道路信息提取的GF－2 影像融合方法對比分析

邵小美， 張春亢， 韋永昱， 周成宇

（1 貴州大學 礦業學院， 貴陽 550025； 2.31626 部隊， 廣州 510800）

0 引 言

隨著遙感技術的發展，影像融合技術已接近成熟并逐漸應用于各個研究領域。 國內外學者針對不同數據源采用不同融合方法做出了大量的研究，并依據相關的評價指標對融合效果進行評價。 研究表明，不同的融合方法應用于不同的數據源，其融合效果各異。 薛晶等針對高分二號影像，采用5 種常用的融合方法對全色和多光譜數據進行分析處理，得到了最優融合算法。 趙文馳等通過分析評價不同融合方法，研究了適用于高分辨率衛星影像的融合方法；謝士琴等比較分析了高分二號影像融合的方法，找到了GF－2 影像融合的最優算法。 以上文獻都只是通過定性評價和定量評價兩方面評價了融合圖像的優劣，且定量評價的指標中缺少對實際應用的考慮。 而張麗霞等通過對多種融合方法進行分類，總結了各類融合方法的融合過程和典型算法；孫攀等基于高分二號影像，對比分析利用5 種融合方法的融合影像進行地物分類，找到了最優融合方法；王兆媛等針對適用于GF－1 衛星影像水體信息提取的影像融合方法展開研究，篩選出融合后影像質量較優的方法；鄭雅蘭等探究了適用于林業提取的高分二號影像的融合方法等等。 從以上分析而可以看出，雖然圖像的融合方法各有優劣，但衛星融合后影像的最佳視覺與應用效果還沒有達成一致。 這些研究在利用不同融合方法分析高分影像方面取得了不少顯著成果，但針對道路信息提取方面，尤其是適用于高分二號衛星影像的分析，有待投入更多的研究與實際應用。

針對影像數據在實際應用中，由于融合方法選擇不恰當導致數據優勢無法充分發揮的問題，本文采用6 種常用的融合算法對高分二號衛星的全色影像和多光譜影像數據進行融合實驗，并通過主觀定性評價和客觀定量兩方面進行對比分析，再通過遙感影像道路提取具體實驗，選擇適合從GF－2 圖像數據中提取道路信息的融合方法。

1 研究方法

1.1 影像融合方法

本研究選擇了PCA、Brovey、NNDiffuse、GS、IHS以及小波變換6 種常用的融合方法進行實驗對比分析。

PCA 變換也稱Hotelling 變換或K－L 變換，是一種基于信息量的正交線性變換。 PCA 融合法是用高分辨率圖像替換，通過主成分變換，將低空間分辨率圖像轉換的第一個主成分，使得圖像的光譜和紋理信息得到更好的保存，然后通過逆變換完成融合。 Brovey 融合方法即色彩標準化變換，該算法主要是將多光譜圖像的圖像空間分解為顏色和亮度分量，然后進行計算。 該變換過程最大限度地保留了多光譜圖像數據的信息，簡化了圖像變換過程的系數。 在融合處理操作中，首先對多光譜波段進行顏色歸一化，然后將全色圖像的灰度值乘以多光譜圖像各波段的灰度值， 最后完成融合過程。NNDiffuse（Nearest Neighbor Diffusion）融合算法是ENVI 5.2 新增的一個圖像融合算法，由美國羅徹斯特理工學院（Rochester Institute of Technology， RIT）最新提出。 與以往的方法相比，該方法在圖像融合質量和處理速度方面具有更好的效果。 當多光譜波段的波長范圍不交叉時，全色波段基本可以覆蓋多光譜波段的所有波長范圍，融合效果更好。 Gram－Schmidt 變換是統計學中常用的一種多維線性正交變換，通過統計分析方法對融合波段進行最佳匹配，以消除多光譜波段之間的相關性。 該算法雖然消除了融合圖像時的冗余信息，但其抗干擾能力較弱。 IHS（Intensity， hue， saturation）變換主要是將人類感知的RGB 顏色空間轉換為IHS 顏色空間，并通過對比拉伸將IHS 轉換為RGB 模型，生成彩色增強圖像，從而實現多源遙感影像間的信息融合。 小波變換是一種空間域信號分解與重構的融合技術，該融合算法是通過對多光譜影像與高分辨率影像進行小波正變換，然后對提取的高分辨率影像的高頻信息和多光譜影像的低頻信息進行小波逆變換。 以此完成影像的融合。

