多分辨率分解的遥感影像融合方法对比分析

摘要 : 有效地将高空间分辨率全色影像和低空间分辨率的多光谱影像融合起来 ,对影像上地物的识别具有重要的 意义 。随着多分辨率分析思想在图像处理中的应用 ,出现了许多新的多分辨率分解的遥感影像融合方法 。典型的 方法有 : M allat小波变换 (DW T) 、 àtrous小波变换 ( S W T) 、 无下采样轮廓变换 ( NSCT) , 以及这些方法分别与 IHS 和 PCA 变换相结合的融合方法 。在 IKONOS上选取了两个具有不同地物覆盖类型的实验区进行融合实验 , 从光谱 保真度和高频信息融入度两方面 ,对这些方法进行了定量评价和分析 。研究表明 ,多分辨率分解的影像融合方法均 具有较好的高频信息融入度 , 其中 , DW T、 S W T、 NSCT融合方法在高频信息融入度方面最优 ; DW T、 S W T、 NSCT与
第 12 卷 第 3 期 2010 年 6 月
地 球 信 息 科 学 学 报
JOURNAL OF GEO 2I N FORMATI ON SC IENCE
Vol112, No13 Jun1 , 2010
多分辨率分解的遥感影像融合方法对比分析
吴学文 ,徐涵秋
3
(福州大学遥感信息工程研究所 ,福州 350108; 福州大学环境与资源学院 ,福州 350108 )
∧
谱波段和全色波段影像 , B i 为经过 Lap lacian 滤波
∧ ∧ ∧ ∧
主 ,另一个实验区的地物则由植被 、 水体 、 建筑物和 道路等混合构成 (图 2 ) ,两个实验区在全色波段上 的大小均为 596 × 596 个像元 。影像的全色波段具 有 1m 的空间分辨率 , 其光谱范围为 526 ～929nm; 多光谱影像具有 4m 的空间分辨率 ,其光谱范围为 : 蓝光波段 (波段 1 ) 445 ～516nm、 绿光波段 (波段 2 ) 506 ～595nm、 红光波段 (波段 3 ) 632 ～698nm 和近 红外波段 (波段 4 ) 757 ～853nm。它们的灰度范围 均为 0 ～2047。由于参与融合实验的影像源于同一 传感器系统 ,因此 ,融合前无须配准 。
IHS、 PCA 相结合的融合方法在光谱保真度方面 ,不仅优于它们自身 ,也明显优于传统的 I HS、 PCA 方法 ,其中 , NSCT
和 PCA 变换相结合的融合方法 ,在光谱保真度方面最强 。 关键词 : 多分辨率分解 ; 影像融合 ; 小波变换 ; 轮廓变换
1 引言
近年来 , 许多装载新型传感器的卫星相继升 空 ,这些传感器能同时具有全色和多光谱影像 , 如
收稿日期 : 2010 - 01 - 25; 修回日期 : 2010 - 04 IHS、
PCA 变换相结合 ,派生出了许多新的遥感影像融合
方法 ,并得到了广泛的应用 ,如 Gonza lez等 ( 2004 ) 将 DW T、 S W T及它们与 IHS、 PCA 变换相结合的融 合方法 ,分别应用于 SPOT多光谱影像与全色影像 [8] 的融合中 ; Zhang 等 ( 2005 ) 将 DW T 与 IHS 变换 相结合的方法 , 应用于 IKONOS 和 QuickB ird 影像 [9] 的融合中 ; Yang等 ( 2008 )将 NSCT与 IHS变换相 结合的方法 , 应用于 SPOT全色波段与 T M 多光谱 波段的影像融合中
(Nonsubsamp led contourlet transform , NSCT) [ 6 ] 。这
合起来 ,使得融合后的影像既保持多光谱影像的光 谱特征 ,又具有较高的纹理细节辨识能力 , 对拓宽 这类影像的应用范围具有重要的意义 。传统的融 合方法中 IHS变换
[1]
种变换通过无下采样的塔式分解结构和无下采样 的多方向滤波来实现 , 是一种多尺度 、 多方向且平 移不变的图像分解方法
[7]
和 PCA 变换
[2]
是两种常用的
[3]
方法 ,它们都是典型的“ 成分替代 ” 方法
, 对高频
。
