QuickBird全色與多光譜影像融合方法研究

■劉茂國（廣東省土地調查規劃院廣東廣州510075）

QuickBird全色與多光譜影像融合方法研究

■劉茂國
（廣東省土地調查規劃院廣東廣州510075）

以QuickBird全色與多光譜數據為例，采用HPF變換、IHS變換、小波變換和PANSHARP方法分別進行影像融合；選取均值、標準差、信息熵、平均梯度、相關系數和相對偏差作為融合影像客觀定量評價指標，結合主觀目視效果分析，對幾種融合方法進行評價。實驗結果表明：四種融合方法都能保留一定程度的光譜信息，并提高了影像的空間分辨率；針對QuickBird數據而言，綜合考慮其光譜保真性、信息量和清晰度，PANSHARP為最佳融合方法。

影像融合HPF變換IHS變換小波變換PANSHARP效果評價

隨著航天遙感技術的發展，以及光學、熱紅外和微波等大量新型衛星傳感器對地觀測的應用，獲取同一地區的多種遙感影像數據越來越多。通常，同一傳感器獲得遙感影像的光譜分辨率較高時，其空間分辨率相對較低。因此，如何將不同傳感器獲得的遙感影像結合起來，實現其優勢互補和冗余控制，已成為遙感領域需要解決的關鍵問題[1]；而多源遙感影像數據融合技術的出現，則為這些問題的解決提供了一個合理、有效的新途徑。

遙感圖像融合是指在統一的地理坐標系中，將多源遙感圖像按照一定的算法，生成一幅更能有效表示源目標信息的新圖像的過程，其目的是綜合單一傳感器或不同類型傳感器獲取的不同分辨率遙感數據，消除冗余和矛盾，增強影像所表達信息的清晰度，提高數據的解譯精度與可靠性[2]。影像融合技術目前在許多領域有著重要的應用，已成為當前遙感應用研究的熱點問題。QuickBird是美國發射的高分辨率商業遙感衛星，可以獲取0.61m空間分辨率的全色影像和2.44m空間分辨率的多光譜影像，是目前最常用的高分辨率影像數據，已廣泛應用于農業、林業、遙感動態監測和海洋資源調查等多個領域。本文以QuickBird全色與多光譜數據為例，采用四種不同的融合方法進行實驗，通過定性和定量評價，分析各融合方法的優劣，確定適合QuickBird數據的最佳融合方法。

1　影像融合方法的選取

根據信息表征層次的不同，多源遙感影像融合一般分為像素級、特征級和決策級三個級別[3,4,5]。其中，像素級融合是直接綜合各遙感影像的像素點信息，融合后影像信息量損失最小，應用廣泛，操作簡單，融合技術也最為成熟。本文主要采用HPF變換、IHS變換、小波變換[6,7]和PANSHARP方法對影像融合進行研究。

1.1HPF融合

HPF融合是空間濾波分析的一種算法，高通濾波對高空間分辨率影像用一個小的高通濾波器，以生成與空間特征信息相關的高頻數據，這種數據按照像元對像元的方式被加到低分辨率波段數據中，從而達到將空間信息加到波譜信息中的目的。

1.2IHS變換融合

IHS變換是一種影像顯示、增強和信息綜合的方法，其原理是RGB空間（由紅R、綠G、藍B三原色構成）與IHS空間（由亮度I、色調H、飽和度S三個變量構成）之間的變換，將RGB空間的圖像分解成空間信息I、光譜信息H、飽和度S三個分量，屬于色度空間變換；從IHS到RGB空間的變換，稱為IHS反變換。該變換融合的基本步驟為：首先將多光譜影像進行IHS變換，得到HS圖像，然后將變換得到的I分量用全色圖像（I′）替換，最后將I′、H、S進行IHS反變換，生成融合后影像。

1.3小波變換融合

小波變換融合是將多光譜影像的各波段和高分辨率影像均進行小波分解，得到LL（低頻部分）、HL（水平方向的小波系數）、LH（垂直方向的小波系數）和HH（對角方向的小波系數），然后根據具體需要和保持多光譜色調的程度，將分解后的兩影像LL、HL、LH、HH部分分別融合，最后將融合后的LL、HL、LH和HH反變換重建影像，達到影像融合的目的。

