HSV 與 Gram-Schmidt 影像融合方法比較分析

王小標，茍勝國，徐 鵬，邵 瀚

(中國電建集團貴陽勘測設計研究院有限公司，貴州 貴陽 550081)

1 引言

為獲得多源遙感數據中的優勢信息，采用遙感數據融合方法將多源遙感數據中光譜信息、空間分辨率和時間分辨率信息進行運算處理，得到聚各種優勢信息于一體的融合影像，比未經融合原始影像具有更豐富的波譜、空間和時間等特征[1～3]。融合影像不僅具有低分辨率的多源時空信息，還具有高分辨率的高空間信息，是許多研究地學應用的基礎，故研究人員和從業人員不斷鉆研開發先進的融合技術與方法，以提高融合技術的處理性能和融合后影像的高準確性[4～7]。地學研究是一門跨領域跨學科的交叉研究，因需求不同，景觀的復雜性，輸入數據集的時間和光譜信息變化，使得多源遙感數據是地學研究中不可或缺的基礎數據，采用像元級的多源遙感數據融合方法對比分析應用研究是具有理論和現實意義的[8～10]。

2 研究區及數據

數據采用2014年354天 path=120，raw=38，多光譜空間分辨率為30 m，全色波段為15 m，重訪周期 16 d的Landsat 8 OLI影像，來源于地理空間數據云網站(www.giscloud.cn)。實驗區位于江蘇省南京市的江寧區(圖 1)，區域內土地利用類型多元化，地物類型豐富的特點適合進行影像融合實驗。

實驗選用了第 2、3、4 波段作為多光譜(圖 2)，用第 8 波段作為全色波段，具體參數見表 1，其中多光譜已經過 FLAASH 大氣校正。

3 實驗方法

HSV 變換是一種先將RGB遙感影像數據變換到HSV空間，用高分辨率遙感影像替代顏色亮度值波段，采用重采樣的方法將強度、色度和飽和度重采樣到高分辨率影像像元大小，然后將融合后影像再變換回到RGB顏色空間的圖像融合方法[11]。

圖1 研究區

圖2 實驗數據(a：多光譜RGB 真彩色 b：全色波段)

表1 實驗數據參數

Gram-Schmidt 變換是統計學中一種經常采用的多維線性正交變換，采用Gram-Schmidt變換對高光譜遙感影像多波段數據進行正交化處理，可以消除冗余信息[12]。首先，以低空間分辨率遙感影像為基礎，模擬出一個波段全色影像。其次，把模擬出的全色波段當作Gram-Schmidt變換的第一分量對低空間分辨率遙感數據進行Gram-Schmidt變換。隨后，將高空間分辨率的全色波段替換Gram-Schmidt變換后的第一個分量。最后，對替換后的數據集采用Gram-Schmidt逆變換，實現低空間分辨率遙感影像與高空間分辨率全色波段融合[13～15]。

4 實驗結果

兩種方法的融合結果(圖 3)，不同地物的融合結果(圖 4)。

(a)HSV 方法融合結果 (b)Gram-Schmidt 方法融合結果)

5 結果評價

5.1 定性分析

從圖 2、3 中可知，HSV 融合結果的顏色比Gram-Schmidt 結果的顏色更加艷麗， 且與自然真彩色合成的影像效果更加接近，HSV 融合結果的解像力要略高于Gram-Schmidt 融合結果的解像力。同時 HSV 融合結果的細節信息在不同地類中比Gram-Schmidt 更加清晰。

5.2 定量分析

定量評價選取評價指標進行評價，評價指標采用灰度平均值、標準差和相關系數[16]對影像融合結果進行定量分析。其中，均值和相關系數用來衡量光譜信息的保真度；標準差用來評價高頻信息的融合情況。評價指標描述如下。

圖4 不同類型地物融合結果

(1)灰度平均值。該指標用于評價融合后影像平均亮度值，通常采用融合后影像均值與對應原始影像進行比較，用于評價融合后影像的光譜保真度。

(2)標準差。該指標用于評價融合后影像像元灰度值相對于平均值的離散情況，用于反映融合后影像的細節變化情況。

(3)相關系數。該指標用于評價融合后遙感影像與原始多波段遙感數據、全色波動之間相似程度，與前者比較的相關系數反映光譜保持性能，與后者比較的相關系數反映空間細節的變化程度(表2)。

表2 定量評價結果

從表2 中可知，Gram-Schmidt 融合結果均值變化較小，基本與原圖像一致，而 HSV 融合結果均值變化較大。表現為 HSV 的平均值亮度高于 Gram-Schmidt，但后者的光譜保真性優于前者。從標準差來看，Gram-Schmidt 融合結果均比 HSV 結果大，前者對空間高頻信息細節增加量大，清晰度越好。變換后 Gram-Schmidt 融合結果的相關系數優于 HSV，好于原始影像，但 HSV 的融合結果的相關性低于原始影像。

6 結論

綜合定性和定量評價結果可知，Gram-Schmidt 融合方法更好地體現多光譜影像空間信息，使多光譜影像信息在空間上更為豐富。同時，與原始圖像的相關系數較高，具有很好的光譜保持性。HSV 融合方法的平均亮度高于 Gram-Schmidt，更能顯現影像的細節信息及紋理特征。因此，根據具體的需求選擇合理的融合方法更具有現實性與可行性。