楊佳佳，馮雨林，孫中任，高 鐵

中國(guó)地質(zhì)調(diào)查局沈陽(yáng)地質(zhì)調(diào)查中心（沈陽(yáng)地質(zhì)礦產(chǎn)研究所），遼寧沈陽(yáng)110034

基于多源遙感數(shù)據(jù)的融合算法變換效果對(duì)比研究

楊佳佳，馮雨林，孫中任，高 鐵

中國(guó)地質(zhì)調(diào)查局沈陽(yáng)地質(zhì)調(diào)查中心（沈陽(yáng)地質(zhì)礦產(chǎn)研究所），遼寧沈陽(yáng)110034

隨著多源遙感影像融合技術(shù)的成熟發(fā)展，如何提高高分辨率遙感數(shù)據(jù)的利用效益和使用質(zhì)量已經(jīng)成為影響其應(yīng)用效果的瓶頸問(wèn)題.針對(duì)QucikBird-2高分遙感數(shù)據(jù)光譜分辨率不足等問(wèn)題，結(jié)合ASTER多光譜遙感數(shù)據(jù)，引入3種融合方法：主成分分析（PCA）融合、小波PCA融合和基于小波的IHS（色度、亮度、飽和度變換）融合，實(shí)現(xiàn)了對(duì)多光譜圖像和高分辨率圖像的融合，得到了多光譜高分辨率影像，使得在增強(qiáng)影像空間分辨率的同時(shí)也盡可能地保留了影像的多光譜信息.最后對(duì)3種融合方法的結(jié)果進(jìn)行了定性和定量評(píng)價(jià).

遙感；高分辨率；融合；圖像增強(qiáng)

0 引言

遙感技術(shù)的發(fā)展使我們可以獲得更高空間分辨率的影像，在軌運(yùn)行的QuickBird-2可以獲得0.61 m分辨率的數(shù)據(jù)，而Terra衛(wèi)星上的ASTER傳感器可以獲得從可見(jiàn)光到熱紅外的14個(gè)波譜通道.這些影像為地物觀測(cè)提供了更加精確的地物尺寸、形狀，更加豐富的信息和細(xì)節(jié)，有著廣泛的應(yīng)用前景.

隨著影像空間分辨率的提高，數(shù)據(jù)量隨之也大幅度增加，地物信息呈現(xiàn)高度細(xì)節(jié)化.而先前大部分的遙感圖像目視解譯及地物分類是建立在中低分辨率影像的基礎(chǔ)上的，傳統(tǒng)的融合方法無(wú)法有效地提高高分辨率遙感數(shù)據(jù)的解譯水平［1］.因此，針對(duì)高分辨率遙感影像的融合技術(shù)問(wèn)題，諸多學(xué)者進(jìn)行了不懈的探索. Chibani等［2］給出了IHS變換與多分辨小波變換相結(jié)合的融合方法；Myint［3］利用小波提取區(qū)域的紋理特征以彌補(bǔ)光譜特征的不足；Kontoes［4］認(rèn)為核空間可能產(chǎn)生低維光譜特征所不具備的新特征，從而提高高分辨率影像的分類精度；黃昕等［1］提出一種鄰域多尺度特征融合算法，通過(guò)提取多尺度下不同鄰域的空間特征，結(jié)合支持向量機(jī)這一模式識(shí)別工具進(jìn)行分類，然后根據(jù)不同尺度的特點(diǎn)進(jìn)行了決策級(jí)融合.馮昕等［5］利用北京市QuickBird影像，使用面向?qū)ο笮畔⑻崛〖夹g(shù)，對(duì)北京市部分地區(qū)用地類型進(jìn)行分類.

本文基于QucikBird-2和ASTER數(shù)據(jù)影像，以高分辨率影像融合應(yīng)用為目標(biāo)，利用遙感影像融合技術(shù)，比較不同處理技術(shù)對(duì)融合結(jié)果質(zhì)量的影響，并對(duì)結(jié)果進(jìn)行定性和定量評(píng)價(jià).基于多種遙感數(shù)據(jù)源，對(duì)比并評(píng)價(jià)IHS變換、PCA分析、小波融合3種融合技術(shù)及它們之間結(jié)合運(yùn)用在提高空間分辨率、保持原始圖像光譜信息方面的優(yōu)劣.

