基于ERDAS和PCI的高分辨率影像幾種融合方法的分析比較

李春華

摘 要：簡(jiǎn)述了ERDAS軟件和PCI軟件中幾種常用的融合方法，采用QB的全色影像和多光譜影像，對(duì)幾種常用的融合方法進(jìn)行試驗(yàn)和分析，結(jié)果表明HPF融合、PanSharp融合這兩種融合方法整體融合效果較好。

關(guān)鍵詞：影像融合；主成份變換；小波變換；HPF融合；PanSharp融合

隨著現(xiàn)代遙感技術(shù)的發(fā)展，人們可以獲得不同空間、時(shí)間和光譜分辨率的遙感影像[1]。使用融合后的影像比單獨(dú)使用全色影像或者多光譜影像更為有效[2]；融合后的影像有更豐富的細(xì)節(jié)信息，可以顯著提高分類結(jié)果的準(zhǔn)確性[3]。影像融合是將全色高分辨率影像的紋理細(xì)節(jié)信息和多光譜低分辨率影像的色彩信息相結(jié)合，獲得高分辨率的多光譜影像的一種技術(shù)。對(duì)于許多遙感應(yīng)用，尤其是基于GIS的應(yīng)用，對(duì)影像既有清晰的紋理需求又有豐富的光譜信息需求，因此影像融合是遙感影像應(yīng)用的關(guān)鍵。文章分別使用ERDAS軟件中的主成分變換法（PCA）、小波變換法（Wavelet）、HPF融合法和PCI軟件中的PanSharp融合法對(duì)高分辨率影像QuickBird（以下簡(jiǎn)稱QB）的全色影像和多光譜影像進(jìn)行融合，并對(duì)不同的融合方法進(jìn)行比較和分析。

1 影像融合方法

1.1 主成分變換法（PCA）融合

主成分變換（PCA，Principal Component Analysis），又稱K-L變換，是建立在圖像統(tǒng)計(jì)特征基礎(chǔ)上的多維線性變換，具有方差信息濃縮、數(shù)據(jù)量壓縮的作用，以高分辨率數(shù)據(jù)替代多波段數(shù)據(jù)變換以后的第一主成分來(lái)達(dá)到融合的目的。具體過(guò)程：先由多光譜影像數(shù)據(jù)求得影像間的相關(guān)系數(shù)矩陣，根據(jù)相關(guān)系數(shù)矩陣計(jì)算特征值和特征向量，求得各主成分影像；再將高分辨率影像進(jìn)行直方圖匹配，使其與第一主成分影像數(shù)據(jù)具有相同的直方圖；最后用直方圖匹配生成的高分辨率影像來(lái)替換第一主成分，將它同其他主成分一起經(jīng)逆主分量變換得到融合的影像[4]。

1.2 小波變換（Wavelet）融合

小波變換融合方法是Mallat于1989年提出的小波的多分辨分析思想及小波的分解和重構(gòu)快速算法，基本函數(shù)是一些小型波。該方法首先對(duì)參與融合的遙感影像數(shù)據(jù)進(jìn)行小波正變換，將影像分解為更低分辨率的近似低頻影像和高頻細(xì)節(jié)影像，獲得相應(yīng)的低頻信息和高頻信息。再分別抽取來(lái)自高分辨率影像的高頻信息和低分辨率的低頻信息進(jìn)行小波逆轉(zhuǎn)換，生成融合影像。

1.3 HPF（高通濾波）融合

HPF（High Pass Filtering）法是將高空間分辨率圖像中的邊緣信息提取出來(lái)，加入到低分辨率高光譜圖像中，由Schowengerdt在1980年提出。其基本思想是：用高通濾波器算子提取出高分辨率圖像的細(xì)節(jié)信息，然后簡(jiǎn)單的采用像元相加的方法，將提取出的細(xì)節(jié)信息疊加到低分辨率圖像上，實(shí)現(xiàn)低分辨率多光譜圖像和高分辨率全色圖像之間的數(shù)據(jù)融合。

1.4 PanSharp融合

該方法基于統(tǒng)計(jì)原理，利用最小方差技術(shù)對(duì)參與融合波段的灰度值進(jìn)行最佳匹配，同時(shí)利用該原理調(diào)整單個(gè)波段的灰度分布來(lái)減少融合結(jié)果的顏色偏差。此外，該方法還對(duì)輸入的所有波段進(jìn)行一系列的統(tǒng)計(jì)運(yùn)算來(lái)消除融合結(jié)果對(duì)數(shù)據(jù)集的依賴性并提高融合過(guò)程的自動(dòng)化程度。

2 試驗(yàn)效果與分析

2.1 試驗(yàn)數(shù)據(jù)及效果圖

文章采用的數(shù)據(jù)是PCI2013試用版中的試驗(yàn)數(shù)據(jù)QB衛(wèi)星影像，分為全色影像和多光譜影像兩種，其中全色影像的分辨率為0.61米，多光譜分辨率為2.44米，數(shù)據(jù)格式為img格式。原始的全色和多光譜影像已配準(zhǔn)好，為了便于目視定性比較，從試驗(yàn)數(shù)據(jù)中截取局部示意范圍圖如圖1所示。對(duì)以上數(shù)據(jù)分別采用IHS變換法、主成分變換法（PCA）、小波變換（Wavelet）、HPF（高通濾波）融合、PanSharp融合等方法進(jìn)行融合。根據(jù)經(jīng)驗(yàn)值newband2=band2*0.9+band4*0.1，重組2波段，再進(jìn)行波段堆積，最終獲得3波段的效果影像圖，如圖2所示。

