遥感影像融合的实现与效果评价

刘立志，唐 冲，韩颜顺，曹琳琳

(1.黑龙江工业学院，黑龙江 鸡西 158100； 2.中国测绘科学研究院，北京 100830；3.阿里巴巴高德软件有限公司，北京 100080)

遥感影像融合的实现与效果评价

刘立志1,2，唐 冲1，韩颜顺2，曹琳琳3

(1.黑龙江工业学院，黑龙江 鸡西 158100； 2.中国测绘科学研究院，北京 100830；3.阿里巴巴高德软件有限公司，北京 100080)

随着遥感科技的发展，遥感数据变得越来越多。然而，遥感影像融合是信息富集最为有效的方式之一。通过融合，能使结果影像兼备多光谱影像的高光谱信息与全色影像的高空间分辨率，同时去掉数据的冗余，压缩数据量。通过VC++编程实现HIS、Brovey、PCA和高通滤波法图像融合，在对其原理进行说明的基础上，对融合的结果进行了定性和定量的比较，为进一步的应用和研究提供依据和参考。

遥感影像融合； HIS；Brovey；PCA；高通滤波法

自20世纪60年代以来，遥感技术飞速发展，作为遥感产品的遥感影像成几何级数增长。如何充分利用这些数据进行影像的解译与目标的识别，达到对已有数据信息的充分挖掘成为遥感领域研究的热点；与单一的遥感数据相比，多源的遥感数据的信量大，能很好地反映出目标地物特性，是单一遥感数据信息匮乏有效的补充与替代。[1-8]为了解决单一遥感源所获得的信息有限的问题，必须将遥感数据进行有机组合，将多源遥感影像的信息富集到一张影像上，从而获得更多的信息，实现对目标的准确识别与信息提取，增加影像的目视解译与计算机解译的效果。需要说明的是，影像数据融合不是多张影像简单的叠加，它产生新的蕴含更多有价值信息的影像，即达到1+1>2的效果，甚至远大于2的效果。[9]

影像融合质量的评定是遥感影像融合中重要的一环，其直接影响相应的融合方法的应用范围。现在的遥感影像融合质量评价主要有两种方法，一种是传统的目视评定方法，该种方法具有很强的主观性，质量好坏会因人而异；另一种方法是基于统计参数的质量评价方法，例如熵、相关系数、偏差以及均值等。

1 四种遥感影像融合算法原理及编程实现步骤

1.1 基于高通滤波法影像融合。

基于高通滤波的遥感影像融合，在融合后的影像中，细节信息更加突出。在影像融合中，先对高空间分辨率全色影像高通滤波，去低频，留高频；然后用多光谱影像与高频影像进行代数加运算，得到融合后的影像。

1.2 主分量变换影像融合。

主成分变换也称主分量分析(Principal Component Analysis，PCA)，由Karhunen和Loeve最先提出，故又称为K-L变换，是在统计特征基础上的多维正交变换，不丢失信息是其特征之一。在遥感影像融合处理中，将多光谱影像进行PCA变换，变换后的前几个主分量，信噪比大，噪声小。[10]在遥感影像融合中，首先求取多光谱影像的协方差矩阵，然后求得矩阵的特征值和特征向量，根据特征值的大小，对特征向量进行从大到小的排列；全色影像与第一主分量进行直方图匹配，然后用全色影像代替第一主分量，进行PCA逆变换。

1.3 基于HIS变换影像融合。

HIS(色度，亮度、饱和度)变换也称彩色变换或蒙塞尔(Munsell)变换。在色度学中，RGB和HIS分别是两种彩色坐标系，也就是说一种颜色既可以用RGB空间内的R、G、B来描述，也可以用HIS空间的H、I、S来描述，前者是从物理学角度出发描述颜色，后者则是从人眼的主观感觉出发描述颜色。HIS变换就是RGB空间与HIS空间之间的变换。在遥感影像融合中，首先对多光谱影像进行HIS正变换，对全色影像与I分量进行直方图匹配，HIS逆变换，得到融合影像图。其中RGB与HIS的关系为：

正变换

(1)

(2)

(3)

逆变换：

(4)

1.4 基于Brovey变换影像融合。

Brovey变换是将多光谱图像与全色影像进行多光谱合成，是一种比较简单的代数融合算法，因美国学者Brovey将其推广开来而得名。其计算公式为：

(5)

其中n为实验数据的波段数，在本次实验中，实验数据为三个波段；Bandi为融合后影像的波段；MSi为多光谱影像的像素值； Pan为全色影像的像素值。

2 影像融合效果精度评价

影像融合效果精度评价是影像融合重要的一环，是对融合影像的一个评定，根据不同的需要，决定其应用领域和应用范围。

影像的精度评价主要有两种，即定性和定量的评价方法。定性是利用人的感官接收信息，送入人脑，人脑运用已有知识和经验进行比较和判断，达到对事物好坏的评价。评定的好坏会因人而异，具有主观性。

定量评价是建立在统计分析基础上的，常用的定量评价指标很多，例如，信息熵、均值、平均梯度、相关系数等。

实验中选取了全色和多光谱图像(如图1，图2所示)，在对图像进行4钟方式融合处理后，得到图3-图6。

2.1 精度评价统计参数。

(1)平均梯度。

(6)

