王福平 陳超然 吳翁慧

(1.浙江省第十一地質(zhì)大隊(duì) 浙江溫州 325000；2.江西省煤田地質(zhì)局測(cè)繪大隊(duì) 江西南昌 330000；3.溫州市勘察測(cè)繪研究院 浙江溫州 325000）

1 引言

隨著航空航天、計(jì)算機(jī)傳感器等技術(shù)的飛速發(fā)展，由多種類(lèi)、高空間分辨率組成的遙感影像數(shù)據(jù)量日益增加[1]。遙感影像融合研究針對(duì)如何高效利用高分辨率衛(wèi)星遙感影像對(duì)地面及地表信息進(jìn)行采集和加工成為當(dāng)前遙感學(xué)界的研究熱點(diǎn)之一[2]。我國(guó)自2012年1月9日發(fā)射的資源三號(hào)資源衛(wèi)星填補(bǔ)了中國(guó)測(cè)繪領(lǐng)域立體測(cè)圖這一領(lǐng)域的空白。之后又于2013年4月26日發(fā)射了第一顆高分辨率對(duì)地觀測(cè)系統(tǒng)高分一號(hào)衛(wèi)星，由此開(kāi)啟了我國(guó)高分辨率對(duì)地觀測(cè)的新時(shí)代。遙感影像融合根據(jù)獲取傳感器、數(shù)據(jù)源的不同可分為同源和異源融合[3-4]。

因此，本文基于近年來(lái)較為成熟的幾種融合算法，如下圖所示幾種算法，通過(guò)對(duì)同源、異源融合實(shí)驗(yàn)的結(jié)果進(jìn)行比較分析，來(lái)發(fā)現(xiàn)各種融合算法分別在同源、異源影像融合中的表現(xiàn)和差異,為后續(xù)圖像融合處理方向相關(guān)研究提供一定參考。

2 數(shù)據(jù)準(zhǔn)備與預(yù)處理

高分一號(hào)和資源三號(hào)作為我國(guó)高分辨率系列對(duì)地觀測(cè)衛(wèi)星，具有空間分辨率高，重訪時(shí)間短，數(shù)據(jù)采集能力強(qiáng)的特點(diǎn)[5]。能夠?yàn)閲?guó)土資源、農(nóng)業(yè)和水利、環(huán)境資源保護(hù)等部門(mén)提供高精度、寬范圍的空間觀測(cè)服務(wù)，在城市和交通規(guī)劃建設(shè)、農(nóng)林和水利資源監(jiān)測(cè)、地理測(cè)繪等領(lǐng)域發(fā)揮重要作用[6]。本次融合實(shí)驗(yàn)研究區(qū)域位于江西省南昌市，實(shí)驗(yàn)影像數(shù)據(jù)采用2016年10月與2016年12月分別獲取的南昌地區(qū)高分一號(hào)和資源三號(hào)衛(wèi)星影像數(shù)據(jù)，兩景數(shù)據(jù)在成像時(shí)間上相距不久，因而可在一定程度上忽略時(shí)間因素導(dǎo)致地物變化對(duì)影像光譜造成的影響。

3 融合算法

Brovey變換[7]通過(guò)將多光譜（MS）波段的每一個(gè)分量都與高分辨率全色（PAN）波段進(jìn)行乘積，然后得到乘積結(jié)果后再與多光譜波段總和進(jìn)行比值運(yùn)算，最后將多光譜的三個(gè)波段像元尺寸重采樣到與高分辨圖像一致得到融合結(jié)果。

HSV變換對(duì)多光譜數(shù)據(jù)進(jìn)行RGB正變換后分離得到H、S、V三個(gè)分量，對(duì)提取分離出的亮度值（V）與高分辨率全色影像波段進(jìn)行替換，最后進(jìn)行色彩逆變換得到最終融合高分辨率影像。史密斯特正交變換融合（Gram Schmidt）針對(duì)分辨率較高的影像融合效果更明顯，利用波譜統(tǒng)計(jì)分析對(duì)需要融合的波段進(jìn)行重匹配，優(yōu)化了PCA變換中波譜信息過(guò)于集中的問(wèn)題，能較好地保證融合前后波譜信息的一致性。