2.2 比較分析

由不同融合方法得到的影像，從空間分辨率和清晰度來(lái)看，相對(duì)原始多光譜影像均有非常明顯的提高；從色彩方面來(lái)看，相對(duì)原始全色影像而言，融合結(jié)果圖像色彩豐富，更有益于對(duì)地物的辨識(shí)和解譯。通過(guò)對(duì)居民區(qū)建筑物輪廓、道路等的細(xì)節(jié)和植被的色彩等進(jìn)行比較，很容易驗(yàn)證這一點(diǎn)。上述各種融合方法有利也有弊，下面分別進(jìn)行表述。

（1）主成分變化（PCA）融合法保留多光譜圖像的光譜特征方面優(yōu)于IHS變換融合法，相對(duì)而言，融合圖像上的細(xì)部特征更加清晰，光譜信息更加豐富，不過(guò)變換后的色彩信息較弱，各主成分失去了原有的物理特性，且該方法對(duì)融合區(qū)域的選擇非常敏感[5]。同時(shí)，因?yàn)樵摲椒ㄈ诤闲ЧQ于替代圖像與第一主分量圖像的相似程度，所以容易產(chǎn)生光譜特征扭曲現(xiàn)象。

（2）小波變換法直接舍棄了全色圖像的低頻分量，用多光譜圖像的低頻部分去替代全色圖像的低頻部分，因此，在增強(qiáng)結(jié)果中容易出現(xiàn)分塊效應(yīng)，并在一定程度上損失了全色圖像的細(xì)節(jié)信息。其程度與小波分解的階數(shù)有關(guān)，階數(shù)越低，細(xì)節(jié)信息損失越多，但光譜信息保留越多，反之亦然。若小波分解的階數(shù)選得低，則增強(qiáng)后多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力較差，容易出現(xiàn)暈邊等現(xiàn)象，但光譜特性保留程度好。若小波分解的階數(shù)選得高，則增強(qiáng)后多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力較好，但光譜特性保留程度較差。

（3）HPF融合法能夠在一定程度上提取全色影像細(xì)節(jié)信息，把全色影像的細(xì)節(jié)信息直接疊加到多光譜影像上，并對(duì)其進(jìn)行銳化處理，突出影像線性特征和邊緣信息，有效地保留了多光譜信息。但是，增強(qiáng)多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力的同時(shí)也容易增加噪聲，可能影響視覺(jué)效果。

（4）PanSharp融合方法能夠較好的保持高分辨率全色數(shù)據(jù)的紋理信息，不會(huì)出現(xiàn)HPF融合法影響視覺(jué)效果的噪聲現(xiàn)象，整體效果很不錯(cuò)。不過(guò)，還是會(huì)損失一些光譜信息，色彩飽和度不夠，需要對(duì)飽和度等方面進(jìn)一步處理。此外，與其他方法相比，該方法耗時(shí)較長(zhǎng)一些。

3 結(jié)束語(yǔ)

遙感影像融合是遙感影像數(shù)據(jù)處理的重要環(huán)節(jié)，融合方法的選擇對(duì)融合效果來(lái)說(shuō)非常重要。文章通過(guò)使用高分辨率試驗(yàn)數(shù)據(jù)QB影像對(duì)ERDAS軟件和PCI軟件中幾種常用的融合方法進(jìn)行試驗(yàn)對(duì)比分析，發(fā)現(xiàn)每一種融合方法相對(duì)原始多光譜數(shù)據(jù)都有了很大提高，綜合分析表明HPF融合、PanSharp融合這兩種融合方法從細(xì)節(jié)紋理和光譜信息保留方面等整體融合效果來(lái)說(shuō)較好。

融合方法的選擇可根據(jù)原始數(shù)據(jù)質(zhì)量和具體的遙感應(yīng)用項(xiàng)目需求來(lái)確定。若原始數(shù)據(jù)拍攝質(zhì)量好，配準(zhǔn)精度基本滿足要求，項(xiàng)目對(duì)地物特征紋理方面要求較高，則使用HPF融合比較合適。若原始數(shù)據(jù)拍攝質(zhì)量較差，項(xiàng)目對(duì)地物特征紋理和色彩均有要求，則使用PanSharp融合方法較好，可以避免使用HPF融合產(chǎn)生噪聲影像視覺(jué)效果。在項(xiàng)目實(shí)施中應(yīng)根據(jù)實(shí)際需求，靈活運(yùn)用各種融合方法，提高項(xiàng)目實(shí)施效率。

參考文獻(xiàn)

[1]朱述龍，張占睦.遙感圖像獲取與分析[M].北京：科學(xué)出版社，2000.

[2]Mohanty K K，Majumdar T J.Comparision of Adaptive Filter，IHS and Fourier Transform Based Techniques for IRS-IC PAN/LISS-Ⅲ Data Merging[J].Int.J. of Remote Sensing，2003，24（9）：1969-1976.

[3]Teggi S，Cecchi R，Serafint F.TM and IRS-IC-PAN Data Fusion Using Multiresolution Decomposition Methods Based on the a trous algorithm [J]. of Remote Sensing，2003，24（6）：1287-1301.

[4]賈濟(jì)宏，張春泉.主分量變換法對(duì)SAR 影像同TM進(jìn)行融合[J].現(xiàn)代測(cè)繪，2005（S1）：195-196

[5]胡召玲.多源多時(shí)相衛(wèi)星遙感圖像數(shù)據(jù)融合與應(yīng)用研究[M].北京：中國(guó)礦業(yè)大學(xué)出版社，2006.