基于遥感影像的像素级影像融合方法比较研究

郭 秋 刘贺春 郭赛红

(1.河南理工大学，河南 焦作 454100； 2.晋中职业技术学院，山西 晋中 030600；3.山西华晋岩土工程勘察有限公司，山西 太原 030021； 4.中化二建集团有限公司，山西 太原 030021)

基于遥感影像的像素级影像融合方法比较研究

郭 秋1，2刘贺春3郭赛红4

(1.河南理工大学，河南 焦作 454100； 2.晋中职业技术学院，山西 晋中 030600；3.山西华晋岩土工程勘察有限公司，山西 太原 030021； 4.中化二建集团有限公司，山西 太原 030021)

从理论上介绍了四种不同的融合方案算法的基本情况，以及定性和定量评价方法，再以皖北钱营孜矿区2009年的年高分辨SPOT影像(2.5 m)和ALOS多光谱影像(10 m)采用不同融合模型进行了实验，最终以灰度剖面曲线评价了融合结果，指出Gram-Schmidt融合方法是最好的选择。

遥感，像素级，影像融合，精度评价

0 引言

我国是煤炭能源大国，然而对煤炭长期的粗放式开采造成很多环境问题，利用多源遥感数据和辅助地理信息获取土地利用和覆盖信息，可以充分利用遥感的优势，通过对多源遥感数据进行融合处理，可以有效地克服单一遥感数据的不确定性，提高信息利用率，增强数据的可靠性和可用性[1]。针对煤矿区的不同时段，不同传感器的遥感影像，进行融合处理并进行自动的分类提取，可以获取煤矿区植被、水体、建筑物的面积在不同年代的覆盖水平，进而获取矿区地面环境演变的知识，以指导生产实践及环境治理。

本文先从理论上介绍了当前主流的一些图像融合处理算法及精度评价方法，再通过对预处理后的皖北钱营孜矿区遥感影像进行处理和评价实验，结合灰度剖面曲线评价的方法，对不同的图像融合方法进行分析和比较，最终综合光谱和空间分辨率的要求，选择适合的融合方法进行矿区遥感影像的图像融合。

1 像素级影像融合方法

像素级影像融合是直接在原始数字图像上进行的融合或者经过适当的变换在频率域中进行的融合。像素级影像融合是最低层次的融合方法，主要目的是为了图像增强、图像分割和图像分类服务。现在已经形成较成熟的技术。

1.1 HSV变换算法

HSV变换是先将获取的多光谱影像进行彩色变换，分离出色度(H)、饱和度(S)、亮度(V)分量；然后将高分辨率全色影像与分离的亮度分量进行直方图匹配，最后将饱和度分量和分离的色度与匹配后的高分辨率影像，按照HSV反变换，进行彩色合成[4]。因为多光谱影像中的亮度分量被替换成全色影像灰度值，所以HSV变换可以增强多光谱影像在空间细节上的表现能力，但是融合后的影像会有较大的光谱失真。

1.2 Brovey变换算法[5]

Brovey变换图像融合也就是彩色标准化(Color Normalized)变换融合，它是将多光谱图像的像元空间分解为亮度和色彩成分，并运用计算的原理进行的。其计算公式如下：

(1)

其中，R为多光谱图像的红波段；G为多光谱图像的绿波段；B为多光谱图像的蓝波段；I为高空间分辨率图像亮度。为了得到更满意的结果，可对变换公式作如下修改：

(2)

其中，a1,a2,b1,b2,c1,c2均为变换公式的系数。

1.3 Gram-Schmidt变换算法

Gram-Schmidt变换是多元统计和线性代数常用的变换方法，它是通过对多维影像或矩阵进行正交变换，来消除冗余信息的。

Gram-Schmidt变换融合步骤如下：

以低分辨率多光谱波段模拟一个低分辨全色波段→对模仿出的全色波段和多光谱波段进行GS变换→用高分辨率全色波段替换GS变换后的第一波段→对替换后的数据进行GS变换逆变换。

1.4 主成分(PCA)变换算法

PCA变换在进行融合中有2种变换方法：一种是参与变换的方法，另一种是替换变换的方法。

2 像素级影像融合算法精度的评价

遥感影像精度评价目前还没有统一的标准，现在主要采用的是主观定性与客观定量相结合的方法。本次实验主要采用主观评价和客观评定相结合的方法，对融合影像的质量做出评价。

2.1 主观定性评价

主观定性评价即是从色调、清晰度、地物形状和纹理信息等方面对原始影像和融合影像进行比较，从而对融合效果有一个定性的认识。

本文还提出一种基于灰度剖面曲线的定性评价方法，可以从随机取出的灰度剖面曲线的振幅和走势上反映出两影像在空间分辨率和光谱相应范围上的差异。

2.2 客观定量评价

定量评价主要通过多元统计方法进行，如影像的熵、方差、相关系数、平均梯度等。主要评价指标及其公式介绍如下。

2.2.1 熵

根据仙农(Shannon)信息论原理，1幅8 bit影像x的熵为：

(3)

