高分一号与Landsat8影像融合方法比较研究

李欣腾，陈晓勇,2，顾 腾，李梦洋，徐方晨

(1.东华理工大学 测绘工程学院,江西 南昌 330013;2.流域生态与地理环境监测国家测绘地理信息局重点实验室,江西 南昌 330013)

随着卫星技术的不断发展，对地观测的技术也趋于成熟，越来越多的遥感信息对科学研究提供了宝贵的资源，但单一传感器提供的图像数据信息往往并不全面，有它的局限性，而多源遥感数据融合可以突破这一桎梏(张良培等，2016)。图像融合是一个多层次，多角度，多方面的过程，处理来自多个来源的数据和信息的自动检测，关联，估计和组合。遥感数据融合技术将来自多个传感器的数据与遥感信息结合起来，与使用单个传感器处理方式相比，实现获得更高的准确性和更具体的推论(Dell′Acqua, 2015)。

高分一号卫星是我国于2013年4月26日发射成功，做为高分辨率对地观测卫星系统重大专项的第一颗卫星。其全色(Panchromatic,Pan)分辨率为2 m，多光谱(Multispectral,MS)分辨率为8 m，4台16 m分辨率宽幅多光谱相机，可覆盖宽幅达到了800 km。Landsat8卫星是美国陆地卫星计划的第八颗卫星，于2013年2月11日发射升空。其携带OLI和TIRS两种传感器，OLI陆地成像仪包括9个波段，除第8个波段为全色波段空间分辨率为15 m外，其余波段空间分辨率均为30 m。充分利用Landsat的多光谱特性和高分一号的高分辨率特性可以为研究提供更多支持。

不同分辨率的遥感影像由于获取影像的卫星高度、运行速度和获取的影像分辨率不同，跨传感器的遥感影像融合难度比同传感器的融合大。图像融合最早的方法主要有IHS变换、主成份分析、高通滤波等方法；随后出现以金字塔分解的融合方法，有拉普拉斯金字塔等；随着小波理论的快速发展，以小波变换、离散小波变换等方法也随之被广泛运用(贾永红等,2000；曾立庆等，2013)。Landsat8卫星影像有11个波段，其多波段的特性可以更好地应用于区分陆地水体、农作物监测、城市监测等领域。而高分一号卫星全色影像有着比Landsat8更精确的2 m的全色分辨率影像。将两者影像融合，可以同时得到具有较好空间信息和光谱信息的影像，提高获取影像的利用率。本文通过GS，Brovey，IHS，DWT，A trous与PCA变换融合对Landsat多光谱影像与高分一号全色影像进行融合实验，并对融合实验结果进行精度评价。

1 遥感影像融合方法

1.1 IHS变换融合

从色谱学中可知，颜色可分为红色(R)、绿色(G)和蓝色(B)三种原色，将其原始多光谱图像从RGB空间变换到IHS空间，变换成亮度(I)、色度(H)、饱和度(S)；在明度及饱和度调整后再次转换到RGB空间，这种将RGB空间和IHS空间关系模型化并进行相互变换的过程称之为IHS变换，IHS变换有融合速度快的优点(李弼程等，2003；王仁礼等，2000)。

1.2 PCA变换融合

PCA(Principal Component Analysis)变换是一种常用的特征提取方法，通过计算矩阵样本的协方差矩阵或相关系数矩阵，再分别计算其特征向量和特征值，将数据投影到特征向量空间中(王文武，2007)。PCA变换在舍弃次要成分，保留主成份进行反变换所得到影像是原影像在统计意义上的最佳逼近。

1.3 DWT变换融合

DWT变换是将输入图像进行分解，分为高频部分与低频部分，对高频部分处理并与低频部分进行小波重构得到融合影像(王海晖等，2006)。DWT变换不同于小波变换，不仅对低频部分进行分解，同时也对高频部分进行处理，这样可以有效的对包含大量细节信息的遥感影像进行分解，使得最终的融合效果更优。

1.4 A trous小波融合

A trous小波变换是一种全局变换，采用一定的小波算法能够对图像进行任意尺度的分解，并且可以聚焦到图像上的任意细节，从而将一幅图像有效地分解成低频部分和具有细节纹理信息的高频部分形成新的融合图像(董张玉等，2011)。A trous小波变换计算时间和空间少，有着二维的方向性，更利于提取空间纹理信息，运算时无需抽样。

1.5 Brovey变换融合

对MS图像和PAN遥感图像进行图像融合，将多光谱(RGB)图像中每个波段都乘以高分辨率数据和RGB图像波段总和的比值，然后用最近三次卷积技术等方法将3个RGB波段重采样到高分辨率像元尺寸(谭永生等，2007；罗彩莲，2005)。Brovey变换由于易于实现，且运算速度快被广泛运用。

