基于IHS变换和非下采样Contourlet变换的不同波段多极化SAR图像融合

孙晓霞，张继贤，高井祥，翟 亮

(1.中国矿业大学，江苏徐州221116;2.中国测绘科学研究院，北京100830)

基于IHS变换和非下采样Contourlet变换的不同波段多极化SAR图像融合

孙晓霞1，2，张继贤2，高井祥1，翟 亮2

(1.中国矿业大学，江苏徐州221116;2.中国测绘科学研究院，北京100830)

结合非下采样Contourlet变换具有的多尺度、多方向和平移不变的特性，以及IHS变换在色彩信息保持上具有的优势，提出一种基于IHS变换和NSCT变换的图像融合方法，用于高波段为单极化，低波段为全极化的两波段图像融合，并进行与其他几种方法的比较试验，结果证实本文的方法不但融合效果更好，而且在一定程度上抑制了噪声的影响。

多波段SAR;图像融合;NSCT变换;降噪

一、引 言

不同波段的SAR具有不同的传输特性和目标回波的后向散射特性，而多波段SAR数据蕴涵了比单波段SAR数据更丰富、更有效的信息。因此，对于所获得的多波段SAR数据，首先要解决的问题就是如何将这些数据加以分析，使其优势互补地综合起来，以增强图像特征与信息量，便于目标的解译与识别。低波段SAR具有很强的穿透力，可以探测到树林中或地表下的隐蔽目标;高波段SAR可以得到更清晰的场景轮廓和目标细节特征。因此将低波段数据与高波段数据融合将有利于信息的增强与目标识别。

传统的像素级影像融合方法有简单代数运算法、Brovey变换法、主成分分析法、IHS变换法、基于神经网络的图像融合法等，这些方法是在空间域内对源图像的单个像素值进行运算的融合方法。近些年，小波变换法作为变换域的图像去噪与融合方法而被广泛应用［1-3］。小波变换是一种多尺度、多分辨率图像处理技术，可以提取不同尺度上的图像特征，并利用人眼就可以辨别不同方向的高频分量的视觉特性，能获得较好的融合效果。显然，频带划分的越细，就越有利于提取不同方向上的纹理与细节信息，提高方向选择的灵活性，增强图像的融合效果。但由于小波函数只能获取水平、垂直和对角3个方向子带上的高频细节信息，因此缺乏多方向性。而继小波变换之后发展起来的Contourlet变换和非下采样Contourlet变换(nonsubsampled contourlet transform，NSCT)，很好地克服了小波变换的缺陷，能够在不同的尺度上将图像分解成多个方向子带，尤其是非下采样Contourlet变换还具有平移不变性，更适合SAR图像的处理。结合IHS变换法在色彩信息保持上的优势［4］，本文提出一种基于IHS变换与NSCT变换相结合的多波段多极化SAR图像融合法，主要针对高波段为单极化，低波段为全极化的两波段图像融合。试验数据选用国产机载X波段干涉SAR图像和P波段全极化SAR图像。

二、NSCT变换及基于NSCT变换的图像融合

1.NSCT变换原理

Contourlet变换的主要思想是先使用一个类似小波的多尺度分解捕捉奇异点，再根据方向信息将位置相近的奇异点汇集成轮廓段。这主要由多尺度分解(laplacian pyramid，LP)和多方向分解(directional filter bank，DFB)两个过程来完成。Contourlet变换不仅继承了小波变换的多分辨率时频分析特征，而且弥补了小波变换的方向性缺乏，具有良好的各向异性特征［5］。但由于在LP和DFB过程中存在上采样和下采样，因此Contourlet变换不具有平移不变性，这在图像处理中会产生伪吉布斯(Gibbs)现象，导致图像失真。尤其是当应用于噪声影像(如SAR图像)时，不仅不能很好地区分噪声与弱的边缘信息，而且往往还会扩大噪声。

