基于全參考“高分二號”衛星圖像融合質量評價

孟凡曉 陳圣波 張國亮

（吉林大學地球探測科學與技術學院，長春 130026）

基于全參考“高分二號”衛星圖像融合質量評價

孟凡曉 陳圣波 張國亮

（吉林大學地球探測科學與技術學院，長春 130026）

利用八種常用的遙感圖像融合方法對中國首顆亞米級衛星——“高分二號”（GF-2）進行全色與多光譜圖像融合，并對融合結果做主客觀評價。為充分考慮人眼視覺系統的參與，文章選取通用圖像質量（Quality，下同）評價指數、視覺信噪比模型、多尺度結構相似度、視覺信息保真度準則、信息保真度準則、噪聲質量檢測六種經典的基于全參考圖像質量客觀評價模型作為長春市城區融合圖像客觀評價指標。結果表明：對于GF-2衛星圖像融合，八種方法均在一定程度上增加了空間信息，同時保持了原始光譜信息。其中，融合效果最好的是HPF方法，Gram-Schmidt方法次之，Multiplicative、PCA、Subtractive、HCS、High Pansharp方法融合效果依次下降，Pansharp方法效果最差。

圖像融合 人類視覺系統 全參考圖像質量評價 “高分二號”衛星

0 引言

隨著遙感技術的發展，越來越多的數據產品涌入人類的視野中。而人類對數據質量（Quality，全文同）的要求也與日俱增，希望數據既能保持原始多光譜圖像的光譜完整性，又同時具有全色圖像的高空間分辨率，故需對其進行數據融合。如何選擇恰當的融合方法使融合效果達到最佳，信息保真度最好，是目前融合的關鍵技術之一。我國“高分二號”（GF-2）衛星圖像，由于剛剛發射投入使用，探索合適的融合方法是目前形勢的迫切需求。

20世紀70年代，圖像融合的概念首次在美國出現，文獻[1-4]對遙感圖像融合進行了初步研究。多種遙感圖像數據處理的軟件如美國Intergraph公司的ERDAS IMAGINE、RSI公司的ENVI，加拿大的PCI，澳大利亞ERM公司的ER Mapper和德國Definiens Imaging公司的eCogniton等現成為當今圖像處理必備的軟件。

我國對圖像融合研究始于20世紀80年代，特別是將信息融合技術列為“863”計劃和“九五”規劃中的重點研究內容后[5]，開啟了對信息融合的廣泛研究。1998年以后我國圖像融合技術的發展如雨后春筍，能夠自主地將各種類型的數據進行融合。同源數據融合有高分辨率光學遙感數據[6]、高光譜數據[7]、雷達數據融合[8]等；異源傳感器之間TM與SAR[9]、TM與航空數據[10]等。

本文采用多種方法對GF-2衛星分辨率0.8m全色圖像與分辨率3.2m的多光譜圖像進行融合，并對融合效果進行主觀評價和基于全參考圖像質量客觀評價，得出最佳融合方法。

1 數據源及預處理

GF-2衛星，搭載兩臺高分辨率相機（全色/多光譜相機，簡稱PMS），星下點全色分辨率為0.81m、多光譜分辨率為3.24m，它是我國首顆亞米級分辨率的遙感衛星。本文數據源選取GF-2衛星PMS1相機全色圖像和多光譜圖像進行融合。研究區位于吉林省長春市城區，共5 060×5 118個像元，數據采集時間為2015年9月20日。

本文旨在對GF-2衛星全色與多光譜圖像融合，以獲得具有高分辨0.8m的多光譜融合圖像。而保證圖像融合效果的首要前提是必須要求融合前的兩類圖像精確配準。GF-2衛星原始多光譜與全色圖像自動配準方法不僅能保證配準精度，且能縮短圖像預處理時間，是規模化數據應用中較好的配準策略[11]。筆者對GF-2衛星正射校正后多光譜與全色數據進行自動配準，自動生成79個控制點，配準精度在0.22個像元內，滿足精度要求。

2 融合方法

分析前人經驗得知HSV、Brovey、Wavelet、Ehlers四種融合方法的融合效果較差[12]，故選用當今常用的對光譜信息與空間信息保持相對較好的Gram-Schmidt、HCS、HPF、Pansharp、High Pansharp、PCA、Multiplicative、Subtractive八種融合方法對GF-2衛星圖像的全色圖像與多光譜圖像融合。

