城市卫星遥感图像融合处理质量评价研究①

胡龙华 徐豁

(1.吉林大学地球探测科学与技术学院，吉林长春市 130026;2.华北地质勘查局综合普查大队，北京东燕郊 101601; 3.华北科技学院建筑工程学院，北京东燕郊 101601)

城市卫星遥感图像融合处理质量评价研究①

胡龙华1，2②徐豁3

(1.吉林大学地球探测科学与技术学院，吉林长春市 130026;2.华北地质勘查局综合普查大队，北京东燕郊 101601; 3.华北科技学院建筑工程学院，北京东燕郊 101601)

常用的遥感融合方法常导致较严重的光谱畸变，为减少融合图像光谱特征的扭曲，提出三种新融合方法即合成变量比值法(SVR)、平滑滤波亮度调制法(SFIM)和Gram_Schimdt变换法(GS)。采用定量分析方法，分别对中等分辨率Landsat ETM+数据和高分辨率Quickbird数据的融合效果进行了评价。结果表明，不同方法具有不同的光谱保真度和空间信息融入度。同一种方法对于不同分辨率的遥感数据具有不同的融合效果。对中等分辨率Landsat ETM+数据，SFIM能产生较高的空间信息融入度和光谱保真度。利用中等分辨率Landsat ETM+数据进行融合处理时，SFIM优于合成SVR和GS;在高分辨率Quickbird数据的融合中，SVR能产生较高的空间信息融入度和光谱保真度。利用高分辨率Quickbird数据进行融合处理时，SVR则优于SFIM和GS。在中等分辨率Landsat ETM+数据、高分辨率Quickbird数据融合处理中，基于SFIM、SVR融合方法能分别获得较好的视觉效果，又能改善目视解译和遥感分类精度。

图像融合;多尺度;质量评价;城市区域

0 引言

随着遥感技术的发展，城市区域研究中已能方便的获取多传感器、多尺度的遥感数据。若将这些多源数据的高空间分辨率和高光谱分辨率的信息融合在一个图像之中，遥感图像的性能就会得到扩充并极大地有利于城市遥感应用研究。图像融合技术能够实现多源数据的融合，从而增强图像解译能力，增加可靠有用的信息量。因此，图像融合技术成为城市环境遥感分析中获取大范围详细地学信息的有效手段。现已发展了许多图像融合方法并得到应用［1－8］，其中最为广泛应用和人们所熟知的方法有亮度－色度－饱和度(IHS)方法、主成分分析法(PCA)、混合运算法、小波融合法［2］。亮度－色度－饱和度(IHS)方法、主成分分析法(PCA)、混合运算法通常会导致融合图像相对于原始多光谱图像产生不同程度光谱特征的扭曲［5－6］。小波变换方法在保持原多光谱图像的光谱信息方面比IHS方法要好，但小波融合图像的空间信息量要小于IHS融合法。为解决光谱特征扭曲，并能保证空间特征的有效融入，人们研究并发展了遥感数据融合的新方法，如：合成变量比值法(SVR)［9］、平滑滤波亮度调制法(SFIM)［10］和Gram_Schimdt变换法(GS)［11］。本项研究主要针对这三种新的融合方法在城市多尺度遥感图像融合中的质量的评价问题，通过定量参数的分析，定量分析评价不同融合方法在不同尺度城市遥感应用中信息融合的质量，为有效利用这些方法提供依据和建议。

1 研究区域和数据

上世纪末随着城市化进程的加快，湖南省长沙市成为中国中部快速发展的城市之一，我们选择该城市为研究区域，评价遥感图像融合效果对城市遥感应用的影响。

我们选择了Landsat ETM+全色波段和多光谱数据，以及Quickbird全色波段和多光谱数据。Landsat ETM+数据是2001年冬季获取的，Quickbird数据是2003年夏季获取的。我们将利用不同尺度的遥感数据对遥感数据融合方法进行定量的评价。

