CBERS－02B星HR高分辨率遙感數據融合研究分析

馬士彬，安裕倫，張躍紅

（1.貴州省六盤水師范學院 環境與資源科學系，貴州 六盤水553004；2.貴州師范大學 地理與環境科學學院，貴陽550001）

遙感技術已經迎來了三高時代，即高空間分辨率、高時間分辨率以及高光譜分辨率。國外已經發射的高空間分辨率數據衛星有Quick Bird，SPOT－5，IKONOS等，我國于2009年成功發射中巴資源衛星02B星，并搭載高分辨率數據傳感器。對于高空間分辨率數據而言，其光譜分辨率一般較低。而遙感數據融合可將單一傳感器的多光譜信息或不同類別傳感器所提供的信息加以綜合，改善遙感信息提取的及時性和可靠性，提高數據的使用效率[1]。已有的融合方法有IHS變換融合法[2]、PCA 變換融合法[3]、Brovey變換融合法[4]、小波變換融合法[5]、Pan sharp融合法[6]、Gram—schmidt融合法[7]等。本文采用目前較為常用且較容易實現的幾種融合方法對CBERS－02B星HR數據的使用情況進行分析，比較各方法對CBERS－02B星HR數據的適用性，為CBERS－02B星HR數據的使用提供依據。

1 數據與方法

1.1 研究區與數據源

貴州省貴陽市地處貴州省中部黔中高原面中曹司盆地內，包含建筑、河流、公路、林地、耕地、水域等用地類型。

本文將CBERS－02B星 HR數據與CBERS－02B多光譜數據進行融合，并以SPOT－5 2.5m全色波段與10m多光譜數據融合的數據作為參考數據進行對比。

1.2 數據融合

本文采用Brovey變換、PCA變換、IHS變換、SVR變換4種方法進行融合研究。由于CBERS－02BCCD數據的2，3，4波段的光譜范圍對應SPOT－5多光譜數據的1，2，3波段，同時Brovey變換只能對多光譜的3個波段進行融合，所以試驗選取了CBERS－02B的2，3，4和SPOT－5的1，2，3波段分別參與融合（表1）。

表1 CBERS－02B和SPOT－5遙感數據基本參數

（1）PCA變換（主成分分析法）。PCA變換是建立在影像統計特征基礎上的多維線性變換，具有方差信息濃縮、數據量壓縮的作用，數學上又稱K—L變換[8]。PCA變換的具體步驟為：多光譜波段經過PCA變換后，將全色高分辨率圖像進行灰度拉伸，使其均值和方差與PCA變換的第一分量的圖像一致；然后用拉伸過的高分辨率全色圖像代替第一分量，最后經過PCA逆變換得到融合圖像。

（2）Brovey變換。Brovey變換是一種對遙感數據進行融合的較為簡單的方法。該方法通過歸一化后的多光譜波段與高分辨率影像乘積來增強影像的信息[9]。其融合后的紅（R）、綠（G）、藍（B）3個波段結果如下：

（3）SVR變換。Zhang[10]在 Munechika所提出SVR方法的基礎上又提出了一種改進型的SVR方法，用來進行全色和多光譜影像的融合。其步驟為：首先計算多光譜波段與全色波段之間的回歸系數，然后根據回歸系數和多光譜波段合成模擬高空間分辨率的全色影像，最后利用比值變換完成各波段的融合。其計算公式如下：

其中：XSPi——第i波段融合后灰度；PanH——高分辨率全色波段灰度值；XSLi——第i波段原始灰度值；PanLS——多光譜波段合成的全色波段灰度值；δi——高分辨率全色波段與多光譜波段XSLi間的回歸系數[11]。

（4）IHS變換。IHS變換是目前應用十分廣泛的一種RGB彩色融合變換方法。IHS變換首先利用正變換將多光譜圖像從RGB三原色空間變換到IHS彩色空間，得到亮度I（Intensity）、色度H（Hue）和飽和度S（Saturation）3個分量；然后將高分辨率全色圖像與分離出的亮度I分量進行直方圖匹配，使其灰度的均值和方差與分量I圖像一致；最后用匹配好的全色波段代替I分量，與分離出的H、S分量進行IHS逆變換，重新回到RGB空間。RGB系統與IHS系統轉換的關系式為[12－13]：