2.1 Gram-Schmidt融合方法

Gram-Schmidt融合方法簡稱G-S，首先對多光譜圖像進行G-S正變換，其次將全色波段替換第一分量進行G-S逆變換，從而獲得融合圖像[13]。基于G-S變換的融合方法無波段數限制，可避免使用主成分變換時信息集中于第一主成分的情況，該方法具有較高的光譜信息保持度。

2.2 HCS融合方法

HCS（Hyperspherical Color Space）方法是針對WorldView-2圖像融合處理的一種基于超球面彩色變換的融合方法[14]。其原理是將全部多光譜數據一次性地從原始空間轉換到超球面彩色空間后，對全色圖像及I分量進行建模，獲得全色銳化后I′分量，最后進行色彩空間的變轉換獲得融合圖像。

2.3 HPF融合方法

HPF（High-Pass Filtering Fusion）融合方法又稱高通濾波融合方法[15]。首先對全色圖像進行傅里葉變換，通過一個卷積模板即高通濾波器抑制其低頻光譜信息。濾波的結果是對多光譜圖像數據信息平均，用來抵消亮度值的增加，然后對全色圖像與多光譜圖像疊加實現融合。

2.4 Pansharp與High Pansharp融合方法

Pansharp融合方法也稱超分辨率貝葉斯法，是一種針對顏色失真和數據運算依賴關系的新型自動化融合方法。其原理是用最小二乘法擬合原始全色與多光譜圖像的灰度值和融合結果的灰度值[16]。由于Pansharp融合方法保留了每個原始圖像灰度值的均值、標準偏差和直方圖特征，因此能最大限度地保留多光譜圖像的顏色信息。High Pansharp融合方法是對Pansharp方法的改進[17]。

2.5 PCA融合方法

PCA（Principal Component Analysis）融合方法也稱主成分變換，它是一種基于統計特征的多圖像正交線性變換實現的融合方法[3]。首先，對多光譜圖像進行主成分正變換，假設變換后的第一主成分量包含了與全色圖像相同的全部目標空間信息，因此就可以通過將全色圖像代替第一主成分量，再通過主成分逆變換得到高分辨率融合圖像。

2.6 Multiplicative融合方法

Multiplicative融合方法即乘積變換融合方法，是通過光譜替代實現的。文獻[18]指出，在乘積變換方法是不僅對顏色信息不扭曲，同時還提高融合后圖像的信息量。乘積變換公式為

式中MS,fusedDN為融合前全色圖像像素值。

2.7 Subtractive融合方法

Subtractive融合方法是專門為QuickBird、IKONOS等衛星圖像融合而設計的方法。它不但能保留多光譜圖像顏色信息，還能保留全色圖像的紋理信息[19]。它要求輸入融合圖像類型必須是無符號整型8bit或16bit，4個多光譜波段，1個全色波段，全色圖像和多光譜圖像的像元大小應有大致14∶的關系且同時獲取。GF-2衛星圖像滿足要求，所以選擇該方法作為研究方法之一。

DN為融合后多光譜像素值；MS

DN為融合前多光譜像素值；Pan

3 融合質量評價

對遙感圖像融合效果評價方法有主觀評價和客觀評價[20]。

3.1 主觀評價

主觀評價即結合大腦中的專業知識，通過人的肉眼對融合圖像目視解譯，根據圖像的實際采集背景，包括采集時間等，判斷色彩是否接近自然真彩色，色調是否均勻，圖像地物邊界是否清晰，紋理是否豐富，整體亮度是否適中等方面進行目視判別與比較。

3.2 客觀評價

客觀評價是基于數學模型利用圖像的某些統計特征參數對圖像進行評價。根據參考圖像即原始圖像對其評價貢獻大小，圖像質量評價方式分為三種：全參考、半參考與無參考圖像質量評價[21]。本文采用發展最成熟的全參考圖像質量評價，融合前的圖像作為參考圖像。

