基于CBERS-02B星HR影像的多源遥感数据融合研究

张勇荣，周忠发，马士彬

(1.六盘水师范学院生物与地理科学学院，贵州六盘水553004;2.贵州师范大学南方喀斯特

研究院，贵州贵阳550001;3.贵州省喀斯特山地生态环境国家重点试验室培育基地，贵州贵阳550001)

基于CBERS-02B星HR影像的多源遥感数据融合研究

张勇荣1，3，周忠发2，3，马士彬1

(1.六盘水师范学院生物与地理科学学院，贵州六盘水553004;2.贵州师范大学南方喀斯特

研究院，贵州贵阳550001;3.贵州省喀斯特山地生态环境国家重点试验室培育基地，贵州贵阳550001)

为寻求更加适合与CBERS-02B星HR数据融合的多光谱数据及融合方法，应用PCA、Brovey、SVR、IHS 4种变换方法，分别将CBERS-02B星HR数据与CBERS-02BCCD、ASTER、ALOS的多光谱数据进行融合，从光谱和空间信息两个方面对融合效果进行分析。结果表明:①CBERS-02B星HR数据与ALOS多光谱数据的融合图像质量高于其他两种组合，其中IHS变换法融合图像空间细节及光谱信息保持度最高，色调鲜明，地物可辨别能力强;②ASTER、CBERS-02BCCD参与融合时，SVR变换法比较适合;二者相比较ASTER数据参与融合质量较高;③CBERS-02B星HR数据与ALOS和ASTER多光谱匹配度高，在CBERS-02B星HR数据的使用过程中应尽量寻求其他来源的多光谱数据进行融合。

CBERS-02B HR;ASTER;ALOS;影像融合

一、引 言

对于高空间分辨率数据而言，其光谱分辨率一般较低。而遥感数据融合可将单一传感器的多光谱信息或不同类别传感器所提供的信息加以综合，改善遥感信息提取的及时性和可靠性，提高数据的使用效率［1］。通过多年的发展，许多融合方法如IHS、PCA、小波变换、Pan sharp、Gram-schmidt等已经非常成熟。同时，针对如TM、SPOT等影像对不同融合方法的适合程度，相关学者也作了大量研究。但是，对于CBERS-02B HR数据的融合试验还相对较少，更缺乏针对CBERS-02B HR数据的多源遥感数据融合试验［2-11］。

在此基础上，笔者提出选取CBERS-02B CCD、ASTER、ALOS 3种传感器的多光谱数据与HR数据搭配，通过PCA、SVR、Brovey、IHS 4种常用融合方法进行融合，并对融合影像进行定性与定量的评价，以期进一步拓宽CBERS-02B星HR数据的使用渠道。

二、研究区概况与数据预处理

1.研究区概况

以贵州省贵阳市部分区域为研究区。贵阳市地处黔中喀斯特高原，其特点是地势较平缓，丘陵起伏，坝子连片。一般海拔高度为1250～1300 m，研究区地貌组合形态主要是溶丘洼地，其次是峰丛洼地。区内包含有城市建筑、河流、公路、林地、耕地、水域等土地利用类型。

2.数据来源

以2008年CBERS-02B星HR数据为基础，分别选取同期 CBERS-02B星 CCD、ASTER、ALOS (AVNIR-2)3个传感器的多光谱数据参与融合。数据概况见表1。

表1 遥感数据基本参数

3.数据融合

采用PCA变换、Brovey变换、SVR变换、IHS变换4种方法进行融合研究。由于CBERS-02B CCD、ALOS(AVNIR-2)的2、3、4波段光谱范围对应ASTER多光谱数据的1、2、3波段，同时Brovey变换只能对多光谱的3个波段进行融合，因此试验选取CBERS-02B星CCD、ALOS(AVNIR-2)的2、3、4波段以及ASTER多光谱数据的1、2、3波段参与融合，融合后影像均为标准假彩色图像，如图1～图3所示。

图1 不同融合方法的CBERSO2B星影像

图2 不同融合方法的ALOS影像

图3 不同融合方法的ASTER影像

(1)PCA变换(主成分分析法)

