基于Quickbird的遥感影像融合方法评价研究

2015-04-17吕心静徐永新

绿色科技 2015年7期

高歆，吕心静，徐永新

（许昌学院城乡规划与园林学院，河南许昌461000）

1 引言

随着遥感技术的不断发展，从不同传感器获取到的遥感影像数据逐步增多，为资源调查、环境监测、灾害的预测预报等提供了丰富的影像数据[1]。与此同时，地球观测数据信息量迅猛增长，数据信息量十分巨大，而庞大数据的处理已成为制约地球信息技术发展的一大障碍。每一种遥感数据都存在局限性，空间、时间和光谱分辨率不可能同时兼顾，因此为融合不同遥感数据的优点，提高其原始分辨率，需要采用遥感影像融合技术。例如：TM遥感影像有7个不同的波段，光谱信息量巨大，空间分辨率却只有30m，SPOT数据光谱段少，但是其全色波段的空间分辨率可达10m，对影像的细节特征描述较为详细，因此，TM和SPOT影像数据的结合，可以显著提高遥感影像的质量。另外，还可以与微波影像进行融合，比如侧视雷达图像可以反映地物的微波反射特性，与陆地为卫星相比，在反映土壤、水体、居民点以及道路、渠道等线性地物具有较高的优势，融合后的影像更有利于对地物进行综合分析和运用[2]。

Quickbird是目前应用较为广泛的商业卫星，在2010年发射成功，主要提供了0.6m高分辨率的全色图像数据和2.44m的低分辨率多光谱图像数据，包括4个波段：蓝（0.45～0.52um）、绿（0.52～0.60um）、红（0.63～0.69um）、近红外（0.76～0.90um），在城市、土地利用规划、资源环境管理等领域应用极为广泛。随着遥感技术的不断发展，大量的遥感影像不断出现，遥感影像融合技术成为遥感应用研究领域的重要课题，并得到了迅速发展，其主要的融合方法有IHS变换、Brovey（比值）变换、PCA（主成分）变换以及 WT（小波）变换。本文还引入了一种融合WT变换与IHS变换特点的一种新的方法，WT－HIS方法，以Quickbird影像为实验数据，对上述方法的优劣进行研究和分析。

2 几种常用的融合方法

2.1 HIS方法

IHS变换本质是把IHS空间中的强度分量I提取出来，将具有较高空间分辨率的全色影像替代多光谱影像中提取出的I分量[3]。IHS变换是一种以R、G、B 3个分量表示的多光谱影像成分分离为H、I、S 3个成分，H、I、S 3个因子相互独立，利用IHS变换法对不同细节分辨率的影像进行复合，可以得到不同的图像显示效果。因为IHS变换能够保留大量的高分辨率影像的空间细节信息，在遥感影像融合的许多方面都得到了应用[4－5]。IHS具体计算如下：

上式中：R、G、B分别表示多光谱影像的3个波段，H是图像色度，I代表图像亮度，S是影像饱和度，v1，v2分别是估算H（色度）和S（饱和度）时所运用的中间的数据变量。其反变换式为：

2.2 主成分变换

主成分变换融合方法是通过对原始多波段影像进行主成分变换，将其转化为几个互不相关的组分，其中按照特征值的大小进行排序，分别形成第一、二等主成分，第一主成分包含的信息量最多，之后，用全波段影像代替第一主成分进行反变换，获取融合后的影像。从计算过程可以看出，PCA融合充分使用了所有波段信息，而非3个波段，这样做也会丢失部分光谱信息[6]。

2.3 Brovey方法

Brovey方法是一种有关色调标准变化的较为简单的融合方法，也是目前较为常用的融合算法。该方法应用较为简单，分别对应相乘全色影像和低分辨率多光谱影像的各个波段像元灰度值。该方法对影像的锐化效果较好，当全色影像与多光谱影像进行融合时会出现波谱不一致的问题，此方法不能得到有效解决，所以会造成一定的光谱扭曲。

3 基于WT－HIS的融合方法

小波变换是20世纪在泛函分析和调和分析的基础上发展起来的，被广泛应用于信号和图像处理领域的一种技术方法，是傅里叶分析的发展。小波变换可以将图像分解为高频和低频信息两个部分，能够更有效地描述边缘和非连续信息，还可以通过反变换恢复原图像，这种优良的品质使得它与其它融合方法的结合值得期待。基于IHS和WT的融合方法基本思想如下：通过IHS变换将原图像分解为色度、亮度和饱和度3个分量，将亮度I分量和全波段影像使用小波变换进行分解，使用融合规则将分解出来的两幅影像的高频和低频成分别进行处理，得到新图像的低频和高频成分，然后进行一系列的反变换生成新图像[7，8]。