2 图像融合与质量评价的方法

2.1 图像融合方法

为解决光谱特征扭曲，并能保证空间特征的有效融入，人们研究并发展了一些遥感数据融合的新方法，如合成变量比值法(SVR)［9］、平滑滤波亮度调制法(SFIM)［10］和Gram_Schimdt变换法(GS)［11］。

SVR以Munechika的方法［8］为基础，首先利用多光谱影像模拟低分辨率全色波段影像，然后利用高分辨全色波段影像与模拟全色波段影像的比值与多光谱影像进行算术运算以获得融合影像。SFIM利用高分辨率全色波段影像通过低通滤波获得模拟的低分辨率全色波段影像，然后利用高分辨全色波段影像与模拟全色波段影像的比值与多光谱影像进行算术运算以获得融合影像; GS变换法首先利用分辨率的多光谱影像产生模拟的低分辨率全色波段影像，再利用模拟低分辨率全色波段影像和多光谱影像进行Gram_Schimdt正变换，然后用高分辨率全色波段影像代替GS变换后的低分辨率全色波段分量，并Gram_ Schimdt反变换得到最终融合影像。

然而，这些方法大多用于SPOT卫星的全色波段数据与Lansat TM多光谱数据的融合。随着遥感技术的发展，在同一卫星上可以同时获得同一地区多光谱分辨率、多空间分辨率的特征的遥感数据，如：中等分辨率的Landsat ETM+全色波段与多光谱遥感数据，高分辨率的Quickbird全色波段与多光谱遥感数据等。研究上述新的融合算法在这些新遥感数据融合处理应用中适应性就显得尤为重要。

本项研究利用SVR、SFIM和GS分别对中等分辨率的Landsat ETM+全色波段与多光谱遥感数据和高分辨率的Quickbird全色波段与多光谱遥感数据进行了融合实验，着重对融合效果进行了定量评价与分析。

2.2 图像融合的质量指标

为了有效地评价上述新方法在不同尺度遥感数据融合中的光谱与空间效果，我们采用了遥感图像质量评价的几个指标进行融合图像效果的评价［12－14］，主要采用的定量指标有标准差、信息熵、相关系数和偏差指数。

2.2.1 空间信息指标

我们利用标准差和信息熵描述遥感图像空间信息的详细程度，标准差反映了整幅图像灰度之间的偏离程度，定义如下：

信息熵度量一幅图像信息的丰富度，用如下公式表示：

2.2.2 光谱信息指数

原始图像与融合图像的相关系数能够用于指示它们在光谱信息方面的相关度和差异，相关系数定义如下：

xi，j和分别表示原始图像与融合图像的像元。

3 结果分析

3.1 中等分辨率Landsat ETM+遥感数据融合结果与分析

图1为原始Landsat ETM+波段4以及不同融合方法融合的波段4的图像。

三种不同融合图像融合质量指标如表1所示，从定量指标可以看出，融合图像与原始图像的标准差、信息熵随融合方法的不同而变化。根据空间信息指数的分析发现，SFIM、SVR和GS方法分别具有高、中、低不同的空间信息融入度，说明基于SFIM方法的融合图像比其他两种融合图像具有更为丰富的空间信息。

根据光谱信息指数，综合考虑相关系数和偏差指数，认为总体上SFIM方法具有较高的光谱信息的保真度，其次为SVR和GS方法。因此，基于光谱信息指数，由SFIM方法获得的融合图像较之其他两种融合图像能够获得较高的光谱信息的保真度。

以上的分析结果表明，在Landsat ETM+全色波段和多光谱波段图像的融合处理中，基于高、低分辨率全色波段比值的图像融合方法(SFIM，SVR)［9－10］能够将空间信息有效融入多光谱图像，并能保证光谱信息的较小扭曲。而基于空间变换的融合方法(GS)［11］不仅算法较为复杂，而且融合质量也不如基于比值的融合方法;同时，由于Landsat ETM+全色波段和多光谱波段范围的不一致，使得直接利用高分辨率全色图像通过滤波获得低分辨率全色图像的融合方法(SFIM)较之利用多光谱图像通过模拟获得低分辨率全色图像的融合方法(SVR)更为有效。

