中巴资源卫星HR与CCD图像融合方法探讨

高仉生，赵英俊

（核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京，100029）

中巴资源卫星HR与CCD图像融合方法探讨

高仉生，赵英俊

（核工业北京地质研究院 遥感信息与图像分析技术国家级重点实验室，北京，100029）

中巴资源卫星（CBERS）多光谱CCD数据与全色HR数据空间分辨率相差较大，给图像融合带来一定困难。利用锐化、高通滤波（HPF）、Brovey变换、IHS变换、主成分变换、GS变换和小波变换等方法对CCD与HR数据进行融合试验。通过定性与定量分析，探讨了不同方法的融合效果。

CBERS-02B卫星；HR；CCD；图像融合；评价

图像融合作为一种信息的融合，是数字图像处理中的一项前沿技术，它是通过对多源信息的综合和处理，获得新的改善了的信息和数据，以增强影像中的信息透明度和改善图像信息提取的及时性和可靠性，提高数据的使用效率［1］。

中巴资源卫星（CBERS）02B卫星可获取全色HR数据，空间分辨率可达到2.36 m，而多光谱CCD数据的空间分辨率仅为19.5 m。为了提高影像的解译精度和可靠性，增强目标的识别能力，需要对这两种数据进行融合处理，以改善影像的质量。

尽管图像融合与增强技术方法很多，但由于CBERS-02B卫星多光谱CCD数据与HR数据的空间分辨率相差较大，要使CCD数据与HR数据的融合影像同时保持高空间分辨率和丰富光谱信息，融合方法尤为重要。本文采用多种方法对CBERS-02B卫星CCD多光谱影像和HR影像进行融合试验研究，通过对融合后的影像进行定性与定量评价及对比分析，得到了适合CBERS-02B卫星HR与CCD影像融合的几种较好的方法。

1 图像融合方法

1.1 锐 化

锐化（Pansharping）融合方法是由加拿大新不伦瑞克大学Yun Zhang博士开发的。全色锐化算法是基于最小二乘法，在原来的多光谱图像、全色图像和融合图像之间建立灰度值的近似关系，解决彩色失真、操作和数据依赖问题，并且能够保护每个通道的平均值、标准差以及直方图形状，最大限度地保留地物特征细节、自然色彩和空间特性，适合各种不同传感器影像之间的融合。

1.2 高通滤波变换

高通滤波 （High Pass Filter，HPF）融合方法主要是让高分辨率影像通过一个高通滤波器提取出高分辨率影像的空间细节信息，然后将高分辨率影像高频部分的空间细节信息叠加到多光谱影像上，这样就实现了多光谱的低分辨率影像和高分辨率全色影像之间的数据融合。虽然这种方法能够在一定程度上提取全色影像的空间细节信息，只是直接将全色影像的空间细节信息与多光谱影像进行叠加，在增强多光谱影像空间细节信息能力的同时也带入了新的噪声，影响了影像视觉效果。

1.3 Brovey变换

Brovey变换是较为简单的融合方法，通过应用乘积组合算法对多光谱波段颜色（红、绿、蓝）进行归一化，将高分辨率影像与多光谱各波段相乘完成融合。计算公式如下［2］：

式中：R、G、B分别为多光谱影像的3个波段，I为高空间分辨率影像。

该方法简化了影像转换过程的系数，融合的图像以最大限度地保留多光谱数据的信息，但融合影像的色彩层次感不强，较灰暗。

1.4 IHS变换

IHS彩色空间变换是指将多光谱图像从RGB空间分解成亮度I、色调H和饱和度S，然后将高分辨率全色图像与分离出的亮度I分量进行直方图匹配，使其灰度的均值和方差与分量I图像一致，最后用匹配好的全色波段代替I分量，并进行反变换。

通常，IHS融合能明显地增加多光谱影像的空间细节表现能力，但当高分辨率影像与多光谱影像波段之间的光谱响应范围不一致时，融合后的影像色彩畸变严重，光谱失真较大。

1.5 主成分变换

主 成 分 变 换 （PrincipalComponents Transformation，PCT）是在影像统计特征基础上进行的一种多维正交线性变换，它能够分离影像信息，减少信息冗余和抑制信息相关性，从而突出不同的地物目标。在主成分影像融合处理过程中，首先是基于多光谱影像数据进行主成分变换得到第一主分量影像数据，然后对第一主分量影像数据与高空间分辨率影像数据进行直方图匹配生成新的高空间分辨率影像数据，最后利用生成的高空间分辨率影像数据替代第一主分量影像数据，并将它同其他主分量影像数据一起经逆主成分变换得到融合影像。