1.2 融合質量評價方法

遙感影像融合主要是通過融合高空間分辨率影像和多光譜影像，得到兼具高空間分辨率和多光譜影像豐富的色彩信息的融合影像，提高影像整體質量。

1.2.1 定性評價

融合影像主觀定性評價標準是通過目視判別，由觀察人主觀評判圖像的紋理、細節、邊緣的清晰度，以及圖像的光譜是否畸變，然后判斷圖像融合方法的實用性。 雖然主觀評價方法方便快捷，但人工評價過程主觀片面，只能在特定情況下使用。 因此，對于大多數對準確度要求較高的應用，都需要進行客觀的定量評價。

1.2.2 定量評價

通過定量方式來對影像融合質量進行評價，相比定性方法來說更加嚴謹，在數據直觀對比的基礎上，可以清楚地分辯各種方法在融合后影像分辨率、光譜差異、亮度等各類指標上的差異。 本文針對高分二號衛星影像的特點，從影像的信息量、清晰度、邊緣保持度、噪聲減少情況，以及與原圖像的相似程度等方面，對圖像的評價指標進行了選擇。 最終選取了圖像均值、標準差、信息熵、峰值信噪比、均方根誤差以及與原始多光譜影像的相關系數6 個評價指標。 通過對這6 個指標的綜合對比分析來判定影像的融合效果的優劣。

（1）均值：均值也稱為像素平均值，表現為影像的平均亮度。 融合后，影像與原始影像的均值變化越小，則該方法的融合效果就越好。 其計算公式為：

（2）標準差：標準差是相對于灰度平均值來說的圖像灰度離散情況。 標準差越小，影像中地物間的反差就越小，更不利于提取影像的信息。 計算公式為：

式中，為影像的標準差。

（3）信息熵：信息熵常被用作系統信息含量的量化指標。 通常情況下，融合后圖像的熵值越大，則圖像包含的信息量就越多，融合效果也就越好。計算公式為：

式中，為信息熵，(x) 為影像像素灰度值為x的概率。

（4）均方根誤差：均方根誤差是融合影像與原始影像相似度的直接反映，代表融合影像的信息保留程度。 融合影像均方根誤差越小，表示融合前后影像越相似，融合效果越好。 其計算公式為：

式中，(，) 為原始影像在(，) 位置像元的灰度值，(，) 為融合后影像在(，) 位置像元的灰度值。

（5）相關系數：融合后影像的光譜信息保存能力，可以通過融合后影像與原始多光譜影像之間的相關系數來衡量。 通常情況下，影像的相關系數越大，則融合后影像的光譜信息保存能力就越強。融合圖像和原始圖像的相關系數的計算公式為：

（6）峰值信噪比：峰值信噪比是衡量圖像有效信息與噪聲之間的比例，能夠體現圖像是否失真。 其數值越大，表示融合過程的失真越小，融合效果更好。 其計算公式為：

式中，MAX 為融合圖像最大灰度值。

1.3 道路信息提取方法

本實驗采用改進的筆畫寬度變換算法，對6種融合后的影像以及原始圖像進行道路信息提取實驗。 該方法是利用均值漂移（mean shift）算法來改進筆畫寬度變換進行道路提取，使最終獲得的道路信息更加準確；最后對提取出的道路圖像進行數學形態學處理，去除其中一些干擾及毛刺，優化道路提取實驗結果。

2 實驗結果分析

本文實驗的研究區位于貴陽市貴陽北站附近。該區域地勢相對平坦，交通線比較復雜，是運用遙感技術進行道路信息提取的有利地域。 選取高分二號衛星影像數據的多光譜和全色影像作為實驗數據。在融合實驗之前，首先對影像數據進行正射校正和空間配準等預處理，然后再進行融合實驗。 經過圖像融合后的影像，能更好地識別道路信息，加強視覺效果，有利于全面提取道路信息。 文中影像選用MSS3（ R）、MSS2（ G） 、MSS1（ B）的波段組合。 不同類型道路的融合效果如圖1 和圖2 所示。