1.6 GS变换融合

Gram-Schmidt(GS)融合方法首先用低空间分辨率的多光谱图像与高空间分辨率的全色图像创建一个全色波段图像，将全色波段图像作为第一分量与多光谱图像Gram-Schmidt变换，用高空间分辨率的全色波段作为新的第一波段进行调整，最后用Gram-Schmidt 反变换融合(秦善善等，2014)。GS变换改进了PCA变换信息过于集中的问题，能更好的保持空间纹理信息，具有更优的高保真效果。

2 图像融合效果评价

图像融合效果评价有可分为主观定性评价和客观定量评价，本文则采用定性与定量评价相结合的方法，对融合后影像进行目视评价，再通过对空间信息中的标准差、信息熵、平均梯度和光谱信息中的相关系数和扭曲程度5个指标进行客观定量分析(刘锟等，2015；王晓绵等，2015；徐涵秋，2005；许菡，2007；Shen et al,2016；邢帅，2004)。

2.1 标准差(SD)

标准差表明了对图像灰度相对于灰度平均值的离散的程度情况。它越大，图像的灰度级分布就越分散，图像反差越大，图像效果越明显，可以得到更多信息(吴连喜，2003)。

(1)

式中，F(i,j)为像元灰度值，u为平均灰度。

2.2 信息熵(IE)

信息熵是用来衡量图像信息的丰富程度，图像融合后其信息熵越大，表明融合后的信息量越丰富，融合图像的效果越好(张勇等，2011)。

(2)

式中，M为图像的最大灰度级，Pi为图像中灰度值i出现的概率。

2.3 平均梯度(G)

平均梯度反映影响细节的表达能力，一般来说平均梯度越大，图像微小细节与纹理越明显清晰(郭文娟等，2010)。

(3)

式中，F(i,j)为图像在(i,j)处的灰度值。

2.4 相关系数(CC)

相关系数是计算融合后图像与原图像之间的相关程度和光谱信息改变程度，相关系数越大表明光谱改变程度越小。

CC(X,Y)=

(4)

2.5 扭曲程度(DD)

扭曲程度是通过计算融合后图像与原图像的值，扭曲程度系数越大，表明图像光谱失真程度高，融合效果不理想(李伟，2006)。

(5)

3 图像融合实验

本实验图像选取江西省南昌市某地高分一号全色图像与Landsat8 OLI多光谱图像数据，对Landsat8多光谱影像进行辐射定标与FLAASH大气校正，与对做过正射校正的GF-1号全色影像进行几何校正，以GF-1号全色波段为基准影像，以Landsat8影像作为待校准影像，采集了19个地面控制点与Landsat8影像进行几何精校正，校正后的误差控制在容许范围内，使得图像符合实验前基本要求。实现选取Landsat8图像中4、3、2三个波段与GF-1号全色波段进行，融合与精度实验通过Matlab、OpenCV等软件实现(图1)。

4 融合效果评价

4.1 目视效果评价

将6种融合影像结果与原始多光谱影像和全色影像进行对比，可以看出融合影像都在一定程度上提高了原始多光谱影像的空间分辨率，并保留了原始多光谱影像的主要波谱特性。目视效果评价如表1。

表1 融合效果目视效果评价

4.1 定量指标评价

本文选择5个指标进行定量评价，包括标准差、信息熵、平均梯度、相关系数与扭曲程度对融合结果进行定量分析。分别计算原始多光谱影像以及融合影像的各项指标值(表2)。

表2 融合图像定量评价结果

(1) 从标准差可以看出，运用6种方法融合后的影像标准差值均与原始影像标准差相近，DWT融合标准差最大，影像的可识别程度和可分性最大，之后依次是A trous小波融合、GS融合、PCA融合、Brovey融合和GS融合，但期间差异并不明显。

(2) 从信息熵可以看出，融合后影像信息熵所包涵的信息量均较为丰富，依次是IHS融合、PCA融合、A trous小波、DWT融合、GS融合，这五种融合信息熵相近，无太大差异，Brovey融合则最次之。