全參考圖像質量客觀評價是利用原始圖像的全部信息，通過計算原始圖像與失真圖像在某些數學統計特征的變化差異完成圖像質量評價。傳統全參考圖像質量客觀評價主要用基本的數學統計特征完成，但這些參數只表達某一方面的質量特征，沒有考慮人類視覺系統（Human Visual Systems，HVS）對圖像的作用。這是因為人眼是圖像最終接收端，可對圖像亮度、對比度、頻率及不同信號組分之間的相互作用進行識別[22]，具有心理學和精神型視覺特征。因此，本文除了基本的全參考圖像質量指標外，選用應用普遍、精度高的五種基于HVS的全參考圖像質量指標進行客觀評價。

3.2.1 UIQI模型

UIQI（Universal Image Quality Index）是文獻[23]于2002年提出的一種新型通用圖像客觀質量評價指標。其認為，圖像的失真是由三個因素決定的：相關性失真、亮度失真和對比度失真。盡管該指標沒有人類視覺系統參與，但試驗表明它的效果顯著地高于傳統全參考圖像質量客觀評價指標均方根誤差與峰值信噪比的評價精度。假設X為原始圖像，Y為待評價圖像，則UIQI表達為

式中 UIQI的范圍是[-1,1]，-1是效果最差的，相反1是最佳效果，認為待評價圖像無失真；分別是原始圖像像素值的均值、方差；分別是待評價圖像像素值的均值、方差；σXY是原始圖像與待評價圖像像素值之間的協方差。

3.2.2 VSNR模型

VSNR模型即基于小波域的視覺信噪比模型（Visual Signal-to-Noise Ratio），是文獻[24]于2007年提出的。VSNR模型認為原始圖像是基于近-閥值和超-閥值的人類視覺特性的。VSNR指標分為兩部分：為了確定失真圖像上的畸變是否存在，檢測扭曲的對比閾值經過視覺掩蔽和視覺累加的小波模型計算。如果失真低于閾值，認為圖像具有理想視覺保真效果，無需再做分析；若失真高于閾值則對其進行低級視覺特性和最優全局中級特性計算。

式中 ()H X是原始圖像X的均方根對比度；()()σμ分別表示原始圖像物理亮度()L X的標準差與L XL X ,均值；VD為視覺畸變；［］0,1 a∈，決定了每個距離的相對貢獻大小；pcd為圖像畸變差異；gpd表示整體優先的破壞程度。

3.2.3 MS-SSIM模型

結構相似度（Structural Similarity Metric）主要是針對圖像的結構失真、亮度失真與對比度失真由Z.Wang等人提出的。后來Wang和Simoncell等人對SSIM指標進行補充，提出了多尺度結構相似度（Multi-Scale Structural Similarity）模型，簡稱MS-SSIM模型[25]。

式中 j為圖像尺度大小，1≤j≤M，M為圖像最大尺度；LM(X, Y)為尺度為M下的圖像亮度因子；Cj(X, Y),Sj(X, Y)分別為第j層尺度下的對比度和結構度因子；c1、c2與c3是防止分母為零的小正常量，為圖像像素值動態范圍（如8bit圖像l=255），k1?1,k2?1；α, β ,?是用來調節各個組分在評價中權重大小的非零值。

3.2.4 VIF模型

VIF模型即視覺信息保真度準則（Visual Information Fidelity）是Hamid Sheikh等人于2006年提出的圖像質量評價模型[22]。假設源圖像信息在失真過程中分為兩個部分：一部分不經過“失真通道”直接通過HVS通道的信息稱為參考圖像信息，另一部分通過“失真通道”與HVS通道后的信息稱為失真圖像信息，VIF模型就是二者之比

式中 I表示信息量；k為圖像第k個子帶；N為向量維數；AN,k表示圖像第k個子帶的N個非零系數向量；sN,k是一個正值的隨機場RF（Random Field，以下同）；EN,k是參考圖像第k個子帶中的N維非零向量；FN,k是失真圖像第k個子帶中的N維非零向量。I(AN,k;EN,k)表示參考圖像經由HVS輸出后大腦能夠提取的信息量，相應地I(AN,k;FN,k)為失真圖像經由HVS后大腦能夠提取的信息量。