1 圖像增強(qiáng)及融合方法

1.1 圖像增強(qiáng)的概念

圖像增強(qiáng)是按照特定的需要突出一幅圖像的某些信息，同時(shí)削弱或去除某些不需要的信息的處理方法，主要目的是擴(kuò)大不同圖像特征之間的差別，以便提高對(duì)圖像的解譯和分析能力，使之更適合實(shí)際應(yīng)用.

1.2 融合方法的介紹

圖像融合是指將多源信息通道采集到的關(guān)于同一目標(biāo)的圖像數(shù)據(jù)經(jīng)過(guò)圖像處理和計(jì)算機(jī)技術(shù)等，最大限度地提取各自信道中的有用信息合成高質(zhì)量的圖像.融合影像產(chǎn)生的數(shù)據(jù)不僅具有原始影像的優(yōu)點(diǎn)，而且減少了識(shí)別目標(biāo)的模糊性和不確定性，提高遙感圖像整體質(zhì)量和綜合分析精度，同時(shí)又能滿足遙感地物分類需要更多光譜信息和空間紋理信息的要求.本次研究所采用的融合方法有以下3種［6］.

1）假彩色變換（IHS彩色變換）

IHS變換是將多光譜的RGB圖像數(shù)據(jù)變換到IHS空間，得到3個(gè)獨(dú)立的分量.首先將高分辨率圖像數(shù)據(jù)經(jīng)過(guò)適當(dāng)?shù)睦?，使得它的方差和均值變換到和I分量一致，然后用拉伸后的數(shù)據(jù)替換I分量，得到I′，最后將I′、H和S變換回RGB空間，得到融合圖像（圖1）［7］.

圖1 IHS彩色變換流程圖Fig.1 Flow chart of IHS color conversion

其中，I表示亮度；H表示色度；S表示飽和度；R、G、B分別表示紅、綠、藍(lán)；Pan表示高分辨率全色波段.

優(yōu)點(diǎn)：IHS融合方法完整地保留了Pan圖像的空間信息.缺點(diǎn)：以Pan圖像完全地替換I分量破壞了ASTER圖像的光譜信息，導(dǎo)致比較嚴(yán)重的光譜（顏色）失真，而且這種方法只能融合3個(gè)波段的ASTER數(shù)據(jù).

2）PCA（主成分分析）

PCA變換是統(tǒng)計(jì)特征基礎(chǔ)上的多維正交變換，在消除模式特征之間的相關(guān)性，突出差異性方面有最優(yōu)的效果.主成分變換融合的具體步驟為：

①參與法

②替換法

其中，RV表示象征性的分辨率融合符號(hào)；MS表示多光譜低分辨率波段變量；PC表示主成分波段變量；m表示波段數(shù)；Pan代表高分辨率波段變量.

優(yōu)點(diǎn)：PCA方法側(cè)重于盡可能多地保留Pan圖像的空間信息.缺點(diǎn)：以Pan圖像直接替換PC1會(huì)產(chǎn)生較嚴(yán)重的光譜失真.

3）小波變換

小波變換可有效地增強(qiáng)多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力，并能保持圖像融合前后的光譜特性［8-9］.小波分解變換過(guò)程如圖2所示.其中，xi、yi分別代表第i級(jí)小波分解后圖像的近似部分（低頻部分，反映影像的整體視覺(jué)信息）和細(xì)節(jié)部分（高頻部分）的小波系數(shù)矩陣（圖2）.

圖2 小波變換流程圖Fig.2 Flow chart of wavelet transform

通過(guò)將小波變換與PCA變換、IHS變換相結(jié)合的融合方法，既利用了小波變換后可以保留影像融合后的光譜信息，又利用PCA變換、IHS變換融合法來(lái)增強(qiáng)多光譜影像的空間細(xì)節(jié)信息，提高結(jié)果影像的地物紋理特性［10］（圖3、4）.