式中：I——亮 度；H——色 度；S——飽 和 度；v1，v2——中間變量。

2 融合效果對比與分析

2.1 光譜信息對比分析

本文選用灰度平均值、標準差、信息熵、相關系數4個可反映空間信息的指標進行評價。其中：（1）灰度平均值。為像素的灰度平均值，對人眼反映為平均亮度。融合前后圖像對應波段的像素灰度值的變化程度越小，說明光譜保持性能越好。（2）信息熵。圖像的熵值是衡量圖像信息豐富程度的一個重要指標。一般來說，融合圖像的熵越大，表示所包含的信息越豐富，融合質量越好。（3）標準差。標準差反映了圖像灰度相對于灰度均值的離散情況，可用來評價圖像的空間信息量的大小。標準差越大，則灰度級分布越分散，圖像的反差大，地物間可分性高。（4）相關系數。融合圖像與源圖像的相關系數能反映兩幅圖像光譜特征的相似程度，即融合方法保持光譜特性的能力[11，14－15]。

本文采用PCA、Brovey、SVR、IHS共4種變換法進行融合，然后采用灰度平均值、標準差、信息熵等指標進行比較。從目視比較的角度分析，本文采用的4種融合方法的融合結果在空間信息上均有所改善，并在一定程度上能夠保持光譜信息。PCA變換法融合的圖像色調較亮，其中水體顏色有一定程度的失真；Brovey融合法所得圖像整體色調適中，但城區較暗（圖1c、1d）。SVR變換所得圖像整體色調偏淡，尤其是綠地植被，但建筑和水體的色調適中；IHS變換在光譜保持方面較優越，但圖像色調較原始多光譜數據變換較大（圖1e、1f）。

SVR變換法在方差、信息熵和灰度均值等空間信息評價因子中的值均高于其他融合方法，說明SVR變換法在空間信息增強方面以及圖像的細節效果較好。另外從影像各波段的相關系數來看，SVR變換法和IHS變換法在光譜保持方面效果最好。經IHS變換法融合的圖像的灰度平均值最接近于多光譜圖像的原始值，說明它在保持光譜特性的能力上綜合效果最好（表2）。

表2 兩種影像數據的不同融合方法所得融合結果的統計值

通過圖1和圖2的對比，從目視的角度可以看出，CBERS－02B星融合數據總體色調較暗。城區紋理信息豐富，植被的細節信息能夠得到比較明顯地反映。定量分析發現，各波段信息熵的值均小于SPOT影像融合數據，表明CBERS－02B星影像融合數據的整體質量低于SOPT數據；灰度均值與原始影像差距較小，能夠較好的保留原始影像的光譜信息；各波段方差值較小，僅為SPOT數據的1／4，表明CBERS－02B星融合數據的地物可辨別能力低于SPOT數據。CBERS－02B星融合影像各波段與原始影像的相關系數較高，與SPOT數據接近。

與SPOT數據對比，CBERS－02B星影像融合數據的4項指標值均較低，其原因為：

（1）原始多光譜影像的信息熵過低，均值不超過5.5，造成最終融合影像的質量偏低。

（2）原始影像灰度值低，CBERS－02BCCD數據2—4波段的灰度均值僅為SOPT數據1—3波段灰度均值的49.01%。

圖1 不同融合方法的CBERS－02B星影像

圖2 不同融合方法的SPOT－5影像

2.2 空間紋理信息對比分析

采用簡單的高通濾波分別對CBERS－02B星全色波段數據和融合后的多光譜波段進行數據濾波，并計算二者的相關系數，相關程度越高表明空間紋理保持越好。濾波器采用3×3的sharpen Edge Filter模板[16]。