3.2.5 IFC模型

IFC（Information Fidelity Criterion）即信息保真度準則，它由Hamid Sheikh于2005年提出的圖像質量評價模型，用來測量參考圖像與失真圖像之間的交互信息的指標。模型認為，參考圖像通過一個“失真通道”產生不同程度的失真變形后被人眼感知，參考圖像和失真圖像之間的交互信息損失需要通過一個畸變模型來計算[26]。IFC指標的表達式為

(;)

N kN k

式中 I＇表示交互信息量；P是集合的元素個數，k表示第k個子帶；表示參考圖像第k個子帶隨機場RF的含P個元素的集合；是失真圖像第k個子帶隨機場RF的含P個元素的集合；表示第k個子帶的正標量隨機場RF的含P個元素的集合。

3.2.6 NQM模型

NQM（Noise Quality Measure）即噪聲質量檢測模型是由Niranjan等人于2000年提出的一種基于加性噪聲質量的圖像客觀質量評價方法，它考慮了噪聲對人類視覺系統的影響，通過非線性空間頻率產生的模擬圖像計算而得[27]。NQM的表達式為

式中 O( U, V)代表模型修復圖像（Model Restored Image），它是由原始圖像通過修復算法得到的；R( U, V)代表修復圖像（Restored Images），是由逆修復算法還原的；U、V代表圖像像素行列數。

為驗證八種融合方法的優劣，本文采用MOS（Mean Observation Score）平均觀察分數排序[28]。主要步驟：

1）分別對每一個指標排序，效果最好為1，次之為2，以此類推，最差效果為8；

2）將以上各個方法的所有指標排序列表；

3）分別計算每種融合方法的MOS值，然后再排序，得出最優融合方法。MOS值最低表明該融合方法最佳，反之值最高，則認為該方法效果最差。

4 融合試驗及評價

根據以上融合原理，對長春市城區GF-2衛星全色與多光譜圖像融合，得到RGB真彩色合成圖。選取研究區內主要地物類別建筑物、道路、林地予以截圖顯示，融合結果及局部細節對比見圖1～圖3。

圖1 建筑物融合圖像Fig.1 Fusion images of buildings

圖2 道路融合圖像Fig.2 Fusion images of roads

圖3 林地融合圖像Fig.3 Fusion images of woodlands

4.1 主觀評價

主觀評價認為，八種融合方法在一定程度上提高了空間分辨率并保持了原始多光譜信息。從紋理細節及清晰度來看，G-S、High Pansharp、Pansharp、PCA、Subtractive融合圖像對空間細節和清晰度表現能力較好，原始多光譜圖像上有些細小地物邊界紋理無法辨別，如車輛、樹木冠層等細節信息，通過這些方法融合后得到的圖像均能清楚地分辨出來。HPF、HCS、Multiplicative融合圖像在一定程度上出現了邊界模糊，影響了對目標地物的目視解譯。

就光譜保持情況來說，HCS、HPF融合方法最接近原始圖像顏色，說明對原始多光譜信息保留最佳。G-S、High Pansharp、Pansharp、PCA、Subtractive融合效果比較接近原始圖像顏色。Multiplicative融合后圖像顏色與原始圖像顏色出現嚴重偏差，說明光譜信息出現了嚴重的丟失。

在對比度方面，Multiplicative融合圖像的對比度很低，圖像整體色調暗。Pansharp、High Pansharp融合圖像整體色調過于均一，有些細節紋理顯示受到一定影響。而G-S、HPF、PCA、Subtractive、HCS對比度適中，適合常規目視解譯要求。

為便于后續工作，筆者挑選了10位解譯經驗豐富的專業人員，通過對融合圖像的目視解譯，根據國際規定的五級質量尺度和妨礙尺度進行主觀評判打分，除去最高與最低分再取平均值，最后排序得出每種融合方法的主觀評分（Scores of Subjective Evaluation，SSE），并由高到低排序，排序結果見表1。