①小波IHS融合

圖3 基于IHS彩色變換的小波融合變換流程圖Fig.3 Flow chart of wavelet transform fusion based on IHS transform

②小波PCA融合

圖4 基于PCA變換的小波融合變換流程圖Fig.4 Flow chart of wavelet transform fusion based on PCA transform

2 研究區(qū)簡(jiǎn)介及數(shù)據(jù)預(yù)處理

2.1 研究區(qū)地理概況

研究區(qū)屬于青海省格爾木市烏圖美仁鄉(xiāng)管轄區(qū)，鄉(xiāng)政府距格爾木市區(qū)約180km.全鄉(xiāng)海撥2790～3098m，行政區(qū)域面積近3.5×104km2，南與玉樹(shù)州相鄰，北與大柴旦、茫崖接壤，東起中灶火，西至甘森，占全市區(qū)域總面積的29%.烏鄉(xiāng)是格爾木市重要的有色金屬原產(chǎn)地，轄區(qū)內(nèi)有豐富的銅、鉛、鋅、鐵等礦產(chǎn)資源及野牦牛、野驢、藏羚羊等珍稀野生動(dòng)物等，是一個(gè)具有資源和旅游開(kāi)發(fā)潛力的地區(qū).

2.2 數(shù)據(jù)簡(jiǎn)介及預(yù)處理

1）數(shù)據(jù)簡(jiǎn)介

ASTER是Terra衛(wèi)星上的一種高級(jí)光學(xué)傳感器，包括了從可見(jiàn)光到熱紅外共14個(gè)光譜通道，可以為多個(gè)相關(guān)的地球環(huán)境資源研究領(lǐng)域提供科學(xué)、實(shí)用的衛(wèi)星數(shù)據(jù)［6］.QuickBird-2衛(wèi)星是由“數(shù)字全球”公司于2001年10月19日用波音德?tīng)査?2火箭成功發(fā)射的高分辨率商用衛(wèi)星.衛(wèi)星的全色圖像分辨率為0.61 m，多光譜圖像分辨率為2.5 m.Terra衛(wèi)星的ASTER數(shù)據(jù)與QuickBird-2衛(wèi)星數(shù)據(jù)相比（表1），其空間分辨率與光譜分辨率都有了很大的提高.

2）數(shù)據(jù)預(yù)處理

①光譜反射轉(zhuǎn)換

下列公式將DN值轉(zhuǎn)換為光譜反射值.

表1 ASTER與QuickBird-2數(shù)據(jù)比較Table 1 Comparison between ASTER and QuickBird-2 data

其中，L是波段的光譜輻射值，K是波段復(fù)合反射轉(zhuǎn)換因子，△是波段有效波長(zhǎng).結(jié)果是大氣層上的DN值.

傳感器對(duì)反射的總量（Ltotal）主要包括以下幾方面.太陽(yáng)直接輻射（Ldirect）：地物直接反射太陽(yáng)光輻射.散射光（Lupwelling）：太陽(yáng)光在大氣中向上的散射.

散射反射（Ldownwelling）：太陽(yáng)光經(jīng)過(guò)大氣散射照射到地物，再向上反射到傳感器.

②反射校正

通常情況下，傳感器接收到處在陰影中地物的反射主要是散射光，我們估計(jì)光路反射貢獻(xiàn)值通過(guò)傳感器波段直方圖的低的一端來(lái)實(shí)現(xiàn).一旦光路反射估計(jì)出來(lái)，從每個(gè)波段中減去即可.結(jié)果為光路反射校正DN值.

轉(zhuǎn)換為光路反射校正DN值后，影像做了非線性拉伸.直方圖截取通常將高端和低端的信息裁掉.

按照如下公式拉伸：

其中，DNstretch代表拉伸后的DN值；DNPRC是光路反射校正DN值；Lo_cutoff和Hi_cutoff分別是低端和高端截取值；G是Gammar因子.

