國產(chǎn)高分衛(wèi)星遙感影像融合方法比較與評(píng)價(jià)

邵亞奎,朱長明,張 新,沈 謙

(1. 江蘇師范大學(xué)地理與測(cè)繪學(xué)院，江蘇 徐州 221116; 2. 中國科學(xué)院遙感與數(shù)字地球研究所,北京 100101)

遙感影像融合是采用一定的算法將各影像的優(yōu)點(diǎn)或互補(bǔ)性有機(jī)地結(jié)合起來并產(chǎn)生新的影像。融合的關(guān)鍵是如何在提高融合影像空間分辨率的同時(shí)盡量保持原始光譜特性，提高影像信息提取能力[1]。通過影像融合，增強(qiáng)影像的空間分辨率可以提高遙感數(shù)據(jù)產(chǎn)品的價(jià)值。隨著應(yīng)用中對(duì)既具有高空間分辨率又具有高光譜分辨率的遙感影像需求的不斷增強(qiáng)，遙感影像融合成為遙感圖像處理的重要研究方向之一[2-3]。國內(nèi)外學(xué)者對(duì)此開展了大量的研究，以期在保持影像光譜分辨率前提下，提高影像的空間分辨率，增強(qiáng)影像信息量。目前廣泛應(yīng)用的高空間分辨率融合方法主要有Pansharp、Gram-Schmidt(G-S)、HCS、HPF、Ehlers、Subtractive、Modified IHS、Brovey、PCA、NNDiffuse等[4-12]。

但是，不同影像融合方法適用于不同數(shù)據(jù)源，實(shí)際應(yīng)用中針對(duì)不同的影像特點(diǎn)和應(yīng)用目的選擇合適的融合方法尤為重要[13]。如文獻(xiàn)[14]運(yùn)用不同融合算法對(duì)資源三號(hào)衛(wèi)星數(shù)據(jù)進(jìn)行試驗(yàn)，并對(duì)資源三號(hào)影像融合優(yōu)化方法進(jìn)行了分析與探討，結(jié)果表明Subtractive、Pansharp及其改進(jìn)算法較適合資源三號(hào)衛(wèi)星影像的融合。文獻(xiàn)[15]運(yùn)用G-S、Pansharp、PCA等5種融合算法對(duì)高分二號(hào)衛(wèi)星影像進(jìn)行融合試驗(yàn)并對(duì)融合效果進(jìn)行了評(píng)價(jià)，結(jié)果表明Pansharp融合方法整體效果最好，G-S和主成分變換次之。文獻(xiàn)[16]運(yùn)用HPF、Modifed IHS、Pansharp這3種融合方法對(duì)天繪一號(hào)衛(wèi)星影像進(jìn)行了融合試驗(yàn)，結(jié)果表明HPF融合效果最佳。

為此，本文通過比較和分析不同的融合算法，選取我國高分一號(hào)衛(wèi)星數(shù)據(jù)為數(shù)據(jù)源，采用多種影像融合方法對(duì)高分一號(hào)2 m全色和8 m多光譜數(shù)據(jù)進(jìn)行試驗(yàn)，并以定性和定量相結(jié)合的方式對(duì)融合試驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)，旨在探索適用于高分一號(hào)數(shù)據(jù)的最佳融合方法，為今后高分一號(hào)數(shù)據(jù)的相關(guān)應(yīng)用和研究提供技術(shù)參考。

1 試驗(yàn)數(shù)據(jù)

為了使比較與評(píng)價(jià)客觀、科學(xué)、具有代表性，選擇兩個(gè)光譜特性差異比較大的試驗(yàn)區(qū)：一是以建筑物、道路分布為主的城區(qū)；二是以植被分布為主的郊區(qū)。影像位于新疆阿克蘇地區(qū)，獲取時(shí)間為2014年8月25日，產(chǎn)品級(jí)別為1A級(jí)，原始全色和多光譜影像如圖1所示。在融合前對(duì)原始數(shù)據(jù)進(jìn)行了幾何精校正與配準(zhǔn)，糾正誤差在0.5個(gè)像元以內(nèi)。

