基于GF-2的沙地区域影像融合方法与评价<br/>——以内蒙古自治区正蓝旗北部典型沙地为例

基于GF-2的沙地区域影像融合方法与评价
——以内蒙古自治区正蓝旗北部典型沙地为例

2019-10-11朝鲁门宁小莉包玉海海全胜张雪峰

水土保持通报 2019年4期

朝鲁门, 宁小莉, 包玉海, 海全胜, 张雪峰

(1.内蒙古科技大学包头师范学院资源与环境学院, 内蒙古包头 014030;2.内蒙古师范大学地理科学学院, 内蒙古呼和浩特 010022)

20世纪60年代开始，随着遥感技术的快速发展，遥感影像数据已被各个部门广泛应用，对其获取的卫星影像在空间、光谱以及时间分辨率等方面的要求越来越高。2018年3月26日至4月4日在内蒙古自治区中西部地区出现的沙尘天气，已经严重影响人们的日常生活及健康。沙尘暴的沙源归根结底是沙地。因此，在环境治理问题中沙地的研究比较迫切，而典型沙区的影像融合是重要的技术手段，是数据处理的重要环节，利用不同遥感数据及处理方法去除多余信息，提高影像的空间和光谱信息，提高影像读取能力是现在需要解决的关键技术问题，能为目视解译等后续的沙地研究工作提供科学的基础数据[1-3]。

遥感影像融合专家Alparon等人[4]在专著中指出遥感数据融合是针对某种调查现象，协同组合两个或者更多影像数据，以获取比单一影像更多的知识。针对光谱和空间信息进行处理，能提高图像信息综合分辨率，从而提高图像质量和计算机解译精度，对监测工作提供有力依据。目前使用较多的遥感影像融合方法有HVS融合方法、PanSharpen融合方法、Brovey融合方法、Gram-Schmidt融合方法、小波变换融合方法、HPF融合方法、NNDiffuse融合方法、PCI融合方法、改进Brovey融合方法及Curvelet_HCS融合方法等[5-7]。国内外学者在不同类型卫星影像数据融合方面进行了较多研究。对于IKONOS影像，逄锦娇等[8]提出PanSharpen融合效果优于HSV融合效果，主要表现在PanSharpen具有较高的分类精度。邢元军等[9]利用GF-1，ZY-3和ZY102C等三种国产卫星为研究对象，通过融合结果验证，得出三种卫星的最佳融合方法分别是GS，PC和IHS。HR和CCD图像融合后，明显提高了土地利用信息的精度，在国土资源调查与生态环境监测中都起到重要的作用[10]。国内外学者[11-17]对IKONOS与QuickBird，Landsat TM与SPOT、高分二号、高分一号、QuickBird，BJ-1，HJ-1 A及ZY-3等不同遥感影像进行融合方法研究并对其进行融合效果评价。影像融合研究一般从融合方法、卫星影像以及地物等3方面进行研究。吕利利等[18]提出沙漠地区地物单一，“同物异谱”和“异物同谱”现象较容易出现，采用建树的样本数据时要具有区域典型性和完整性。因此，影像信息中提高自然地物辨别度较为重要。地物方面，对城区、道路、林地、耕地、建筑物、水域等类型融合分析较多，而针对沙地区域的研究较少。沙地对人类生活、经济、环境等方面都有不容忽视的影响。因此，学者应用Landsat ETM，TM与SPOT等影像是研究沙地区域影像最佳融合方法。本文利用国产高分影像数据，采用HSV，Brovey，Gram-Schmidt，PC融合等4种融合方法，进行沙地区域最佳影像融合方法研究，影像融合能提高影像的空间分辨率和光谱信息，从而提高沙地区域特征提取、分类、目标识别的精度，且研究结果能为沙地区域的后续研究提供科学的决策服务。

1 研究区概况与数据

正蓝旗位于内蒙古中部，浑善达克沙地腹地，地形从西南到东北呈递减，平均海拔在1 300 m左右，日均温大于10 ℃，年积温约1 870 ℃，属中温带大陆性气候，多年平均降雨量350 mm，年际变化大，主要集中在夏季，年蒸发量约1 936 mm，无霜期104 d，平均风速4.3 m/s。20世纪60年代以后，浑善达克沙地发生了沙漠化扩大，仅仅30 a时间，沙漠化增长速度已高达4%，内蒙古地区的沙地研究是对建立我国北方生态安全屏障，亮丽风景线的重要部分。本研究的研究区位于正蓝旗北部典型沙区，经纬度范围为116°24′10.65″—116°28′38.31″E、42°30′37.70″—42°32′6.69″N。

