羅慧芬 苗 放 葉成名

(1.山西師范大學(xué)現(xiàn)代文理學(xué)院地理系，臨汾，041000； 2.山西師范大學(xué)地理科學(xué)學(xué)院，臨汾，041000； 3.成都理工大學(xué)地球物理學(xué)院，成都，610059)

SPOT5全色波段與ASTER多光譜影像融合方法的比較研究

羅慧芬1,2苗 放3葉成名3

(1.山西師范大學(xué)現(xiàn)代文理學(xué)院地理系，臨汾，041000； 2.山西師范大學(xué)地理科學(xué)學(xué)院，臨汾，041000； 3.成都理工大學(xué)地球物理學(xué)院，成都，610059)

多源遙感影像數(shù)據(jù)融合可以將不同來源數(shù)據(jù)包含的優(yōu)勢信息重構(gòu)為新的信息載體，進(jìn)而為解決實(shí)際問題提供更豐富的信息。與TM，CBERS-1等影像數(shù)據(jù)相比，ASTER多光譜影像在短波紅外波段具有更強(qiáng)的優(yōu)勢，因此將其與SPOT5全色波段進(jìn)行融合可為解決實(shí)際問題提供更多的細(xì)微信息。本文選取主成分分析變換(Principal component analysis，PCA)、比值變換(Brovey)、格蘭姆-施密特變換(Gram-Schmidt，GS)和小波變換4種融合方法進(jìn)行對比研究，實(shí)驗(yàn)結(jié)果表明PCA變換和GS變換適用于這兩種影像融合。

SPOT5全色波段；ASTER多光譜；影像融合；評價

引 言

遙感影像提供由不同空間、時間、輻射分辨率和不同譜段電磁波譜構(gòu)成的數(shù)據(jù)，由于成像原理的不同以及技術(shù)條件的限制，單個傳感器的數(shù)據(jù)不能充分反映目標(biāo)對象的諸多特性[1]。遙感技術(shù)發(fā)展日新月異，多種類型的傳感器可用于地表觀測，使得為同一地區(qū)提供多種不同分辨率、不同成像模式的數(shù)據(jù)成為可能。有效地利用和處理多源遙感影像數(shù)據(jù)是當(dāng)前遙感應(yīng)用領(lǐng)域的重要課題之一。遙感影像融合是解決多源數(shù)據(jù)信息充分利用的有效途徑之一，因此多源遙感影像融合的研究已成為遙感圖像處理與應(yīng)用的一個研究熱點(diǎn)[2]。目前國內(nèi)外學(xué)者對各種遙感影像融合方法及融合后的效果進(jìn)行了深入研究。從國內(nèi)研究現(xiàn)狀來看，文獻(xiàn)[3-6]先后采用不同的方法在SAR與可見光影像融合方法進(jìn)行了研究，并對融合方法作出評價；文獻(xiàn)[7-12]先后將小波變換以及小波變換結(jié)合其他方法運(yùn)用于圖像融合，并對融合結(jié)果進(jìn)行評價；文獻(xiàn)[13-15]在IKONOS全色與多光譜數(shù)據(jù)融合方面進(jìn)行了比較研究。 影像融合的質(zhì)量直接影響數(shù)據(jù)使用的可靠性，本文以SPOT5全色波段和ASTER多光譜影像作為數(shù)據(jù)源，采用4種不同的融合方法進(jìn)行比較。首先采用主觀定性分析，然后在計算4種融合方法各項(xiàng)定量指標(biāo)的基礎(chǔ)上，對所采用的融合方法進(jìn)行對比研究。最后綜合定性和定量評價的結(jié)果，篩選出適用于SPOT5全色波段和ASTER可見光近紅外波段融合的最優(yōu)方法。

1 遙感影像融合方法和原理

遙感影像融合技術(shù)有基于像素級、基于特征級和決策級3大類[16]?；谙袼丶壢诤戏椒壳爸饕兄鞒煞址治?Principal component analysis, PCA)方法、比值變換(Brovey)方法、格蘭姆-施密特變換(Gram-Schmit, GS)融合方法、小波變換法、IHS變換法和HPF融合方法等；特征級融合方法主要有基于聚類分析法、Bayesian理論、Dempster-Shafer方法、神經(jīng)網(wǎng)絡(luò)方法和專家系統(tǒng)方法等融合算法；決策級融合方法主要有基于最大似然法(Maximum likelihood, ML)、貝葉斯標(biāo)準(zhǔn)方法(Bayesianian criteria，BC)和證據(jù)理論法(Dempster shafer，D-S)等[2]。本文主要選取PCA變換、Brovey變換、GS變換和小波變換這4種基于像素級的影像融合方法進(jìn)行實(shí)驗(yàn)。