4.2 客觀評價

采用UIQI、VSNR、MS-SSIM、VIF、IFC、NQM六種基于全參考客觀評價指標對融合結果進行評價。由于受篇幅限制，本文只列出每種方法的平均值，見表2。

表1 主觀評價得分Tab. 1 The scores of subjective evaluation

表2 客觀評價指標值Tab. 2 The value of quality metrics

客觀評價認為：

1）MS-SSIM、VIF、UIQI三個指標值范圍位于0～1之間，值越高代表融合效果越好，理想狀態下為1。HPF融合圖像的MS-SSIM值最大，達到0.85以上，說明與原多光譜圖像具有很好的結構相似度。HCS、Multiplicative、G-S的MS-SSIM值在0.7～0.8之間，其余融合圖像位于0.6以下。VIF指標方面，Multiplicative融合圖像的VIF值在0.78以上，效果最佳；G-S方法次之，HCS方法最差；其余方法的VIF值位于0.54～0.76之間。HPF融合圖像的UIQI值是所有方法中的最大值，達到0.77以上。G-S與PCA融合圖像的UIQI指標次之，位于0.6～0.7之間，其余方法UIQI值在0.5以下。

2） IFC、VSNR與NQM值最小為0，值越大，說明基于對比度與互信息的視覺質量越好。Multiplicative融合圖像IFC值最大，達到0.95以上；G-S、PCA、Subtractive、HPF、Pansharp融合圖像的IFC值在0.70～0.89之間依次下降；High Pansharp、HCS融合圖像的IFC值最小在0.7以下。Multiplicative融合圖像的VSNR值最高達到16以上，HCS次之；HPF方法的VSNR值達到10，Pansharp、High Pansharp、G-S、PCA、Subtractive融合圖像的VSNR依次變小。Subtractive與HPF融合方法的NQM值達到16以上，Pansharp方法的NQM值最低，其余方法圖像的NQM值居中。

以上客觀評價不能找出最佳融合方法，因為一個指標僅表達圖像在某一方面的質量，評價指標不同，融合效果也不同，故對這些指標值進行標準化。本文采用MOS平均觀察分數進行排序，客觀評價與主觀評價指標排序如表3所示，融合方法排序如表4所示。

表3 客觀評價與主觀評價指標分數值Tab. 3 The scores for fusion methods based on quality metrics and subjective evaluation

由表4可知，不管是否考慮主觀評價，得出的最佳融合方法都是HPF方法。客觀評價中G-S與Multiplicative方法，High Pansharp與Pansharp方法分別并列第二、第六，而在主客觀綜合評價中，無并列現象，并知Pansharp融合效果在八種方法中效果較差。此外，兩種情況下各個方法優劣順序稍微變動，說明主、客觀評價的大體趨勢是一致的。之所以會出現差異，是因為人眼雖能對圖像有視覺上的整體辨別，但不能對噪聲、信息量及結構相似度等方面做出定量評價。

表4 融合方法排序Tab. 4 The ordering of fusion methods

5 結束語

本文采用常見的八種融合方法，對我國最新發射的GF-2衛星全色圖像與多光譜圖像進行融合試驗，并對其進行了主觀、客觀評價。結果表明：

1）本文突破常規基于光譜信息、空間信息與對比度等方面的客觀評價，采用了基于全參考并充分考慮人類視覺系統參與的圖像質量評價方法，并對融合圖像做出了正確的評價。

2）GF-2衛星圖像融合綜合效果最佳的融合方法是HPF方法，這與前人相關研究結果是一致的。通過不同角度的綜合評價，發現沒有一種方法同時最大程度地保持光譜信息與增加空間信息。如HPF融合方法雖然很好地保留了原始多光譜信息，但目視觀察發現空間信息的增加程度不是最好的，以致邊界出現輕微“雙眼皮”現象。

3）本文中沒有考慮各個客觀評價指標各自的權重大小，在未來研究中需根據各自指標在其評價中的意義大小賦予權重，然后對其做出評價。

References)

[1] DAILY M I. Geologic Interpretation from Composited Radar and Landsat Image [J]. Photogrammetric Engineering and Remote Sensing, 1979, 45(8): 1109-1116.

[2] BURT P J. Multiresolution Image Processing and Analysis [M]. Berlin: Springer-verlag, 1984: 6-35.

[3] CHAVEZ P S Jr, SLIDES S C, ANDERSON J A. Comparison of Three Different Methods to Merge Multiresolution Data: Landsat TM and SPOT Panchromatic[J]. Photogrametry Engineering and Remote Sensing, 1991, 57(3): 295-303.

