地理國情普查中的遙感影像融合算法分析

何宗友，區永洪

(廣東省國土資源測繪院，廣東 廣州 510500)

?

地理國情普查中的遙感影像融合算法分析

何宗友，區永洪

(廣東省國土資源測繪院，廣東 廣州 510500)

摘要：地理國情普查是一項重大的國情國力調查，是全面獲取地理國情信息的重要手段，是掌握地表自然、生態及人類活動基本情況的基礎性工作。影像融合旨在生成具有高空間分辨率和高光譜分辨率的遙感影像，為地理國情普查提供基礎數據。然而目前影像融合算法雖多卻沒有一種普適性算法能夠有效應用于各種需求，因此需要根據地理國情普查的實際需求分析，以獲取較為合適的融合算法。

關鍵詞：地理國情普查；遙感影像融合；HPF；小波變換

一、高分辨率遙感影像融合概述

地理國情主要是指地表自然和人文地理要素的空間分布、特征及其相互關系，是基本國情的重要組成部分。地理國情普查工作主要包括3部分內容：遙感影像解譯分類與信息提取、外業調查與核查、內業成果數據整理等。其中，遙感影像解譯分類與信息提取工作以遙感正射影像為基礎，進行人工目視判讀與計算機自動分類相結合的遙感影像解譯，獲取地表覆蓋數據以供后續處理。因此地理國情普查需要具有高空間分辨率和高光譜分辨率的遙感影像作為底圖，以進行地物識別和分類。

遙感影像融合也稱為多光譜影像銳化(pan-sharpening)，是一種能夠將高空間分辨率的全色影像(panchromaticimage)和高光譜分辨率的多光譜影像(multispectralimage)有機結合在一起，生成同時具有高空間分辨率和高光譜分辨率的融合后影像的技術，在實際的遙感影像生產應用中有著重要的作用。

高分辨率商用衛星一般都包括一個高分辨率全色(pan)波段和多個低分辨率多光譜(MS)波段[1]，如SPOT、IKONOS、QuickBird、OrbView、WorldView、Pledias等。之所以一般遙感數據是全色影像和多光譜影像結合使用，主要是由于以下兩個問題制約了傳感器直接獲取高空間分辨率的多光譜影像的能力：

1) 一般來說，全色影像有著比多光譜影像更寬的波長區間，在獲取同等輻射能量時，全色探測器的大小會小于多光譜探測器。因此在入射輻射量相近時，全色傳感器會比多光譜傳感器獲取更高分辨率的影像。

2) 增加光譜分辨率和空間分辨率都會大幅度提高影像的數據量，如果傳感器直接生成同時具有高光譜分辨率和高空間分辨率的影像，數據量會遠大于目前采用的全色影像和多光譜影像配套的方法，在存儲和數據對地傳輸時會受到較大限制。然而影像融合能夠很好地處理目前主流遙感數據源，能夠有效結合全色影像和多光譜影像的優點，獲取同時具有高光譜分辨率和高空間分辨率的遙感影像，是遙感影像處理研究和應用的重點。

二、常用高分辨率遙感影像融合算法分析

常用高分辨率遙感影像融合算法主要有IHS變換、主成分變換(PCA)、小波變換、高通濾波(HPF)等算法[2-4]。本文選取地理國情普查中常用的WorldView-2高分辨率影像作為試驗數據對上述算法分別進行試驗，并對結果進行了定性和定量的分析。原始影像(如圖1所示)由0.5m分辨率單波段的全色影像和2.0m分辨率4波段(圖2紅、綠、藍、近紅外)的多光譜影像組成，TIFF格式。影像融合前對全色影像和多光譜影像進行了配準，以免產生重影，影響融合結果。對融合成果的波段順序進行了調換，同時對融合后影像波段進行了組合，將近紅外波段20%加入綠色波段使之更符合自然色彩。

遙感影像融合算法的評價目前沒有統一和普遍適用性的參數和標準，常用的分析指標如下：灰度平均值體現融合后影像的平均亮度；標準差體現融合后影像的灰度分布情況；影像清晰度體現融合結果的清晰程度；平均梯度體現了融合結果的對比度情況；信息熵體現了融合結果的信息量；空間相關系數以原始全色影像為參考，體現融合結果空間信息保留情況；光譜相關系數以原始多光譜影像為參考，體現融合結果光譜信息保留情況[4-8]。試驗中以原始全色、多光譜影像相應指標為基準，統計了上述算法影像融合結果的相應指標，結果如圖3所示。

圖1　原始全色影像

圖2　原始多光譜影像

圖3　融合結果定量分析

由試驗結果定性分析如下：

IHS變換結果(如圖4所示)的空間細節信息保留豐富，然而光譜信息丟失較多，顏色失真。

PCA變換融合(如圖5所示)的影像在保留原多光譜影像的光譜特征方面有很大的改變，但變換后的色彩信息較弱，各主成分失去了原有的物理特性[4]。

圖4　IHS算法融合結果

圖5　PCA變換融合結果

小波變換光譜(如圖6所示)扭曲度最小。在融合過程中用多光譜影像低頻部分代替了全色影像的低頻部分，導致融合結果在保留了較多光譜信息的同時受到了紋理信息的損失[9]；小波變換的階數與損失紋理信息成反比，即變換階數越高，保留的空間信息越少，但是保留的光譜信息較多。

