天绘一号卫星影像的融合及评价研究

黄 鹤，冯 毅，张 萌，李明涛

（1.北京建筑工程学院测绘与城市空间信息学院，北京 100044；2.现代城市测绘国家测绘地理信息局重点实验室，北京 100044）

一、引 言

天绘一号卫星（Mapping Satellite-1）是我国第一颗传输型立体测绘卫星。2010年8月发射升空的天绘一号01星搭载着三线阵全色传感器（分辨率5 m）、高分辨率全色传感器（分辨率2 m）及4波段多光谱传感器（分辨率10 m），其成果可用于科学研究、国土资源普查、地图测绘等诸多领域的科学试验任务。表1为天绘一号01星所搭载的传感器及波段参数。

表1 天绘一号01星传感器与波段 μm

本文基于HPF、Mod.IHS和Pansharp等遥感影像融合方法，对天绘一号01星的一景1B级影像数据进行了影像融合，并对其融合结果作出评价。

二、遥感影像融合方法

遥感影像融合是一种通过高级影像处理来复合多源遥感影像的技术。它针对不同而复杂的环境条件，选择最佳的波段组合和分辨率，设计最适宜的时相叠加，并采用一定的数学算法将各种影像的优点或互补性有机地结合起来产生用户所需要的新影像［1］。经过影像融合，不仅能提高影像的视觉效果，而且使融合后的影像具有较高的光谱和空间分辨率，可有效地改善几何精度、图像特征识别精度及分类精度，为大规模遥感应用研究提供良好的数据基础。

目前，常用的遥感图像处理软件所采用的融合方法各有不同，如ERDAS Imagine采用HPF（High-Pass Filter，高通滤波法）和Mod.HIS等；PCI软件采用Pansharp方法。

1.HPF方法

HPF方法实现遥感影像融合的基本原理比较简单。对于遥感影像来说，高频和低频分量分别包含图像的空间结构和光谱信息，因此通过高通滤波算子获取高分辨率图像的结构细节，并利用像元相加将细节信息叠加到低分辨率图像上，就可实现低分辨率/多光谱影像和高分辨率/全色影像的数据融合［2］。HPF方法的具体融合公式为

式中，表示第k波段像素（i，j）的融合值；表示低分辨率/多光谱影像第k波段性像素（i，j）的值；HPHi，j表示采用高通滤波器对高空间分辨率图像滤波后获取的高频图像像素（i，j）的值。

HPF方法的优点在于其算法简单、计算量小，而且没有波段数的限制。之所以使用此方法在于它既使融合后图像的空间分辨率有了较大改善的同时，又充分保持了多光谱图像的细节信息。但缺点是融合图像仍然包含比较大的噪声。

2.Mod.IHS方法

影像的色彩通常用两种模式表示，即红（R）、绿（G）、蓝（B）色光三原色模式和由明度（intensity）、色调（hue）及饱和度（saturation）构成的色彩三属性模式。IHS变换方法是将由红、绿、蓝构成的彩色影像进行变换，从RGB影像中分离出彩色影像的明度（I）、色调（H）和饱和度（S）3个分量。首先利用分离出来的影像明度与高分辨率影像数据进行简单替换或适当的算法计算，得到一个分量；再将分离出来的影像明度用计算得到的分量进行替换；最后对替换后的明度（I'）、色调（H'）和饱和度（S'）3分量图像进行反变换，生成RGB成果数据。IHS方法的整个过程可表示为［3］

式中，δ=Pan-I0，I0表示低分辨率影像的明度分量；R0、G0、B0、υ10和υ20分别为对原多光谱影像重采样之后的相应分量。

虽然IHS变换融合方法计算简单，可增强融合成果的饱和度，进而改善图像的颜色质量和分辨能力，但其存在严重的光谱畸变（color distortion）现象。针对这一问题，不少学者提出了一些改进的IHS融合方法［4］。

3.Pansharp方法

Pansharp融合方法［5］是基于最小二乘逼近法计算出原多光谱影像和原全色影像之间的灰度值关系。它是通过调整单个波段的灰度分布来减少融合结果的颜色偏差，还对输入的所有波段进行一系列的统计运算，来消除融合结果对数据集的依赖性，并提高融合过程的自动化程度。

三、融合质量评价方法

遥感影像融合的目的是通过融合高空间分辨率全色影像和低空间分辨率的多光谱影像，在尽可能地减少原始影像信息量的前提下，提高其可判读性，即融合后的影像兼具全色影像和多光谱影像的优点:高空间分辨率和丰富的色彩信息。因此，对于融合影像的质量，可以从影像的空间分辨能力与光谱信息两个方面考虑。

影像融合的质量评价通常采用主观定性评价和定量统计分析方法来进行。主观定性评价主要依靠人眼进行主观评估，并从应用目的角度出发，而应用目的不同，所需要突出的地物相关特征也不同，在融合影像中能够突出所需信息的数据就是最佳融合数据。定量统计分析主要从融合影像的均值、标准偏差、熵值、平均梯度、相关系数和偏差指数等指标进行评价。具体表述如下:

1）影像均值。均值是灰度值的平均，对人眼反映为平均亮度。灰度值在128左右时，可视为视觉效果良好。

2）标准偏差。标准偏差经常被用作衡量影像信息量的重要指标，反映灰度值偏离影像均值的离散程度，它是衡量一幅影像信息量大小的重要参量。如图像的标准偏差大，则图像的灰度级分散，图像反差较大，所含的信息更丰富；反之，图像的标准差小，图像的反差也小，对比度不大、色调不均匀、所含信息相对较小。

