基于IHS變換和非下采樣Contourlet變換的不同波段多極化SAR圖像融合

孫曉霞，張繼賢，高井祥，翟 亮

(1.中國(guó)礦業(yè)大學(xué)，江蘇徐州221116;2.中國(guó)測(cè)繪科學(xué)研究院，北京100830)

基于IHS變換和非下采樣Contourlet變換的不同波段多極化SAR圖像融合

孫曉霞1，2，張繼賢2，高井祥1，翟 亮2

(1.中國(guó)礦業(yè)大學(xué)，江蘇徐州221116;2.中國(guó)測(cè)繪科學(xué)研究院，北京100830)

結(jié)合非下采樣Contourlet變換具有的多尺度、多方向和平移不變的特性，以及IHS變換在色彩信息保持上具有的優(yōu)勢(shì)，提出一種基于IHS變換和NSCT變換的圖像融合方法，用于高波段為單極化，低波段為全極化的兩波段圖像融合，并進(jìn)行與其他幾種方法的比較試驗(yàn)，結(jié)果證實(shí)本文的方法不但融合效果更好，而且在一定程度上抑制了噪聲的影響。

多波段SAR;圖像融合;NSCT變換;降噪

一、引 言

不同波段的SAR具有不同的傳輸特性和目標(biāo)回波的后向散射特性，而多波段SAR數(shù)據(jù)蘊(yùn)涵了比單波段SAR數(shù)據(jù)更豐富、更有效的信息。因此，對(duì)于所獲得的多波段SAR數(shù)據(jù)，首先要解決的問(wèn)題就是如何將這些數(shù)據(jù)加以分析，使其優(yōu)勢(shì)互補(bǔ)地綜合起來(lái)，以增強(qiáng)圖像特征與信息量，便于目標(biāo)的解譯與識(shí)別。低波段SAR具有很強(qiáng)的穿透力，可以探測(cè)到樹林中或地表下的隱蔽目標(biāo);高波段SAR可以得到更清晰的場(chǎng)景輪廓和目標(biāo)細(xì)節(jié)特征。因此將低波段數(shù)據(jù)與高波段數(shù)據(jù)融合將有利于信息的增強(qiáng)與目標(biāo)識(shí)別。

傳統(tǒng)的像素級(jí)影像融合方法有簡(jiǎn)單代數(shù)運(yùn)算法、Brovey變換法、主成分分析法、IHS變換法、基于神經(jīng)網(wǎng)絡(luò)的圖像融合法等，這些方法是在空間域內(nèi)對(duì)源圖像的單個(gè)像素值進(jìn)行運(yùn)算的融合方法。近些年，小波變換法作為變換域的圖像去噪與融合方法而被廣泛應(yīng)用［1-3］。小波變換是一種多尺度、多分辨率圖像處理技術(shù)，可以提取不同尺度上的圖像特征，并利用人眼就可以辨別不同方向的高頻分量的視覺(jué)特性，能獲得較好的融合效果。顯然，頻帶劃分的越細(xì)，就越有利于提取不同方向上的紋理與細(xì)節(jié)信息，提高方向選擇的靈活性，增強(qiáng)圖像的融合效果。但由于小波函數(shù)只能獲取水平、垂直和對(duì)角3個(gè)方向子帶上的高頻細(xì)節(jié)信息，因此缺乏多方向性。而繼小波變換之后發(fā)展起來(lái)的Contourlet變換和非下采樣Contourlet變換(nonsubsampled contourlet transform，NSCT)，很好地克服了小波變換的缺陷，能夠在不同的尺度上將圖像分解成多個(gè)方向子帶，尤其是非下采樣Contourlet變換還具有平移不變性，更適合SAR圖像的處理。結(jié)合IHS變換法在色彩信息保持上的優(yōu)勢(shì)［4］，本文提出一種基于IHS變換與NSCT變換相結(jié)合的多波段多極化SAR圖像融合法，主要針對(duì)高波段為單極化，低波段為全極化的兩波段圖像融合。試驗(yàn)數(shù)據(jù)選用國(guó)產(chǎn)機(jī)載X波段干涉SAR圖像和P波段全極化SAR圖像。

