珠海一号高光谱影像融合方法对比

杨娅婷，韩芬，杨阳，吴兆萍，官瑞芬，张允

(宁夏回族自治区遥感调查院(高分辨率对地观测系统宁夏数据与应用中心)，宁夏，银川 750000)

高光谱遥感(hyperspectral remote sensing)是目前获取地物空间信息和光谱信息的一种新技术。具有光谱分辨率高、波段多、波段连续等新特点，其光谱分辨率为纳米级，波段从几个、几十个到上千个不等，每个像元可提供几乎连续的地物光谱曲线，因此，利用高光谱数据可对地物进行精准定量分析和细节信息提取[1]，为地物光谱深度分析提供重要依据。但高光谱数据空间分辨率不同程度的限制了高光谱数据的应用深度和广度，因此，高光谱数据的融合非常必要。

遥感影像融合技术是将高光谱分辨率影像和高空间分辨率影像合并，剔除冗余信息，得到一幅同时保留二者优点的新合成图像，让图像数据信息互补，使图像数据更加全面、丰富和准确，从而增强图像对地面物体的识别能力，实现更高精度的数据分类、提取及分析[2]。国内外学者对高光谱的融合进行了大量的研究。丰明博[3]等人利用小波融合算法对hyperion图像和Spot5图像进行融合实验，融合后的图像空间分辨率和光谱分辨率得到了改善；程传阳[4]基于HSI进行高光谱图像融合，并利用线性变换、中值滤波及改进基于小波变换的边缘检测等方法对融合后的图像进行了增强，图像融合效果得到很大的提高；王浩[5]对小波变换进行改进对高光谱遥感图像进行融合研究，融合结果较好；宋亚萍[6]等利用多光谱资源三号和全色快舟一号数据，采用Gram-Schmidt、高通滤波法、最邻近法等算法进行融合实验，融合后图像的空间信息和光谱信息都得到了提升；李存军[7]等人以IKONOS影像为例，对比Gram-Schmidt、PC、IHS等算法的融合结果，得出Gram-Schmidt光谱保真效果较PC和IHS有了较大的提高。然而，很多研究使用的数据大多是国外的免费数据或者模拟数据，对国产卫星数据研究相对较少，数据源较为单一，种类不丰富，且不同分辨率、不同传感器的影像融合较少。

为研究适合于珠海一号高光谱数据且易于实现的融合方法，本文选用HSV Sharpening(HSV)、Color Nornalized(Brovey)Sharpening、CN Spectral Sharpening(CN)、Gram-Schmidt Pan Sharpening(GS)、PC Spectral Sharpening(PC)、NNDiffuse Pan Sharpening(NND)等6种融合方法，分别对不同类型、不同分辨率国产卫星数据和珠海一号高光谱数据融合，通过目视分析和指标分析，对比影像融合前后空间分辨率和光谱特征变化情况，为高光谱影像数据在融合、信息提取、定量分析等方面的应用和研究分析提供参考。

1 方法及原理

1.1 融合方法

(1)HSV融合方法：HSV是一种色彩空间变换的融合方法，应用HSV变换融合时，首先采用三次卷积技术对高光谱图像重采样，使得高光谱和全色图像在像元尺寸上一致，然后对高光谱影像实施HSV正变换，分离出亮度(V)、饱和度(S)及色度(H)分量，再让高分辨率单波段全色图像和HSV正变换得到的亮度分量进行直方图匹配，并替换亮度分量V，最后经逆变换得到高光谱高空间分辨率的融合图像[8-9]，变换过程如图1。

图1 HSV变换流程图Fig 1. HSV Transformation Flowchart

(2)Brovey融合方法：实质上是一种比值运算融合方法，该方法首先将高光谱图像重采样到高空间分辨率全色图像的像元尺寸上，然后对高光谱图像和全色图像数据数学合成，得到融合结果[9]。其融合表达式如下：

式中，HSi(j=1，2，3)-高光谱图像参与运算波段；pan-高空间分辨率全色图像；Ii-各波段融合结果。

(3)GS融合方法：根据正交线性变换理论实现，首先从低分辨率高光谱波段中分出一个分量，并将该分量和高光谱波段正交变换，然后用高空间分辨率单波段全色图像替换变换后的分量，在与其他分量一起反变换得到融合影像[10-11]，变化过程如图2。