2 研究方法

2.1 主要融合方法

針對(duì)遙感影像像素級(jí)融合，國內(nèi)外學(xué)者開展了大量研究[4-12]。根據(jù)算法原理的不同，像素級(jí)影像融合可以分為3類[17-18]：①基于分量替換的融合方法，基本思想是采用不同的融合規(guī)則將全色影像高空間信息融入低分辨率多光譜或用高空間分辨率全色影像替代多光譜變換后的亮度分量，如G-S、HCS、Brovey、主成分變換等；②基于多分辨率分解融合方法，基本思想是采用一定的方法將提取的高空間分辨率結(jié)構(gòu)信息注入多光譜影像以提高空間分辨率，如小波變換、金字塔變換、HPF融合等；③基于模型方法或算法的融合方法，如Pansharp(超分辨率貝葉斯法)、NNDiffuse融合(最鄰近擴(kuò)散算法)。根據(jù)像素級(jí)影像融合的算法原理，將目前現(xiàn)有常用的融合算法總結(jié)見表1。

2.2 融合質(zhì)量定量評(píng)價(jià)

對(duì)遙感融合算法進(jìn)行評(píng)價(jià)的方法主要分為定性評(píng)價(jià)和定量評(píng)價(jià)兩大類。定量評(píng)價(jià)主要包括影像光譜保真度、影像清晰度、影像信息量3方面。本文在對(duì)融合影像質(zhì)量定性評(píng)價(jià)的基礎(chǔ)上，選取信息熵[3]、標(biāo)準(zhǔn)差[16]、平均梯度[3]、相關(guān)系數(shù)[19]等作為定量客觀評(píng)價(jià)指標(biāo)。計(jì)算公式如下[19]

(1)

(2)

(3)

(4)

3 結(jié)果與分析

3.1 影像融合結(jié)果

不同的融合方法對(duì)國產(chǎn)高分一號(hào)衛(wèi)星影像融合結(jié)果如圖2、圖3所示。圖2和圖3(a)—(i)分別是Pansharping、G-S、HPF、Ehlers、Subtractive、modified IHS、Brovey、PCA、NND融合算法的結(jié)果。通過對(duì)不同融合方法輸出結(jié)果的前后影像光譜、邊緣、紋理特征等比較，可以看出9種融合結(jié)果相比原始影像來說，有效地提高了影像的空間分辨率，融合結(jié)果更容易判讀。其中Pansharp、G-S、HPF、Subtractive、NND最接近原始多光譜色彩；而Pansharp、G-S、NND、HPF融合紋理和邊緣最為清晰，極大地豐富了影像信息，使道路、田塊、建筑物等邊界更加清晰；modifed IHS、Brovey、PCA融合效果較差，出現(xiàn)了色彩畸變；Ehlers融合結(jié)果欠佳、影像整體模糊，紋理特征不清晰。

表1 常用像素級(jí)影像融合方法比較

3.2 融合結(jié)果定量評(píng)價(jià)

從表2的定量評(píng)價(jià)指標(biāo)可知：①Subtractive融合信息熵最大；Pansharp、NND、G-S、HPF、改進(jìn)的IHS融合熵值次之；Brovey融合信息熵值最小。②Brovey融合標(biāo)準(zhǔn)差最小，遠(yuǎn)低于原始多光譜；PCA、Pansharp、Subtractive、G-S、NND融合標(biāo)準(zhǔn)差較大，影像信息高于原始多光譜。③Subtractive平均梯度最大，影像清晰度最佳；Pansharp、HPF、G-S、NND、改進(jìn)的HSI融合結(jié)果平均梯度較大，影像清晰度較好。④Ehlers融合相關(guān)系數(shù)最大，其次是NND、G-S、HPF、Pansharp融合結(jié)果，均高于90%，能夠很好地保持多光譜影像光譜信息。

