基于ERDAS IMAGINE軟件的谷歌地球影像融合方法研究

王峰潔　宋彩民

摘要：谷歌地球影像具有高時效性、高空間分辨率等特點。但經過處理后的谷歌地球影像光譜分辨率較差。在林業實際工作中，出于經費等因素的考慮，遙感影像的空間分辨率普遍不高。本文利用ERDAS IMAGINE遙感處理軟件，將下載后的谷歌地球影像與實際工作中的低空間分辨率、光譜分辨率較好的遙感影像進行融合處理，再對不同融合方法的效果進行對比分析，從而為谷歌地球影像在林業生產、林業調查等工作中的應用提供了參考。

關鍵詞：ERDAS IMAGINE；谷歌地球；遙感影像；影像融合

中圖分類號： TP751 文獻標識碼： A DOI編號： 10.14025/j.cnki.jlny.2017.24.075

谷歌地球（Google Earth）是一款Google公司開發的虛擬地球儀軟件， 其把航天遙感圖像、航空照相和GIS布置在一個地球的三維模型上。用戶可以通過自己電腦上的客戶端軟件，免費瀏覽全球各地的高清晰度衛星圖片[1]。從谷歌地球可獲取免費的高分辨率影像數據源，可以提供不同分辨率的影像，分辨率最高可達0.15米。但由于這些數據經過事先的處理，已經明顯失去光譜和色彩信息，難以滿足遙感制圖需求。通過將中、低分辨率、多光譜數據與谷歌地球高分辨率影像進行圖像融合，圖像融合[2]是指把兩個或兩個以上的傳感器獲取的某個研究地區的遙感圖像或圖像序列信息加以綜合，并生成新的有關這個研究地區解釋的信息處理的過程。綜合兩種影像的優勢，從而產生色彩信息豐富并達到高空間分辨率的融合影像，對于林業實際生產具有十分重要的意義。

本文利用Erdas Imagine9.1遙感圖像處理軟件所提供的幾種融合方法，將空間分辨率為0.5米的谷歌地球遙感數據作為高分辨率圖像，空間分辨率為10米的SPOT5多光譜圖像作為高光譜圖像，對兩幅圖像進行了融合實驗，通過對融合實驗結果的分析，希望能夠找到谷歌地球圖像與SPOT5多光譜圖像融合的最佳方法，從而為林業生產提供高空間、高光譜、便于解譯的最佳數據。

1 研究方法

以長春市凈月經濟開發區為研究區域，研究區域位于長春市區東南部，區域面積478.7平方公里，轄玉潭、新湖、新立城三個整建制鎮、凈月、永興兩個街道辦事處和凈月潭國家森林公園、新立城水庫、汽車文化園，常住人口近40萬人。著力建設經濟、社會與人口、環境、資源協調發展的長春東南部生態新城。

通過使用谷歌衛星地圖下載器獲取的遙感圖像，得到的是JPG格式的圖片，沒有坐標與投影信息，需要進行遙感圖像間的圖像配準。研究區域的多光譜圖像為墨卡托投影，西安80坐標系。通過在Erdas Imagine9.1遙感圖像處理軟件中，以多光譜圖像作為基準圖像，對谷歌地球影像進行配準，從而使谷歌地球影像達到幾何校正的目的。在圖像配準時，只有將不同空間分辨率的圖像精確地進行配準，才可能得到滿意的融合結果[3]。圖像配準后，谷歌地球影像的坐標系和投影與多光譜圖像一致，為后期的兩幅圖像之間的圖像融合實驗做好了準備。

本次利用ERDAS9.1軟件所提供的幾種融合方法，對谷歌地球影像和多光譜影像進行了融合操作。對融合后的結果從定性分析和定量分析兩個方面進行了評價。采用波段均值和標準差兩個指標對融合結果分別進行了定量評價[4-5]。本次融合實驗所采用的融合方法有主成分變換、IHS變換[6]、乘積法、比值變換[7]、高通濾波法。

