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，對幾種常用的融合方法進行試驗和分析，結果表明HPF融合、PanSharp融合這兩種融合方法整體融合效果較好。

關鍵詞：影像融合；主成份變換；小波變換；HPF融合；PanSharp融合

隨著現代遙感技術的發展，人們可以獲得不同空間、時間和光譜分辨率的遙感影像[1]。使用融合后的影像比單獨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節信息，可以顯著提高分類結果的準確性[3]。影像融合是將全色高分辨率影像的紋理細節信息和多光譜低分辨率影像的色彩信息相結合，獲得高分辨率的多光譜影像的一種技術。對于許多遙感應用，尤其是基于GIS的應用，對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用的關鍵。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融合法對高分辨率影像QuickBird（以下簡稱QB）的全色影像和多光譜影像進行融合，并對不同的融合方法進行比較和分析。

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，以高分辨率數據替代多波段數據變換以后的第一主成分來達到融合的目的。具體過程：先由多光譜影像數據求得影像間的相關系數矩陣，根據相關系數矩陣計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行直方圖匹配，使其與第一主成分影像數據具有相同的直方圖；最后用直方圖匹配生成的高分辨率影像來替換第一主成分，將它同其他主成分一起經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快速算法，基本函數是一些小型波。該方法首先對參與融合的遙感影像數據進行小波正變換，將影像分解為更低分辨率的近似低頻影像和高頻細節影像，獲得相應的低頻信息和高頻信息。再分別抽取來自高分辨率影像的高頻信息和低分辨率的低頻信息進行小波逆轉換，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，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節信息，然后簡單的采用像元相加的方法，將提取出的細節信息疊加到低分辨率圖像上，實現低分辨率多光譜圖像和高分辨率全色圖像之間的數據融合。

1.4 PanSharp融合

該方法基于統計原理，利用最小方差技術對參與融合波段的灰度值進行最佳匹配，同時利用該原理調整單個波段的灰度分布來減少融合結果的顏色偏差。此外，該方法還對輸入的所有波段進行一系列的統計運算來消除融合結果對數據集的依賴性并提高融合過程的自動化程度。

2 試驗效果與分析

2.1 試驗數據及效果圖

文章采用的數據是PCI2013試用版中的試驗數據QB衛星影像，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，數據格式為img格式。原始的全色和多光譜影像已配準好，為了便于目視定性比較，從試驗數據中截取局部示意范圍圖如圖1所示。對以上數據分別采用IHS變換法、主成分變換法（PCA）、小波變換（Wavelet）、HPF（高通濾波）融合、PanSharp融合等方法進行融合。根據經驗值newband2=band2*0.9+band4*0.1，重組2波段，再進行波段堆積，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看，相對原始多光譜影像均有非常明顯的提高；從色彩方面來看，相對原始全色影像而言，融合結果圖像色彩豐富，更有益于對地物的辨識和解譯。通過對居民區建筑物輪廓、道路等的細節和植被的色彩等進行比較，很容易驗證這一點。上述各種融合方法有利也有弊，下面分別進行表述。

（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于IHS變換融合法，相對而言，融合圖像上的細部特征更加清晰，光譜信息更加豐富，不過變換后的色彩信息較弱，各主成分失去了原有的物理特性，且該方法對融合區域的選擇非常敏感[5]。同時，因為該方法融合效果取決于替代圖像與第一主分量圖像的相似程度，所以容易產生光譜特征扭曲現象。

（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，在增強結果中容易出現分塊效應，并在一定程度上損失了全色圖像的細節信息。其程度與小波分解的階數有關，階數越低，細節信息損失越多，但光譜信息保留越多，反之亦然。若小波分解的階數選得低，則增強后多光譜圖像的空間細節表現能力較差，容易出現暈邊等現象，但光譜特性保留程度好。若小波分解的階數選得高，則增強后多光譜圖像的空間細節表現能力較好，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節信息，把全色影像的細節信息直接疊加到多光譜影像上，并對其進行銳化處理，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，增強多光譜圖像的空間細節表現能力的同時也容易增加噪聲，可能影響視覺效果。

（4）PanSharp融合方法能夠較好的保持高分辨率全色數據的紋理信息，不會出現HPF融合法影響視覺效果的噪聲現象，整體效果很不錯。不過，還是會損失一些光譜信息，色彩飽和度不夠，需要對飽和度等方面進一步處理。此外，與其他方法相比，該方法耗時較長一些。

3 結束語

遙感影像融合是遙感影像數據處理的重要環節，融合方法的選擇對融合效果來說非常重要。文章通過使用高分辨率試驗數據QB影像對ERDAS軟件和PCI軟件中幾種常用的融合方法進行試驗對比分析，發現每一種融合方法相對原始多光譜數據都有了很大提高，綜合分析表明HPF融合、PanSharp融合這兩種融合方法從細節紋理和光譜信息保留方面等整體融合效果來說較好。

融合方法的選擇可根據原始數據質量和具體的遙感應用項目需求來確定。若原始數據拍攝質量好，配準精度基本滿足要求，項目對地物特征紋理方面要求較高，則使用HPF融合比較合適。若原始數據拍攝質量較差，項目對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融合產生噪聲影像視覺效果。在項目實施中應根據實際需求，靈活運用各種融合方法，提高項目實施效率。

參考文獻

[1]朱述龍，張占睦.遙感圖像獲取與分析[M].北京：科學出版社，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]賈濟宏，張春泉.主分量變換法對SAR 影像同TM進行融合[J].現代測繪，2005（S1）：195-196

[5]胡召玲.多源多時相衛星遙感圖像數據融合與應用研究[M].北京：中國礦業大學出版社，2006.