开封市Spot5全色波段与多光谱影像融合评价

郭文娟，吴楠楠

（河南大学环境与规划学院，河南开封475001）

开封市Spot5全色波段与多光谱影像融合评价

郭文娟，吴楠楠

（河南大学环境与规划学院，河南开封475001）

以Spot5全色波段与多光谱波段为例，用PCA、Brovey、IHS等三种像素级融合方法对其进行融合研究。分别运用灰度均值、相关系数、平均梯度等三个传统的指标在影像亮度、光谱保真度以及高频信息融入度三个方面对其评价。最后综合这些指标在信息量以及融合指数方面对融合影像进行综合评价，从而建立一套完整的影像评价体系。

影像融合；光谱信息；空间信息；效果评价

近20多年来，遥感技术获得迅猛发展，一方面需要有效处理多源遥感信息描述同一地物时信息解译的问题；另一方面需要对各种不同空间分辨率和波谱分辨率的遥感影像数据进行融合以最大限度提高信息量，减少信息冗余[1]。探讨将这些具有各种特征的遥感影像信息融合在一起，以充分发挥其各自的优点，是非常有意义的[2]。法国SPOT-5遥感卫星影像，其全色波段空间分辨率高达 2.5 m，多光谱波段光谱信息丰富，但分辨率稍低，仅为10 m。为了既保留丰富的光谱信息又能提高空间分辨率，可以将其全色波段数据与多光谱数据相融合，提高Spot影像的使用效率。目前融合效果的评价指标没有统一的标准，本文试图建立一套相对完整的评价体系，通过几种像素级融合方法得到的影像对其进行验证。

1 影像数据融合方法分析

遥感影像数据一般可在三个层次上进行融合，即像素级融合、特征级融合、决策级融合。像素级融合是直接对原始影像进行色彩空间或频率域空间的匹配形成一景新的影像；特征级融合是对图像的特征进行融合；决策级融合是数据融合的最高层次。融合层次决定了对多源遥感数据进行何种程度的预处理，以及在信息处理的哪一层次上实施融合。

1.1 IHS变换融合算法

其具体过程是将RGB色彩空间的多光谱影像数据做HIS正变换，然后将高空间分辨率影像的像元值进行对比度拉伸，使其与I分量有相同的均值和方差，最后用拉伸的全色Pan影像替换其中的亮度I分量，再做IHS反变换，生成融合后的影像[3]。IHS变换融合法可以提高融合图像的地物纹理特性,但多光谱图像的波段数必须为3,而且光谱失真较大。

1.2 主成分分析 (PCA)

其首先对N个波段的低分辨率图像进行主分量变换，然后将高空间分辨率影像灰度值进行线性拉伸，使其灰度的均值和方差与经变换后影像的第一分量一致；最后以拉伸过的高分辨率图像代替第一分量图像，并将它与其余主分量作逆主分量变换还原到原始空间从而得到融合的影像[4]。主成分变换法在保留原多光谱影像的光谱特征方面比较好，然而第一主分量的信息量要比全色波段影像的信息量高，进行反变换得到增强后的多光谱波段影像时，其信息量会受到损失[5]。

1.3 Brovey影像融合算法

Brovey变换又称为“色彩标准化-乘积变换”。其算法是将多光谱影像分解为色彩和亮度成分并进行计算，简化了影像转换过程的系数并最大限度地保留多光谱数据的信息[6]。运算时首先进行RGB影像显示的多光谱波段颜色归一化，然后将高分辨率全色影像与多光谱各波段相乘完成融合。该方法常用于影像的锐化，主要用于波谱范围一致的影像之间的融合。

2 数据分析处理及融合

2.1 研究区及数据分析

本文研究区为开封市城区。在融合过程中，对标志性建筑、城墙以及水体的识别为重点。使用的是经过初步处理的2003年开封市 Spot5数据,包括分辨率为2.5 m的全色波段数据与分辨率为10 m的多光谱数据,所使用的软件为ERDAS9.2。下文中主要通过PCA、IHS、Brovey等 3种传统的像素级融合方法对开封市Spot5全波段与多光谱数据进行融合,并对融合影像进行定性与定量评价。