[4] LI H, MANJUNATH B S, MITRA S K. Multisensor Image Fusion Using the Wavelet Transforms [J]. Graphical Models and Image Processing, 1995, 57(3): 235-245.

[5] 馮建輝. 遙感影像融合技術研究[D]. 昆明: 昆明理工大學, 2009: 7-62. FENG Jianhui. Study on the Technology of Remote Sensing Fusion [D]. Kunming: Kunming University of Science and Technology, 2009: 7-62. (in Chinese)

[6] 孫丹峰. IKONOS全色與多光譜數據融合方法的比較研究[J]. 遙感技術與應用, 2002, 17(1): 41-45. SUN Danfeng. Study on Fusion Algorithms of IKONOS PAN and Multi-spectral Images [J]. Remote Sensing Technology and Application, 2002, 17(1): 41-45. (in Chinese)

[7] 馬一薇. 高光譜遙感圖像融合技術質量評價方法研究[D]. 鄭州: 解放軍信息工程大學, 2010: 7-54. MA Yiwei. Research on Hyper Spectral Remote Sensing Image Fusion and Quality Evaluation Method [D]. Zhengzhou: The PLA Information Engineering University, 2010: 7-54. (in Chinese)

[8] 凌飛龍. SAR圖像去噪及多源遙感數據融合算法研究[D]. 福建: 福州大學, 2004: 12-58. LING Feilong. The Study on SAR Image Speckle Suppression and Multi-sensor Image Fusion [D]. Fujian: Fuzhou University, 2004: 12-58. (in Chinese)

[9] 賈永紅. TM和SAR影像主分量變換融合法[J]. 遙感技術與應用, 1998, 13(1): 46-49. JIA Yonghong. Fusion of Landsat TM and SAR Images based on Principal Component Analysis [J]. Remote Sensing Technology and Application, 1998, 13(1): 46-49. (in Chinese)

[10] 曹建君. 航空影像和TM影像融合及應用研究[J]. 遙感技術與應用, 2002, 17(6): 394-397. CAO Jianjun. Study on Fusion of Aerial and TM Image and its Application [J]. Remote Sensing Technology and Application, 2002, 17(6): 394-397. (in Chinese)

[11] 王忠武, 劉順喜, 戴建旺, 等.“高分二號”衛星多光譜與全色影像配準策略[J]. 航天返回與遙感, 2015, 36(4): 48-53. WANG Zhongwu, LIU Shunxi, DAI Jianwang, et al. Registration Strategy for GF-2 Satellite Multispectral and Panchromatic Images [J]. Spacecraft Recovery & Remote Sensing, 2015, 36(4): 48-53. (in Chinese)

[12] 童慶禧, 張兵, 鄭蘭芬. 高光譜遙感——原理、技術與應用[M]. 北京: 高等教育出版社, 2006. TONG Qingxi, ZHANGBing, ZHENG Fenlan. Hyperspectral Remote Sensing [M]. Beijing: Higher Education Press, 2006. (in Chinese)

[13] LABEN C A, BERNARD V, BROWER W. Process for Enhancing the Spatial Resolution of Multispectral Imagery Using Pan-Sharpening: US6011875 [P]. 1998-04-29.

[14] PADWICK C, DESKEVICH M, PACIFICI F, et al. WorldView-2 Pan-sharpening[C]. ASPRS 2010 Annual Conference, San Diego, California, 2010.

[15] SCHOWENGERDT R A. Reconstruction of Multispatial, Multispectral Image Data Using Spatial Frequency Content [J]. Photogrammetric Engineering and Remote Sensing. 1980, 46(10): 1325-1334.

[16] ZHANG Yun. A New Automatic Approach for Effectively Fusing Landsat 7 as well as IKONOS Images [C]. 2002 IEEE International Geoscience and Remote Sensing Symposium. Toronto: IEEE International, 2002.

[17] ZHANG Yun. Problems in the Fusion of Commercial High-resolution Satellite Images as well as Landsat 7 Images and Initial Solutions [C]//Proceedings of the International Society for Photogrammetry and Remote Sensing, Ottawa, 2002.

[18] CRIPPEN R E. A Simple Spatial Filtering Routine for the Cosmetic Removal of Scan-line Noise from Landsat TM P-Tape Imagery [J]. Photogrammetric Engineering and Remote Sensing, 1989, 55(3): 327-331.