2 結果與分析

利用Erdas Imagine9.1遙感處理軟件將兩幅圖像進行融合，原谷歌地球影像及融合后的圖像（見圖1～圖6）。

2.1 定性分析

從融合后的圖像上可以看出，在顏色方面主成分變換、乘積法、比值變換和高通濾波這四種融合方法，谷歌地球圖像融合后的圖像的整體顏色與SPOT5的多光譜影像很接近，而IHS變換融合后的谷歌地球圖像的光譜顏色與原多光譜圖像的顏色差異很大。高通濾波融合后的影像的不同地物色調飽和度之間差異不明顯，肉眼很難進行區分。主成分變換、乘積法和比值變換這三種融合方法，使融合后的影像顏色信息和原多光譜圖像的顏色信息更為接近。

2.2 定量分析

對于融合后圖像的質量評價，僅利用肉眼進行定性的分析，缺乏合理性，存在一定的主觀性。因此，需要對融合后的圖像進行定量分析，本次利用ENVI5.3軟件來分別計算原谷歌地球影像及各幅融合圖像的灰度平均值、標準差。融合后的圖像灰度均值如果與原圖像的灰度均值接近，則表明融合后圖像同原圖像的亮度越接近，該融合方法的光譜保真性越好。標準差是指一幅圖像各像元的灰度值與灰度平均值的分散程度。標準差值越大，表明該幅圖像不同地物的反差越大，越利于判讀和識別。圖像定量分析各項指標統計值，見表1。

由表1可以看出，比值變換融合后的圖像的灰度均值明顯變小，也就是說該方法融合后的圖像整體亮度偏暗。其余融合方法都會使融合后的圖像灰度均值變大，即圖像整體變亮，其中乘積法融合后的圖像灰度均值為128.49，在灰度亮度為256級的融合后圖像上亮度較為適中，亮度效果最好，其次為高通濾波和主成分變換融合方法。在圖像標準差方面，主成分變換和比值變換融合后的圖像的標準差明顯比原谷歌地球影像變小，說明各像元的灰度值與灰度平均值的分散程度較小，各像元灰度值較為集中，不同地物在影像上反差小，不利于判讀。而乘積法、IHS變換和高通濾波融合方法的標準差都比原谷歌地球影像明顯提高，特別是乘積法和IHS變換融合法的標準方差值都在60以上，標準差數值增幅明顯。

3 結論

融合后的圖像，從肉眼去看，主成分變換、乘積法和比值變換融合法這三種方法融合后的圖像顏色與原多光譜圖像顏色相近。

在定量分析方面，綜合考慮融合后圖像的灰度均值和標準差兩項指標，乘積法融合后的圖像各項指標最為理想，亮度適中，不同地物之間反差明顯。

由于谷歌地球影像的數據源不同，所以不同地區、不同時期的影像融合結果也有可能不同，希望通過以上的分析能為以后類似的研究提供參考與借鑒。

參考文獻

[1]熊安華.Google Earth在林業調查規劃中的應用研究[J].綠色科技，2012（11）：267-268.

[2]POHL C，Van Genderen J L.Multisensor image fusion in remote sensing concepts，methods and application[J].International Journal of Remote Sensing，1998，19（05）：823-854.

[3]黨安榮，王曉棟，陳曉峰，等.ERDAS IMAGINE遙感圖像處理方法[M].北京：清華大學出版社，2003，107-108.

[4]趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003.

[5]贠培東，曾永年，歷華.不同遙感影像融合方法效果的定量評價研究[J].遙感信息，2007（04）：40-45，105.

[6]周麗雅.遙感影像融合及質量評價研究[D].鄭州：中國人民解放軍信息工程大學，2006：17-25.

[7]薛重生，張志，董玉森，等.地學遙感概論[M].武漢：中國地質大學出版社，2011：91-95.

作者簡介：王峰潔，碩士，工程師，研究方向：林業管理。endprint