1.6 Gram Schmidt变换

Gram Schmidt（GS）变换是线性代数和多元统计中常用的多维线性正交变换，可以对多维影像进行正交变换，消除多光谱波段之间的冗余信息，以避免信息过于集中的问题。应用GS变换进行融合的基本步骤如下：（1）将高分辨率的全色图像重新采样为低分辨率的图像，得到模拟的高分辨率全色波段；（2）对该模拟的全色波段和多光谱图像进行GS变换，其中，模拟的全色波段作为第1个向量；（3）用全色波段来替换GS变换后的第1个向量，产生一个新的数据集；（4）将新的数据集进行反GS变换，即可产生融合后的多光谱图像。

1.7 小波变换

小波变换利用Mallat提出的小波多分辨率分析思想及小波基的分解和重构快速算法进行图像融合［3］。本文根据小波变换的图像融合算法的思想，选用Daubechies 7阶小波基，对每一类源图像分别进行5层离散小波分解，通过对各分解层分别进行融合处理，各分解层上的不同频率分量可采用不同的融合规则进行融合处理，最终得到融合图像的小波系数，经过对所得融合图像小波系数进行小波逆变换，所得到的重构图像即为融合图像。

2 影像融合试验

2.1 试验数据

CBERS-02B卫星于2007年9月19日发射成功，作为中巴资源卫星的后续星，星上有效载荷除保留中巴地球资源卫星02上19.5 m分辨率的CCD相机和258 m分辨率WFI成像仪外，同时增加分辨率为2.36 m的HR相机，实现了中、高分辨率数据的互补与结合，拓展了资源卫星的应用领域。CBERS-02B卫星主要参数如表1所示。

2.2 试验数据处理

本文以甘肃玉门地区021-055-0000102781 CCD数据和21-55-C-2-L20000146148 HR全色数据作为试验数据，数据由中国资源卫星应用中心提供，在提供的多光谱CCD数据中缺失第3波段B03，本文使用其中的 B01、B02和B04波段用于融合，融合结果影像也以421波段组合方式进行显示。在融合试验之前，需要完成两项数据预处理工作，首先对CCD影像与经过几何精校正的HR影像进行相互配准，选取纹理清晰易识别且易定位的地物点作为控制点，控制点均匀分布于图像中，采用仿射变换模型，误差控制在1个像元内，以保证融合效果；其次，由于多光谱CCD影像存在条带噪声，针对条带出现的特点，应用小波变换方法对多光谱CCD影像进行了去条带处理，确保融合结果影像的质量。试验数据预处理完成后，分别采用锐化、HPF变换、Brovey变换、IHS变换、主成分变换、GS变换和小波变换等融合算法进行试验研究。融合方法的实现主要借助于遥感图像处理软件ERDAS和ENVI，以及数据处理软件Matlab。

表1 CBERS-02B卫星主要参数Table 1 Major parameters of CBERS-02B satellite

3 影像融合结果分析

3.1 定性分析

从图1目视效果看，小波变换融合图像无论是在色彩还是色调方面都优于其他方法，更接近于原始多光谱CCD影像，光谱保真度较高，而Brovey、HIS和GS变换均发生了程度不一的光谱畸变；从分辨率提高来看，小波变换表现得最好，其次为锐化法、主成分变换和GS变换；HPF、小波变换和主成分变换融合结果纹理清晰度较好，其中HPF、主成分变换两种方法目视效果较为相似，光谱保真度较好；小波变换、GS变换与锐化变换在空间细节保持和地物识别方面的表现优于主成分变换。通过以上比较分析，可以发现HR和CCD影像通过小波变换融合，在分辨率提高、空间细节保持、光谱保真和地物识别能力的提升等方面都有较好的表现；其次是锐化变换融合与主成分变换融合。

3.2 定量分析

遥感影像融合定量分析应综合考虑空间细节信息的增强或光谱信息的保持，本文主要是从数理统计的角度计算出图像的均值、信息熵、标准差和相关系数等统计指标对融合影像的亮度信息、空间细节信息和光谱信息进行定量评价。