为了解决这个问题，2005年A L Da Cunha等人提出了一种具有平移不变性的NSCT变换法［6］。与Contourlet变换不同的是，NSCT变换去掉了采样环节，由非下采样金字塔结构(nonsubsampled pyramid，NSP)和非下采样方向滤波器组(nonsubsampled directional filter bank，NSDFB)构成，因此是平移不变的。非下采样的金字塔变换将图像分解成一个低通子带和一个高通子带，此后非下采样方向滤波器组将高通子带分解成多方向子带，然后对低通子带重复进行上述分解，如此依次进行，以实现多尺度、多方向且平移不变的NSCT分解。变换结构图如图1所示。

图1 NSCT变换结构图

2.基于NSCT变换的图像融合算法

基于NSCT变换的图像融合主要包括以下3个步骤:

1)对不同时相的图像分别进行NSCT分解，得到图像分解后的低频子带图像和每层的多个方向的高频子带系数。

2)对低频和高频子带系数分别采用适宜的融合规则进行融合处理，得到合成后的NSCT系数。

3)利用合成后的NSCT系数进行逆变换，得到融合结果图像。

该方法是一种基于变换域的影像融合算法，融合规则选择的好坏将直接影响影像的融合质量。

三、本文的图像融合算法

根据不同波段的特点以及全极化相对于单极化具有的优势，将X波段干涉SAR图像视为高分辨率影像，而将P波段全极化SAR图像视为多光谱影像，利用IHS变换与NSCT变换相结合的方法进行融合。把两种方法结合起来主要基于以下考虑:两波段均具有丰富的、互补的强度信息，利用IHS变换法可以分离出P波段RGB图像的强度信息分量I，再采用NSCT方法将I分量与X波段图像进行融合，可以最大限度地利用两种数据的空间信息，然后借助于IHS反变换进行空间分量与“光谱”信息的假彩色合成，从而得到包含更丰富的空间信息与“光谱”信息的融合图像。而且，NSCT变换在进行融合处理时，可以根据实际需要来引入两种数据的细节信息，因此更有针对性，融合效果更佳。本文方法的具体融合过程如下。

1)对P波段全极化图像进行3个波段的合成处理，即取(HH，(HV+VH)/2，VV)组成的RGB图像(以下简称:P波段RGB图像);对X波段单极化图像与P波段彩色图像分别进行去噪、几何校正与配准等处理，这3项处理可以根据实际情况选择性进行。一般同一传感器获取的两个波段图像已经是严格配准的，可以不再进行此项操作;另外，是否事先去噪，也应根据具体应用来定。对于一些对精度要求较高的应用，可以先进行融合处理，然后从最终的结果中去除噪声的影响。因为如果融合前去噪，将损失较多的细节信息，使边缘变得模糊。

2)对P波段RGB图像进行IHS变换，得到强度分量I。

3)利用NSCT变换法将X波段图像与I分量进行融合处理，得到图像FXI，然后以I分量为基准对融合后图像进行直方图匹配，得到匹配后的融合图像F'XI。

融合规则的选择:由于图像经NSCT分解后，能量主要集中在低频区域，因此对低频分量采用取平均的融合规则。在高频分量中既包含了图像的边缘与细节信息，同时也包含大量的相干斑噪声，因此，高频子带融合规则制定的优劣将直接影响去噪效果的好坏。由于噪声多以单个像素形式存在，而且人眼对单个像素的灰度取值并不敏感，因此图像清晰与否是由区域内像素共同体现的。为提高清晰度量的准确性，并有效地抑制噪声，应将像素特性与区域特性结合起来进行分析。基于以上考虑，本文采用区域能量最大融合规则进行高频子带图像的融合［7］。

4)用F'XI替换I分量，并进行IHS反变换，获得最终的融合结果。图2为该融合算法框架图。

本文方法与传统的IHS方法的不同之处在于:不是直接用高分辨率影像替换多光谱影像的I分量，而是将相当于高分辨率影像的X波段与I分量进行基于NSCT变换的融合，用融合后图像来替换I分量。这样做的好处是可以最大限度地综合每种波段数据的空间信息，而且可以在一定程度上抑制噪声。

图2 基于IHS与NSCT变换的多波段图像融合框架

四、试验结果与分析

为了验证本文方法的融合效果，笔者进行大量的试验，并对提出的IHS与NSCT相结合的融合方法与其他几种常用方法进行比较、分析，主要有:传统的IHS变换法、主成分分析法、乘法以及Bronvy融合法。图3显示了本文方法与其他4种方法的融合效果图。