融合之前应对两数据进行预处理。首先对影像进行简单的纠正；第二,给两图像添加UTMWGS84 zone49投影坐标系统；第三,进行分辨率重采样；然后进行配准，配准的精度直接影响到影像的融合质量,本文是以全波段影像数据为基准来配准多光谱影像数据,选取容易定位的地物点作为控制点,均匀分布在整个影像中,误差控制在0.5个像元内；最后将两图像进行裁切及掩膜处理，从而得到直接进行融合的数据。其效果如图1、2所示。

图1 原多光谱数据

图2 原全波段数据

2.2 影像融合分析

本文中主要通过IHS、PCA、Brovey变换等三种传统的像素级融合方法进行分析、归纳与运算，对开封市Spot5全色波段与多光谱波段进行图像融合实验。

利用 ERDAS 9.2“数据预处理模块”下的不同融合算法进行以下三种融合处理。在PCA主成份融合中，其重采样选择的是“最邻近法NearestNeighbor”；而在Brovey变换融合与 IHS变换融合中，采用绿色波段、红色波段与近红外波段进行的融合处理。进行融合后，三种方法得到的融合影像如图3、4、5所示。

图3 PCA融合结果

图4 IHS融合结果

图5 Brovey融合结果

3 效果评价

影像融合之后，要对融合效果进行评价，通过目视观察可以看出三种融合影像与原始图像相比，在空间信息上均有所改善,并在一定程度上能够保持光谱信息。PCA融合法与Brovey融合法在空间信息方面没有明显的差别,但PCA法融合后图像的地物边界稍有模糊,影像几何结构信息也有部分丢失,Brovey融合后的影像亮度偏低。下面定量的对以上三种融合结果进行评价，主要应用灰度均值、相关系数、平均梯度等三种比较成熟的指标以及本文提出的几个新指标分别在影像的亮度信息、光谱保真度以及高频信息融入度三个方面进行评价分析；最后综合这三个指标在信息量方面加以综合评价，并分析新指标的合理性。

3.1 传统指标

2）平均梯度。它敏感地反映图像对微小细节反差表达的能力及纹理变化特征。影像梯度反映影像的清晰程度。在理想状况下,梯度值越大,影像越清晰。

3)相关系数。它表明融合影像与原影像的相关程度。其主要是用来描述两幅图像的接近程度，两幅图像的相关系数越大,则表示两图像越接近，即光谱保真度越好。

3.2 改进指标分析

1）光谱相关系数。评价融合影像的一个重要方面就是融合图像能否较好地保留融合前多光谱影像的色彩信息。相关系数反映了两幅影像的相关程度，但没有解决高分辨率影像对光谱信息的影响。针对这一问题，首先对原多光谱影像与融合影像进行低通滤波，分别得到对应的影像M l、F l，然后分别求取两影像对应波段的光谱相关系数Hmf：

式中，i、j为影像的行列数；M l ij、F l ij为经低通滤波的多光谱影像与融合影像对应像素的灰度值；u(M l)、u(F l)为两影像对应波段的灰度平均值。Hmf越大，即光谱信息的保持越好，光谱相关系数去除了高分辨率影像对光谱信息的影响，因而更客观、更具说服力。

2）空间相关系数。评价融合影像的另一方面就是影像的清晰度，在此将引入空间相关系数Hpf的概念，其主要是对融合影像F与高分辨影像P进行高通滤波，分别得到影像Fh、Ph，然后求取各两者的相关系数[7]，现将Ph各波段与Fh的相关系数表示Hpf，其表达式为：

式中，m、n为两影像的行列数；Fh(x)ij、ux(Fh)为融合影像第x波段i行j列的像素灰度值以及x波段的灰度均值；Phij、u(Ph)为全波段影像i行j列的像素灰度值以及全波段影像的灰度均值。一般情况下Hpf越大表明高频信息融入度越高，效果越好。

3）信息量指数。信息量指融合影像所包含的原多光谱影像的光谱信息与高空间分辨率影像的空间信息的保持量。现结合前面的分析,从信息量方面来对融合影像进行全面的综合评价，直接对评价指标进行带权系数相乘，得到信息量指数Riq，其关系式为:

式中，e为带权系数,e的取值一般与选择的融合方法以及融合的影像的用途有关,一般情况下为 0.5,当其取极值0时,Riq表示高频信息指数,当取极值1时,Riq为光谱信息指数。根据不同的应用以及实验目的，可以将e取为0到1之间的任意值。信息量指数是对影像进行的综合评价，其应在前面分析的评价指标的基础上对融合影像进行评价。

3.3 结果对比

通过目视观察可以看出三种融合效果均在一定程度上得到了改善，下面现将运用不同的评价指标对以上三种融合影像进行对比分析，其结果如下表1所示。

表1 融合影像评价指标统计表

由表1可以看出PCA融合法的光谱相关系数较高，空间相关系数较低，而Brovey融合法均值较低，说明视觉效果较差，从中可以反映出PCA的光谱保真度较好，而IHS与Brovey的清晰度较高，这与这三种融合方法的原理是对应的；同时空间相关系数与平均梯度的变化规律基本一致，说明其能很好的表达高频信息；通过信息量指数以及融合指数的比较可以看出IHS融合的整体效果较好，而Brovey相对较差。这些指标的分析与视觉效果也是相吻合的，可以说明这以指标的确立是合理可行的，它更加全面、综合的对影像进行了评价。

4 结 语

影像融合的优点显而易见，其应用范围越来越广，本文只分析了同一传感器影像融合的问题，还有许多其他影像的融合需进一步探讨研究。同时本文试图建立一评价指标体系，从而更加全面地对融合影像的效果进行评价，通过前面的分析可以看出，本文建立的评价指标与传统的指标趋势基本一致，可以说明这一指标体系是合理的，并且它比传统的指标更客观、更具说服力；但是体系本身也存在一定的缺陷，在以后的工作中还需不断的完善。

[1] Ren C luo et.Multisensor Integration and Fusion for Intelligent Machines and Systems[M].North Carolina State University:Ables Publishing Corporation，1995

[2] 周前祥，敬忠良，姜世忠.多源遥感影像信息融合研究现状与展望[J].宇航学报，2002，9:89-90

[3] 贾永红，李德仁.SA与TM影像的IHS变换复合及其质量定量评价[J].国土资源遥感，1997，3:34-39

[4] 贾永红，李德仁，孙家柄.多源遥感影像数据融合[J].遥感技术与应用，2000，15(1):41-44

[5] 杨丽萍，夏敦胜.L and sat 7 ETM_全色与多光谱数据融合算法的比较[J].兰州大学学报：自然科学版，2007，43(4):7-17

[6] Vrabel J.Multi-spectral Imagery Advanced B and Sharpening Study[J].Photogrammetric Engineering&Remote Sensing，2000，66(1):73-79

[7] 翁永玲，田庆久，惠凤鸣.IKONOS高分辨率遥感影像自身融合效果分析[J].东南大学学报：自然科学版，2004，34(2): 274-277

Estimation of Spot5 Panchromatic B and and M ulti-spectral Image Fusion in Kaifeng

GUO Wenjuan,WU Nannan
(C o l l e g e o f E n v i r o n m e n t a n d P l a n n i n g o f H e n a n U n i v e r s i t y,K a i f e n g 4 7 5 0 0 1,C h i n a)

In this paper,we used pixel fusion methods:PCA、Brovey and IHS to research image fusion of Spot5 panchromaticb and and multi-spectral band s.Atthe first,used the three traditional indicators of the mean、correlation coefficient and average gradient to evaluate the fusion image in the three aspects of image brightness、spectral fidelity and high-frequency information.Finally combined these indicators to evaluate the image comprehensivly in the amount of information and fusion index,so as to establish a complete image evaluation system.

image fusion;spectral information;spatial information;effect evaluation

2009-08-24

项目来源：教育部人文社科基地重点资助项目（YRCSD-06A-08）。

P237.3

B

1672-4623(2010)02-0130-04

郭文娟，硕士，研究方向为资源遥感与应用。