二、NSCT變換及基于NSCT變換的圖像融合

1.NSCT變換原理

Contourlet變換的主要思想是先使用一個(gè)類似小波的多尺度分解捕捉奇異點(diǎn)，再根據(jù)方向信息將位置相近的奇異點(diǎn)匯集成輪廓段。這主要由多尺度分解(laplacian pyramid，LP)和多方向分解(directional filter bank，DFB)兩個(gè)過(guò)程來(lái)完成。Contourlet變換不僅繼承了小波變換的多分辨率時(shí)頻分析特征，而且彌補(bǔ)了小波變換的方向性缺乏，具有良好的各向異性特征［5］。但由于在LP和DFB過(guò)程中存在上采樣和下采樣，因此Contourlet變換不具有平移不變性，這在圖像處理中會(huì)產(chǎn)生偽吉布斯(Gibbs)現(xiàn)象，導(dǎo)致圖像失真。尤其是當(dāng)應(yīng)用于噪聲影像(如SAR圖像)時(shí)，不僅不能很好地區(qū)分噪聲與弱的邊緣信息，而且往往還會(huì)擴(kuò)大噪聲。

為了解決這個(gè)問(wèn)題，2005年A L Da Cunha等人提出了一種具有平移不變性的NSCT變換法［6］。與Contourlet變換不同的是，NSCT變換去掉了采樣環(huán)節(jié)，由非下采樣金字塔結(jié)構(gòu)(nonsubsampled pyramid，NSP)和非下采樣方向?yàn)V波器組(nonsubsampled directional filter bank，NSDFB)構(gòu)成，因此是平移不變的。非下采樣的金字塔變換將圖像分解成一個(gè)低通子帶和一個(gè)高通子帶，此后非下采樣方向?yàn)V波器組將高通子帶分解成多方向子帶，然后對(duì)低通子帶重復(fù)進(jìn)行上述分解，如此依次進(jìn)行，以實(shí)現(xiàn)多尺度、多方向且平移不變的NSCT分解。變換結(jié)構(gòu)圖如圖1所示。

圖1 NSCT變換結(jié)構(gòu)圖

2.基于NSCT變換的圖像融合算法

基于NSCT變換的圖像融合主要包括以下3個(gè)步驟:

1)對(duì)不同時(shí)相的圖像分別進(jìn)行NSCT分解，得到圖像分解后的低頻子帶圖像和每層的多個(gè)方向的高頻子帶系數(shù)。

2)對(duì)低頻和高頻子帶系數(shù)分別采用適宜的融合規(guī)則進(jìn)行融合處理，得到合成后的NSCT系數(shù)。

3)利用合成后的NSCT系數(shù)進(jìn)行逆變換，得到融合結(jié)果圖像。

該方法是一種基于變換域的影像融合算法，融合規(guī)則選擇的好壞將直接影響影像的融合質(zhì)量。

三、本文的圖像融合算法

根據(jù)不同波段的特點(diǎn)以及全極化相對(duì)于單極化具有的優(yōu)勢(shì)，將X波段干涉SAR圖像視為高分辨率影像，而將P波段全極化SAR圖像視為多光譜影像，利用IHS變換與NSCT變換相結(jié)合的方法進(jìn)行融合。把兩種方法結(jié)合起來(lái)主要基于以下考慮:兩波段均具有豐富的、互補(bǔ)的強(qiáng)度信息，利用IHS變換法可以分離出P波段RGB圖像的強(qiáng)度信息分量I，再采用NSCT方法將I分量與X波段圖像進(jìn)行融合，可以最大限度地利用兩種數(shù)據(jù)的空間信息，然后借助于IHS反變換進(jìn)行空間分量與“光譜”信息的假彩色合成，從而得到包含更豐富的空間信息與“光譜”信息的融合圖像。而且，NSCT變換在進(jìn)行融合處理時(shí)，可以根據(jù)實(shí)際需要來(lái)引入兩種數(shù)據(jù)的細(xì)節(jié)信息，因此更有針對(duì)性，融合效果更佳。本文方法的具體融合過(guò)程如下。

