高分辨率谷歌地球遥感数据与Landsat 8 OLI影像的融合方法研究

杨 栋，李彦甫，李洪伟，段 磊，刘 勇

(兰州大学资源环境学院，甘肃兰州730000)

谷歌地球(Google Earth)作为一种易学易用的地理信息应用平台已经得到广泛使用，特别是其中包含的亚米级QuickBird、WorldView-II以及航摄影像，更是一种难得的遥感数据资源。从谷歌地球可获取免费的高分辨率影像数据源，可以提供不同分辨率的影像，分辨率最高可达0.15 m。然而这些数据经过处理已经明显失去光谱和色彩信息，难以满足遥感制图需求。因此，结合中分辨率、多光谱数据与谷歌地球高分辨率影像这两方面的优势，从而产生色彩信息丰富并达到高空间分辨率的融合影像，对于满足低成本、大比例尺制图需求就具有十分重要的意义。目前的融合算法中全色和多光谱数据之间的空间分辨率差异在1∶2～1∶4。而当影像的空间分辨率差异超过一定的阈值后，融合结果会表现出明显的马赛克现象。特别是在影像的色彩和纹理变化极其复杂的区域，邻域像元间DN值对比太大，导致融合结果不理想。

对于分辨率差异较大的影像融合问题，Shevyrnogov等对NOAA AVHRR从1 000 m重采样到100 m计算NDVI，然后和MSS的第一主分量进行融合，得到了比较理想的结果［1］。Mularz等先采用滤波方法对低分辨率的Landsat TM影像进行平滑，然后与高分辨率航空像片进行融合，有效消除了分辨率差异导致的马赛克效应［2］。Erdogan等对航空像片和Landsat 7 ETM+影像融合，发现ETM+多波段影像与全色波段影像融合后再和航空像片融合时采用主成分变换的结果更好［3］。李军等提出结合小波变换和IHS变换的叠加融合法［4］。钟志勇等提出了一种基于信息特征的IKONOS和TM影像的融合方法［5］。王文君等采用小波变换增强高分辨率影像中目标地物的边缘信息，然后与多光谱影像进行融合，得到理想的结果［6］。

为此，笔者以高分辨率谷歌地球遥感数据的任意一个波段作为高分辨率影像和一景成像时间为2013年10月11日Landsat 8光学陆地成像仪(OLI)影像进行融合，探讨了两者的融合方法，以满足大比例尺制图的需求。

1 研究方法

以兰州大学榆中校区为研究区，研究区西侧是萃英山，校园周围地势比较平坦，土地利用以耕地为主。Landsat 8 OLI中包含8个30 m可见光/近红外/短波红外波段和1个15 m全色波段。谷歌地球第18级影像分辨率的空间0.5～0.6 m，与OLI多光谱波段的30 m空间分辨率相差约50倍。

在融合时，首先用Brovey变换方法对OLI影像的多光谱和全色波段进行融合，得到空间分辨率15 m的多光谱影像。然后，分别使用Brovey变换、Gram-Schmidt变换和主成分变换方法进一步与谷歌地球影像进行融合，以比较不同方法的优劣。其中，Brovey变换方法基于除法运算实现了影像融合，是影像融合的基本方法;Gram-Schmidt变换方法则借助Gram-Schmidt变换实现了影像融合;主成分变换方法基于主成分变换，用全色波段替换第一主成分来完成影像融合。数据处理及融合基于Exclis ENVI/IDL和ERDASImagine软件完成。

最后，对融合结果从目视效果和定量评价方面进行了分析。为了进一步将融合结果与谷歌地球原始影像进行比较，采用以下指标对融合结果分别进行了定量评价［7－8］:波段均值(Mean)、标准差、信息熵(Ent)、平均梯度(AveGrad)、相关系数(R)。在定量评价指标中，均值、标准差和信息熵反映了融合结果影像中所包含的信息量，平均梯度反映了融合结果的清晰度和对比度，相关系数反映了融合结果的逼真度。

2 结果及其评价

从图1可以看出，Brovey变换的结果包含了充分的地物细节，但色调效果比较单一，没有充分增强色彩信息。而Gram-Schmidt变换和主成分变换的融合结果相对比较理想，两者之间也没有明显的差异，整体而言融合结果比较理想，特别是在地物颜色相对单一、变化较小的区域，如西侧的萃英山和学校周围的耕地。

图1 融合结果

表1是定量评价的计算结果。从表1可以看出，Brovey变换的结果除了相关系数和信息熵之外，其他各项的值均大幅降低，而且与另外两种方法的结果差距较大，说明该方法的确不能产生可用的结果。其次，Gram-Schmidt变换和主成分变换结果的均值和标准差明显增加，这说明结果中所包含的信息量显著增加;而平均梯度的增幅最明显，说明融合结果的清晰度和对比度更好;同时，融合结果各个波段与谷歌地球影像的相关系数接近1，说明融合结果的逼真度也保持得较好。最后，相比Gram-Schmidt变换，除信息熵之外，主成分变换的其他各项指标均表现得更好，说明主成分变换融合的结果更优。

表1 融合结果定量评价

3 讨论

该研究首先对Landsat 8 OLI影像的多光谱和全色波段用Brovey变换方法进行了融合，然后进一步用不同方法与谷歌地球高分辨率影像进行了融合。分析表明，无论从目视效果还是定量指标来评价，主成分变换的融合结果都是最好的，基本能满足高分辨率谷歌地球遥感数据和Landsat 8 OLI影像的融合要求。

［1］SHEVYRNOGOV A，TREFOIS P，VYSOTSKAYA G.Multi-satellite data merge to combine NOAA AVHRR efficiency with Landsat-6 MSS spatial resolution to study vegetation dynamics［J］.Adv Space Res，2000，26(7):1131－1133.

［2］MULARZ S，DRZEWIECKI W，PIROWSKI T.Merging landsat TM images and airborne photographs for monitoring open-cast mine area［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B7/3;PART 7):920 －927.

［3］ERDOGAN M，MARASH，YILMAZ A，et al.Resolution merge of 1∶35 000 scale aerial photographs with Landsat 7 ETM imagery ［J］.Int Archives Photogrammetry，Remote Sensing，and Spatial Information Sciences，2008，37:1281－1285.

［4］李军，周月琴，李德仁.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(2):33 －38，81.

［5］钟志勇，陈鹰，黎运高.分辨率相差较大的卫星影像融合方法研究［C］//Proceedings of the中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)，F，2001.

［6］王文君，秦其明，陈思锦，等.一种基于特征的遥感影像融合新方法［J］.遥感技术与应用，2004(4):258 －261.

［7］赵英时.遥感应用分析原理与方法［M］.北京:科学出版社，2003.

［8］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，2007(4):40 －45，105.