3）信息熵。根据Shannon信息论的原理，可用熵值来反映影像融合结果的信息量多少。熵是衡量图像信息丰富程度的一个重要指标，融合影像的熵值越大，表明其携带的信息量越多，融合质量越好。

4）平均梯度。可敏感地反映图像对微小细节反差表达的能力，因此可用来评价图像的清晰程度。一般来说，平均梯度越大，图像就越清晰。

5）光谱相关系数。反映影像融合结果影像与原始多光谱影像之间在光谱特征上的相似性。其相似度越高，则表示融合后的影像对多光谱影像的光谱特征保持度越高。

6）光谱偏差指数。反映影像融合结果对高分辨率影像的光谱保持程度。偏差指数越小，表明融合影像与原始多光谱影像的偏离程度越小。

定量统计分析中所采用的评价参数及其计算公式见表2。其中，Fk、Mk分别表示融合后影像与多光谱影像在第k波段同一像素的明度值；和分别为n·m大小范围内的平均明度值；B、V表示影像的明度值。

表2 定量统计分析指标及计算公式［6］

续表2

四、试验结果及评价

影像融合的目的是在尽量减少原始影像数据相关信息损失的前提下，提高影像的可判断性，即融合后的影像兼具全色影像的高空间分辨率和多光谱数据丰富的色彩信息。因此，对于融合影像的质量，可以从影像的空间分辨能力与光谱信息两个方面考虑。本次试验通过目视效果和定量统计对试验结果进行评价。

1.目视效果分析

如图1所示，从视觉效果上可以看出，3种融合后影像的空间分辨率有明显的提高，更加清晰、更容易判读。但是通过对3种不同方法融合后的影像的目视效果分析来看，发现在相比之下，HPF和Pansharp方法在影像的空间信息增强方面效果最好，HPF法融合影像的细节和纹理信息最清晰，而IHS方法融合后的影像相对来说比较模糊。在保持光谱信息方面，3种方法的效果差别较大。影像经IHS法融合后相对较暗，而HPF和Pansharp方法融合后的影像相对较亮。从影像中的房屋和水库及左上角的公路的色彩来看，IHS法融合的影像色彩扭曲较大，而HPF法的色彩保持最好，Pansharp法次之。总的来说，各方法融合后的影像对空间信息及光谱信息保持方面都有了较大的增强和改善，其中，HPF法的效果最好，Pansharp次之。

图1 采用影像（a，b）及各方法融合结果（c，d，e）

2.定量统计分析

在本次试验中，通过计算影像的影像均值、标准偏差、信息熵和平均梯度等几个参数来比较、分析各融合方法对空间信息的增强及光谱信息的保持能力。各参数的统计值见表3。

表3 融合结果评价统计值

从表3中可知，HPF法融合后，影像的均值最大，同时也最接近人眼，反映为平均亮度128左右，所以影像最清晰；而IHS法影像均值变小，所以影像变暗。其次，标准偏差和信息熵突出反映图像反差和信息量的多少，以上3种方法对于信息量的数量，融合质量都很不错，基本都能反映出较多的地面信息。从平均梯度指标分析可以看出，HPF法得到的融合结果，平均梯度值远远超过了其他两种方法的平均梯度值，扩大了融合影像与高光谱影像和多光谱影像的反差。从相关系数指标看出，HPF融合法的相关系数明显高于其他两种方法，这说明HPF融合法得到的融合结果更接近原多光谱影像，能够较好地保留多光谱影像的光谱信息，这与目视结果保持一致。

从融合图像质量定量统计表中可以看出，运用HPF方法融合得到的影像的相关系数、平均梯度、信息熵等融合结果都是3种方法中最好的，这表明运用该方法获得的成果在失真程度、细节表现能力及图像的信息保有量方面是3种成果中最佳的。

五、结束语

本文采用传统的3种影像融合方法对我国第一颗传输型立体测绘卫星天绘一号的01星长春某区域全色与多光谱影像进行影像融合，通过对融合成果进行对比分析，得出了较为适合试验数据的融合方法。由于图像数据源的丰富性和复杂性及应用目的的不同，影像融合时尚存在许多问题有待解决。每一种融合方法都有各自的优缺点，虽然HPF融合方法影像最清晰，对空间信息的增强及光谱信息的保持能力好于其他两种融合方法，但HPF融合方法的偏差指数又高于其他两种融合方法。进行多源遥感数据融合应针对区域特征、图像特点及应用目的，进而选择最优的融合方法，而影像融合算法的设计和改进也尚需进一步深入研究。

［1］ 翁永玲，田庆久.遥感数据融合方法分析与评价综述［J］.遥感信息，2003（3）:49-54.

［2］ 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 ＆ Remote Sensing，1991，57（3）:265-303.

［3］ TU T M，SU S C，SHYU H C，et al.A New Look at HIS-like Image Fusion Methods ［J］.Information Fusion，2001（2）:177-186.

［4］ SIDDIQUI Y.The Modified IHS Method for Fusing Satellite Imagery［C］∥ ASPRS 2003 Annual Conference Proceedings.Alaska:［s.n.］，2003.

［5］ Zhang Yun.A New Automatic Approach for Effectively Fusing Landsat 7 as well as IKONOS Images［C］∥Geoscience and Remote Sensing Symposium.Toronto:［s.n.］，2002.

［6］ Shi W Z，Zhu C Q，Tian Y，et al.Wavelet-based Image Fusion and Quality Assessment［J］.International Journal of Applied Earth Observation and Geoinformation，2005（6）:241-151.