV融合和Brovey融合改變了多光譜影像的顏色，光譜信息受到較大的損失。Brovey融合后的影像還有很多斑點噪聲，效果也最差。其他融合方法都較好的保持了影像的光譜特性，但在空間細節信息的保持上，PCA融合后的影像要稍微差一些，整體比較模糊，其他融合方法則較清晰。

4.2 客觀定量評價

利用IDL數據交互式語言對公式進行編程，并對融合后的影像統計熵、偏差和相關系數3個定量指標值見表1。

熵H(x)反映了影像信息豐富的程度，融合影像的信息熵越大，表明融合影像的信息量增加，所含的信息越豐富，融合質量越好。根據表1可知，4種融合方法中，Gram-Schmidt，PCA，Brovey 3種方法變換后的影像熵值變化不是很大，但是HSV變換后影像的熵增加最明顯。表1反映了PCA變換和Gram-Schmidt變換后的多光譜影像與原對應波段影像相關系數比Brovey，HSV高，說明前兩者對多光譜影像的光譜信息繼承的比較好。而和全色影像的相關系數HSV變換后的影像最高，說明HSV融合方法對影像空間信息保持的很好，而PCA和Gram-Schmidt變換后影像對原

全色影像的分辨率特征繼承效果又要好于Brovey變換后的影像。

表1 融合后客觀定量評價指標值

5 結語

本文在對傳統圖像融合算法進行分析的基礎上，采用灰度剖面曲線評價方法對圖像融合的結果進行定性和定量的評價，結果表明：Gram-Schmidt和PCA光譜特性好，比較適合于計算機自動解譯與分類；Brovey和HSV融合后影像空間分辨率好，但光譜變化大，適合于目視解譯。四種方法中，假如綜合考慮光譜特性和空間分辨率特性，則Gram-Schmidt是最好的選擇。在實際運用中，可以根據實際情況區別對待，在對光譜特征要求比較高時，可以采用Gram-Schmidt或PCA融合算法，而在進行更新地形圖等對空間分辨率要求比較高的工作時可以采用Brovey和HSV融合算法。

[1] 郭云開，夏 丹.基于小波變換的多源遙感圖像融合方法[J].公路與汽運，2006(2)：107-109.

[2] Richards J A，Jia X.Remote sensing digital image analysis:An introduction[M].Berlin:Springer,1999.

[3] Pierre T.Comparison of different methods to merge SPOT Pan and XS data:Evaluation in an urba area[A].Future Trends in Remote Sensing[C].Rotterdam:Balkema,1998:435-443.

[4] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學出版社，2010.

[5] 張 生，趙春三，楊 桄，等.多光譜與高分辨率圖像融合方法比較研究[J].遙感信息，2007(5)：56-60.

[6] 盧小平，馬 劍，盧 遙，等.多源遙感數據融合在礦區土地覆蓋分類中的應用[J].河南理工大學學報(自然科學版)，2010(3)：360-364.

Compraison on methods of remote sensing image fusion in pixel level

GUO Qiu1,2LIU He-chun3GUO Sai-hong4

(1.HenanPolytechnicUniversity,Jiaozuo454100,China;2.JinzhongVocational&TechnicalCollege,Jinzhong030600,China;3.ShanxiHuajinEngineeringReconnaissanceLtd,Taiyuan030021,China;4.ChinaChemicalEngineeringSecondConstructionCorporation,Taiyuan030021,China)

This paper first introduces four different image fusion methods in theory. Following by the qualitative and quantitative evaluation methods. Then fusion experiments were conducted with the SPOT and ALOS image of Qianyingzi mine area in 2009 by using aforementioned fusion methods. From this evaluation, the paper conclude that Gram-Schmidt method is the best model in comprehensive consideration.

remote sensing, pixel level, images fusion, accuracy assessment

2014-07-15

郭 秋(1980- )，女，在讀工程碩士，工程師，講師； 劉賀春(1979- )，男，高級工程師； 郭賽紅(1980- )，女，工程師

1009-6825(2014)27-0210-02

TU113.21

A