其中，Pi为影像出现灰度值为i的像素的概率。

2.2.2 偏差

偏差D是指原始影像M(x,y)灰度平均值与融合后影像F(x,y)灰度平均值之差。亦可以说是原始影像M(x,y)灰度平均值与融合后影像F(x,y)之差影像的灰度平均值，即：

(4)

D反映融合影像与原多光谱影像光谱特征变化的平均程度。

2.2.3 相关系数

融合的影像与相应的多光谱影像的相关系数ρ能反映融合影像同原多光谱影像光谱特征相似程度，即保持光谱特性能力，其计算公式如下：

(5)

2.2.4 其他评价指标

其他评价指标包括相对偏差、平均梯度、差方差、标准偏差等。

3 对钱营孜矿区影像的融合处理

以皖北钱营孜矿区及其附近区域2009年高分辨率SPOT影像(2.5 m)和ALOS多光谱影像(10 m)，采用不同融合模型进行实验。

4 影像融合的精度评价

4.1 主观定性评价

通过实验结果进行对比分析可以得出，HSV融合和Brovey融合改变了多光谱影像的颜色，光谱信息受到较大的损失。Brovey融合后的影像还有很多斑点噪声，效果也最差。其他融合方法都较好的保持了影像的光谱特性，但在空间细节信息的保持上，PCA融合后的影像要稍微差一些，整体比较模糊，其他融合方法则较清晰。

4.2 客观定量评价

利用IDL数据交互式语言对公式进行编程，并对融合后的影像统计熵、偏差和相关系数3个定量指标值见表1。

熵H(x)反映了影像信息丰富的程度，融合影像的信息熵越大，表明融合影像的信息量增加，所含的信息越丰富，融合质量越好。根据表1可知，4种融合方法中，Gram-Schmidt，PCA，Brovey 3种方法变换后的影像熵值变化不是很大，但是HSV变换后影像的熵增加最明显。表1反映了PCA变换和Gram-Schmidt变换后的多光谱影像与原对应波段影像相关系数比Brovey，HSV高，说明前两者对多光谱影像的光谱信息继承的比较好。而和全色影像的相关系数HSV变换后的影像最高，说明HSV融合方法对影像空间信息保持的很好，而PCA和Gram-Schmidt变换后影像对原

全色影像的分辨率特征继承效果又要好于Brovey变换后的影像。

表1 融合后客观定量评价指标值

5 结语

本文在对传统图像融合算法进行分析的基础上，采用灰度剖面曲线评价方法对图像融合的结果进行定性和定量的评价，结果表明：Gram-Schmidt和PCA光谱特性好，比较适合于计算机自动解译与分类；Brovey和HSV融合后影像空间分辨率好，但光谱变化大，适合于目视解译。四种方法中，假如综合考虑光谱特性和空间分辨率特性，则Gram-Schmidt是最好的选择。在实际运用中，可以根据实际情况区别对待，在对光谱特征要求比较高时，可以采用Gram-Schmidt或PCA融合算法，而在进行更新地形图等对空间分辨率要求比较高的工作时可以采用Brovey和HSV融合算法。

[1] 郭云开，夏 丹.基于小波变换的多源遥感图像融合方法[J].公路与汽运，2006(2)：107-109.

[2] Richards J A，Jia X.Remote sensing digital image analysis:An introduction[M].Berlin:Springer,1999.

[3] Pierre T.Comparison of different methods to merge SPOT Pan and XS data:Evaluation in an urba area[A].Future Trends in Remote Sensing[C].Rotterdam:Balkema,1998:435-443.

[4] 邓书斌.ENVI遥感图像处理方法[M].北京:科学出版社，2010.

[5] 张 生，赵春三，杨 桄，等.多光谱与高分辨率图像融合方法比较研究[J].遥感信息，2007(5)：56-60.

[6] 卢小平，马 剑，卢 遥，等.多源遥感数据融合在矿区土地覆盖分类中的应用[J].河南理工大学学报(自然科学版)，2010(3)：360-364.

Compraison on methods of remote sensing image fusion in pixel level

GUO Qiu1,2LIU He-chun3GUO Sai-hong4

(1.HenanPolytechnicUniversity,Jiaozuo454100,China;2.JinzhongVocational&TechnicalCollege,Jinzhong030600,China;3.ShanxiHuajinEngineeringReconnaissanceLtd,Taiyuan030021,China;4.ChinaChemicalEngineeringSecondConstructionCorporation,Taiyuan030021,China)

This paper first introduces four different image fusion methods in theory. Following by the qualitative and quantitative evaluation methods. Then fusion experiments were conducted with the SPOT and ALOS image of Qianyingzi mine area in 2009 by using aforementioned fusion methods. From this evaluation, the paper conclude that Gram-Schmidt method is the best model in comprehensive consideration.

remote sensing, pixel level, images fusion, accuracy assessment

2014-07-15

郭 秋(1980- )，女，在读工程硕士，工程师，讲师； 刘贺春(1979- )，男，高级工程师； 郭赛红(1980- )，女，工程师

1009-6825(2014)27-0210-02

TU113.21

A