细节信息有较高的融入度 , 但通常会造成比较严重 的光谱失真 ,不利于融合后影像的后续解译和地物 识别 。 由于人类视觉系统具有多分辨率特性 , 近年 来 ,多分辨率图像分析方法在图像处理领域得到广 泛应用 。常用的多分辨率分解方法有小波变换和 轮廓变换等 。其中 , 小波变换根据分解算法不同 , 分为 M allat小波和 àtrous小波 。M allat小波变换采 用的下采样处理 , 使得输入信号发生平移 、 缩放和 旋转时 ,小波系数会发生较大的变化 , 也叫采样小 波 变 换 ( Decim ated discrete wavelet transform ,
M N
CO RR i =
m =
∑∑
n =1 M m =1
∧
∧
∧
∧
(B i (m , n ) - B i ) ( P (m , n ) - B ) ( 2)
∧ ∧
m =1
∧ ∧
∑ ∑ (B
n =1
∧
∧
N
i
(m , n ) - B i )
∑ ∑( P (m , n )
n =1
- P)
其中 , B和 P为对应的已经过 Lap lacian 滤波的多光
IKONOS。如何有效地将全色影像和多光谱影像融
DW T)
[4]
。 àtrous分解算法去除了下采样环节 , 使
得分解系数具有了平移不变性 , 也叫平稳小波变换 [5] ( Stationary wavelet transfor m, S W T) 。由于小波变 换只能捕捉到图像中水平 、 垂直和对角线 3 个方向 的细节分量 , 对图像边缘信息的表达不是最优的 。 Cunha 等 ( 2006 ) 提出了一种无下采样的轮廓变换
∧
其中 , M 和 N 为影像的总行列数 , m 和 n 为影像的 行列号 , F 表示融合后的影像 , B 为融合前多光谱影 像 , i表示波段 。该式可用于评价融合后各波段影 像的光谱保真度 , 其值越小 , 光谱保真度越高 。 ( 2 )高频信息融入度
M N m =1 n =1
∑∑
∧
∧
∧
M
N
(B i (m , n ) - B i ) ( P (m , n ) - P )
2 影像融合方法与评价指标
2. 1 影像融合方法 ( 1 ) IHS和 PCA 融合方法 IHS和 PCA 方法的主要原理是用全色 Pan 影
像来替代多光谱影像经 IHS 变换后生成的亮度分 量 ( I)或经主成分变换后生成的第一主成分 ( PC1 ) , 再通过各自的逆变换来获得融合结果 。由于亮度 分量和第一主成分都集中了影像的主要信息 , 因 此 ,当用 Pan 来完全代替这些成分时 , 虽然高频融 [ 12 ] 入度比较高 ,但却造成了明显的光谱失真 。 ( 2 ) DW T、 S W T和 NSCT的融合方法 DW T、 S W T和 NSCT变换都是将影像分解成为 低频分量和具有不同尺度和方向特性的高频分量 (图 1 ) 。一幅影像经过一次的 DW T 变换 , 将被分 解成 1 个低频逼近子图和 3 个方向不同的细节分 量子图 。这些子图因为 DW T 的下采样处理 , 大小 均为原影像的 1 /4。而 S W T和 NSCT两种变换都是 无下采样的 , 因此 , 其变换分解的任意层次都和原 影像有相同的大小 。在高频信息分解方面 , DW T和 S W T只将高频信息在水平 、 垂直和对角线 3 个方向 上进行分解 ,而 NSCT可在 2 的任何次幂个方向上 分解 。它们的理论和方法详见文献 [ 4, 6 ]。 DW T、 S W T、 NSCT 的融合方法的基本原理 , 即 是将影像的全色波段 ( Pan ) 与多光谱各个波段进 行多分辨率分解 ( DW T、 S W T、 NSCT) , 并将 Pan 分 解出来的高频系数取代多光谱影像分解出的高频 系数 ,而多光谱影像分解出的低频系数则保留 , 最 后通过 DW T、 S W T或 NSCT对应的逆变换生成最终
NOS全色和多光谱影像上进行实验 , 从光谱保真度
和高频信息融入度两方面 , 对实验结果进行了评价 和分析 。对这些方法的比较和分析 ,旨在遥感影像 应用过程中 ,可根据特定的应用需求选择合适的融 合方法 。