1.1 主成分分析變換融合

圖1 PCA變換融合流程圖Fig.1 Flow chart of PCA transform fusion

PCA變換法即為K-L變換，其流程圖如圖1所示。首先對原始多光譜數(shù)據(jù)進(jìn)行變換，然后第一主成分分量圖像(PCI)PCA用遙感數(shù)據(jù)源的高空間分辨率圖像替代，利用線性變換實(shí)現(xiàn)數(shù)據(jù)壓縮，將多波段圖像信息壓縮在一幅圖像上，最后通過PCA逆變換得到融合影像。

1.2 比值變換融合

Brovey變換融合也被稱為色彩標(biāo)準(zhǔn)化的融合，首先把3個多光譜波段影像數(shù)據(jù)進(jìn)行歸一化處理，然后將歸一化結(jié)果與高分辨影像乘積，即

(1)

式中：DNfuse為融合后影像的像元亮度(Digital number, DN)值；DNbi(i=1,2,3)為多光譜影像中第i波段像元的DN值；DNpan為高分辨率影像的DN值。

1.3Gram-Schmidt變換融合

GS融合的工作原理如下：首先從低分辨率多光譜影像的波段中復(fù)制出一個全色波段；然后對復(fù)制出的全色波段和多波段進(jìn)行GS變換，其中全色波段被作為第一個波段；其次將高空間分辨率的全色波段替換GS變換后的第一個波段；最后通過GS反變換得到融合圖像，其流程圖如圖2所示。

圖2 GS變換融合流程圖[16]Fig.2 Flow chart of PCA transform fusion[16]

1.4 小波變換法

小波變換融合是首先對目標(biāo)圖像進(jìn)行預(yù)定尺度的分解，分別獲得相應(yīng)尺度的低頻輪廓圖像和高頻細(xì)節(jié)紋理圖像，然后將高分辨率圖像代替目標(biāo)圖像的高頻細(xì)節(jié)紋理圖像，最后對替換后圖像進(jìn)行小波重組，得到最終融合結(jié)果[17]，其融合流程圖如圖3所示。

圖3 小波變換融合流程圖[2]Fig.3 Flow chart of wavelet transform fusion[2]

2 遙感影像融合實(shí)驗(yàn)

2.1 數(shù)據(jù)來源及預(yù)處理

圖4 原始影像數(shù)據(jù)Fig.4 Original image

圖5 不同融合方法對比圖Fig.5 Comparison diagram of different fusion methods

2002年5月，法國空間研究中心發(fā)射的SPOT5衛(wèi)星，搭載了3種成像傳感器，其中全色波段影像的分辨率為2.5 m和5 m，文中選用2.5 m全色波段的SPOT5影像作為高分辨率影像。ASTER影像從可見光到熱紅外總共14個波段。其中，波段1～3是可見光和近紅外波段，空間分辨率為15 m；波段4～9是短波紅外波段，空間分辨率為30 m；波段11～14是熱紅外波段，空間分辨率為90 m。為了確保融合質(zhì)量，融合前應(yīng)對目標(biāo)圖像進(jìn)行預(yù)處理，即幾何精糾正，實(shí)驗(yàn)中以SPOT5全色波段作為參考影像對ASTER多光譜進(jìn)行幾何糾正，實(shí)驗(yàn)數(shù)據(jù)如圖4所示。

2.2 圖像融合

本次研究中選取了如上所述的4種方法，其中PCA變換、GS變換和小波變換能夠完成所有多波段的融合；Brovey變換只能選取3個波段進(jìn)行融合，試驗(yàn)中選取ASTER的 3個波段分別是：波段3(0.76～0.86 μm)、波段2(0.61～0.69 μm)、波段1(0.52～0.60 μm)，圖5為4種方法融合后的影像。

3 遙感影像融合方法的性能評價

3.1 主觀定性分析

通過目視判別，從圖5可知融合后的影像含有的紋理細(xì)節(jié)信息更多，且容易識別，既保留著ASTER多光譜影像的光譜信息，又具有與SPOT5全色波段影像相近的高分辨率。