[19] ASHRAF S, BRABYN L, HICKS B J. Alternative Solutions for Determining the Spectral Band Weights for the Subtractive Resolution Merge Technique [J]. International Journal of Image and Data Fusion, 2013, 4(2): 105-125.

[20] 王治中, 張慶君.“資源一號”02C衛星PMS數據融合方法比較研究[J]. 航天返回與遙感, 2015, 36(5): 83-95. WANG Zhizhong, ZHANG Qingjun. Study of Fusion Methods of ZY-1-02C Satellite PMS Data [J]. Spacecraft Recovery & Remote Sensing, 2015, 36(5): 83-95. (in Chinese)

[21] WANG Zhou, BOVIK A C, SHEIKH H R, et al. Image Quality Assessment: from Error Visibility to Structural Similarity [J]. IEEE Trans on Image Processing, 2004, 13(4): 600-612.

[22] SHEIKH H R, BOVIK A C. Image Information and Visual Quality [J]. IEEE Transactions on Image Processing, 2006, 15(2): 430-444.

[23] WANG Z, BOVIK A C. A Universal Image Quality Index [J]. IEEE Signal Process Letters, 2002, 9(3): 81-84.

[24] CHANDLER D M, HEMAMI S S. VSNR: A Wavelet-based Visual Signal-to-noise Ratio for Natural Images [J]. IEEE Transactions on Image Processing, 2007, 16(9): 2284-2298.

[25] WANG Z, SIMONCELLI E P, BOVIK A C. Multi-scale Structural Similarity for Image Quality Assessment [C]. Proceedings of the 37th IEEE Asilomar Conference on Signals, Systems and Computers. Pacific Grove, 2003.

[26] SHEIKH H R, BOVIK A C, VECIANA G. An Information Fidelity Criterion for Image Quality Assessment Using Natural Scene Statistics [J]. IEEE Transactions on Image Processing, 2005, 14(12): 2117-2128.

[27] DAMERA-VENKATA N, KITE T D, GEISLER W S, et al. Image Quality Assessment based on a Degradation Model [J]. IEEE Transactions on Image Processing, 2000, 9(4): 636-650.

[28] ANIRUDDHA GHOSH, JOSHI P K. Assessment of Pan-sharpened Very High-resolution WorldView-2 Images [J]. International Journal of Remote Sensing, 2013, 34(23): 8336-8359.

Image Fusion Quality Assessment of GF-2 Satellite Based on Full Reference

MENG Fanxiao CHEN Shengbo ZHANG Guoliang
（College of Geo-exploration Science and Technology, Jilin University, Changchun 130026, China）

The image fusions of panchromatic image and multispectral image provided by GF-2 satellite which is the first Chinese sub-meter satellite, are produced by using eight image fusion methods, and estimated in the objective rating and subjective evaluation. In order to consider the performance of the human visual system, the paper chooses six classical indicators based on full reference image quality assessment as the objective evaluation indices for Changchun urban area fusion images, including universal image quality index, visual signal-to-noise ratio, multi-scale structure similarity, visual information fidelity criterion, information fidelity criterion and noise quality measure. The results show that eight fusion algorithms can to some extent improve the spatial information and keep the original spectrum information as well for GF-2 images. The effect of HPF fusion method is the best and the Gramm-Schmidt fusion method is the second. The effects of Multiplicative fusion method, PCA fusion method, Subtractive fusion method, HCS fusion method, and High Pansharp fusion method are decreased by the mentioned order, with the effect of Pansharp fusion method being the worst.

image fusion; human visual system; full reference image quality assessment; GF-2 satellite

TP751

A

1009-8518(2016)06-0085-10

10.3969/j.issn.1009-8518.2016.06.010

孟凡曉，女，1990年生，2013年獲東北林業大學地理信息系統專業學士學位，現在吉林大學地圖學與地理信息系統專業攻讀碩士學位。研究方向為遙感數據處理及定量遙感、高分數據應用。E-mail：mengfx1030@163.com。

（編輯：王麗霞）

2016-05-03

中國地質調查局項目“航空高光譜遙感調查”（12120113072901）