在CBERS－02B星同源數據融合過程中，PCA和SVR兩種變換都有較強的高頻信息保持能力，尤其是PCA變換后各波段與全色波段的相關系數都在0.9以上；相比較IHS變換過程中空間紋理細節丟失最嚴重。各波段間比較，4波段在4種融合方法中的值最小，表明在融合過程中近紅外波段的高頻細節導入效果相對較差（表3）。

表3 CBERS－02B融合影像波段高頻細節與CBERS－02BHR影像高頻細節的相關系數

3 結論

（1）通過分析可知，SVR變化法更適合CBERS－02B星同源數據融合，其信息熵、灰度均值、方差值均高于其他變換法，在保留高空間分辨率的同時更好的保留原始多光譜數據的光譜信息，同時高通濾波后與全色波段的相關系數較大，紋理清晰，地物可辨別能力強；融合過程中近紅外波段的高頻信息導入效果相對較差。

（2）通過與SPOT－5數據進行對比分析，發現CBERS－02B星的同源數據融合，最終影像的各指標值均低于SPOT－5同源數據融合影像，其原因主要是由于CBERS－02B星多光譜數據的光譜信息和空間分辨率過低。所以在CBERS－02B星HR數據使用時，應考慮選用其他來源的多光譜數據進行融合。

本文只做了CBERS－02B星同源數據的融合方法及融合影像質量的分析研究。隨著遙感技術的發展，融合技術的不斷更新，應進一步驗證更多的融合方法對CBERS－02B星HR數據的適用程度。同時應進行CBERS－02B星HR數據與其他多種來源多光譜數據的融合實驗，以最大程度發揮CBERS－02B星HR數據的作用。

[1]賈永紅，孫家柄.多源遙感影像數據融合[J].遙感技術與應用，2000，15（1）：41－42.

[2]Harris J R.HIS transform for the integration of radar imagery with other remotely sensed data[J].PE＆RS，1990，36（2）：1631－1641.

[3]Ehlers M.Multisensor image fusion techniques in remote sensing[J].ISPRS Journal of Phtogrammetry and Remote Sensing，1991，46（1）：9－30.

[4]Zhou J.A Wavelet Transform Method to Merge Landsat ETM＋ and SPOT Panchromatic Data[J].Int J.Remote Sensing，1998，19（4）：743－757.

[5]Zhang Zhong.Categorization of multiscale－decomposition－based Image Fusion Schemes with a performance study for a digital camera application[J].Proceeding of the IEEE，1999，87（8）：1315－1326.

[6]Zhang Yun.A New Automatic Approach for Effectively Fusing Landsat 7as well as IKONOS Images[C].IEEE／IGARSS′02.Toronto，Canada，2002.

[7]甄靜，何國金.高分辨率遙感影像融合存在的問題及改進措施[J].遙感信息，2005（5）：45－48.

[8]孫丹峰.IKONOS全色與多光譜數據融合方法的比較研究[J].遙感技術與應用，2002，17（1）：41－45.

[9]許榕峰，徐涵秋.ETM＋全色波段及其多光譜波段圖像的融合研究[J].地球信息科學，2004，6（1）：99－102.

[10]Zhang Y.A new merging method and its spectral and spatial effects[J].Int.J.Remote Sensing，1999，20（10）：2003－2014.

[11]譚永生，沈掌泉，賈春燕，等.中高分辨率遙感影像融合研究[J].遙感技術與用，2007，22（4）：536－542.

[12]覃征，鮑復民.數字圖像融合[M].西安：西安交通大學出版社，2004.

[13]劉廷祥，黃麗梅，鮑文東.基于 CBERS－02B和 SPOT－5全色波段的圖像融合紋理信息評價研究[J].遙感技術與應用，2009，24（1）：103－108.

[14]王海暉，彭嘉雄，吳巍，等.多源遙感圖像融合效果評價方法研究[J].計算機工程與應用，2003（25）：33－37.

[15]王奇，李杏朝，李俊杰，等.CBERS－02B星 HR 與 CCD影像融合研究[J].遙感技術與用，2008，23（4）：468－471.

[16]朱述龍，朱寶山，王紅衛.遙感圖像處理與應用[M].北京：科學出版社，2006：42－44.