高分二号(GF-2)卫星是我国自主研制的空间分辨率大于1 m的民用光学遥感卫星，卫星上搭载1 m全色和4 m多光谱相机的两台传感器，星下点空间分辨率能达到0.8 m，有4个多光谱通道，1个全色波段通道(表1)，2014年8月21日开始投入使用。卫星数据主要为国家级各级各部门提供有效数据服务，如国土、测绘、环保、住房和城乡建设、交通运输和林业等，以及为相关各级政府提供咨询服务。本研究使用的是2016年9月16日成像的高分二号影像，景号为GF2_PMS1_E116.3_N42.6_20160916_L1A0001830187，GF2_PMS2_E116.5_N42.5_20160916_L1A0001830240。

表1 GF-2卫星波段参数

2 方法

2.1 融合方法

2.1.1 HSV融合方法 HSV(色彩、纯度、明度模型)变换，是将计算机上显示的彩色图像分解成3个度，色度(H)、饱和度(S)、亮度(V)，彼此相互独立，符合人们平时的视觉辨别。HSV融合是RGB转换为HSV，再变回RGB的过程，即首先把RGB(红、绿、蓝颜色模型)图像变换成色度、饱和度、亮度空间，亮度空间值给予高分辨率的波段，色度值、饱和度重采样到高分辨率像元尺寸，然后再将处理后图再变换回RGB显示图像[19]。

2.1.2 Brovey融合方法 Brovey(色彩标准化变换)融合方法是将多光谱影像的映像空间分解成色彩和亮度两个分量。首先将影像显示的多光谱波段颜色进行归一化处理，然后把全色影像的灰度值分别与多光谱影像各波段灰度值相乘，完成影像融合[20]。

2.1.3 Gram-Schmidt融合方法 Gram-Schmidt融合方法是将多光谱图像转换到正交空间，再将全色波段图像变成第一空间值，再反变换获得融合图像[21]。用该方法融合后得到的影像特征，改进了主成分变换中信息过分集中的问题，不用设置波段。

2.1.4 PC融合方法 PC(principal components)融合方法，是数学统计方法的多维(多波段)正交变换，对多光谱图像进行主成分正变换，全色图像信息替换第一主成分量，第一主成分量信息已成为全色波段的空间信息，再通过主成分逆变换得到高分辨率多光谱图像[22]。

2.2 融合效果评价方法

图像融合效果评价是对融合后的图像质量进行验证的方法，有主观肉眼评价和客观统计评价两种评价方法。主观肉眼评价是用人为的视觉来评价图像的清晰度。客观统计评价是用定量的方式来客观的描述图像在空间信息上和光谱保真度上提高影像质量程度的方法。定量方式，也就是用数学上的方法来定量化，形成一个评价指标。本文为了验证沙地区域影像融合质量，选取了标准差、平均梯度、联合熵和相对偏差4种评价指标。

2.2.1 标准差标准差能反映图像邻近像素间反差情况，融合前后图像的离散程度。标准差越大，与原始影像越接近，则融合后影像数据信息保持度越高。一景M×N的图像，其标准差计算公式为：

(i=1,…,N；j=1,…,M)

(1)

式中：S——影像某一波段的标准差；G(i，j)——影像灰度值；u——平均灰度值。

2.2.2 平均梯度平均梯度是影像灰度变化率的平均值，能很好的说明影像的细微区别，一景I×J的图像，平均梯度值越高，影像识别度越高。其计算公式为：

(i=1,…,I；j=1,…,J)

(2)

2.2.3 联合熵联合熵是美国科学家香农提出来的科学名词，主要度量两个概率分布间的差异性，能反映图像的细微信息量，联合熵值越大，说明图像上的细微信息越多。联合熵对遥感影像的清晰度分析中比较有说服力，将影像本身视为信息源，联合熵作为影像信息计算中作为重要的指标，其公式为:

log2〔p(x1,…,xn)〕i=1,…,n

(3)

式中：E(x1,…,xn)——影像联合熵； (x1,…,xn)——像元在依次从1到n波段上x1,…,xn的概率，第1～n波段像元灰度，值为x1,…,xn的像元个数与影像总像元数的比值来获得联合熵。排除噪声、阴影等因素的情况下，计算后获得的值越高，能说明影像总信息量越多。

2.2.4 相对偏差相对偏差在计算两组数据之间的偏离情况中使用较多，原影像和融合影像灰度值可以作为两组数据，通过相对偏差来表示原影像和融合影像光谱信息上的结合程度，由I×J行列构成的一幅影像，其计算相对偏差的公式为：

(4)

式中：R——原影像与融合影像对应的某一波段的相对偏差；I(i,j)，J(i,j)——融合影像和原影像在像元第i行，第j列处的灰度值。计算结果值越小，则说明原影像与融合影像的偏差越小，则光谱信息保留度越好。