均值指的是像素的灰度平均值，对人眼的平均亮度，如果均值适中（128左右），则视觉效果良好。其计算公式为［4］：

式中：M、N表示影像的行列像素个数。

信息熵是衡量融合图像信息量大小的主要指标，熵值越大说明图像所含信息越丰富。其计算公式为：

式中：pi表示灰度级别为i的像元个数与总像元个数之比。

标准差反映了图像相对于均值的离散程度，标准差越大则灰度级分布越分散，图像的反差也越大，其图像包含的信息量也更多。计算公式为［4］：

式中：M、N表示影像的行列像素个数。

相关系数可以反映两幅影像的光谱信息和空间信息相关程度，相关系数越大，说明融合影像在保持空间或光谱特性方面的效果越好。 其计算公式为［5］：

式中： fi，j和 gi，j分别是像元（i， j）在影像 f和 g中的灰度值，ef和eg分别是影像f和影像g的灰度值均值。

由表2可知，Brovey变换法的均值变化最大，影像融合后的3个波段的均值都有不同程度地提高，特别是第1、2波段，均值得到了大幅度地提高，改善了影像的视觉效果。Brovey变换后的第1波段与CCD多光谱影像的光谱相关系数为0.635，是所有相关系数中最小的，由此可知，Brovey融合影像与原始多光谱影像相比存在着严重的光谱畸变。Brovey的标准差与CCD多光谱影像相比变化最大，其次是IHS，其他几种方法的融合结果的均值和标准差变化都较小。图像信息熵的值排在前3位的是小波变换、IHS和锐化，这也意味着经过这3种方法融合后的影像在综合信息方面表现得比其他几种方法更加丰富，影像细节信息表现得更好。根据融合后的影像与原始多光谱CCD影像的光谱相关系数进行分析，基于小波变换的融合方法较好地保持了原始影像的光谱特征，各波段的光谱相关系数值均在0.9以上，与HR全色影像的空间相关系数也在0.98左右，说明这种方法在光谱保真和保持空间细节信息能力方面较强；锐化、HPF与GS变换的相关系数（光谱）值都在0.8以上，相关系数（空间）值都在0.97以上，说明这3种方法无论是在光谱保真还是空间分辨率提高方面都有较好的表现。

表2 原始影像与各融合影像的相关统计参数Table 2 Statistical parameters of original images and fused images

通过定性和定量分析融合影像，可知，小波变换、锐化、主成分变换法与HPF在CBERS-02B卫星HR及CCD影像融合过程中优于其他几种方法，在实际应用中应根据不同的目的选用不同的融合方法。

4 结 语

本文应用7种不同的融合算法对CBERS-02B卫星HR全色影像和CCD多光谱影像数据进行了融合试验，实验结果的定性和定量分析结果表明，小波变换、锐化、HPF和主成分变换法在提高图像的空间分辨率和光谱保真方面，效果比其他4种方法更加突出，所得到的融合图像纹理信息较清晰，光谱保真度较好；定性和定量分析结果表明，小波变换法是最佳的，其次是锐化，主成分变换法与HPF相当，两者结果略优于GS变换法和Brovey变换法。

致谢：本次研究中所用CBERS-02B卫星遥感数据由中国资源卫星应用中心提供，在此表示衷心的感谢!

［1］周前祥，敬忠良，姜世忠．不同光谱与空间分辨率遥感图像融合方法的理论研究［J］．遥感技术与应用， 2003， 18（1）:41-46．

［2］张晓丽，吴泉源，谢爱民.CBERS-02B卫星图像的融合试验研究［J］.山东师范大学学报：自然科学版， 2008， 23（4）:69-71.

［3］董卫军．基于小波变换的图像处理技术研究［D］．西安：西北大学，2006．

［4］薛振山，杨晓梅，苏奋振，等.CBERS-02与SPOT5融合数据及其在海岸带土地利用调查中应用能力综合评价［J］.遥感技术与应用，2009，24（1）:97-102.

［5］王 奇，李杏朝，李俊杰，等.CBERS-02B星HR与 CCD影像融合研究 ［J］.遥感技术与应用，2008， 23（4）:467-470.

Discussion on the fusing methods for HR and CCD images of CBERS

GAO Zhang-sheng，ZHAO Ying-jun
（National Key Laboratory of Remote Sensing Information and Imagery Analysis，Beijing Research Institute of Uranium Geology， Beijing 100029， China）

CBERS-02B multi-spectral CCD data are different from HR panchromatic data in resolution， which causes difficulty in image fusion.With the method of Pansharping， HPF， Brovey transform， IHS transform， principal component transform， Gram Schmidt（GS） transform and wavelet transform， the authors have tested the fusion methods for CCD data and HR data of CBERS， and the fusion results are discussed and evaluated qualitatively and quantitatively.

CBERS-02B satellite； HR；CCD； image fusion；evaluation

TP753

A

1672-0636（2010）04-0214-05

10.3969/j.issn.1672-0636.2010.04.005

2010-07-16；

2010-09-27

高仉生（1978—），男，江西乐安人，工程师，主要从事遥感图像处理与分析工作。E-mail:1200121@163.com