③動(dòng)態(tài)范圍調(diào)整

為了正確顯示QuickBird-2影像，設(shè)備色彩定標(biāo)非常重要.從使用的不同要求出發(fā)，輻射定標(biāo)分相對(duì)定標(biāo)和絕對(duì)定標(biāo).相對(duì)定標(biāo)只是確定場(chǎng)景中各像元之間、各探測(cè)器之間、各譜段之間以及不同時(shí)間測(cè)得的輻射度量的相對(duì)值，相對(duì)定標(biāo)可用于消除由于探測(cè)器響應(yīng)不一致引起的輻射度量誤差.絕對(duì)定標(biāo)是確定星載傳感器輸出量與它入瞳處輻射度量之間的關(guān)系.

3 融合結(jié)果及評(píng)價(jià)

3.1 融合過(guò)程及結(jié)果

1）數(shù)據(jù)統(tǒng)計(jì)以及最佳波段組合選擇

一般圖像中波段之間是相關(guān)的，因此需要一些統(tǒng)計(jì)值來(lái)定量地表示其相關(guān)程度.其中相關(guān)系數(shù)和協(xié)方差是變量之間相關(guān)程度的指標(biāo).協(xié)方差是計(jì)算圖像中兩波段的像元值和其他各波段均值之差的乘積的平均值，用兩波段之間的協(xié)方差除以各波段的標(biāo)準(zhǔn)差，就得到其相關(guān)系數(shù)R，相關(guān)系數(shù)的取值范圍為［-1，1］.|R|值越大，變量之間的線性相關(guān)程度越高.

QuickBird-2數(shù)據(jù)各波段的標(biāo)準(zhǔn)差大小順序?yàn)椋翰ǘ?>波段3>波段2>波段1.ASTER數(shù)據(jù)各波段的標(biāo)準(zhǔn)差大小順序?yàn)椋翰ǘ?>波段7>波段3>波段5>波段6>波段8>波段2>波段9>波段1（表2、3）.

表2 QuickBird-2數(shù)據(jù)波段信息量統(tǒng)計(jì)Table 2 The amount of information statistics of QuickBird-2 bands

表3 ASTER數(shù)據(jù)波段信息量統(tǒng)計(jì)Table 3 The amount of information statistics of ASTER bands

QuickBird-2數(shù)據(jù)4個(gè)波段的相關(guān)系數(shù)差別不大，由于波段4的標(biāo)準(zhǔn)差最大，而且波段4處于近紅外波段，為了增加圖像的信息量，以波段4為基準(zhǔn)，發(fā)現(xiàn)其與波段2、波段3相關(guān)性最為明顯，其系數(shù)達(dá)到0.99以上，說(shuō)明兩者在光譜信息上有很強(qiáng)的一致性.而波段4和波段3之間的協(xié)方差相對(duì)較小.同時(shí)發(fā)現(xiàn)波段1與波段2的相關(guān)系數(shù)偏大，而波段1與波段3相關(guān)系數(shù)相對(duì)較小，同時(shí)協(xié)方差也最小，由此可見(jiàn)兩波段之間具有較強(qiáng)的獨(dú)立性（表4、5）.

表4 QuickBird-2數(shù)據(jù)波段相關(guān)性分析Table 4 Correlation analysis of QuickBird-2 bands

表5 QuickBird-2數(shù)據(jù)波段協(xié)方差分析Table 5 Covariance analysis of QuickBird-2 bands

ASTER數(shù)據(jù)9個(gè)波段的相關(guān)系數(shù)差別不大，由于波段7的標(biāo)準(zhǔn)差最大，而且波段7處于近紅外波段，為了增加圖像包含的信息量，以波段7為基準(zhǔn)，發(fā)現(xiàn)其與近紅外5個(gè)波段相關(guān)性最為明顯，其系數(shù)基本都達(dá)到0.98以上，說(shuō)明它們之間在光譜信息上有很強(qiáng)的一致性.同時(shí)發(fā)現(xiàn)波段7與波段3的相關(guān)系數(shù)為最小，協(xié)方差也相對(duì)較小.波段3與波段1的相關(guān)系數(shù)和協(xié)方差都相對(duì)偏小，由此可見(jiàn)兩波段之間具有較強(qiáng)的獨(dú)立性（表6、7）.