图2 GS变换流程图Fig 2. GS Transformation Flowchart

(4)PC融合方法：即主成分变换。该方法是将高光谱图像经过变换，得到各不相关的主成分

分量图像，然后用直方图匹配后的全色图像替换第一主成分图像，最后使用逆变换得到融合图像，变换流程如图3。

图3 PC变换流程图Fig 3. PC Transformation Flowchart

(5)NND融合方法：通过计算高光谱各波段的贡献向量，而后计算高光谱和全色图像的差异因子，最后运用数学模型得到融合图像。该算法光谱保留较完整，色彩不容易扭曲。

(6)CN融合方法：也称“能量分离变换”，是彩色标准化锐化算法的延续，其实质是将高光谱分辨率图像各波段进行归一化处理，输出融合影像[12]。

2.2 评价方法

融合后的图像评价主要评价图像空间分辨率和高光谱数据光谱信息保持程度。常用评价方式有主观评价和客观评价[13]，主观评价是将融合后的影像和原始影像叠加，通过判读影像纹理、边界、细节等清晰度及色彩的保持程度来评估影像质量，方法直观简单，但易受观察者经验影响，不能有效的判断其质量的好坏；客观评价是通过统计和计算不同评价指标对融合影像光谱、信息量、噪声等特性评价。该方法容易受到软件兼容性影响，将上述方法结合评价更加全面和系统。

(1)均值是指影像像素的灰度平均值，反映图像的平均亮度，融合后图像均值与原始的高光谱图像均值差值越小，目视效果越好。其表达式：

(2)平均梯度用来评价图像清晰程度，反映图像改善情况。平均梯度越大，图像的清晰度越高，保留的信息越丰富。其表达式：

(3)信息熵是评价影像中含信息量多少建立的评价指标。通过分析信息熵变化，判断图像信息量变化。对于影像，假设其各像素的灰度值彼此独立，则该图像灰度分布：p={pi，p2，p3，…，pn}其中，pi-图像中灰度值i的像素个数与像素总数之比，L-图像灰度级数，图像信息熵表达式：

融合图像熵越大，表明图像包含的信息量越多，图像信息越丰富，融合效果越好。

(4)相关系数：反映图像间相似程度，值越大光谱信息保持越好，颜色变化越稳定。表达式：

3 影像融合与结果分析

3.1 数据源

本文以高光谱数据珠海一号(OHS)及光学数据吉林一号(JL1)、高分二号(GF2)、高分六号(GF6)影像为数据源进行融合实验。其中，OHS是珠海一号卫星星座第2组卫星，于2018年4月26日发射，空间分辨率10m，光谱分辨率2.5nm，波谱范围400nm～1000nm，波段数32个[14]。GF-2空间分辨率优于1m；GF6是中国首颗精准农业观测高分卫星，分辨率2m，4个波段；JL1是中国规模最大的商业光学卫星，分辨率0.5m，4个波段。实验数据相关参数见表1。

表1 实验数据参数表Tab1. Experimental Data Parameters

3.2 影像融合

本文试验区选取宁夏银川市灵武市临河镇和宁东镇交界处，以鸭子荡水库和宁东镇城区为中心，该区域地势平坦，地物丰富，有林地、沙地、建设用地、水库、道路等地物。

实验数据均为1A级产品，为提高影像融合后精度，以ENVI图像处理软件为平台，对实验数据分别进行辐射定标、大气校正及几何精校正，为保证多种实验数据精准套合，裁切了7000m×7000m相同区域进行融合实验，裁切校正数据如图4至图7。为便于融合后图像的质量评价，融合过程中，珠海一号RGB值对应选择12，7，2，且函数采样方法均采用三次卷积。

3.3 结果分析

(1)目视分析：分析融合结果，HSV和Brovey方法只能保留RGB三个波段，其余方法均保持高光谱32个波段，为便于目视分析，将原始高光谱和融合结果32个波段数据用12，7，2波段组合成RGB真彩色方式显示，拉伸方式统一使用线性1%，并选取水域、建筑和道路在细节上对比分析，融合结果见图8。

图8 不同数据、融合方法的融合结果Fig 8. Fusion Results of Different Data and Fusion Methods

整体视觉上，相较融合前图像，融合后图像清晰度JL1>GF2>GF6(>表示优于)，但光谱信息均有不同程度的损失。三种实验数据HSV结果色彩偏黑灰、偏蓝，与原始高光谱图像相差较大，JL1的NND结果色彩整体偏暗，Brovey、GS、PC和CN结果色彩偏红，GS从色层次、饱和度与原始图像最接近。GF2和GF6的Brovey结果色彩偏灰白，GS和PC结果色彩相差不多，GF2的NND和CN局部区域曝光严重且色彩不均匀，说明光谱保真度较差，GF6的NND结果与原始高光谱图像相近，GS和PC相比，GS效果最优。