1.4PANSHARP融合

PANSHARP融合是加拿大新不倫瑞克大學測繪工程學院張云博士開發的一套融合算法，它使用自動影像融合算法，用來融合高分辨率全色和多光譜影像，從而得到高分辨率的彩色影像，通常稱為全色銳化（PAN-SHARPING）。它是一種基于成熟的最小二乘法，在原始多光譜、全色和融合后影像間尋求最佳近似灰度值關系，以達到最佳的色彩表現能力。

2　融合效果的評價指標

影像融合效果的評價是融合過程中的關鍵點，其結果可以幫助人們選擇適當的融合方法、改進現有融合算法或者研究新的融合算法等[8,9]。目前，遙感影像融合效果評價還沒有形成統一的標準和方法，現階段一般采用主觀定性評價和客觀定量評價指標相結合的方法[10]。

2.1主觀定性評價

主觀定性評價主要從色調、清晰度和地物紋理信息等方面對原始影像和融合后影像進行比較，判斷融合后影像是否較好的保留了全色數據的紋理信息和多光譜數據的色彩信息，以及邊緣信息是否有損失，從而對影像的融合效果有一個直觀的認識。

2.2客觀定量評價

客觀定量評價主要是基于數理統計分析方法進行的，通常采用均值、標準差、信息熵、平均梯度、相關系數和相對偏差等指標。

2.2.1均值

均值是指圖像中所有像素灰度值的算術平均值，反映了圖像的平均亮度，若均值適中，則視覺效果較好。其計算公式為：

其中，M、N為圖像長和寬的像素個數，F（i，j）為融合后圖像第i行第j列的灰度值。

2.2.2標準差

標準差反映了圖像灰度相對于灰度均值的離散情況，用來衡量圖像空間信息量大?。黄鋽抵翟酱螅瑒t圖像灰度級分布越分散，圖像的反差大，反映出的信息越豐富。其計算公式為：

2.2.3信息熵

信息熵可以衡量圖像信息豐富的程度，熵值的大小表示圖像所包含的平均信息量，熵值越大，表示融合質量越好，圖像所包含的信息越豐富。其計算公式為：

其中，為圖像中第i級灰度出現的概率，L為圖像的灰度級數。

2.2.4平均梯度

平均梯度又稱清晰度，反映圖像細節反差程度和紋理變化特征，平均梯度值越大，表明圖像越清晰，融合效果越好。其計算公式為：

2.2.5相關系數

相關系數反映的是融合前后兩幅圖像光譜特征的相似程度，其數值越大，表明融合后圖像與原始多光譜圖像的相關程度越高，保留的光譜信息越豐富，融合效果也越好。其計算公式如下：

其中，A（i，j）為原始多光譜圖像第i行第j列的灰度值，f和a分別為融合后圖像與原始多光譜影像的均值。

2.2.6相對偏差

相對偏差表示融合后圖像與原始圖像平均灰度值的相對差異，以反映融合后圖像與原始圖像在光譜信息上的匹配程度，相對偏差越小，表明融合后圖像保留原始圖像光譜信息的效果越好。其計算公式為：

3　實驗結果與分析

本次研究所使用的數據為Geomatica2013試用版自帶的樣例數據，選擇QuickBird全色和多光譜影像數據進行研究，影像范圍為加拿大安大略省里士滿山局部區域。其中，全色影像為0.6m空間分辨率，多光譜影像為2.4m空間分辨率。本文采用HPF變換、IHS變換、小波變換和PANSHARP融合四種方法，其中IHS變換只能進行3個波段的圖像融合，以真彩色結果輸出；而原始多光譜影像含有4個波段，為了保證融合結果波段的一致性，因而在融合之前先將原始多光譜影像進行波段組合，輸出為只含3個波段的多光譜數據（見圖1）。

圖1　融合前影像

圖2　四種方法融合結果

影像融合之前，需要對多光譜影像進行配準，并保證配準的精度，因為影像配準的精度直接關系到影像融合的效果。本實驗配準過程利用Erdas軟件完成，總體精度在0.5個像元以內。將全色影像與配準后的多光譜影像分別利用上述四種方法進行影像融合，其實驗結果如圖2所示。

