基于NSCT的SAR和多光譜圖像融合

■王毅 黃同新

（河南省航空物探遙感中心 河南鄭州 450053）

基于NSCT的SAR和多光譜圖像融合

■王毅 黃同新

（河南省航空物探遙感中心 河南鄭州 450053）

圖像融合技術是圖像處理和計算機視覺領域一項重要的技術。在遙感領域，圖像融合能夠實現不同傳感器，不同尺度信息源的結合，能夠提供比單一信息源更為豐富的信息。SAR影像紋理信息豐富，具有一定的穿透性，能夠提供普通全色影像沒有的信息。通過SAR影像和多光譜影像的融合，能夠提高圖像空間分辨率和光譜分辨率。

SAR影響去噪圖像融合非向下采樣Contourlet變換

1 SAR影像融合起源與發展

1.1 影像融合起源

圖像融合（Image Fusion）是指將多源信道所采集到的關于同一目標的圖像數據經過圖像處理和計算機技術等，最大限度的提取各自信道中的有利信息，最后綜合成高質量的圖像，以提高圖像信息的利用率、改善計算機解譯精度和可靠性、提升原始圖像的空間分辨率和光譜分辨率。

早在上世紀70年代，Daily等人首次把雷達影像和Landsat-MSS圖像進行復合應用到地質解釋。把兩幅不同傳感器采集的圖像進行融合得到一幅圖像的處理過程，這就是圖像融合技術的起源。80年代中后期，影像融合技術逐漸被用于多光譜圖像的分析和處理。自90年代至今，多源影像融合技術逐漸成為在遙感、軍事、醫學等多個領域的研究熱點。

1.2 SAR影像融合發展

SAR能夠獲取傳統光學傳感器不能獲取的地物微波信息，是一種微波數據源，已在地質，水文，地質勘探等領域發揮了重要的作用，很好地補充了傳統光學傳感器的不足。上世紀80年代開始，以空間域進行濾波的算法對相干波噪聲進行抑制，隨著小波變換的提出，SAR影像噪聲能夠被一定程度上抑制，加之合成孔徑雷達的性能提高，雷達影像的空間分辨率不斷提升，SAR影像與多光譜影像的融合逐漸成為研究熱點。自2000年以來，Contourlet變換及其改進算法的提出又彌補了小波變換的不足，將Contourlet變換用于SAR影像的去噪和融合相關的算法也越來越多。

2 非向下采樣Contourlet變換原理

Contourlet變換優點具有良好的多尺度性，良好的空間域和頻率域局部特性和方向特性，相對于小波變換，能夠用更少的系數更精確的表現曲線的特征，被廣泛運用到圖像處理中。但Contourlet進行拉普拉斯金字塔分解時，存在降采樣模塊，Contourlet變換因此不具有平移不變性，會引起部分子帶信息的丟失，在奇異點處會發生偽吉布斯現象，影響影像融合質量。而非向下采樣Contourlet變換（NSCT）去掉了LP和DFB中信號分析濾波后的下采樣和綜合濾波前的上采樣，具體方式是用非向下采樣塔式濾波器NSP代替了拉普拉斯金字塔對圖像進行多尺度分解，用非向下采樣濾波器組NSDFB代替了方向濾波器組DFB對圖像進行多方向分解。由于NSCT沒有執行Contourlet變換中的下采樣操作，所有子帶和源圖像大小都相同，具有平移不變性，因此能夠更好地表示圖像的特征。NSCT的濾波器組構成如圖1所示。

3 SAR圖像斑點噪聲濾波算法

3.1 基于Contourlet變換的SAR影像濾波

由于處理二維信號時，小波變換方向性不足，而Contourlet變換作為一種多尺度，多方向性的變換方式，能夠更好地表示SAR影像的細節信息，能夠更加有效去除噪聲，保留圖像的邊緣信息。與小波變換類似，利用Contourlet變換進行SAR影像去噪的基本流程是：用類似小波變換的Contourlet分解，對SAR影像進行多尺度多方向分解，將圖像分解為低頻系數和高頻系數。利用Contourlet第一層高頻子帶系數，計算第一層高頻子帶的噪聲標準差δ，以每一層閾值作為硬閾值函數，對絕對值小于閾值的Contourlet系數歸零，大于閾值的系數進行保留。對處理后的Contourlet系數進行Contourlet逆變換，得到去噪后SAR圖像。這種方法能夠很好地保持圖像的邊緣特征，但是由于選取的閾值函數結構，函數存在不連續性，會導致一定程度上的圖像模糊。