图 1 DW T、 S W T、 NSCT分解
(HD: 水平方向细节 : VD: 垂直方向细节 ; DD: 对角线方向细节 ) Fig . 1 M ulti2resolution decomposition by DW T, S W T and NSCT, respectively . ( HD: horizontal details; VD: vertical details; DD: diagonal details)
[ 13 ]
3期
M N
吴学文 等 : 多分辨率分解的遥感影像融合方法对比分析
421
RM S Ei =
m =1 n =1
∑∑
[ Fi (m , n ) - B i ( m , n ) ] / (M × N) ( 1)
2
对于融合影像中高分辨率纹理信息的融入度 , 可通过求融合影像与高分辨率影像 ( Pan ) 之间的 相关系数来判别 ,相关系数越大融入的高分辨率信 息就越多 。在求相关系数之前 ,应对参与对比的影 像的各个波段及高分辨率 Pan波段 ,作 Lap lacian 边 缘增强的滤波处理 , 然后再进行对比 , 这样求出的 相关系数才能真正代表二者在高频纹理信息之间 [ 15 ] 的关系 。相关系数计算公式如下 :
[ 10 ]
。这些方法与传统的 IHS、
PCA 方法相比 ,最大的特点是进行融合时仅融入了
基金项目 : 福建省教育厅重点项目 ( JK2009004 ) ; 国家教育部高等学校科技创新工程重大项目培育基金 ( 706037 ) 共同资 助。 作者简介 : 吴学文 ( 1982 - ) ,女 ,博士研究生 。主要从事遥感信息处理与应用研究 。 E2 mail: wxwfznu@163. com 3 通讯作者 : 徐涵秋 ( 1955 - ) ,男 ,教授 ,博士生导师 。主要从事遥感信息处理与应用研究 。 E2 mail: hxu@ fzu. edu. cn
420
地 球 信 息 科 学 学 报 2010 年
全色影像的高频信息 , 其低频信息没有参与融合 , 因此 ,大大地提高了融合影像的光谱保真度 。而通 常情况下高分辨率遥感影像的全色波段与多光谱 各个波段间的相关性很小 , 其低频信息的融入必将 使得融合影像的光谱产生严重的扭曲 。本文研究 了 DW T、 S W T和 NSCT的融合方法 , 以及这些方法 与 IHS、 PCA 变换相结合的融合方法 ( DW T2I 、 S W T2 [ 8 - 11 ] I 、 NSCT2I 、 DW T2P、 S W T2P、 NSCT2P ) ,并在 IKO 2
的融合结果 。 ( 3 ) DW T、 S W T、 NSCT与 IHS、 PCA 变换相结合 的融合方法 该种方法结合了 DW T、 S W T和 NSCT融合方法 和 IHS、 PCA 变换融合方法各自的优点 ,采用 IHS或 PCA 变换融合的基本框架 , 但并不采用 Pan 直接替 代的方法 , 而是先利用 DW T、 S W T 或 NSCT 将 Pan ( ) 和 I 或 PC1 分量进行分解 ,并将 Pan 分解出来的 高频系数取代 I (或 PC1 ) 分解出的高频系数 , 再通 过 DW T、 S W T或 NSCT对应的逆变换生成新 I (或 PC1 ) 分量 。 最后 ,通过 IHS (或 PCA ) 的逆变换来 获得融合结果 。
2. 2 影像融合效果评价指标
影像融合不仅仅是数据间的简单复合 ,更强调 信息的优化 , 增强影像的空间分辨率 、 改善目视解 译的效果 。理想的遥感影像融合结果应该具备 较高的空间分辨率和尽可能小的光谱失真 。因此 , 评价影像融合方法主要考察融合结果的光谱保真 度和高频信息融入度 。 ( 1 )光谱保真度 RM SE ( RootM ean Square Error) 方法是常用的 一种客观定量评价光谱保真度的方法 。该方法以 原多光谱波段影像为参考标准 , 衡量融合后影像各 波段与融合前影像对应波段之间的差异 。 RM SE 计 [ 14 ] 算公式如下 :