從光譜分辨率的角度來比較融合結(jié)果與原多光譜可看出，Brovey變換在色彩亮度上有所增強(qiáng)，視覺效果較好；GS變換和PCA變換與原多光譜影像在色彩上基本保持不變；小波變換法在色彩保真度上有所下降，整體色彩偏暗。從空間分辨率的角度來看，GS變換比其他3種方法的效果要好；PCA變換和小波變換的效果次之；Brovey變換效果相對較差，其圖像反差較小，導(dǎo)致某些地物的細(xì)節(jié)處不是很清晰。

3.2 客觀定量分析

均值和相關(guān)系數(shù)可以對融合后影像的光譜分辨率進(jìn)行評價；標(biāo)準(zhǔn)差、信息熵和平均梯度可以反映空間分辨率，即融合后影像識別地物細(xì)節(jié)的能力，融合影像質(zhì)量定量評價結(jié)果如表2所示。

通過對比融合后影像的各項(xiàng)指標(biāo)可以發(fā)現(xiàn)，PCA融合與原始圖像的均值相比較，差值的絕對值最小，其次為小波變換融合；從標(biāo)準(zhǔn)差可以看出，PCA融合和GS融合的標(biāo)準(zhǔn)差較大，融合影像的地物識別能力較強(qiáng)；從信息熵中可以看出，GS融合的值最大，說明該方法融合的影像信息量最為豐富，融合質(zhì)量較高；Brovey融合的值最小，融合質(zhì)量不足；從平均梯度來看，Brovey融合平均梯度最高，圖像細(xì)節(jié)較豐富，清晰度較高，小波變換的平均梯度較小，說明其融合影像細(xì)節(jié)不夠豐富；從各波段與原多光譜影像的相關(guān)系數(shù)可得出，PCA融合和小波融合與原始多光譜影像的相關(guān)系數(shù)較大，說明融合影像的光譜信息與原始圖像差別最小，GS融合效果次之，Brovey變換效果最差。

表1 定量評價指標(biāo)

表2 融合影像質(zhì)量評價結(jié)果

綜合各項(xiàng)指標(biāo)，PCA融合和GS融合的各項(xiàng)指標(biāo)優(yōu)于其他方法；小波變換融合方法的光譜保真性強(qiáng)，但圖像細(xì)節(jié)不夠豐富；Brovey融合后信息量的豐富程度不足。從以上的分析結(jié)果可看出，客觀定量評價結(jié)果與主觀定性評價結(jié)果基本一致。

3.3 ASTER波段分辨率不同對融合質(zhì)量的影響

ASTER可見光近紅外波段的空間分辨率比值(即全色波段與多光譜波段的空間分辨率比值)為1∶6，而短波紅外波段的空間分辨率比值是1∶12。通常情況下，隨著空間分辨率的下降，融合的質(zhì)量也下降[18]。對于圖像融合，多數(shù)情況要求保持圖像的光譜信息[19-20]。本文以PCA融合、GS變換融合和小波變換融合為例，用光譜變形程度的評價指標(biāo)來分析空間分辨率之比對融合效果的影響，統(tǒng)計結(jié)果如表3所示。從表3可得知，由于空間分辨比值的下降，融合質(zhì)量也下降；從整體效果來看，小波變換融合光譜保真度優(yōu)于PCA融合和GS變換融合。

表3 多光譜不同分辨率對融合質(zhì)量的影響

4 結(jié)束語

多源遙感影像數(shù)據(jù)融合可以將不同來源數(shù)據(jù)包含的優(yōu)勢信息重構(gòu)為新的信息載體，提高遙感影像的空間分辨率，進(jìn)而為解決實(shí)際問題提供更豐富的信息。目前成熟的融合算法已經(jīng)有很多種，但是不同傳感器獲取的數(shù)據(jù)需要有針對性地選擇不同的算法。本文選取PCA 變換、Brovey 變換、GS變換和小波變換4種融合方法對SPOT5全色波段和ASTER 多光譜影像進(jìn)行融合方法的對比研究，分析融合后影像的各項(xiàng)指標(biāo)，篩選出適用于這兩種影像融合的方法。結(jié)果表明，PC變換的光譜保真度較高，融合影像的地物識別能力較強(qiáng)；GS變換融合影像信息量最為豐富，融合質(zhì)量較高，地物識別能力較好；小波變換融合光譜與原始圖像相差較小，保真度較高，但圖像細(xì)節(jié)不夠豐富；Brovey融合后視覺效果較好，但圖像反差較小，地物識別能力差。綜合各項(xiàng)指標(biāo)，PCA融合和GS融合的各項(xiàng)指標(biāo)優(yōu)于其他方法，適用于SPOT5全色波段與ASTER多光譜影像融合。

[1] 趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2004.