纹理细节上，JL1建筑区NND效果优于GS和PC，与地物纹理表达较为相近，HSV和Brovey方法有晕色现象，CN方法部分区域像素丢失，导致地物纹理模糊，GF2和GF6的PC和GS效果较好；三种数据道路GS和PC效果较好，NND较暗，HSV光谱退化严重，效果最差。融合图像纹理上都有不同程度失真，但较原始高光谱图像，融合后纹理内容更加丰富，空间细节清晰度也得到很大提高，原始影像上无法准确识别的建筑、道路、水域等地物边界融合后较之前更加清晰。

融合方法比较上，吉林一号融合结果GS>PC>NND>CN>Brovey>HSV；高分二号融合结果GS>PC>Brovey>HSV>CN>NND；高分六融合结果GS>PC>NND>Brovey>HSV>CN。数据源上比较，HSV结果JL1>GF2>GF6；Brovey结果JL1>GF2>GF6；GS结果GF6>GF2>JL1；PC结果GF6>GF2>JL1；NND结果GF6>JL1>GF2；CN结果JL1>GF6>GF2。

(2)指标评价：通过计算不同数据源、不同融合方法融合结果波段平均值定量评价。包括亮度信息、清晰度、光谱信息和信息量。其中，HSV和Brovey只有3个波段，信息量、相关系数不做评估。不同数据、融合方法融合结果指标值统计见表2。

表2 融合结果评价指标值统计表Tab2. Statistics of Evaluation Indicators for Fusion Results

亮度信息：对比融合方法，表2中GS均值与原始高光谱图像差值最小，其次PC变换，HSV和Brovey较差，HSV和Brovey融合只有3个波段，导致光谱变化较大。亮度指标最好的是GS变换，PC次之，Brovey最差。对比数据源，JL1亮度信息优于GF6，GF2效果较差，说明JL1融合后目视效果最佳。

清晰度：由表2，JL1和GF6的NND平均梯度值最大，其次GS和PC，且两者平均梯度值相同，HSV居中，JL1的Brovey最小，GF6的CN最小，GF2的GS最大，PC次之，CN最小。说明JL1和GF6的NND融合方法、GF2的GS融合方法的融合结果纹理信息更突出，边界更清晰，有利于线性地物边界提取，JL1和GF6的GS和PC次之，清晰程度一样，JL1的Brovey清晰度最差，GF6和GF2的CN清晰度最差。JL1数据只有CN融合后平均梯度高于高分数据，NND、GS、PC、HSV及Brovey融合结果平均梯度值均低于GF2和GF6，其中，GF6平均梯度值最高，说明使用这几种方法融合，融合结果受原数据空间分辨率影响较大，异源影像空间分辨率差距越大，融合结果清晰度越低，相反，异源影像空间分辨率相差越小，融合结果清晰度越高。

信息量：对比信息熵值，三种数据NND信息熵值最大，包含信息量较多，信息保持能力较强，JL1和GF6的PC信息熵值次之，GF2的GS值次之，JL1和GF6的GS和PC值相差不大，包含信息量差不多，GF2和GF6的CN信息熵值最小，且与原始数据信息熵值相差较大，说明GF2和GF6的CN融合结果信息损失较为严重，信息量保持能力较差，JL1的CN信息熵值最小，与PC、GS及原始数据相比，相差不大，与GF2和GF6相比，信息量保持能力较好。

光谱信息：由表2，几种融合方法的GS相关系数最大，GF2、JL1的PC相关系数次之，GF6的NND高于PC，CN相关系数最小，说明CN光谱保持最差，GF6、JL1的GS光谱信息保持最好。

融合方法上比较，GS在亮度和光谱信息保持度上效果最好，NND在清晰度和信息量保持能力上较突出，PC方法次之，HSV和Brovey指标较差；数据源上比较，JL1融合结果各项指标值均高于GF2和GF6，且指标值较稳定，表现最优。指标分析得出的结论与目视分析结果基本一致，GS、PC、NND等方法能够适用于珠海一号高光谱数据的融合。

4 结 论

本文利用几种常见的融合方法对不同高分辨率影像进行融合实验，通过目视分析和指标分析方法，对比不同方法融合结果。实验结果：GS综合效果最好，指标值较稳定，光谱保真能力强，可用于目视解译、制图、展示等适用于光谱保真度要求高的工作；PC和GS融合结果相差不大，但PC方法信息集中在第一主成分上，不利于高光谱数据光谱信息深入分析；NND清晰度和信息量保持较好，可应用于专题信息提取。此外，高分系列全色图像与高光谱图像融合，全色图像和高光谱图像空间分辨率相差越小，融合图像色彩和纹理表达与高光谱图像越接近。高分数据和吉林数据相对比，吉林一号数据融合结果比高分数据更稳定，但其数据量较大，耗时较多。本文总结出针对不同目的可选取的融合方法，为珠海一号高光谱数据在后续的融合应用方面提供参考。