3.1主觀定性分析

從目視效果來看，四種方法的融合結果在保留一定程度光譜信息的同時，均提高了影像的空間分辨率，融合后影像其分辨率、清晰度、光譜特征都得到較大提高。

在光譜特征方面，HPF和PANSHARP融合效果最好，較好的保留了原有數據的光譜信息；IHS融合產生了一定的光譜扭曲，整體色彩變化較大；小波變換融合基本上能夠保持原有數據的光譜信息，但整體色調明顯變暗。

在地物紋理方面，IHS變換和PANSHARP融合效果最好，其空間信息明顯增強，融合后影像的細節和紋理信息最為清晰；HPF融合整體存在一定的分辨率損失，細節特征和地物紋理不夠清晰；小波變換融合后，影像整體紋理細節有明顯的丟失現象，這是因為其融合過程在一定程度上損失了高分辨率影像的細節信息。

3.2客觀定量分析

利用Matlab軟件編寫程序對四種融合方法的結果進行計算，評價指標包括均值、標準差、信息熵、平均梯度、相關系數和相對偏差，詳細統計結果如下表所示：

表1　不同融合方法統計結果

從表1中可以看出：在均值、標準差和相關系數三個指標中，HPF和PANSHARP融合方法效果較好，均值反映圖像的平均亮度，標準差反映圖像空間信息量的大小，說明融合后影像亮度適中，反映出的信息豐富，整體視覺效果較好；IHS變換和小波變換對應的指標值較低，說明融合后影像空間信息不夠豐富，與原始多光譜影像的相關程度不高。在信息熵和平均梯度兩個指標中，PANSHARP和IHS變換融合效果較好，說明融合后影像細節特征和紋理信息比較清晰；HPF融合對應的指標值最小，說明融合過程分辨率有所損失，影像清晰度不夠。此外，小波變換的相對偏差最大，說明融合后影像與原始影像在光譜信息上的匹配程度較小。對于以上各項指標的分析，其結論基本與目視效果相吻合，說明選取這些指標對影像融合效果進行評價是合理、可靠的，能夠在一定程度上準確、全面的反映出影像融合的質量。

4　結論

對QuickBird全色與多光譜數據，采用HPF變換、IHS變換、小波變換和PANSHARP方法進行影像融合實驗，綜合主觀定性分析和客觀定量分析，結果表明：四種融合方法各有優勢，但綜合所有指標來看，PANSHARP融合方法效果最好，其融合后影像不僅較好的保持了原有數據的光譜信息，而且空間信息得到明顯增強，影像的細節特征和紋理信息也最為清晰。其余幾種方法，HPF融合保留光譜信息的效果較好，但清晰度不夠；IHS變換受波段的限制，融合過程會產生一定的光譜扭曲，但影像的紋理信息比較清晰；小波變換基本上能夠保持原始數據的光譜信息，但融合過程在一定程度上損失了高分辨率影像的紋理、細節信息。在實際項目生產中，不同數據源的處理可能會選擇不同的融合方法，但對于QuickBird高分辨率數據而言，綜合考慮其光譜保真性、信息量和清晰度，PANSHARP為最佳融合方法。

[1]李德仁.攝影測量與遙感的現狀及發展趨勢[J].武漢測繪科技大學學報,2000,25（1）:1-5.

[2]趙英時.遙感應用分析原理與方法[M].北京:科學出版社,2003.

[3]賈永紅,李德仁,孫家柄.多源遙感影像數據融合.遙感技術與應用,2000,15（1）:41-44.

[4]李軍,周月琴.影像局部直方圖匹配濾波技術用于遙感影像數據融合.測繪學報, 2000,29（2）:132-136.

[5]Tahan i H,Keller J M.Information fusion in computer vision using fuzzy in tegral.IEEE Trans,SMC,1990:367-378.

[6]黨安榮,王曉棟,陳曉峰,等.ERDAS I MAGI NE遙感圖像處理方法[M].北京:清華大學出版社,2004.

[7]劉哲,郝重陽,劉曉翔,等.多光譜圖像與全色圖像的像素級融合研究[J].數據采集與處理,2003,18(3):296-301.

[8]郭雷,李暉暉,鮑永生.圖像融合[M].北京:電子工業出版社,2008.

[9]李偉.像素級圖像融合方法及應用研究[D].廣州:華南理工大學,2006.

[10]王海暉,彭嘉雄,吳巍,等.多源遙感圖像融合效果評價方法研究[J].計算機工程與應用,2003,39（25）:33-35.

P407.8[文獻碼]B

1000-405X（2016）-1-188-3