1)對(duì)P波段全極化圖像進(jìn)行3個(gè)波段的合成處理，即取(HH，(HV+VH)/2，VV)組成的RGB圖像(以下簡(jiǎn)稱:P波段RGB圖像);對(duì)X波段單極化圖像與P波段彩色圖像分別進(jìn)行去噪、幾何校正與配準(zhǔn)等處理，這3項(xiàng)處理可以根據(jù)實(shí)際情況選擇性進(jìn)行。一般同一傳感器獲取的兩個(gè)波段圖像已經(jīng)是嚴(yán)格配準(zhǔn)的，可以不再進(jìn)行此項(xiàng)操作;另外，是否事先去噪，也應(yīng)根據(jù)具體應(yīng)用來(lái)定。對(duì)于一些對(duì)精度要求較高的應(yīng)用，可以先進(jìn)行融合處理，然后從最終的結(jié)果中去除噪聲的影響。因?yàn)槿绻诤锨叭ピ耄瑢p失較多的細(xì)節(jié)信息，使邊緣變得模糊。

2)對(duì)P波段RGB圖像進(jìn)行IHS變換，得到強(qiáng)度分量I。

3)利用NSCT變換法將X波段圖像與I分量進(jìn)行融合處理，得到圖像FXI，然后以I分量為基準(zhǔn)對(duì)融合后圖像進(jìn)行直方圖匹配，得到匹配后的融合圖像F'XI。

融合規(guī)則的選擇:由于圖像經(jīng)NSCT分解后，能量主要集中在低頻區(qū)域，因此對(duì)低頻分量采用取平均的融合規(guī)則。在高頻分量中既包含了圖像的邊緣與細(xì)節(jié)信息，同時(shí)也包含大量的相干斑噪聲，因此，高頻子帶融合規(guī)則制定的優(yōu)劣將直接影響去噪效果的好壞。由于噪聲多以單個(gè)像素形式存在，而且人眼對(duì)單個(gè)像素的灰度取值并不敏感，因此圖像清晰與否是由區(qū)域內(nèi)像素共同體現(xiàn)的。為提高清晰度量的準(zhǔn)確性，并有效地抑制噪聲，應(yīng)將像素特性與區(qū)域特性結(jié)合起來(lái)進(jìn)行分析。基于以上考慮，本文采用區(qū)域能量最大融合規(guī)則進(jìn)行高頻子帶圖像的融合［7］。

4)用F'XI替換I分量，并進(jìn)行IHS反變換，獲得最終的融合結(jié)果。圖2為該融合算法框架圖。

本文方法與傳統(tǒng)的IHS方法的不同之處在于:不是直接用高分辨率影像替換多光譜影像的I分量，而是將相當(dāng)于高分辨率影像的X波段與I分量進(jìn)行基于NSCT變換的融合，用融合后圖像來(lái)替換I分量。這樣做的好處是可以最大限度地綜合每種波段數(shù)據(jù)的空間信息，而且可以在一定程度上抑制噪聲。

圖2 基于IHS與NSCT變換的多波段圖像融合框架

四、試驗(yàn)結(jié)果與分析

為了驗(yàn)證本文方法的融合效果，筆者進(jìn)行大量的試驗(yàn)，并對(duì)提出的IHS與NSCT相結(jié)合的融合方法與其他幾種常用方法進(jìn)行比較、分析，主要有:傳統(tǒng)的IHS變換法、主成分分析法、乘法以及Bronvy融合法。圖3顯示了本文方法與其他4種方法的融合效果圖。

圖3 幾種方法的融合效果圖

通過(guò)同原始圖像的比較可以明顯地看出，本文方法有效突出了原始圖像的有用信息，很好地保持了原始數(shù)據(jù)的邊緣細(xì)節(jié)及色彩信息，紋理更加明顯。IHS變換法邊緣清晰度較好，但是細(xì)節(jié)信息不如本文方法豐富，色彩略有失真;Bronvy融合法邊緣清晰度不如IHS變換法，而且色彩過(guò)于飽和;乘法融合法色彩信息很接近于原始數(shù)據(jù)，但是清晰度較低，視覺(jué)效果較差;主成分分析法清晰度較好，但色彩信息缺乏。進(jìn)一步的定量評(píng)價(jià)結(jié)果如表1所示。

表1 幾種方法融合結(jié)果的評(píng)價(jià)