最近鄰域全色變換（Nearest Neighbor Diffusion pan sharpening）由美國(guó)RIT的Sun教授提出并應(yīng)用圖像融合中。PC Spectral銳化是針對(duì)高分辨的波譜影像進(jìn)行融合的方法。用PAN影像替換經(jīng)PC變換后MS影像中的第一主成分，在替換過(guò)程中，為了避免波譜信息失真，通常將PAN影像中的波段進(jìn)行處理后，與第一主成分波段進(jìn)行直方圖匹配，再進(jìn)行主成分逆變換后，對(duì)多光譜影像進(jìn)行重采樣，最后得出與全色影像像元大小相同的融合影像。

4 融合質(zhì)量評(píng)價(jià)指標(biāo)

質(zhì)量評(píng)價(jià)作為圖像融合中不可或缺的重要分支，對(duì)其進(jìn)行系統(tǒng)研究具有積極意義。圖像質(zhì)量評(píng)價(jià)從總體上可分為基于人眼視覺(jué)觀察效果的主觀法和運(yùn)用數(shù)學(xué)理論數(shù)值的高低程度量化的客觀法兩大類(lèi)[8]。主觀評(píng)價(jià)大多根據(jù)人眼對(duì)融合后圖像的視覺(jué)感受如清晰度、色彩飽和度等來(lái)作出相應(yīng)的判斷。主觀評(píng)價(jià)的局限性在于受外界環(huán)境影響很大，如觀察員的情緒、專(zhuān)業(yè)知識(shí)、顯示器的顯示效果等，在兩幅融合圖像細(xì)節(jié)差異不大時(shí)無(wú)法客觀區(qū)分質(zhì)量?jī)?yōu)劣。目前國(guó)內(nèi)外運(yùn)用較多的標(biāo)準(zhǔn)是基于分級(jí)制的主觀評(píng)價(jià)，將圖像質(zhì)量好壞從高到低分為優(yōu)秀、良好、一般、差、極差五個(gè)等級(jí)[9]。

相對(duì)于主觀評(píng)價(jià)，客觀評(píng)價(jià)更注重運(yùn)用數(shù)學(xué)指標(biāo)對(duì)圖像進(jìn)行量化分析，由具體的數(shù)值來(lái)定量描述圖像質(zhì)量的優(yōu)劣。客觀評(píng)價(jià)能夠有效的改善主觀評(píng)價(jià)方法受人為因素的影響，使得數(shù)據(jù)更具有客觀性。由于客觀法指標(biāo)較多，實(shí)驗(yàn)選取均值、標(biāo)準(zhǔn)差、信息熵、平均梯度、相關(guān)系數(shù)等指標(biāo)來(lái)對(duì)融合前后圖像進(jìn)行量化分析。最后綜合視覺(jué)效果的主觀評(píng)價(jià)和數(shù)理統(tǒng)計(jì)的客觀評(píng)價(jià)得出具有可靠?jī)r(jià)值的最終結(jié)論。

5 融合結(jié)果評(píng)價(jià)與分析

5.1三組融合實(shí)驗(yàn)結(jié)果

融合實(shí)驗(yàn)基于源數(shù)據(jù)將數(shù)據(jù)分為三類(lèi)，第一組：高分一號(hào)，第二組：資源三號(hào)，第三組：資源三號(hào)：圖1為文中只選取第三組：資源三號(hào)（MS）數(shù)據(jù)與高分一號(hào)全色（PAN）影像數(shù)據(jù)。在對(duì)數(shù)據(jù)進(jìn)行像素級(jí)融合之前，需要對(duì)數(shù)據(jù)進(jìn)行幾何校正、裁剪、配準(zhǔn)、重采樣、波段組合、勻色等預(yù)處理[10]。

圖1 異源組資源三號(hào)MS與高分一號(hào)PAN影像五種方法融合效果圖

5.2主觀質(zhì)量評(píng)價(jià)

