遥感影像融合方法及其应用

1遥感影像融合方法及其应用摘要文章介绍了遥感影像融合技术，对几种常见的遥感影像融合方法及其应用作了系统的阐述。在分析其各自存在缺陷的基础上，提出并深入讨论了基于亮度调节平滑滤波与葛兰-施密特变换两种高度保真的融合方法，并将这两种方法与常见的几种融合方法作定性定量的比较,结果表明：基于亮度调节平滑滤波的融合方法是最优方法。关键词：遥感影像融合亮度调节的平滑滤波葛兰-施密特变换保真一、引言随着遥感技术的发展，不同传感器的遥感影像相继出现，这使得为用户提供不同空间分辨、不同时相与不同光谱信息的海量遥感影像数据成为现实。不同数据源的数据各自显示了自身的优势和局限，同时也造成了信息冗余。如何有效的利用这些多源影像数据是目前人们所关注的问题。进而影像融合问题被提出来。影像融合是近几年遥感影像处理的一项新技术。遥感影像数据融合是指将不同的遥感影像按照一定的算法(即融合方法),在规定的地理坐标系下,生成新的影像的过程[1]。遥感影像融合的方法很多，但在实际应用中，究竟选择那种方法最为有效？因此，很有必要对这些方法做深入的探讨。二、几种常见的融合方法2-1、基于IHS变换的融合IHS变换是一种影像显示增强和信息综合的方法.即将低分辨率的多光谱影像分离出代表空间信息的明度I和代表光谱信息的色别H、饱和度S的3个分量,利用其高空间分辨率的全色波段代替RGB影像变换的I分量,然后进行IHS的逆变换,完成融合过程。这样,融合后的影像具有较高的空间分辨率，同时又保持了原低分辨率多光谱影像相同的色度和饱和度。然而,由于不同波段的数据具有不同的光谱特性曲线,而IHS融合方法扭曲了原始的光谱特性,产生了不同程度的光谱退化现象。杨肖琪[2]等人曾对QuickBird影像采用不同的融合方法进行了一定的研究，2选择的融合方法有IHS、Pansharp、主成分分析、Brovey、乘积变换融合法等。研究结果表明，IHS法融合可以提高融合影像的纹理特征，但光谱信息有一定的损失。同时这种方法只能对3个波段进行融合。2-2、Brovey融合Brovey融合也称为色彩标准化(ColorNormalization)融合,是美国科学家Brovey建立的模型并将其推广的,是目前应用广泛的一种RGB彩色融合变换方法。其公式定义为[3]:0000newnewnewRRPanGGIBB（1）式中：Pan表示调整大小后的全色影像的对应值,I0、R0、G0、R0分别表示调整大小后的多光谱影像的对应值,Rnew、Gnew、Rnew则分别表示融合后的多光谱影像的对应值。该方法能够保留每个像素的相关光谱特性,并且将所有的亮度信息变换成高分辨率的全色影像融合。然而，由于Brovey影像融合对影像的要求比较高,融合前必须预先进行去相关预处理和噪声滤波处理,以便减少数据冗余和非光谱信息。张宁玉[4]等人曾对QuickBird影像用小波变换与Brovey两种融合方法进行融合，结果表明，采用Brovey融合会导致光谱信息的失真,说明Brovey融合不适合用于处理QuickBird遥感影像。2-3、基于主成分分析(PCA)的融合主成分变换是在影像统计特征基础上的线性变换，它有方差信息浓缩、数据量压缩的特点，可以表明多波段数据结构内部的遥感信息。这种融合方法也是目前遥感影像融合处理的主要方法之一,它克服了基于IHS变换融合方法只能同时对三波段多光谱影像进行融合的局限,可以融合多个多光谱波段,在保持多光谱特性的能力上也较强。这种融合方法适用范围较广,也常被一些商业遥感软件所用。袁金国[5]等人曾为了分析植被指数及绿度指数，而采用Landsat-7TM影像作为数据源，采用主成分变换后，经过主成分逆变换的3影像更清晰、层次更丰富。达到了分析植被指数与绿度指数所要求的影像质量。