通過(guò)分析后，確定了以4（R）、3（G）、1（B）波段組合作為QuickBird-2數(shù)據(jù)進(jìn)行融合的彩色基礎(chǔ)圖像，R（7）G（3）B（1）波段組合作為ASTER數(shù)據(jù)進(jìn)行融合的彩色基礎(chǔ)圖像.為了便于分析，將波段7（分辨率30 m）通過(guò)柵格重采樣轉(zhuǎn)化為與波段3、1相同的分辨率（15 m），通過(guò)重采樣操作，將低空間分辨率的多光譜遙感影像重采樣成與高空間分辨率的全色影像相同的分辨率，得到的圖像將同時(shí)具有高光譜分辨率和高空間分辨率的信息.

該組合圖像集結(jié)了近紅外及可見(jiàn)光波段信息的優(yōu)勢(shì)，色彩反差明顯，清晰度高，層次感好，具有極為豐富的地質(zhì)信息，可解譯程度高，不同類型的巖石邊界清晰，巖石地層單元的邊界、特殊巖性的展布也顯示的較為清楚.

表6 ASTER數(shù)據(jù)波段相關(guān)性分析Table 6 Correlation analysis of ASTER bands

表7 ASTER數(shù)據(jù)波段協(xié)方差分析Table 7 Covariance analysis of ASTER bands

2）融合結(jié)果如圖5、6、7及8所示.

圖5 QuickBird-2數(shù)據(jù)PCA融合結(jié)果Fig.5 PCA fusion result about QuickBird-2 data

3.2 融合評(píng)價(jià)

3.2.1 定性評(píng)價(jià)

通過(guò)對(duì)融合圖像和原始圖像進(jìn)行分類，根據(jù)該圖像內(nèi)實(shí)際的地物解譯適合解譯水平作為參考，比較融合后圖像和融合前圖像分類的結(jié)果，以判斷融合的質(zhì)量.主要以目視判讀為主，因人而異，具有主觀性.

圖6 QuickBird-2數(shù)據(jù)IHS融合結(jié)果Fig.6 IHS fusion result about QuickBird-2 data

圖7 ASTER數(shù)據(jù)PCA融合結(jié)果Fig.7 PCA fusion result about ASTER data

通過(guò)融合后的圖像對(duì)比發(fā)現(xiàn)，ASTER數(shù)據(jù)與QuickBird-2數(shù)據(jù)經(jīng)過(guò)小波的IHS融合后的圖像不僅增強(qiáng)了圖像的清晰度，同時(shí)也繼承了原圖像的光譜信息.圖像細(xì)節(jié)對(duì)比表達(dá)能力最強(qiáng)，顏色也最為均衡（圖5、6、7、8）.

圖8 ASTER數(shù)據(jù)小波IHS融合結(jié)Fig.8 Wavelet and IHS fusion result about ASTER data

3.2.2 定量評(píng)價(jià)

從融合圖像包含的信息量和分類精度兩方面進(jìn)行評(píng)價(jià)，評(píng)價(jià)指標(biāo)為熵、平均梯度、偏差指數(shù).

1）熵：描述圖像信息量的一個(gè)指標(biāo).根據(jù)仙農(nóng)（Shannon）信息論原理，熵越大則圖像包含的信息越豐富［11］.

其中，x為輸入的圖像變量；Pi為圖像像元灰度值為i的概率.

2）平均梯度：即圖像的清晰度（definition），反映圖像對(duì)細(xì)節(jié)對(duì)比的表達(dá)能力以及圖像對(duì)細(xì)微反差表達(dá)的靈敏程度，融合后圖像的平均梯度越大，說(shuō)明融合圖像越清晰［12］.其計(jì)算公式為：

其中，M（x，y）、N（x，y）為融合前圖像灰度值；m、n分別為遙感圖像的總行數(shù)和總列數(shù).