PCA变换是建立在影像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，数学上又称K-L变换［10］。PCA变换的具体步骤:多光谱波段经过PCA变换后，首先将全色高分辨率图像进行灰度拉伸，使其均值和方差与PCA变换的第一分量的图像一致;然后用拉伸过的高分辨率全色图像代替第一分量;最后经过PCA逆变换得到融合图像。

(2)Brovey变换

Brovey变换是一种对遥感数据进行融合的较为简单的方法。该方法通过归一化后的多光谱波段与高分辨率影像乘积来增强影像的信息［11］。其融合后的红(R)、绿(G)、蓝(B)3波段结果图像为

(3)SVR变换

Zhang［12］在Munechika所提出SVR方法的基础上又提出了一种改进型的SVR方法，用来进行全色和多光谱影像的融合。首先计算多光谱波段与全色波段之间的回归系数;然后根据回归系数和多光谱波段合成模拟高空间分辨率的全色影像;最后利用比值变换完成各波段的融合［13］。计算公式为

式中，XSPi表示第i波段融合后灰度;PANH为高分辨率全色波段灰度值;XSLi为第i波段原始灰度值; PANLS为多光谱波段合成的全色波段灰度值;δi为高分辨率全色波段与多光谱波段XSLi间的回归系数。

(4)IHS变换

IHS变换是目前应用十分广泛的一种RGB彩色融合变换方法。IHS变换首先利用正变换将多光谱图像从RGB三原色空间变换到IHS彩色空间，得到亮度I(intensity)、色度H(hue)和饱和度S(saturation)3个分量;然后，将高分辨率全色图像与分离出的亮度I分量进行直方图匹配，使其灰度的均值和方差与分量I图像一致;最后，用匹配好的全色波段代替I分量，与分离出的H、S分量进行IHS逆变换，重新回到RGB空间。RGB系统与IHS系统转换的关系式为［14］

式中，I为亮度;H为色度;S为饱和度;v1、v2为中间变量。

三、融合效果分析与对比

1.CBERS-02B HR与CCD的融合结果评价与分析

由表2的统计数据可知:IHS和SVR两种变换法在信息熵和标准差两个空间信息评价因子中的均值最高，说明IHS和SVR变换法在空间信息增强方面效果最好，融合图像的细节和纹理信息最清晰，其中SVR变换法优于IHS变换法。由影像各波段的相关系数和灰度均值可知，IHS和SVR变换法在光谱保持方面效果也比较好。经IHS变换法融合的图像，其灰度平均值与原始影像更接近，但其相关系数略小于SVR变换，因此综合考虑在CBERS-02B HR与CCD数据融合时SVR变换法更适合。

2.CBERS-02B HR与ASTER的融合结果评价与分析

由表2可知，PCA和SVR两种变换法的信息熵和标准差都较高，说明PCA和SVR变换法在空间信息增强方面效果最好，其中PCA变换法优于SVR变换法。从影像各波段的相关系数和灰度均值看，SVR变换法在光谱保持方面明显优于PCA变换法。通过图3目视比对也可以看出，SVR变换法所得影像较亮，图像鲜明，但不够厚重、信息不足，尤其对植被的显示颜色偏淡;而PCA变换法所得融合影像的亮度不足，整体影像雾感较重。

3.CBERS-02B HR与ALOS的融合结果评价与分析

由表2可知，IHS变换法的各项评价指标均值为最高，在空间信息增强和光谱信息保持方面都优于其他融合方法。同时，与CBERS-02B HR与CCD的融合影像，以及CBERS-02B HR与ASTER的融合影像相比，也体现了较好的效果，各评价指标值远高于其他两种组合的融合影像。

表2 3种影像数据的不同融合方法所得融合结果的统计值

通过分析可知，在CBERS-02B HR数据的使用过程中，可以选用非同源的其他多光谱数据进行融合。笔者选取了ALOS、ASTER、CBERS-02B CCD 3种多光谱数据进行试验，融合效果最佳的为ALOS参与的融合图像。同时，在4种融合方法的对比中，IHS、SVR两种变换法分别在CBERS-02B HR数据与ALOS、CBERS-02B CCD多光谱数据融合时取得最佳效果;而在与ASTER数据进行融合时，SVR和PCA变换法各有优点，因此要根据实际要求加以选择或者再寻找在各方面都较理想的融合方法。