另外，潘竟虎[6]等人利用遥感影像来做土地利用调查时，利用几种常见的融合方法（IHS变换、Brovey变换和主成分变换等）对QuickBird影像进行研究，其结果表明用主成分变换法对QuickBird影像进行融合，其效果优于其他两种方法。王建梅[7]也对QuickBird影像用IHS变换、PCA变换、CN变换和小波变换等不同的融合方法作了实验研究，研究结果表明，包括主成分变换在内，在保持光谱信息方面还是小波变换法要比其他几种都要好。该种方法也有光谱扭曲缺陷。2-4、基于小波分析的融合方法基于小波分析的融合方法是Mallat于1989年提出小波的多分辨分析思想及小波的分解和重构快速算法。目前，小波分析的研究比较热门,在遥感影像融合处理中也经常用到小波分析理论。小波融合方法的基本函数是一些小型波,所以称为小波融合。在影像数据融合中,小波变换可将影像分解为更低分辨率的近似低频影像和高频细节影像，同时由于小波变换的多分辨率特性，不同尺度的空间特征也可以进行分离，因此小波变换可以用于不同传感器间多分辨率影像的融合。目前基于小波变换的影像数据融合方法特别多。霍宏涛[8]等人曾针对光谱扭曲这一问题,提出了一种直接相加的小波变换低频信息处理方法：即将未分解的TM放大图像与小波分解后的SPOT图像的高频部分重构得到的图像通过直接相加来生成融合图像,用该方法得到的融合图像,它的光谱扭曲值和信息量都优于传统的小波融合方法，但在解决彩色畸变方面还不令人满意；为了提高融合影像的质量，蒋晓瑜[9]、王文杰[10]等在基于传统小波变换融合的实验基础上分析认为,简单地用低分辨率影像的低频部分来代替高分辨率影像的低频部分将会造成原低分辨率影像的信息损失,特别是在两种传感器影像相关性较差时,会对融合结果有较大的影响,传统的小波融合在融合时存在光谱扭曲，为了减少在融合时产生的光谱扭曲，从而提出了基于区域能量特征的融合算法；李军[11]、强赞霞[12]等则认为方差是一个反差的测度,它的大小体现了影像细节的信息量,因此可将方差作为融合的依据,提出了采用局域方差准则的小波变换融合法，他们提出的优化融合方法在解决传统小波融合方法的光谱扭曲方面起到了一定的作用。而吴兆福[13]等人在他们的基础上又提出了基于边缘特征的遥感影像小波变换融合法，他们采用ETM+影像与SPOT影像。研究结果表明这种方法优于前面提到的局域方4差准则与区域能量特征的融合方法。随着遥感技术的发展，定量的解译与反演目标参数已成为人们迫切的需求，这就要求遥感影像融合不仅要增加影像的纹理几何特征，而且同时还应保持原多光谱影像的光谱信息。肖刚[14]等人提出了基于小波统计特性的遥感影像像素与特征联合最优融合方法。采用英国伦敦地区TM，SPOT影像进行实验研究，他们结合了IHS融合方法和小波融合方法各自的特点，通过分别对小波基带系数的权系数进行了像素级求优融合和高频子带的高频细节特征融合，结果表明，该融合方法成功地解决了传统小波融合的缺陷，使得融合后的影像具有最高的空间分辨率，同时有最大限度的抑制了彩色的畸变，改善了融合影像的光谱信息指标。2-5、高度保真遥感影像融合方法2-5-1Gram-Schmidt光谱锐化方法产生模拟的低分辨率的全色波段影像计算均值和标准差修改后的高分辨率全色波段影像计算GS1的均值标准差将修改后的全色波段影像替换GS1对原始波段进行GS变换GS反变换适当的低分辨率的全色波段影像或几何配准的高分辨率全色波段影像高分辨率全色波段影像N个低分辨率的多光谱波段影像GS1GS2GSN+1N个高分辨率的多光谱波段影像………产生模拟的低分辨率的全色波段影像产生模拟的低分辨率的全色波段影像计算均值和标准差计算均值和标准差修改后的高分辨率全色波段影像修改后的高分辨率全色波段影像计算GS1的均值标准差计算GS1的均值标准差将修改后的全色波段影像替换GS1将修改后的全色波段影像替换GS1对原始波段进行GS变换对原始波段进行GS变换GS反变换GS反变换适当的低分辨率的全色波段影像或几何配准的高分辨率全色波段影像高分辨率全色波段影像N个低分辨率的多光谱波段影像GS1GS2GSN+1N个高分辨率的多光谱波段影像………图1Gram2Schmidt影像融合流程图Gram2Schmidt变换是线性代数和多元统计中常见的方法,它通过对矩阵或多维影像进行正交化,从而可消除冗余信息[15,16]。