其中，F(xiàn)（i，j）為圖像的第i行、第j列的灰度值；M、N分別為圖像的總行數(shù)和總列數(shù).

3）偏差指數(shù)：融合后影像的亮度值與原始影像的亮度值的差的絕對(duì)值與原始影像的亮度值的比值，比值越小則說(shuō)明融合影像與原多光譜影像的偏離程度越小，光譜特征就得到了最大限度的保留［13］.

對(duì)融合后的影像進(jìn)行信息統(tǒng)計(jì)，結(jié)果如表8、9及10.

表8 QuickBird-2高分辨率數(shù)據(jù)自身融合前后判定指標(biāo)指數(shù)對(duì)比Table 8 Comparison between the benchmark indexes fusion before and after the QuickBird-2 high-resolution data fusion

表9 QuickBird-2與ASTER數(shù)據(jù)融合前后判定指標(biāo)指數(shù)對(duì)比Table 9 Comparison between the benchmark indexes before and after the fusion of QuickBird-2 and ASTER data

表10 QuickBird-2與ASTER數(shù)據(jù)波段組合融合前后判定指標(biāo)指數(shù)Table 10 Comparison between the benchmark indexes before and after the fusion of QuickBird-2 high-resolution 431 band and QuickBird-2/ASTER 831 band

融合后圖像的熵均比原始圖像的要大，這是因?yàn)槿诤虾蟮膱D像的空間分辨率有了很大提高，包含的信息更加豐富.從融合后的統(tǒng)計(jì)數(shù)據(jù)來(lái)看：QuickBird-2數(shù)據(jù)自身融合方法比較后，發(fā)現(xiàn)基于IHS融合方法的偏差指數(shù)變化較大，光譜信息失真明顯.利用ASTER數(shù)據(jù)與QuickBird-2全色數(shù)據(jù)進(jìn)行融合后圖像的熵比QuickBird-2自身融合后的要大，這說(shuō)明ASTER多光譜數(shù)據(jù)加入融合后的圖像包含的信息更加豐富.3種融合方法指標(biāo)顯示采用基于小波的IHS融合的圖像的偏差指數(shù)最小，融合后的圖像方差及熵都大于原始圖像的相應(yīng)波段，均值和中值也普遍大于原始波段（表8、9），說(shuō)明融合后圖像動(dòng)態(tài)范圍變大，原圖中不太明顯的細(xì)節(jié)信息顯示了出來(lái).另外，從融合后圖像之間平均梯度比較來(lái)看，基于小波的IHS融合的圖像的平均梯度明顯較高，其中，以ASTER數(shù)據(jù)與QuickBird-2數(shù)據(jù)經(jīng)過(guò)小波的IHS融合后的平均梯度為最高（表10），說(shuō)明該方法融合后的圖像細(xì)節(jié)對(duì)比表達(dá)能力最強(qiáng)，圖像對(duì)細(xì)微反差表達(dá)的靈敏度最高，圖像最清晰.

4 結(jié)論

實(shí)驗(yàn)表明：IHS加小波融合的方法優(yōu)于IHS變換和PCA變換方法，不僅提高了影像的空間分辨率，而且在最大熵值及光譜特征保持的定量評(píng)價(jià)下都取得較好的效果，更適合多光譜數(shù)據(jù)與高分辨率全色數(shù)據(jù)之間的融合處理.增強(qiáng)后的圖像在應(yīng)用于感興趣區(qū)建立以及圖像分類時(shí)，可以解決由于高分辨率圖像光譜分辨率不足而導(dǎo)致的解譯、分類效果不佳、紋理粗糙等問(wèn)題.空間及光譜分辨率增強(qiáng)后的融合圖像提高了遙感圖像整體質(zhì)量和綜合分析精度，將有利于提高解譯、分類和制作專題圖等的精度.

［1］黃昕，張良培，李平湘.基于多尺度特征融合和支持向量機(jī)的高分辨率遙感影像分類［J］.遙感學(xué)報(bào),2007,11（1）：48—54.

