遥感图像融合技术探讨

　2012年2月内蒙古科技与经济F ebruar y2012　第4期总第254期Inner M o ngo lia Science T echnolo gy&Economy N o.4T o tal N o.254

遥感图像融合技术探讨X

唐纳明,陈东杰,刘月辉

(内蒙古自治区有色地质勘查局108队,内蒙古赤峰　024000)

摘　要:对图像融合的原理和方法进行了剖析,研究和分析了几种常用的多源遥感图像融合的方法:Brovey法、主成分分析和乘积法等,并以实例对这三种方法融合的图像进行了评价。

关键词:遥感;图像;融合技术;方法

中图分类号:T D701 文献标识码:A 文章编号:1007—6921(2012)04—0117—02

1　融合技术算法的论述

1.1　Brovey变换融合方法

Br ovey变换是普遍使用的比值融合算法,由美国科学家R.L.Br ovey建立模型并推广而得名。该算法将影像分解成颜色和亮度两大部分,通过比值运算将构成色彩的RGB组合中的每一个波段除以构成该组合的3个波段的总和来对数据进行正规化,以保持低分辨率影像的光谱特点,然后将比值结果(色彩)乘上高分辨率波段(亮度)以获得高频空间信息。其特点是:简化了图像转换过程的系数以最大限度地保留多光谱数据的信息。

Br ovey变换融合方法是将遥感图像的3个波段,按照下列公式(1)进行计算,获得融合后各波段的数值。

[D R/(D R+D G+D B)]×D hires=D Rnew

[D G/(D R+D G+D B)]×D hires=D Gnew(1)

[D B/(D R+D G+D B)]×D hir es=D Bnew

其中,R、G、B为图像的红、绿、蓝波段数值, Dhires代表高分辨率遥感图像。

1.2　主成分变换融合方法

该方法的最大优点是可以应用任意数目的波段,它对n个波段的低分辨率图像进行主成分分析(P CA:Principal Component Anal ysis),将单波段的高分辨率图像经过灰度拉伸,使其灰度的均值和方差和PCA变换第1分量图像一致;然后以拉伸过的高分辨率图像代替第1分量图像,经过PCA逆变换还原到原始空间。融合图像上目标的细部特征更加清晰,光谱信息更加丰富,其理论基础是图像统计特征。主成分变换融合的具体方法:¹计算参与融合的n波段T M图像的相关矩阵;º由相关矩阵计算特征值K i和特征向量5i(i=1,…,n);»将特征值按由大到小的次序排列,即:K1>K2>…>K n,特征向量5i 也要作相应变动;¼按下式(1-2)计算各主分量图像:

PC k=2n

i=1

di U ik(2)式中:k为主分量序数(k=1,…,n);PC k为第k 主分量;i为输入波段序数;n为总的T M波段数;5ik 为特征向量矩阵在i行、k列的元素。½将空间配准的全色波段图像与第一主分量作直方图匹配;¾用直方图匹配生成的图像代替第一主分量,并将它与其余主分量作逆主分量变换就得到融合的图像。

融合后的图像光谱特性保持比较好,尤其在波段数较多的情况下。但是,由于要对自相关矩阵求特征值和特征向量,计算量非常大,实时性比较差。1.3　乘积融合方法

该融合算法是在原始图像上进行操作,结果将增强某些信息的表现。乘积变换融合是应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进行合成,可以使其色彩保持不变。该方法简单,占用的机器资源少,但结果图像不保留输入的多光谱图像的辐射(反射)信息。乘积融合利用公式(3)。

I blue=A1・(I H・I L)12+B1

I g reen=A2・(I H・I2L)1+B2(3)

I red=A3・(0.25I H・0.75I3L)+B3

式中I H代表全色影像;I L代表第i波段多光谱影像;此融合方法对红外波段采用加权融合,且权值大,因此能得到较满意视觉结果。

2　融合方法评价

多源遥感图像融合系统的一个重要步骤是对融合的效果进行评价。目前,常用的融合效果评价标准,有主观和客观两类,主观评价标准是目视判别,由人主观评判图像是否清晰、图像的光谱是否畸变。客观评价标准主要是结合数理统计进行的。一般,评价融合图像的质量是以视觉分析与统计分析相结合而进行的。当前,融合效果的客观评价问题一直未得到很好的解决,原因是同一融合算法,对不同类型的图像,其融合效果不同;同一融合算法,同一图像,观察者感兴趣的部分不同,则认为效果不同;不同的应用方面,对图像各项参数的要求不同,导致选取的融合方法不同。理想的融合过程应该既有对新的信息的摄入,又有对原有有用信息的继承和保留。因此,效果评价应该包括创新性和继承性两个方面。