圖1 非向下采樣Contourlet變換濾波器組結構

3.2 基于NSCT變換的影像濾波

非向下采樣Contourlet變換與Contourlet變換類似，都是利用類似于線段的基結構對圖像進行逼近，再對影像進行多層次和多方向分解，不同點在于NSCT移除了下采樣操作，利用更多的系數換取圖像去噪過程中需要的平移不變性。由于SAR影像的斑點噪聲為乘性噪聲，而NSCT去噪方法一般是針對加性噪聲進行濾波。首先通過對圖像進行數處理將噪聲轉變為加性噪聲，從而保證NSCT變換能夠取得較好地去噪效果。其次，通過NSCT變換后，圖像被分解為一個低頻分量和多個高頻分量，由于噪聲集中在高頻區域，而低頻區域主要表現圖像的輪廓信息，因此針對高頻分量進行噪聲抑制即可，從而減少了算法的冗余度。

為比較幾種算法在SAR影像圖像去噪中的實際效果，對以下幾個區域的影像進行簡單的比對。

圖2 各種濾波算法濾波后效果圖

NSCT濾波方式能夠保持圖像的亮度信息，并且在均質區域和邊緣區域濾波均有較好的效果，這一點在圖像中的河流區域和農田區域體現的尤為明顯。

河流區域對比圖：

圖3 各種濾波算法在河流區域效果對比圖

由圖3目視判讀可知，與相比其他方法，本文采用的濾波方式確實能夠較好抑制均質區域噪聲，小波濾波和NSCT濾波同為頻率域，也能夠完成對SAR影像的濾波，但是犧牲空間分辨率過大。

農田區域對比圖：

圖4 各種濾波算法在農田區域效果對比圖

在對農田等細節信息較為明顯的區域進行濾波時，本算法雖然一定程度上削弱了細節信息，但是相比傳統數字圖像處理方式，能夠保持原圖像的灰度信息，相比同為頻率域濾波的小波濾波，能夠更好地去除異質區域噪聲。

4 基于HIS變換和NSCT變換結合的SAR影像和多光譜影像融合方法

4.1 低頻融合規則由于成像原理的不同，多光譜影像的對地物的可見光信息采集

更多，而SAR影像具有的穿透性和波長導致使能夠更好反映地物的微波反射信息。單一的使用權值或替代，都是基于圖像頻率域能量信息作為根據進行圖像融合，都無法最大化保證圖像融合后的信息能被最大保留。而基于遺傳算法的魚群算法，選擇自適應權值參數對圖像的低頻信息進行處理。

4.2 高頻融合規則

高頻分量包含了圖像的細節信息和邊緣信息，系數絕對值較大的部分，對應該方向區間的直線，邊緣，區域邊界等顯著特征，能夠很好地顯示圖像本身的結構信息。由NSCT變換圖可知，對圖像進行NSCT金字塔分解的最高尺度，即圖像的最高分解層上，圖像細節信息相對更加獨立，因而直接采用對各方向NSCT系數絕對值進行比較，兩幅圖像中絕對值系數大的高頻系數，融合后高頻系數。圖像在最高分解尺度上，高頻系數的融合規則采用基于區域能量特征和投票法的結合方法對分解層進行融合。

5 結束語

數字圖像融合技術在遙感、自動目標識別及軍事指揮等領域發揮著越來越重要的作用。本文提出的基于NSCT的SAR和多光譜圖像合技技術方法，能有效的能有效的提取圖像的邊緣特征信息，獲取高質量的融合圖像。該方法適用于對圖像質量要求較高的場合，如遙感監測、激光制導及軍事偵察等，為適應復雜環境下全天候作業需求提供了技術保障。

[1]王楠，遙感圖像融合算法研究， [D]，北京，北京化工大學，2004

[2]孫家炳，遙感原理與應用，武漢，武漢大學出版社，2009.

[3]李曉鈴，基于TerraSAR_X和CBERS影像融合的水體信息自動提取研究 [D]西南交通大學2007.

[4]徐青，張艷等.遙感影像融合與分辨率增強技術 [M].科學出版社.2007.

[5]張強.基于非采樣Contourlet變換的遙感圖像融合算法 [J].光學學報。2008，1，28（1）：74-75.

P62[文獻碼]B

1000-405X（2015）-10-192-3

王毅，男，2006年畢業于解放軍信息工程大學遙感科學與技術專業，研究方向為測繪管理。