［2］Chibani Y,Houacine A.The joint use of IHS transform and redundant waveletdecomposition forfusing multispectraland panchromatic images［J］.International Journal of Remote Sensing,2002,23（18）：3821—3833.

［3］Myint S W,Lam S N,Tylor J.An evaluation of four different wavelet decomposition procedures for spatial feature discrimination within and around urban areas［J］.Transactions in GIS,2002,6（4）：403—429.

［4］Kontoes C C,Raptis V.The potential of kernel classification techniques for land use mapping in urban areas using 5M-spatial resolution IRS-1C imagery［J］.Int J Remote Sensing,2000,21（16）：3145—3151.

［5］馮昕，杜世宏，張方利，等.基于多尺度融合的高分辨率影像城市用地分類［J］.地理與地理信息科學(xué),2013,29（3）：43—47.

［6］楊佳佳.基于多源遙感數(shù)據(jù)的青海格爾木地區(qū)巖礦信息提取研究［D］.長(zhǎng)春：吉林大學(xué),2012：22—32.

［7］鄧潔，夏春林，王潤(rùn)芳.基于IHS變換和WT變換的遙感影像融合［J］.測(cè)繪與空間地理信息,2009,32（1）：107—110.

［8］吳均，趙忠明.利用基于小波的尺度共生矩陣進(jìn)行紋理分析［J］.遙感學(xué)報(bào),2001,5（2）：100—103.

［9］徐勝詳，胡超，徐運(yùn)清.利用Matlab實(shí)現(xiàn)基于小波變換的遙感圖像融合［J］.微計(jì)算信息,2008,24（1-3）：302—303.

［10］曹敏，史照良，沈泉飛.IHS變換和提升小波變換相結(jié)合的影像融合模型研究［J］.測(cè)繪通報(bào),2009（3）：20—23.

［11］孫華，林輝，熊育久，等.SPOT5影像統(tǒng)計(jì)分析及最佳組合波段選擇［J］.遙感信息,2006（4）：57—61.

［12］陸歡，吳慶憲，姜長(zhǎng)生.基于PCA與小波變換的彩色圖像融合算法［J］.計(jì)算機(jī)仿真,2007,24（9）：202—206.

［13］喻懷義，朱谷昌，楊自安，等.ASTER多光譜波段與SPOT全色波段融合方法研究［J］.礦產(chǎn)地質(zhì),2008,22（1）：69—73.

COMPARATIVE STUDY ON THE TRANSFORMATION EFFECTS OF FUSION ALGORITHM BASED ON MULTISOURCE REMOTE SENSING DATA

YANG Jia-jia,FENG Yu-lin,SUN Zhong-ren,GAO Tie

Shenyang Institute of Geology and Mineral Resources,CGS,Shenyang 110034,China

With the mature development of multisource remote sensing image fusion technology,how to improve the efficiency and quality of high resolution remote sensing data has become a bottleneck problem for its application effect. Aiming at the problem of low spectral resolution of QucikBird-2 high resolution remote sensing data,combining with ASTER multispectral remote sensing data,three fusion methods,namely PCA fusion,wavelet PCA fusion and IHS fusion based on wavelet are introduced to realize the fusion of multispectral and high resolution images and obtain multispectral high resolution imagery,which enhances the spatial resolution of image and at the same time retains the multispectral information as much as possible.Finally,qualitative and quantitative evaluation is conducted on the results of three fusion methods.

remotesensing;highresolution;fusion;imageenhancement

1671-1947（2015）05-0489-07

P627；TP79

A

2014－07－16；

2015-04-22.編輯：李蘭英．

中國(guó)地質(zhì)調(diào)查局“東北邊境地區(qū)基礎(chǔ)地質(zhì)遙感調(diào)查”項(xiàng)目（編號(hào)12120115063001）.

楊佳佳（1984—），男，博士研究生，地學(xué)信息工程專業(yè)，主要從事遙感應(yīng)用方面的研究，通信地址遼寧省沈陽(yáng)市皇姑區(qū)黃河北大街280號(hào)，E-mail//haixianxiaomei@163.com