对于遥感图像融合效果的定量评价,应综合考虑空间细节信息的增强与光谱信息的保持。一般应综合考虑两类统计参数:一类反映空间细节信息,如方差、信息熵、清晰度;另一类反映光谱信息,如扭曲程度、偏差指数、相关系数。

2.1　均值

均值是图像中所有像元亮度值的算术平均值,均值在遥感影像中反映的是地物的平均反射强度,

・

117

・

X收稿日期:2011-12-20

作者简介:唐纳明(1983—),男,广西桂林人,助理工程师,长期从事野外测量工作。

　总第254期

　内蒙古科技与经济

表示了地物的平均反射率,其大小由一级波谱信息决定(4)。

g -=

1M N 2M i=02N

j=0g ij

(4)其中,g ij 表示图像g 中(i ,j )像素的灰度值。2.2　标准差

描述了像元值与图像平均值的离散程度,是图像信息量大小的重要标志(5)。

Std =

1M N 2N i=12N

j=1

(f (i,j)-f -)2(5)

标准差越大,则灰度级越分散,包含信息量越大。

2.3　信息熵

对于灰度范围{0,1,…,L -1}的图像直方图,p i

为灰度值等于i 的像素数与图像总像素数之比,为L 灰度级总数,其信息熵定义为(6):

H=-2L -1

i=1p i ・Inp i

(6)

2.4　清晰度

图像清晰度采用梯度法来衡量,图像的梯度计算如下(7):

g -=1M N 2M i=12N

j=1

($I x 2(i,j)+$L y 2(i,j))(7)

其中$Ix 与$Iy 分别为x 与y 方向上的差分。2.5　扭曲程度

图像的扭曲程度直接反映了多光谱图像的光谱失真程度,其定义为(8):

D=

1M N 2M i=12N

j=1

ûf ø(i,j)-f(i,j)û(9)3　实例分析

利用上述所讨论的融合方法,选择一幅30m 分辨率的ET M +7、4、1(RGB )多光谱图像(图1)和一幅15m 分辨率的全色波段影像分别应用上述3种融合方法进行融合,其结果如图2、图3和图4

所示。

目视效果分析:通过经验和目视解译,3种方法

融合后的影像中能清楚地分辨出水体、林地、山体、居民地等斑块以及河流等线状地物,轮廓边界得到明显改善,融合后的图像和原假彩色合成图像比较,色调反差和清晰度都较好。且由于像元变小,融合后的图像上除能反映原图像内部的信息,还使地物的细部特征更加清晰。主成分融合的均值和中值都最大,而乘积融合都最小,而主成分的标准偏方差最小,说明它的信息最为集中(见表1)。其中乘积变换的效果较为不理想,色调较为灰暗,不如其他两种方法效果好。Brovey 方法结果介于它们之间,与原始图像比较,分辨率和清晰度都有了一定提高。主成分分析变换是效果最好的,图像最为清晰,有利于地质构造解译。

表1　融合图像数值统计融合方法均值中值众数标准偏方差Bro vey 融合80.382.885.517.3主成分融合89.190.892.317.2乘积融合

66.5

68.770.8

18.7

[参考文献]

[1]　江东,王钰,王建华,等.多源图像信息融合的

理论与技术[J ].甘肃科学学报:2002,14(1):41～44.

[2]　何贵青,郝重阳,常根杰.卫星多源遥感图像融

合研究[J ].遥测遥控,2005,(7):1～6.

[3]　杨长保,姜琦刚,丘殿明,等.多源遥感数据融

合方法的新探索[J ].吉林大学学报信息科学版,2006,24(6):580～585.

[4]　牛凌宇.多源遥感图像数据融合技术综述[J].

空间电子技术,2005,(1):1～5,10.

・

118・