圖1 郊區道路融合圖像Fig.1 Fused image of suburban road

圖2 城市道路融合圖像Fig.2 Fused image of urban road

2.1 定性評價

融合影像主觀定性評價，主要是通過人眼進行主觀判別圖像光譜保真度和圖像清晰度的融合效果。 由圖1、圖2 可見，相比于原始多光譜影像，6 種方法的融合影像在信息方面都有所增強。 但在細節信息方面，融合后的影像相比全色影像都有一定的損失。 IHS、brovey 和小波變換融合的圖像在光譜顏色方面存在光譜失真的現象，而且相比與其它融合圖像，小波變換融合圖像比較模糊，但整體的影像質量并沒有受損。 而PCA、NDDiffuse 和GS 融合后的影像比較清晰，光譜保真度和顏色亮度優于前3 種融合方法。 其中視覺效果最好的是NDDiffuse，與原始多光譜影像在顏色上最為相似。

2.2 定量評價

本文選擇均值、標準差、信息熵、峰值信噪比、均方根誤差以及與原始多光譜影像的相關系數，作為融合影像質量評價的指標，從信息量、光譜保真度、清晰度等方面對融合結果進行定量分析。 分別計算原始多光譜和6 種融合影像的質量評價指標值，具體變化趨勢如圖3 所示。

圖3 評價指標變化折線圖Fig.3 Line chart of evaluation index changes

由圖3 中各評價指標對比可知：

（1）從均值方面分析，NNDiffuse 融合法的光譜保真性最好，GS 和PCA 融合法次之，這3 種方法最接近原始影像并有所提升。 而IHS、Brovey 和小波變換融合圖像和原始影像的均值相差較大。

（2）從標準差方面分析，IHS 和小波變換的標準差最大，且較原始多光譜影像相差較大。 標準差越大表示圖像反映的信息越復雜，雖然這有利于地物的分類，但對道路信息提取來說，會造成更多的噪聲。 而PCA、GS、Brovey 和NNDiffuse 法融合后，影像的標準差和原始影像都比較接近原始影像，更有利于道路信息的提取。

（3）從信息熵方面分析，無論是城市道路還是郊區道路的圖像，NNDiffuse、GS 和PCA 融合后的圖像信息量都比較大，而Brovey 的熵值最小。

（4）從相關系數方面分析，NNDiffuse、GS、PCA和小波變換融合圖像的相關系數較大，表明這3 種方法與原始多光譜影像相似度較高。 而IHS 和Brovey 融合圖像與原始多光譜圖像的相關性較小，融合效果較差。

（5） 從 峰 值 信 噪 比 方 面 分 析，GS、PCA 和NNDiffuse 融合的圖像峰值信噪比較大，而Brovey、IHS 和小波變換的圖像峰值信噪比較小，其圖像失真較大。

（6）從均方根誤差方面分析，GS、PCA 和NNDiffuse融合的圖像均方根誤差較小，表示這3 種融合影像與原始影像越接近，融合效果較好。 而Brovey、IHS和小波變換的融合方法的均方根誤差較大。

綜上所述，NNDiffuse 融合法和GS 融合法的融合效果較好，PCA 融合法次之，而Brovey、IHS 和小波變換融合法效果較差。 為了從應用的角度更好地評價融合方法的優劣，也為了驗證融合影像在道路信息提取中的適用性。 將分別用NNDiffuse 和GS融合圖像進行道路信息提取，以此對融合效果進行驗證。

2.3 道路信息提取結果與分析

本文將融合圖像應用于道路信息提取中，利用改進的筆畫寬度變換算法，分別對NNDiffuse 和GS變換所得融合影像進行道路信息提取，結果如圖4、圖5 所示。

圖4 郊區道路提取結果Fig.4 Suburban road extraction results

圖5 城市道路提取結果Fig.5 Urban road extraction results

從圖4 和圖5 可以看出，對于郊區道路，影像中沒有過多的干擾噪聲，提取效果都比較好。 但GS融合圖像的提取結果會出現一些斷裂以及毛刺。 而對于城市道路來說，建筑物比較多，提取出的結果會存在較多的噪聲，這需要后續的去噪實驗。 相比之下，NNDiffuse 融合方法對邊界的處理更細致，道路提取結果更加完整。

3 結束語

本文以高分二號衛星影像的全色與多光譜影像作為數據源，對6 種典型的融合方法進行對比與分析，綜合定性與定量進行融合效果評價。 從信息量，光譜保真度、清晰度等方面的指標綜合分析得出：NNDiffuse 變換和GS 變換融合效果較好；結合具體的道路提取實驗進行驗證，實驗結果表明：相比于其它5 種融合方法，NNDiffuse 融合圖像的道路提取效果更優，更適合高分二號影像的道路信息提取研究。