四、结束语

笔者选取3种数据搭配方式在4种变换方式中进行融合试验，并通过4个指标进行定量评价。在理论上提出CBERS-02B HR数据融合的最佳组合方式和方法，为CBERS-02B HR数据的使用提出了新的途径。但是，所选取融合方法和评价体系还存在一定的局限:

1)只选取了最简单易行的4种融合方法，对于其他融合方法本研究还缺乏更加详尽的论证，应从融合方法的角度探索CBERS-02B HR数据有效的使用途径。

2)构建的融合影像评价体系中缺乏对纹理细节的评价指标，在进一步的试验过程中应进行高通滤波等试验，以验证融合数据的高频信息传导状况。

3)只选取了ALOS、ASTER、CBERS-02B CCD 3种多光谱数据，这3种多光谱数据的空间分辨率都在10 m以下，这对最终的融合结果将造成影响，在进一步的试验过程中应选取比CBERS-02B HR的空间分辨率低3倍以内的数据进行试验。

4)由于融合试验对影像的空间配准精度要求极高，因此本研究的试验区域范围较小，导致最终结论具有一定的片面性，在今后的研究中有待加强。

［1］ 贾永红，李德仁.多源遥感影像数据融合［J］.遥感技术与应用，2000，15(1):41-44.

［2］ 王奇，李杏朝，李俊杰，等.CBERS-02B星HR与CCD影像融合研究［J］.遥感技术与应用，2008，23(4): 468-471.

［3］ 李秉柏，杨沈斌，申双和.ENVISAT ASAR数据与CBERS-02数据的融合与应用［J］.地球信息科学，2008，10(2):263-268.

［4］ 王海晖，彭嘉雄，吴巍，等.多源遥感图像融合效果评价方法研究［J］.计算机工程与应用，2003，39(25):33-37.

［5］ 李军，周月琴.小波变换用于高分辨率全色影像与多光谱影像的融合研究［J］.遥感学报，1999，3(2):116-121.

［6］ 陈志刚，束炯.基于Savitzky—Golay方法的遥感影像融合［J］.地理与地理信息科学，2011，27(2):26-29.

［7］ 李京忠，刘咏梅.CBERS-02B HR与CCD影像图像融合应用及评价——以陕西省西乡县土地利用分类为例［J］.水土保持通报，2009，29(2):160-164.

［8］ 李玉霞，李丽，郑泽忠.CBERS-02图像在土地利用/覆盖动态监测中的应用［J］.四川师范大学学报:自然科学版，2006，29(5):627-630.

［9］ 贠培东，曾永年，历华.不同遥感影像融合方法效果的定量评价研究［J］.遥感信息，2004(4):40-45.

［10］ 孙丹峰.IKONOS全色与多光谱数据融合方法的比较研究［J］.遥感技术与应用，2002，17(1):41-45.

［11］ 许榕峰，徐涵秋.ETM+全色波段及其多光谱波段图像的融合研究［J］.地球信息科学，2004，6(1):99-103.

［12］ ZHANG Y.A New Merging Method and Its Spectral and Spatial Effects［J］.Int.J.Remote Sensing，1999，20(10):2003-2014.

［13］ 谭永生，沈掌泉，贾春燕，等.中高分辨率遥感影像融合研究［J］.遥感技术与应用，2007，22(4):536-542.

［14］ 刘廷祥，黄丽梅，鲍文东.基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究［J］.遥感技术与应用，2009，24(1):103-108.

［15］ 王忠武，赵忠明.图像融合中配准误差的影响［J］.测绘科学，2010，35(2):96-98.

Research on the Multiple Resource RS Image Fusion Based on HR Data of CBERS-02B

ZHANG Yongrong，ZHOU Zhongfa，MA Shibin

0494-0911(2012)08-0011-04

P237

B

2011-11-03

国家973计划(2012CB723202);贵州省"十一五"科技攻关项目(黔科合GY字［2009］3060);贵州省教育厅自然科学项目(黔教科2010098);贵州省科学技术基金(黔科合J字［2011］2052号);贵阳市科技计划项目(［2009］筑科工合同字第1－045号)

张勇荣(1982—)，女，黑龙江牡丹江人，硕士，讲师，主要研究方向为环境遥感与地理信息系统应用。