3 GF-2影像融合效果评价与结果分析

本文应用客观评价指标标准差、平均梯度、联合熵、相对偏差计算了研究区影像融合后的质量(如表2所示)。

表2 融合影像评价指标值

由表2可知，用4种方法得出的影像融合的4个客观统计指标值之间的差异比较明显，在正蓝旗北部典型沙地区域的研究中可以很好地完成影像融合工作。HSV融合方法、Brovey融合方法、Gram-Schimdt融合方法、PC融合方法的平均梯度分别为4.862 5，4.862 3，8.748 0和3.682 0，平均梯度是影像灰度变化率的平均值，能很好地说明影像的细微区别，平均梯度值越高，影像的细微区别越好。因此，Gram-Schimdt方法融合后的影像细微区别最好。4种融合方法的联合熵分别为14.720 3，12.582 3，13.375 5和13.357 8，联合熵主要反映图像的细微信息量，联合熵值越大，图像上细微信息越多，HSV方法融合后影像的细微信息量最多。相对偏差分别为3.298 3，2.173 0，3.611 2和3.575 6，相对偏差表示原影像和融合影像在信息上的结合程度，Brovey融合方法的值为最小，Brovey融合方法的融合前和融合后的影像的光谱信息结合度好。标准差分别79.372 8，72.702 4和66.520 9，66.899 2，主要表明影像灰度值与平均灰度值的离散程度，HSV融合方法的标准差为最高，且与原始影像的标准差接近，而且信息熵最高，说明用HSV方法融合后的影像与原始影像接近，信息含量最多，影像辨别度高。陈业培，谢士琴，胥兵等[23-25]分别指出标准差最高与原始影像接近，说明融合后图像与原始图像比较接近。信息熵值越大，图像携载的信息量越大，信息辨别度越高。HSV融合方法的联合熵和标准差都最高，使用HSV融合方法后影像纹理方面得到了改善，空间信息、光谱信息保留较好(图1—3)。因此，HSV方法融合后的影像辨别性最好，以及影像的细微信息量最多，平均梯度和相对偏差均位居第2，在沙地的空间信息间辨别度和光谱保真度的计算中优于其他3个融合方法。Brovey融合后影像的特征为光谱信息保真较好(图4)。Brovey融合方法的相对偏差最小，Brovey融合方法融合后的影像的信息结合度好，联合熵和标准差均位居第2，平均梯度位居第3，综合表现位居第2。Gram-Schimdt融合后空间纹理信息较好地保留，尤其能保证影像的光谱特征信息(图5)。Gram-Schimdt融合方法的平均梯度最大，影像细微区别最好，联合熵为第3，相对偏差和标准差位居第4，综合表现为第3。PC方法融合后的影像的优点为无波段限制，光谱信息保留好。第一主成分信息较集中，色调变化较大(图6)。PC融合方法的相对偏差和标准差位居第3，平均梯度和联合熵位居第4，综合表现为第4，融合表现最不突出。4种融合方法中，HSV融合方法的联合熵和标准差值最高，因此，与原始影像接近而且细微信息量最多，影像的辨别性最好。Brovey融合方法的影像光谱信息结合程度较好，Gram-Schimdt融合方法的影像细微区别度好，PC融合效果最不明显。因此，HSV融合方法在分析正蓝旗北部典型沙区时表现效果最好。

图1 研究区原始多光谱影像

图2 研究区原始全色影像

图3 研究区HSV融合结果

图4 研究区Brovey融合结果

图5 研究区Gram-Schmidt 融合结果

图6 研究区PC融合结果

4 讨论

(1) 文章利用国产高分辨率影像GF-2，进行了沙地区域影像融合研究。琚存勇，周淑琴等[26-27]分别应用TM与SPOT、Landsat ETM影像研究沙地区域影像最佳融合方法。应用高分影像对城区、道路、林地、耕地、建筑物、水域等地物进行影像融合分析研究较多。而沙地区域高分影像的最佳融合研究较少，本文以GF-2影像作为数据源，图像融合方法主要选取了HSV融合方法、Brovey融合方法、Gram-Schimdt融合方法、PC融合方法等四种融合方法研究沙地区域最佳融合方法。基于汤耶磊等[28]提出的针对区域特征及应用目的，不同地物选择适合高分影像融合算法较重要。刘川等[29]提出GF-2卫星在建筑与植被区域的融合中IGS方法优于IHS，GS，PCA等方法。其它自然地物中融合方法的效果也不同。影像相同，研究的自然地物不同，融合方法效果也不同。因此，采用其它的融合方法是后续要做的研究工作。

(2) 本文选取夏季的影像对沙地区域进行研究，夏季植被生长较好，植被与沙地分类较好。研究区地物类型的覆盖不同，融合方法的效果也不同[30-31]。冯秀绒等[32]得出在毛乌素沙地的裸沙，33%苔藓结皮与100%苔藓结皮及其它地物的反射率不同。测同一种植被的光谱特征有一些差异，冬季植被的反射率明显低于夏季，可见光波段与近红外波段分别约低于60%和40%，同种植被的冠层和叶片光谱在近红外波段的反射率不同[33]。处于不同季节时地表植物的覆盖度不同。因此，同一种影像融合方法对不同季节的影像融合效果可能不同。植被盖度高的地区选取四季影像进行研究较多，选取春、夏、秋、冬不同时期的影像，在沙地区域进行融合及效果分析是后续研究的工作。