Zhao Yingshi. Analysis and application of remote sensing and methods[M]. Beijing: Scientific Publishing House, 2004.

[2] 趙書河.多源遙感影像融合技術(shù)與應(yīng)用[M].南京：南京大學(xué)出版社，2008.

Zhao Shuhe. Fusion and application of remote sensing multi-source images[M]. Nanjing: Nanjing University Press, 2008.

[3] 賈永紅，李德仁，孫家炳，等.四種HIS 變換用于SAR與TM 影像復(fù)合的比較[J].遙感學(xué)報，1998，2(2)：103-106.

Jia Yonghong, Li Deren, Sun Jiabing, et al. Comparison of IHS transformation for integrating SAR and TM images[J]. Journal of Remote Sensing, 1998, 2(2)：103-106.

[4] 李暉暉，郭磊，劉航.基于不同類型小波變換的SAR 與可見過圖像融合研究[J].光子學(xué)報，2006，35(8)：1263-1266.

Li Huihui, Guo Lei, Liu Hang, et al. Evaluation of multisensor image fusion using different wavelet transform[J]. Acta Photonica Sinica, 2006,35(8):1263-1266.

[5] 許星，李映，孫謹(jǐn)秋，等.基于Curvelet變換的SAR與TM 圖像融合研究[J].西北工業(yè)大學(xué)學(xué)報，2008，26(3)：395-398.

Xu Xing, Li Ying, Sun Jinqiu, et al. An algorithm for image fusion based on Curvelet transform[J]. Journal of Northwestern Polytechnical University, 2008，26(3):395-398.

[6] 蔡懷行，雷宏. SAR與可見光圖像融合效果客觀評價[J].科學(xué)技術(shù)與工程，2011，11(15)：3456-3461.

Cai Huaihang, Lei Hong. Objective evaluation of image fusion of SAR and optical image[J]. Science Technology and Engineering, 2011，11(15):3456-3461.

[7] 孫家炳，劉繼琳，李軍.多源遙感影像融合[J].遙感學(xué)報，1998，2(1)：47-50.

Sun Jiabing, Liu JiLin, Li Jun. Multi-source remote sensing image data fusion[J]. Journal of Remote Sensing, 1998,2(1):47-50.

[8] 李軍.多源遙感影像融合的理論、算法和實(shí)踐[D].武漢：武漢測繪科技大學(xué)，1999.

Li Jun. The theory, algorithm and practice of multi-source remote sensing image fusion[D]. Wuhan: Wuhan Technical University of Surveying and Mapping, 1999.

[9] 劉貴喜，楊萬海.基于小波分解的圖像融合方法及性能評價[J].自動化學(xué)報，2002，28(6)：927-934.

Liu Guixi, Yang Wanhai. A wavelet-decomposition-based image fusion scheme and its performance evaluation[J]. Acta Automatica Sinica, 2002,28(6):927-934.

[10]陶觀群，李大鵬，陸光華.基于小波變換的不同融合規(guī)則的圖像融合研究[J].光子學(xué)報，2004，32(2)：221-224.

Tao Guanqun, Li Dapeng, Lu Guanghua. On image fusion based on different fusion rules of wavelet transform[J]. Acta Photonica Sinica, 2004,32(2):221-224.

[11]陳春香，?；?，宗學(xué)寶，等.基于色彩空間與小波變換的圖像融合[J].桂林工學(xué)院學(xué)報，2007，27(3)：417-421.

Chen Chunxiang, Chang Huawen, Zong Xuebao, et al. Image fusion based on color space model and wavelet transform[J]. Journal of Guilin University of Technology, 2007,27(3):417-421.

[12]孫小丹.基于小波低頻分量微調(diào)的IHS 變換融合及其應(yīng)用[J].遙感技術(shù)與應(yīng)用，2011，26(3)：328-332.

Sun Xiaodan. An IHS transform fusion method based on adjustment to wavelet low-frequency component and its application[J]. Remote Sensing Technology and Application, 2011,26(3):328-332.