图3 几种方法的融合效果图

通过同原始图像的比较可以明显地看出，本文方法有效突出了原始图像的有用信息，很好地保持了原始数据的边缘细节及色彩信息，纹理更加明显。IHS变换法边缘清晰度较好，但是细节信息不如本文方法丰富，色彩略有失真;Bronvy融合法边缘清晰度不如IHS变换法，而且色彩过于饱和;乘法融合法色彩信息很接近于原始数据，但是清晰度较低，视觉效果较差;主成分分析法清晰度较好，但色彩信息缺乏。进一步的定量评价结果如表1所示。

表1 几种方法融合结果的评价

其中，均值和方差取的是3个波段的平均值，等效视数是由平均值和平均方差计算出来的结果。由表1可知，传统的IHS变换法，除了等效视数指标低于主成分分析法以外，其他各项指标均明显高于Bronvy融合法、乘法融合法以及主成分分析法，这说明IHS变换法对于一个波段为单极化、另一波段为全极化的雷达数据融合表现较佳。之所以等效视数指标低于主成分分析法，是由于IHS变换法中没有引入对斑点噪声的抑制算法，而主成分分析法由于进行了几个波段的主分量变换，斑点噪声属于次要信息而被包含在后面的分量中，融合中取的是前几个分量，因此对噪声有较好的抑制作用。而本文提出的基于IHS与NSCT相结合的融合方法不但弥补了IHS变换法在噪声抑制方面的欠缺，更重要的是充分利用了两个波段雷达图像数据的空间信息。表1中的结果也验证了这一点，除了方差外，其他各项评价指标都好于其他方法。这是由于在常规的IHS变换法中，利用X波段来替换P波段图像的I分量，实际上只利用了X波段的图像信息，而去掉了P波段图像的强度信息。但由于雷达图像不同于光学影像，不同波段往往包含许多互补的空间信息，本文方法中采用X波段与I分量的融合结果来替换I分量的方法，更好地综合了两个波段的有用信息，因此，获得了最佳的融合效果。

五、结束语

结合NSCT变换具有的多尺度、多方向和平移不变的特性，以及IHS变换在色彩信息保持上具有的优势，本文提出了一种基于IHS变换和NSCT变换相结合的图像融合方法，用于高波段为单极化、低波段为全极化的两波段图像融合，通过与其他几种常用融合方法的试验结果的比较与分析，证实了本文的方法不但融合效果更好，而且还在一定程度上抑制了噪声的影响。

［1］ TANG Jinshan.A Contrast Based Image Fusion Technique in the DCT Domain［J］.Digital Signal Processing，2004，14(3):218-226.

［2］ 刘贵喜，杨万海.基于小波分解的图像融合方法及性能评价［J］.自动化学报，2002，28(6):929.

［3］ 黄世奇，刘代志.SAR图像斑点噪声抑制方法与应用研究［J］.测绘学报，2006，35(3):245-250.

［4］ 张微，丁献文，陈汉林.基于改进的IHS方法的SAR图像增强与融合［J］.海洋学研究，2007，25(1):73-78.

［5］ DO M N，VETTERLI M.The Contourlet Transform:An Efficient Directional Multiresolution Image Representation［J］.IEEE Transactions on Image Processing，2005，14(12):2091-2106.

［6］ DA CUNHA A L，ZHOU J，DO M N.The Nonsubsampled Contourlet Transform:Theory，Design，and Applications［J］.IEEE Transactions on Image Processing，2006，15(10):3089-3101.

Multi-band Polarimetric SAR Image Fusion Using IHS Technique and Nonsubsampled Contourlet Transform

SUN Xiaoxia，ZHANG Jixian，GAO Jingxiang，ZHAI Liang

0494-0911(2011)06-0001-04

P237

B

2011-04-11

中国测绘科学研究院基本科研业务费资助(7771032)

孙晓霞(1971—)，女，辽宁庄河人，博士生，主要研究方向为遥感影像融合与信息提取。