图1 实验区Landsat ETM+全色与多光谱图像融合效果比较

表1 三种融合方法获得的融合图像的质量评价指标

因此，我们认为在Landsat ETM+全色波段和多光谱波段图像的融合中，无论从信息保真度还是从空间信息融入度来讲，SFIM方法都要优于SVR和GS方法。SFIM方法能够达到较高的空间信息的融入度和光谱的保真度，融合图像既便于遥感图像的目视解译，又有助于改善遥感图像分类的精度。

3.2 高分辨率Quickbird遥感数据的融合结果与分析

原始Quickbird图像以及不同融合方法获得的融合图像如图2所示。

三种不同融合图像融合质量指标如表2所示，原始图像与融合图像之间的标准差、信息熵的差异随融合方法而变化。从空间信息融入度来讲，基于SVR融合方法的效果最优，其次是SFIM，最差的是SG。

光谱信息指数的分析发现，融合图像与原始图像的相关系数和光谱偏差指数也随融合方法的不同而变化。SVR方法产生的光谱扭曲度最小，其次是SFIM，而GS方法的光谱扭曲度最大。

图2 实验区Quickbird全色与多光谱图像融合效果比较

总之，在高分辨率的Quickbird全色波段和多光谱波段图像的融合中，无论从信息保真度还是从空间信息融入度来讲，SVR方法都要优于SFIM和GS方法。SVR方法能够达到较高的光谱的保真度和空间信息的融入度，融合图像既便于遥感图像的目视解译，又有助于改善遥感图像分类的精度。

以上分析表明，对于高分辨率Quickbird遥感图像的融合来讲，不同融合方法的效果与Landsat ETM+遥感数据的融合结果不完全相同。其中相一致之处，表现为基于高、低分辨率全色波段比值的融合方法(SVR，SFIM)［9－10］能够将空间信息有效融入多光谱图像之中，并能保证光谱信息的最小扭曲。而基于空间变换的融合方法(GS)［11］融合质量则不如基于比值的融合方法;不同之处在于，由于Quickbird全色波段与多光谱波段范围相一致性，致使利用多光谱图像通过模拟获得低分辨率全色图像的融合方法(SVR)较之直接利用高分辨率全色图像通过滤波获得低分辨率全色图像的融合方法(SFIM)更为有效。

3.3 综合评价

通过以上实验分析，对于不同分辨率的遥感数据，SFIM、SVR和GS三种融合方法的融合效果各不同相同。但无论从空间信息融入度还是光谱保真度来讲，以比值为基础的融合方法(SVR、SFIM)都优于以空间变换为基础的融合方法(GS)。

表2 三种融合方法获得的融合图像的质量评价指标

对于中等分辨率Landsat ETM+遥感数据来说，由于全色和多波段图像光谱范围不一致性，致使SFIM方法的融合效果最优;而对于高分辨率Quickbird遥感数据来讲，由于全色和多波段图像光谱范围的一致性，使得SVR方法的融合效果最优。

4 结论

遥感图像融合的实际应用中，要根据采用的遥感数据的种类以及融合处理的目的来选择最佳的融合方法，以获得最佳的应用效果。

在中等分辨率的Landsat ETM+数据的融合中，SFIM能产生较高的空间信息的融入度和光谱的保真度，既能获得较好的视觉效果，又能改善目视解译和遥感分类精度。故在城市遥感应用中，利用中等分辨率的Landsat ETM+数据进行融合处理时，可采用SFIM。

在高分辨率的Quickbird数据的融合中，SVR能产生较高的空间信息的融入度和光谱的保真度，既能获得较好的视觉效果，又能改善目视解译和遥感分类精度。故在城市遥感应用中，利用高分辨率的Quickbird数据进行融合处理时，宜建议采用SVR。

［1］Pohl C，Genderen J L.Multsensor image fusion in remote sensing：concepts，methods and applications［J］.International Journal of Remote Sensing，1998，19(5)：823－854

［2］Chang Y.Understanding image fusion［J］.Photogrammetric Engineering and Remote Sensing，2004，70(6)：657－661