圖6　小波變換融合結果

HPF算法(如圖7所示)的空間分辨率較高，同時保留了豐富的光譜特征，其融合成果比較適用于遙感解譯，因此成為地理國情普查中遙感影像融合的主流算法。

圖7　HPF算法融合結果

三、融合算法改進

在常用的高分辨率遙感影像融合算法中，HPF算法具有空間分辨率高、細節表現能力強，同時也能較好保留原始多光譜影像的光譜特征的特點，因此在生產中得到了廣泛的應用。然而HPF算法也有明顯的缺陷，即噪聲較大，顆粒感強烈。由定量分析結果可以看出，HPF融合算法和小波變換融合算法具有較大的互補性，小波變換能夠為成果保留更多的光譜信息，同時能夠有效地平滑和抑制噪聲[10]，彌補HPF算法的缺陷。地理國情影像的處理正是基于高通濾波和小波變換的遙感影像融合算法。

首先采用低階數的小波變換處理原始影像，盡量保留相對較多的低頻空間信息。對于一幅N×N的影像而言，在變換的每一層次，圖像都被分解為4個四分之一大小的圖像，它們都是由原圖與一個小波基圖像的內積后，再經過在行和列方向進行2倍的間隔抽樣而生成如圖8所示的形式。

圖8　正變換示意圖

在高頻率域采用小波變換后的全色影像替換多光譜影像的相應部分；在低頻率域使用高通濾波算法融合全色和多光譜影像；對融合后結果進行小波逆變換：在每一層，通過在每一列的左邊插入一列零值來增頻采樣前一層的4個陣列；接著用尺度向量h0(x)和h1(x)對各行做卷積運算，再成對地把這幾個小的陣列加起來；然后通過在每行上面插入一行零來將上述所得的兩個陣列的增頻采樣為N×N；再用h0(x)和h1(x)與這兩個陣列的每列卷積。這兩個陣列的和就是這一層重建獲取HPF與小波變換結合成果。具體試驗成果如圖9所示。

試驗成果表明HPF融合算法具有空間分辨率高、細節表現能力強的優點；小波變換算法具有在提高空間分辨率的同時，保持光譜扭曲最小的優點，并且可以對HPF結果進行一定程度的平滑，有效減少噪聲。因此采用基于小波變換和高通濾波算法的遙感影像融合算法，不僅增強了影像空間細節表現能力，同時很好地保存了多光譜影像的光譜信息，提高了遙感信息的信息量和清晰度。

圖9　融合算法改進成果

四、結束語

本文以地理國情普查項目中高分辨同時具有豐富光譜信息的遙感影像作為底圖，采用自動分類提取與人工解譯相結合的方式進行遙感影像處理工作。根據對常見影像融合算法試驗結果進行定性和定量分析，采用小波變換和高通濾波算法很好地解決光譜扭曲并減少噪聲，融合后成果能夠有效地應用于地理國情普查影像的生產應用。

參考文獻：

[1]王建梅,李德仁.QuickBird全色與多光譜數據融合方法用于土地覆蓋分類中的比較研究[J].測繪通報,2005(10):37-40.

[2]齊小玲,吳健平.多源遙感影像融合及其關鍵技術探討[J].現代測繪,2003,26(3):20-22.

[3]王樂,牛雪峰,王明常.遙感影像融合技術方法研究[J].測繪通報,2011(1):6-8.

[4]孟京輝,陸元昌,劉剛,等.基于ETM+遙感圖像的圖像融合試驗及評價方法[J].南京林業大學學報(自然科學版),2010,34(1):69-72.

[5]王樂,牛雪峰,魏斌,等.遙感影像融合質量評價方法研究[J].測繪通報,2015(2):77-79.

[6]武堅,江洪,李云虎.遙感影像融合的質量評價探討[J].測繪技術裝備,2008,10(4):9-11.

[7]翁永玲,田慶久.遙感數據融合方法分析與評價綜述[J].遙感信息,2003(2):49-54.

[8]王昱,胡莘,張保明.數字影像質量評價方法研究[J].測繪通報,2002(5):7-9.

[9]劉繼琳,李軍.多源遙感影像融合[J].遙感學報,1998(1):47-50.

[10]王智均,李德仁,李清泉.利用小波變換對影像進行融合的研究[J].武漢測繪科技大學學報,2000,5(2):112-116.

Analysis of the Remote Sensing Image Fusion Algorithm for Geography Census

HE Zongyou,OU Yonghong

收稿日期：2015-04-16； 修回日期： 2016-04-11

作者簡介：何宗友(1976—)，男，高級工程師，主要從事測繪成果質量檢查工作。E-mail：hzyty@163.com

中圖分類號：P237

文獻標識碼：B

文章編號：0494-0911(2016)06-0079-03

引文格式： 何宗友，區永洪. 地理國情普查中的遙感影像融合算法分析[J].測繪通報，2016(6)：79-81.DOI:10.13474/j.cnki.11-2246.2016.0195.