基于IHS和WT融合方法的详细步骤如下：①影像配准：选择两幅大小一致、分辨率不同的两幅影像，以高分辨率作为校正参考影像，对低分辨率影像进行校准，校准精度应控制在半个像元以内。②IHS变换：对多光谱影像进行IHS变换，将R、G和B分量变为H、I和S分量。③直方图匹配：以I分量作为参考，将高分辨率影像进行直方图匹配。④采用不同的规则进行融合：对I分量和直方图匹配后的高频影像进行小波变换，高频融合规则是对两者对应的像元值进行比较，保留其中的最大值作为新的高频成分，低频融合规则是取两低频系数的均值作为新的低频成分，然后对形成的新成分实施反变换得到融合后的图像。

图1 WT－HIS融合步骤

4 不同融合方法计算结果

通常情况下，选择波段需要考虑几个方面的问题：波段或波段组合信息量的大小；各波段之间的相关程度；研究区域内欲识别地物的光谱信息强度。本文为了比较几种方法之间的优劣，选取了同一遥感平台、同一传感器获取的影像，研究其多光谱波段影像和全色影像的融合过程。选择影像位于印度某市，地物信息丰富，含有植被、建筑物、道路、水体等典型的地物，遥感影像是2013年9月的Quickbird数据，提供了0.61m的高分辨率影像数据和2.44m的多光谱数据。

图2a－图2g分别是原始影像、全波段影像、以及HIS等5种方法融合后的影像。从图中可以看出，融合后的影像比原始影像在空间分辨率和清晰度上都有所改善，融合后的影像损失了较少的原始信息，影像上地物之间的边界都比较清晰，提高了地物的细节特征，尤其从河流边界、居民地的内部结构上进行分析，看出融合后的效果较好，形状规则十分清晰，容易进行判读。在影像的光谱特征上也有了一定提高，各类地物的光谱畸变较小。从光谱色彩来说，WT变换和WT－IHS变换得到的融合影像与原始的多光谱影像最为接近。Brovey方法存在一定的光谱失真，融合影像与原始的多光谱影像相比具有一定的差别。从空间细节上说，PCA影像的亮度值过高，造成图像对比度降低。WTIHS方法在空间细节信息和光谱信息的保持方面与其他方法相比稍显优越。

为了客观的对融合后的影像的融合结果进行评价，通常采用均值、标准差、信息熵、平均梯度、相对偏差和相关系数这六个指标进行评价[9]，可通过 Matlab7.0进行计算。得到的结果见表1。

从均值分析，亮度值最高的是PCA融合影像，其次是WT－IHS影像，Brovey影像的均值最低，WT和IHS影像最接近原始多光谱影像的亮度。融合影像的标准差与多光谱影像相比有增加也有降低，其中WTIHS影像与WT影像的标准差最大，说明图像的对比度较大，影像中包含的信息量较为丰富，在信息熵参数也有相似的表现。图像的信息熵可以反映图像信息的丰富程度，WT－IHS的信息熵最高，说明融合后的影像比原始影像包含的信息量增多，光谱和细节信息保持程度较好。WT影像和IHS影像的信息熵与原始影像相比，略有提高，与原始影像比较接近。而Brovey影像和PCA影像的信息熵却低于原始影像，这说明融合后的信息量没有增加反而降低，不能够充分反映图像中的纹理信息。从表中可以看出，所有融合方法的平均梯度都比原始影像的平均梯度大，说明融合后影像的清晰度提高，影像空间细节的表现能力增强，融合效果较好。其中WT影像的平均梯度最高，说明影像的细节表现能力最强。相对偏差反映了图像的扭曲程度，Brovey方法的相对偏差最高，说明使用它融合后的影像的扭曲程度较大。相关系数表现融合前后两幅图像的关联程度，从表中可以看出，WT－IHS影像的相关系数最高，说明与原始影像相比丢失的信息量最少，最接近与原始影像。Brovey的相关系数最低，与其他融合影像相比，原图像的信息丢失较多。总的来说，融合后的遥感影像与原始影像相比，分辨率大大提高，影像更为清晰。WT影像和IHS影像的平均梯度最高，说明其空间分辨率较高，该方法是以牺牲图像光谱分辨率来提高图像的空间分辨率的。PCA变换和Brovey变换不论是在光谱信息丰富程度还是在空间分辨率的精度方面效果都不明显，低分辨率的多光谱信息与高分辨率空间信息二者之间权衡的较好一种方法就是WT－IHS变换法。