它与主成分变换的区别在于:主成分变换的第一分量PC1包含信息最多,而后面的分量信息含量逐渐减少;但Gram2Schmidt变换产生的各分量只是正交,各分量信息量没有明显的区别。如下图所示是光谱锐化法的融合流程如图1。5该算法的优缺点有:a.一次处理的波段数没有限制，可以有多个；b.产生的高空间分辨率多光谱影像在保持了低空间分辨率光谱特性的同时信息失真又小；c.但存在部分不同地物的光谱相互关系发生变化的问题,且其计算时间比SFIM方法要长。2-5-2、基于亮度调节的平滑滤波(SFIM)基于亮度调节的平滑滤波(SFIM)的影像融合原理和算法[17]如下:在不考虑大气和仪器定标因素的情况下,由于波长为的影像中的DN值由太阳入射辐射能量()E和地表的反射率()两个因素决定,因此DN值可表示为:()()()DNE(2)低分辨率的多光谱和高分辨率的全色影像的DN值分别表示为()()()lowlowlowDNE(3)()()()highhighhighDNE(4)其中,为高空间分辨率影像所对应的波长值;()lowDN为低空间分辨率的多光谱波段影像的DN值;()low为低空间分辨率的多光谱波段的反射率值;()lowE为低空间分辨率的多光谱波段波长为的太阳入射能量。下标为high的为高空间分辨率对应的量。SFIM算法近似的物理意义：6()()()()()()()()()()()()()()()()()lowhighfusionmeanlowlowhighhighlowlowhighlowhighlowhighhighhighDNDNDNDNEEEEEDN(5)()fusionDN是指融合后影像的DN值。所以其近似的物理意义就是利用高分辨率影像模拟的波长为的低空间分辨率的影像。李存军[18]等人曾对IKONOS影像（近红外波段）用这两种高度保真的融合方法、PCA变换以及IHS变换等方法进行了系统的研究，并对不同方法融合结果的评价指标进行了对比，如表1所示，结果表明Gram-Schmidt与SFIM这两种方法失真较PCA变换、IHS变换都要小；Gram-Schmidt与SFIM相比SFIM既简单又用时短，因此，SFIM融合法更好。表1IKONOS影像（近红外波段）融合增强结果的参数对比项目均值标准差信息熵平均梯度融合前后相关系数相对偏差原图78.7346.957.436.26IHS变换72.0861.277.4516.820.8470.427PCA变换98.5553.607.5312.020.9120.559SFIM变换80.0859.117.5617.780.8780.258Gram变换83.4653.037.5112.000.9170.305三、遥感影像融合技术的应用3-1、在土地资源动态检测中的应用在社会快速发展的今天，遥感技术手段在土地利用动态检测中发挥重要作7用。王艳[19]、等人曾采用TM影像与SPOT影像融合后的影像来进行土地资源动态监测的研究。通过融合，影像既对植被、水系有较好的反映，同时对城区的内部结构有较好的反映。另外，刘咏梅[20]等人也曾将TM多光谱数据和SPOT全色数据融合后的影像用来进行土地利用研究,其研究结果为陕北的无定河流域的土地利用的动态监测提供科学依据。3-2、森林资源调查方面的应用森林资源也是人们赖以生存的自然资源之一，保护生态平衡是人类社会可持续发展的前提，现阶段人们已经意识到环境的重要性。在信息社会的今天，遥感技术的发展，多传感器、多时相的遥感影像的出现为人们可提供来改善及保护环境的高效手段，那就是用多源影像的融合结果来作为森林资源调查的源数据是