［3］Carper W J，Lillesand T M，Kiefer R W.The use of intensity－hue－saturation transform for merging SPOT panchromatic and multispectral image data［J］.Photogrammetric Engineering and Remote Sensing，1990，56(4)：459－467

［4］Ehler M.Multi－sensor fusion techniques in remote sensing［J］.ISPRS Journal of Photogrammertry and Remote Sensing，1991，46(3)：19－ 30

［5］Chavez P S，Sides S C，Anderson J A.Comparison of three different methods to merge multiresolution and multispectral data：Landsat TM and SPOT panchromatic［J］.Photogrammetric Engineering and Remote Sensing，1991，57(3)：295－303

［6］Shettigara V K.A generalized component substitution technique for spatial enhancement of multispectral images using a higher resolution data set［J］.Photogrammetric Engineering and Remote Sensing，1992，58(5)：561－567

［7］Nunez J X，Fors A，Predes V et al.Multiresolution－based image fusion with additive wavelet decomposition［J］.IEEE Transactions on Geoscience and Remote Sensing，1999，37(3)：1204－1211

［8］Munechika C K，Warnick J S，Salvaggio C，and Schott J R.Resolution enhancement of multispectral image data to improve classification accuracy［J］.Photogrammetric Engineering and Remote Sensing，1993，59：67－72

［9］Zhang Y.A new merging method and its spectral and spatial effects［J］.International Journal of Remote Sensing.1999，20(10)：2003－2014

［10］Liu J G.Smoothing filter－based intensity modulation：a spectral preserve image fusion technique for improving spatial details［J］.International Journal of Remote Sensing，2000，21 (18)：3461－3472

［11］Laben.Process for enhancing the spatial resolution of multispectral imagery using pan－sharpening.U S Patent：6011875，Jan，4，2000

［12］Shi W Z，Zhu C Q，Zhu C Y et al.Multiband wavelet for fusing spot panchromatic and multispectral images［J］.Photogrammetric Engineering and Remote Sensing，2003，69(5)：513－520

［13］魏政刚;袁杰辉;蔡元龙.一种基于视觉感知的图像质量评价方法［J］.电子学报，1999，27(4)：79－82

［14］Wald L，Ranchin T，Mangolini M.Fusion of satellite images of different spatial resolution：Assessing the quality of resulting images［J］.PhotogrammetricEngineering＆RemoteSensing.1997，63(6)：691－699

Assessing quality of images fusion of different approaches

HU Longhua12，SUN Guoqing3，XU Huo3

(1.College of Geoexploration Science And Technology Jilin University，Jilin Changchun130026;
2.Exporation Unit of North China Geological Exploration Bureau，Yanjiao Beijing－East101601;
3.North China Institute of Science and Technology，Yanjiao Beijing－East101601)

The popular image fusion methods in remote sensing community usually distort the spectral characteristics.To reduce the spectral distortion，some image fusion techniques have been developed.This paper addresses the issue in quality assessment of fused images from three new fusion methods.These methods are synthetic variable ratio(SVR)，smoothing filter－based intensity modulation(SFIM)and Gram_Schimdt transform(GS)that are recently developed.In this study we employed these methods in image fusion of Landsat 7 ETM+panchromatic with multispectral images and Quickbird panchromatic with multispectral images.The quantitative methods such as standard deviation，information entropy，correlation coefficient，and spectral bias index were used to assess the quality of fused images.The results indicate that different approaches have their specific properties and adapt to different purposes based on spectral fidelity and high spatial frequency information gain.The quality of fused images based on SFIM and SVR methods is better than that of GS method，respectively，in medium－resolution images and high－resolution images in urban area.Therefore，the SFIM and SVR methods can meet the needs of mapping－oriented fusion，classification－oriented fusion，and visualization－oriented fusion purposes，respectively in medium－resolution images and high－resolution images in urban area.

image fusion;multi－scale;quality assessment;urban area

TP751

A

1672－7169(2012)01－0082－05

2012－01－11

胡龙华(1978－)，男，安徽安庆人，在读硕士，高级工程师，现主要从事航空摄影测量和遥感工作，华北地质勘查局综合普查大队。