(2)信息熵。

信息熵是表达影像信息丰富程度的一个标量，影像的信息量越大，信息熵越大。根据香农理论。一幅nBits的影像的信息熵为：

(7)

(3)均值。

影像的均值是影像平均灰度的一个反应，均值越大，表明影像的平均亮度越大。

(8)

其中

(4)相关系数。

相关系数是融合前后两幅影像相关性的量度，相关系数越大，相关性越高，算法的保真性越好。

(9)

2.2定性评价。

定性评价是通过目视判读的方法对影像融合效果进行评价。从图1中可以看出，四种融合方法都不同程度地提高了空间分辨率和光谱分辨率。其中高通滤波法突出了边缘信息，对道路和农田边缘的显示效果明显；PCA变换融合方法对光谱保持效果比较好；HIS变换细节表现能力比较好，有一定的光谱失真，出现噪声点；Brovey变换存在比较大的光谱扭曲程度，但是影像的分辨率提高，对水体的居民地有好的表现力。

2.3定量评价。

本文通过VC++编程实现对平均梯度、信息熵、均值及相关系数的计算，得出统计结果如下。

表1 融合前后各影像的统计参数

由表1可以得出以下结论。

(1)从平均梯度、信息熵及均值三方面来看，融合后的影像比融合前的影像有所提高，说明融合后影像比融合前影像整体信息量方面有所提高。

(2)在空间几何信息量方面，高通滤波融合法的平均梯度最高，说明其所包含的空间几何信息比较多。

(3)在光谱保持性方面，PCA与原始影像的相关系数最高，说明PCA变换融合在光谱保持方面具有优越性。

(4)在信息量方面，Brovey融合的结果影像信息熵最大，三个波段均达到了7以上，相比其他融合方法，具有信息量大的优势。

(5)在影像的平均亮度方面，Brovey融合相比其它方法具有较高亮度，这与其信息量大即信息熵大相吻合。

图1 Figure 1

遥感图像融合是一种遥感影像信息富集的有效方式，本文通过VC++编程实现遥感影像的高通滤波、HIS变换、PCA变换和Brovey 四种融合方法，并在此基础上对融合效果进行了定性和定量的评价。在实验中能够看出，不同的融合方法具有不同的优势与缺点，例如PCA变换在光谱保持方面具有优越性，在信息量方面却不如Brovey融合，Brovey变换后的影像产生严重的光谱扭曲；高通滤波法融合在空间几何信息表达方面有优势；HIS变换细节表现能力比较好，有一定的光谱失真。本文能够为遥感影像融合的应用和进一步的研究提供依据和参考。

[1]贾永红，李德仁，孙家柄.多源遥感影像数据融合[J].遥感技术与应用,2000,15(1):41-44.

[2]董慧君，刘艳芬.基于PCA和HIS变换相结合的Landsat7遥感数据融合方法及评价[J].信息技术与信息化，2007(4):109-111.

[3]李艳芳，程新文，金彪，孙华，范巍.几种常见的融合方法比较[J].地理空间信息, 2009,7(2):102-105.

[4]李超，朱满，赵家平.多源遥感影像融合效果的定量评价研究[J]. 测绘与空间地理信息,2010,33(3):143-147.

[5]乔玉良，尚彦玲，魏信.遥感图像融合方法研究 [J].气象与环境科学,2010,33(1):73-76

[6]许辉熙. 遥感影像融合方法的精度评价[J]. 测绘与空间地理信息,2009,32(6):11-14.

[7]吴连喜. 用低通滤波器改进Brovey融合法[J].计算机应用研究,2010,27(11):4383-4386.

[8]于森，陈春香. 基于PCA变换的遥感影像融合算法[J].软件时空,2009,11(3):217-219.

[9]刘源璋，王宁，黄慧宁，谷胜涛.Matlab在遥感影像融合及其效果评价中的应用[J].地理空间信息,2010,9(3):111-113.

[10]杜培军.遥感原理与应用[M].徐州：中国矿业大学出版社,2006.

Class No.:TP751 Document Mark：A

(责任编辑：宋瑞斌)

Realization and Effect Evaluation of Remote Sensing Image Fusion

Liu Lizhi1,2，Tang Chong1，Han Yanshun2, Cao Linlin3

(1.Heilongjiang University of Technology,Jixi, Heilongjiang 158100, China；2.Chinese Academy of Surveying and mapping, Beijing 100830, China；3.Gaode Software Company of Alibaba Group, Beijing 100080 ,China)

With the development of remote sensing, the data of remote sensing has becomes more and more in the amount . The fusion of remote sensing images is one of the best way to enrich the information. The advantages of both multispectral image and the high spectral information and panchromatic images with high spatial resolution, and it can also remove the redundancy at the same time. This article uses VC++ to realize HIS, Brovey, PCA and high-pass filtered image fusion. Based on explaining the principle, we compared the results qualitatively and quantitatively. This provides us with the possibility for further application.

remote sensing image fusion; HIS; Brovey; PCA; high-pass filter

刘立志 ,硕士，助教，黑龙江工业学院资源工程系。研究方向：高分辨率遥感影像目标识别。

地理国情监测技术平台国家科技支撑项目(编号：2012BAH28B03)，立项单位：中国测绘科学研究院；测绘地理信息公益性行业科研专项项目(编号：201412008)，立项单位：中国测绘科学研究院。

1672-6758(2016)12-0055-4

TP751

A