[13]孫丹峰.IKONONS全色與多光譜數(shù)據(jù)融合方法的比較研究[J].遙感技術(shù)與應(yīng)用，2002，17(1)：41-45.

Sun Danfeng. Study on fusion algorithms of IKONOS pan and multi-spectral images[J]. Remote Sensing Technology and Application, 2002,17(1):41-45.

[14]宋剛賢，潘劍君，朱文娟.IKONONS影像的最佳融合技術(shù)研究[J].測繪科學(xué)，2009，34(2)：106-108.

Song Gangxian, Pan Jianjun, Zhu Wenjuan. Study on optimum fusion technology of IKONONS image[J]. Science of Surveying and Mapping, 2009,34(2):106-108.

[15]何海鵬，何國金.IKONONS高分辨率遙感影像融合方法比較研究[J]. 科技導(dǎo)報，2009，27(5)：33-37.

He Haipeng, He Guojin. Comparison of image fusion algorithms for IKONOS high spatial resolution satellite image[J]. Science & Technology Review, 2009,27(5):33-37.

[16]Laben C A, Brower B V. Process for enhancing the spatial resolution of multispectral imagery using pan-sharpening[P]. US6011875, US, 2000.

[17]何國金，李克魯，胡德永，等.多衛(wèi)星遙感數(shù)據(jù)的信息融合：理論、方法與實(shí)踐[J].中國圖象圖形學(xué)報，1999，4(9)：744-749.

He Guojin, Li Kelu, Hu Deyong, et al. Information fusion of multisensor satellite remote sensing data: Theory, methodology and experiment[J]. Journal of Image and Graphics, 1999,4(9):744-749.

[18]王忠武，呂磊，趙忠明.空間分辨率之比對遙感圖像融合質(zhì)量的影響[J].光電工程，2009，36(4)：103-107.

Wang Zhongwu, Lü Lei, Zhao Zhongming. Effect of spatial resolution ratio on optical remote sensing image fusion quality[J]. Opto-Electronic Engineering, 2009,36(4):103-107.

[19]Alparone L, Aiazzi B, Baronti S, et al. Spectral information extraction from very-high resolution images through multiresolution fusion[J]. Proceedings of the SPIE(S0277-786X), 2004,5573:1-8.

[20]Aiazzi B, Alparone L, Baronti S， et al. Spectral information extraction by means of Ms+Pan fusion [C]// Proceedings of ESA-EUSC 2004-Theory and Applications of Knowledge-Driven Image Information Mining with Focus on Earth Observation. Madrid, Spain: European Space Agency, 2004:143-150.

Comparison Between SPOT5 Pan and ASTER Multispectral Image Fusion Method

Luo Huifen1,2, Miao Fang3, Ye Chengming3

(1.Department of Geological Sciences, Modern College of Arts and Sciences of Shanxi Normal University, Linfen, 041000, China; 2.College of Geographical Sciences, Shanxi Normal University, Linfen, 041000, China; 3.College of Geophysics, Chengdu University of Technology, Chengdu, 610059, China)

Remote sensing image fusion is one of the effective ways to solve multi-source remote sensing data integrated performance. ASTER multi-spectral image is better at spectral information than TM and CBERS-1, except for the lack of spatial resolution. The fusion of SPOT pan and ASTER multispectral is significant. Here, we choose the PCA transform, Brovey transform, Gram-Schmidt (GS) transform and wavelet transform fusion method to compare. The results show that the PCA transform and GS transform are suitable for the fusion of SPOT5 pan and ASTER multi-spectral image.

SPOT5 pan; ASTER multispectral image; image fusion; evaluation

山西省高等學(xué)?？萍紕?chuàng)新項(xiàng)目(20151103)資助項(xiàng)目；山西師范大學(xué)自然科學(xué)基金(ZR1412)資助項(xiàng)目；國家自然科學(xué)基金(41001253)資助項(xiàng)目。

2015-01-09；

2017-05-11

TP751

A

羅慧芬(1981-)，女，博士，講師，研究方向：遙感技術(shù)及其應(yīng)用，E-mail：luohuif@foxmail.com。

苗放(1958-)，男，教授，博士生導(dǎo)師，研究方向：空間信息技術(shù)，E-mail：miaofang@126.com。

葉成名(1978-)，男，博士，副教授，研究方向：遙感技術(shù)及其應(yīng)用，E-mail：yechengming@cdut.edu.cn。