多源遥感数据影像融合的方法浅析

黄明源,李 超

（安徽省核工业勘查技术总院，安徽芜湖241002）

1 概述

遥感数据融合的目的是将获得的信息与卫星、飞机和地面平台上安装的传感器的不同空间和光谱分辨率相结合，从而产生包含比每个源更详细的信息的融合数据。数据融合产品是许多应用的基础，研究人员和从业人员不断努力开发先进的融合方法和技术，以提高其性能和准确性。然而，由于许多原因，例如各种需求、景观的复杂性、输入数据集的时间和光谱变化以及精确的数据共同注册，使得遥感数据尤其是多源数据，仍然具有挑战性。所以对于从影像融合应用的角度来讲，选择对像元级遥感影像融合方法的钻研，是非常有实际意义的。

2 融合方法

2.1 Brovery变换方法

Brovery变换融合的另一个说法为色彩标准化变换融合，是一种普遍使用的RGB彩色变换融合方法。该变换融合的主要目的是如何将多光谱影像3个颜色的波段（红、绿、蓝）标准化，通过多光谱标准化和高分辨率图像乘积的产品提高图像信息。这个方法较为常用，特点明显，即可以大大增强融合后图像的目视效果，可以将多光谱数据的影像的彩色效果转换为高分率图像的全色信息。但是缺点明显，就是对数据要求较高。在用这种方法处理数据时，必须进行预处理和去噪处理，过程较为复杂，且会使个光谱信息失真。

Brovery变换的定义公式为：

式中：R、G、B——多光谱数据中的红，绿，蓝波段；

Pan——调整大小后的全色波段对应值。

2.2 HIS变换

HIS变换适用面非常广泛，是一种很常见的算法（HIS中H表示色调；I表示亮度；S表示饱度)。HIS的正变换，是把彩色影像所具有的RGB波段变换成HIS；由HIS变换成RGB称为HIS的反变换。实际上在研究过程中，常常构建RGB和HIS在空间上的对立关系，以实现二者的转换。HIS变换处理融合后生成的图像结合了融合前2幅图像各自的特点，使得图像变成了具有高分辨率且信息量丰富的彩色融合图像。融合后的图像既有多光谱数据的丰富的信息含量，又有全色波段的高分辨率，又有多光谱数据的丰富的信息含量。

2.3 color normalized(CN)变换方法

CN变换又称能量分离变换。它的原理就是使原始图像的较低的分辨率的多光谱数据被融合后的图像所具有的高分辨率所提升，比如Landsat8融合后的图像的高分辨率增强融合前的多光谱数据的低分辨率。该方法仅对包含在融合图像波段的波谱范围内对应的输入波段进行融合，其他输入波段被直接输出而不进行融合处理。该方法较为常用，使用范围是尽量选择大的地貌类型，乘积运算（CN）对于大的地貌类型上处理效果好，还可以用于多光谱与高光谱的融合。

3 实验数据分析

本文选择了Landsat8上海地区的多光谱数据和ETM+的全色波段进行融合，旨在通过融合提高处理后图像的空间分辨率，使融合后的图像具有高空间分辨率和丰富的波谱信息。由于上海地区的图像分布在2张图像上，所以需要经过辐射定标、大气校正、镶嵌、裁剪等步骤的预处理，接下来对2幅裁剪后的上海地区的图像进行融合实验，用多种方法来完成，体会各种方法的不同。

3.1 Brovey变换

选择Toolbox中的Image Sharpening→Brovey变换方法，在弹出的窗口中选择RGB对应的多光谱的数据的波段432，点击OK，在弹出的窗口中选择高分辨率的全色波段，重采样方法选择三级卷积，选择保存路径，点击OK运行，实验结果如图1所示。这样就得到了Brovey方法的融合图。

图1 Brovey变换方法融合图

3.2 HSV变换法

选择Toolbox中的Image Sharpening→HSV Sharpening，在弹出的窗口RGB选择对应的多光谱数据432波段（字符型才可以使用），点击OK，在弹出的窗口选择高空间分辨率的全色波段，设置参数和保存路径，点击OK运行。结果如图2所示。这样就得到了HSV变换法的融合图像。

3.3 CN变换法

选择Toolbox中的Image Sharpening→CN Spectral Sharpening，在弹出的窗口选择低空间分辨率的多光谱数据图像，点击OK，在弹出的窗口选择高空间分辨率的全色波段，设置参数，选择保存路径，点击OK运行。结果如图3所示。这样就得到了CN变换法的融合图像。

图2 HSV变换方法融合图

图3 CA变换方法融合图

4 结论

从目视解译的效果来看HSV变换的融合方法颜色较原图变化比较大；Brovery变换法的融合颜色变化不大，基本保持了图像的光谱特性，这对于图像融合后的精度非常重要；而对于CN变换，从图像上可以看出其颜色较原图几乎没有任何变化，完整地保存了原图的光谱特性，所以效果最好。从建筑物、道路、河流的轮廓和纹理来说，CN变换方法要更加清晰可见，可以从图像中清晰看见基本的建筑物等轮廓，使得原图像的光谱特性得以保存下来；而Brovery方法则是融合后的图像轮廓、纹理等要素等变化较大，HSV同样如此。所以CN变换的方法最好，融合后的图像光谱特性变化较小，原始信息保留较为完整。