(3) 从平均梯度可以看出，6种方法平均梯度均超过原始多光谱图像的平均梯度，PCA融合和IHS融合的平均梯度数值最高，细节反差表现最明显。

(4) 在相关系数方面，DWT、A trous融合方法与原始影像的相关系数最高，光谱保真最好，融合效果最好，GS次之，其余三种融合方法相关系数均差异较大。

(5) 从扭曲程度可知，IHS融合、PCA融合、Brovey融合扭曲程度均远大于DWT融合与A trous小波，两种融合扭曲程度最小，光谱保真最好。

A trous小波、DWT融合方法的扭曲程度和相关系数值均远好于其他融合方法，信息熵和平均梯度也与其余4种融合方法数值差异不明显，DWT融合、A trous小波融合方法光谱的保真也最好，但目视评价中DWT融合影像有一定的晕边现象，尤其在水体边缘表现明显。GS融合在光谱信息和高频信息的保真效果上都只是一般，远不如其他融合方法；而Brovey融合、IHS融合、PCA融合得到的融合结果光谱扭曲程度最大，空间信息丢失严重，纹理与细节表现也不佳。IHS变换扭曲了原始光谱，产生了光谱退化。

综合以上分析，A trous小波融合引入空间方向信息，有很好的信噪比，能在频率域与空间域中得到较好的效果。其算法易于向更高维扩展，变换的整个过程可以通过滤波器滤波实现，能更好的提取细节纹理信息。其他融合方法应根据其优势性选择其特定的合适领域应用，才能保证突出其最优的融合效果。

5 结语

遥感图像融合是提高卫星图像分辨率的有效方法，对通过卫星影像研究地球提供有效的帮助。本文基于像素级融合运用多种方法对GF-1号卫星与Landsat8卫星进行图像融合实验，并对融合后图像的标准差、平均梯度、信息熵、相关系数和扭曲程度5个定量评价指标进行分析，得出最佳融合方法和各个融合方法的优势性，可以为后续研究具体应用类型选择融合方法提供一定的参考。

董张玉, 赵萍, 胡文亮.2011.ATrous小波与HIS变换相结合的遥感影像融合分析[J]. 测绘科学, 36(2):178-180.

郭文娟, 吴楠楠. 2010.开封市Spot5全色波段与多光谱影像融合评价[J]. 地理空间信息,8(2):130-133.

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

李弼程, 魏俊, 彭天强.2003.基于IHS变换与小波变换的遥感图像融合[J]. 数据采集与处理,18(3):268-272.

李伟. 2006.像素级图像融合方法及应用研究[D]. 广州：华南理工大学.

刘锟, 付晶莹, 李飞.2015.高分一号卫星4种融合方法评价[J]. 遥感技术与应用, 30(5):980-986.

罗彩莲.2005.基于Brovey融合的卫星影像土地覆盖变化检测[J]. 佳木斯大学学报：自然科学版,23(1):1-5.

秦善善, 王世新, 周艺,等.2014. NSCT与GS变换的资源三号卫星数据融合方法研究与应用[J]. 地球信息科学学报, 16(6):949-957.

谭永生, 沈掌泉, 贾春燕,等.2007. 中高分辨率遥感影像融合研究[J]. 遥感技术与应用,22(4):536-542.

王海晖, 卢炎生, 陈闽江. 2006. 基于离散多小波变换的遥感图像融合方法[J]. 华中科技大学学报：自然科学版, 34(8)：7-9.

王仁礼, 戚铭尧, 王慧.2000. 用于图像融合的IHS变换方法的比较[J]. 测绘科学技术学报,17(4):269-272.

王文武.2007. 应用主成分分解(PCA)法的图像融合技术[J]. 微计算机信息, 23(12):285-286.

王晓绵, 姜芸.2015. 高分一号遥感卫星影像融合及质量评价方法研究[J]. 测绘与空间地理信息,(8):178-179.

吴连喜.2003. 多源遥感数据融合评价的理论与实践[J]. 测绘学报, 32(4):365-366.

邢帅. 2004.多源遥感影像配准与融合技术的研究[D]. 郑州：解放军信息工程大学.

徐涵秋. 2005.Landsat 7 ETM +影像的融合和自动分类研究[J]. 遥感学报, 9(2):186-194.

许菡.2007 多源遥感影像融合最佳波段选择及质量评价研究[D]. 青岛：山东科技大学.

曾立庆，童怀水.2013.非负矩阵分解和Currelet在遥感图像融合中的应用[J].东华理工大学学报：自然科学版，36(4)：415-418.

张良培, 沈焕锋. 2016. 遥感数据融合的进展与前瞻[J]. 遥感学报, 20(5): 1050-1061.

张勇, 金伟其.2011. 基于结构相似度与感兴趣区域的图像融合评价方法[J]. 光子学报, 40(2):311-315.

Dell’ Acqua F.2005. An Education Experience in Data Fusion and Remote Sensing: The Pavia International Summer School Series [Education][J]. IEEE Geoscience & Remote Sensing Magazine, 3(3):130-147.

Shen H, Meng X, Zhang L. 2016.An Integrated Framework for the Spatio-Temporal-Spectral Fusion of Remote Sensing Images[J]. PP(99):1-14.