其中，均值和方差取的是3個(gè)波段的平均值，等效視數(shù)是由平均值和平均方差計(jì)算出來(lái)的結(jié)果。由表1可知，傳統(tǒng)的IHS變換法，除了等效視數(shù)指標(biāo)低于主成分分析法以外，其他各項(xiàng)指標(biāo)均明顯高于Bronvy融合法、乘法融合法以及主成分分析法，這說(shuō)明IHS變換法對(duì)于一個(gè)波段為單極化、另一波段為全極化的雷達(dá)數(shù)據(jù)融合表現(xiàn)較佳。之所以等效視數(shù)指標(biāo)低于主成分分析法，是由于IHS變換法中沒(méi)有引入對(duì)斑點(diǎn)噪聲的抑制算法，而主成分分析法由于進(jìn)行了幾個(gè)波段的主分量變換，斑點(diǎn)噪聲屬于次要信息而被包含在后面的分量中，融合中取的是前幾個(gè)分量，因此對(duì)噪聲有較好的抑制作用。而本文提出的基于IHS與NSCT相結(jié)合的融合方法不但彌補(bǔ)了IHS變換法在噪聲抑制方面的欠缺，更重要的是充分利用了兩個(gè)波段雷達(dá)圖像數(shù)據(jù)的空間信息。表1中的結(jié)果也驗(yàn)證了這一點(diǎn)，除了方差外，其他各項(xiàng)評(píng)價(jià)指標(biāo)都好于其他方法。這是由于在常規(guī)的IHS變換法中，利用X波段來(lái)替換P波段圖像的I分量，實(shí)際上只利用了X波段的圖像信息，而去掉了P波段圖像的強(qiáng)度信息。但由于雷達(dá)圖像不同于光學(xué)影像，不同波段往往包含許多互補(bǔ)的空間信息，本文方法中采用X波段與I分量的融合結(jié)果來(lái)替換I分量的方法，更好地綜合了兩個(gè)波段的有用信息，因此，獲得了最佳的融合效果。

五、結(jié)束語(yǔ)

結(jié)合NSCT變換具有的多尺度、多方向和平移不變的特性，以及IHS變換在色彩信息保持上具有的優(yōu)勢(shì)，本文提出了一種基于IHS變換和NSCT變換相結(jié)合的圖像融合方法，用于高波段為單極化、低波段為全極化的兩波段圖像融合，通過(guò)與其他幾種常用融合方法的試驗(yàn)結(jié)果的比較與分析，證實(shí)了本文的方法不但融合效果更好，而且還在一定程度上抑制了噪聲的影響。

［1］ TANG Jinshan.A Contrast Based Image Fusion Technique in the DCT Domain［J］.Digital Signal Processing，2004，14(3):218-226.

［2］ 劉貴喜，楊萬(wàn)海.基于小波分解的圖像融合方法及性能評(píng)價(jià)［J］.自動(dòng)化學(xué)報(bào)，2002，28(6):929.

［3］ 黃世奇，劉代志.SAR圖像斑點(diǎn)噪聲抑制方法與應(yīng)用研究［J］.測(cè)繪學(xué)報(bào)，2006，35(3):245-250.

［4］ 張微，丁獻(xiàn)文，陳漢林.基于改進(jìn)的IHS方法的SAR圖像增強(qiáng)與融合［J］.海洋學(xué)研究，2007，25(1):73-78.

［5］ DO M N，VETTERLI M.The Contourlet Transform:An Efficient Directional Multiresolution Image Representation［J］.IEEE Transactions on Image Processing，2005，14(12):2091-2106.

［6］ DA CUNHA A L，ZHOU J，DO M N.The Nonsubsampled Contourlet Transform:Theory，Design，and Applications［J］.IEEE Transactions on Image Processing，2006，15(10):3089-3101.

Multi-band Polarimetric SAR Image Fusion Using IHS Technique and Nonsubsampled Contourlet Transform

SUN Xiaoxia，ZHANG Jixian，GAO Jingxiang，ZHAI Liang

0494-0911(2011)06-0001-04

P237

B

2011-04-11

中國(guó)測(cè)繪科學(xué)研究院基本科研業(yè)務(wù)費(fèi)資助(7771032)

孫曉霞(1971—)，女，遼寧莊河人，博士生，主要研究方向?yàn)檫b感影像融合與信息提取。