方法名稱試驗(yàn)區(qū)1試驗(yàn)區(qū)2波段信息熵平均梯度標(biāo)準(zhǔn)差相關(guān)系數(shù)信息熵平均梯度標(biāo)準(zhǔn)差相關(guān)系數(shù)ModifedHISB8.6424.2479.300.898.0015.3383.930.97G8.5929.33108.500.908.3218.69114.030.96R8.1526.13117.890.878.3417.26128.730.95PansharpB8.3221.7684.710.978.5919.38130.530.99G8.7929.90115.670.978.4016.96114.120.99R8.9032.64126.890.977.9312.2883.050.99NIR8.0118.8570.380.978.0123.8274.010.96SubtractiveB9.1054.63137.000.888.8643.06131.810.90G8.9849.47124.930.868.6937.80116.720.90R8.5035.8090.000.878.2427.4984.740.91NIR8.4329.2585.070.938.6825.77106.200.92HPFB8.8531.70119.870.968.6927.9182.790.96G8.8028.78108.060.968.5024.42113.710.96R8.2420.7278.890.968.0517.72130.080.96NIR7.9617.6562.090.978.1416.6773.650.95EhlersB8.6215.57117.550.998.417.79127.000.99G8.5116.95104.530.998.187.50107.000.99R7.9912.9872.840.997.735.6878.000.99NIR7.9513.5662.390.987.967.1572.000.98PCAB7.8516.8056.410.887.7211.8154.320.80G7.7115.4051.640.867.5510.3649.130.79R7.1410.5636.210.907.107.5736.110.80NIR7.916.4261.580.967.387.1540.990.79BroveyR7.127.6430.980.915.423.4522.130.96G6.977.4127.970.866.363.8715.720.75B6.467.5120.290.836.813.3811.650.84G-SB8.8134.13113.250.948.6327.9115.470.94G8.6831.42103.840.948.4624.74102.210.94R8.1721.6073.460.988.0017.8473.930.95NIR8.0416.4873.970.997.8012.0461.260.98NNDiffuseB8.7422.22121.330.988.4510.95128.400.99G8.6924.39111.950.958.2811.29113.000.98R8.3120.7384.870.947.879.0982.760.99NIR8.1721.9971.800.918.0811.9173.930.97

4 結(jié)論與討論

本文在對(duì)現(xiàn)有融合方法總結(jié)與歸納的基礎(chǔ)上，采用Pansharp、G-S、HPF、Ehlers、Subtractive、Modified IHS、Brovey、PCA、NNDiffuse融合等多種影像融合方法對(duì)高分一號(hào)衛(wèi)星全色和多光譜數(shù)據(jù)進(jìn)行了融合試驗(yàn)，并對(duì)融合結(jié)果進(jìn)行了主觀定性評(píng)價(jià)和客觀定量評(píng)價(jià)，得出以下結(jié)論：

(1) 對(duì)于國產(chǎn)高分一號(hào)衛(wèi)星遙感影像融合，并沒有一種方法的融合效果在各方面都優(yōu)于其他方法。Subtractive融合平均梯度最大，Pansharp、HPF融合次之，可以得到較高的邊界清晰度，適用于提取港口、飛機(jī)場、湖泊、采礦區(qū)等融合目標(biāo)的要求。NNDiffuse在可見光波段表現(xiàn)較突出，適用于一般的融合工作，而G-S融合在近紅外波段的融合表現(xiàn)明顯優(yōu)于其他方法，適用于完成提取水體、監(jiān)測(cè)植被等方面的融合目標(biāo)。

(2) 在綜合評(píng)價(jià)指標(biāo)中Pansharp融合綜合性能最好，效果最優(yōu)，適用性最強(qiáng)；G-S、NNDiffuse次之，均可適用于一般的高分一號(hào)數(shù)據(jù)影像融合任務(wù)。Ehlers原始影像光譜信息量保持良好，但是融合視覺效果欠佳；Brovey、Modified IHS、PCA融合效果失真、顏色畸變。