從亮度、飽和度、清晰度、紋理細(xì)節(jié)、重影等方向來(lái)對(duì)三組融合結(jié)果進(jìn)行主觀評(píng)價(jià)。具體表現(xiàn)如表1所示：

表1 第三組融合結(jié)果目視效果評(píng)價(jià)

綜上表所示，經(jīng)主觀解譯：同源影像融合中Gram-Schmidt方法表現(xiàn)最好，PC Spectral銳化表現(xiàn)次之。異源影像融合中，PC Spectral銳化表現(xiàn)最好，Gram Schmidt方法表現(xiàn)次之。

5.3客觀質(zhì)量評(píng)價(jià)

在實(shí)驗(yàn)的客觀質(zhì)量評(píng)價(jià)體系中，選取均值、標(biāo)準(zhǔn)差、信息熵、平均梯度、相關(guān)系數(shù)作為融合結(jié)果的評(píng)價(jià)指標(biāo)。在同源高分一號(hào)影像融合結(jié)果評(píng)價(jià)指標(biāo)表4中可以看出：均值最高的是PC Spectral銳化，表明圖像整體明亮度高，其次是Gram Schmidt，HSV變換均值最低，表明整體亮度偏低。在標(biāo)準(zhǔn)差中，PC Spectral銳化和NNDiffuse Pan Sharpening數(shù)值較高，其色彩飽滿(mǎn)豐富，具有較高的現(xiàn)實(shí)還原度。信息熵最高為7.8691，比原始影像熵值提高1.5092，信息量增加較為明顯，平均梯度中Gram Schmidt值最高，道路和建筑物輪廓清晰可見(jiàn)，細(xì)節(jié)清楚。相關(guān)系數(shù)中Gram Schmidt與原始多光譜影像相似程度最好。綜上，在同源高分一號(hào)影像融合方法中，Gram Schmidt在信息熵、平均梯度、相關(guān)系數(shù)中取得成績(jī)最好，可以認(rèn)為在本次高分一號(hào)影像融合中該方法提高圖像質(zhì)量方面效果最好，其次是NNDiffuse Pan Sharpening。HSV在本次融合中表現(xiàn)不佳。

表2 異源組ZY-3_MS與GF-1_PAN影像五種融合算法客觀指標(biāo)評(píng)價(jià)

6 結(jié)論

針對(duì)同源與異源遙感影像融合進(jìn)行實(shí)驗(yàn)，波段顯示為3,2,1真彩色RGB顯示，在對(duì)數(shù)據(jù)進(jìn)行幾何校正、裁剪、配準(zhǔn)、重采樣、波段組合、勻色等預(yù)處理后，采用Brovey變換、HSV變換、Gram Schmidt、最近鄰域全色變換、PC Spectral銳化等融合方法對(duì)影像進(jìn)行融合，通過(guò)對(duì)融合影像進(jìn)行定量與定性評(píng)價(jià)，得到以下結(jié)論：

（1）對(duì)于同源高分一號(hào)和資源三號(hào)影像中，表現(xiàn)較為優(yōu)異的是Gram Schmidt和PC Spectral銳化方法。影像信息量豐富，細(xì)節(jié)紋理表現(xiàn)最好。清晰度也最高。

（2）對(duì)于異源影像融合中，表現(xiàn)最好的方法是PC Spectral銳化，影像清晰，信息量豐富，很好的繼承了多光譜波段的光譜特性和全色波段的空間信息。

實(shí)驗(yàn)影像只選擇包含建筑區(qū)較多的區(qū)域，由于實(shí)驗(yàn)區(qū)域存在差別可能導(dǎo)致融合方法具有不適普性，在后續(xù)研究中可以嘗試選擇包含多種地物類(lèi)型的遙感影像進(jìn)行融合實(shí)驗(yàn)，充分判斷融合方法的可靠性，以期能夠找出效果提升更好的方法，為后續(xù)圖像處理其他方向做好融合基礎(chǔ)。