资源三号卫星影像的融合方法研究及评价

周群 ，楚恒，王汝言

(1.重庆邮电大学通信学院，重庆 400065; 2.重庆市勘测院，重庆 400020)

1 引 言

资源三号(Resources Satellite －3)测绘卫星是我国首颗民用高分辨率光学传输型立体测图卫星［1］，卫星同时具有测绘和资源调查功能。于北京时间2012年1月9日，在太原卫星发射中心由“长征四号乙”运载火箭成功发射升空。卫星装载有2.1 m分辨率正视全色CCD相机、3.5 m分辨率的前后视相机和5.8 m分辨率的多光谱相机，能够提供丰富的三维几何信息，实时将图像数据传回地面。和国内现有的资源类遥感卫星相比较，资源三号测绘卫星图像分辨率高、图像几何精度和目标定位精度都非常出色，并且具有在国际上有很强竞争力的1∶ 5万比例尺立体测图能力，对追赶其他国家卫星遥感技术具有非常重要意义。

资源三号卫星传感器的全色波段为450 nm ～800 nm，多光谱波段中蓝色波段为450 nm ～520 nm，绿色波段为520 nm ～590 nm，红色波段为630 nm ～690 nm，近红外波段为770 nm ～890 nm。

本文以资源三号卫星遥感数据为研究对象，利用FIHS(Fast Intensity Hue Saturation)、GIHS(Generalized Intensity Hue Saturation)，IHS(Intensity Hue Saturation)与DWT(Discrete Wavelet Transform)结合，IHS(Intensity Hue Saturation)与SWT(Stationary Wavelet Transform)结合等遥感影像融合方法，对重庆市两江新区某地方影像数据进行了融合，与ERDAS Imagine 中较好成像效果的HPF(High Pass Filter)方法进行对比，采用主观评价与客观评价相结合的方法对融合结果做出评价。

2 融合方法

由于技术的限制，大多数的遥感卫星平台同时搭载多光谱(Multispectral，MS)波段传感器和全色(Panchromatic，PAN)波段传感器，只能获取高分辨率全色影像和低分辨率度光谱影像。为了增强对遥感影像的应用，我们需要将低空间分辨率多光谱影像与高空间分辨率全色影像进行融合，获得同时具有丰富光谱信息和高空间分辨率的影像。本文主要采用的融合方式属于像素级多光谱与全色遥感影像的融合—Pansharpening。

目前国内外流行的融合方法主要分为成分替换(Component Substitution，CS)和多分辨率分析(Multi －Resolution Analysis，MRA)两种类型［2］。而目前的研究也表现出两个趋势，一是对通过对成分替换方法进行分析，总结出这类融合方法的通用表达式，在通用表达式的基础上设计初具有更好效果的融合方法，例如FIHS 和GIHS;二是将成分替换方法与多分辨率分析方法相结合，得到具有更好性能的混合型融合方法，例如将IHS 变换和DWT(离散小波)结合起来，将IHS 变换和SWT(静态小波)结合起来［3］。

2.1 FIHS 方法和GIHS 方法

IHS 融合方法，是将用三原色表示RGB 颜色空间的彩色图像，转换为用亮度(Intensity，I)，色度(Hue，H)以及饱和度(Saturation，S)表示IHS 颜色空间的彩色图像，然后用更高空间辨率的全色图像替换亮度图像I，并进行IHS 逆变换，最终得到具有更高空间分辨率的彩色图像。Tu［4］等在2001年通过对IHS 变换的矩阵计算过程进行简化提出一种快速IHS 融合方法，成为FIHS 方法。FIHS 方法只是对IHS 融合方法的简化，用δ=I' －I=PanM－I 表示全色图像的空间细节信息，则有:

即只需要计算空间细节图像和亮度图像，然后将空间细节与原多光谱图像相加，就可以得到融合结果图像。FIHS 方法的表达式如下:

原始的IHS 融合方法，只能用于解决全色图像与三波段多光谱图像的融合问题。基于FIHS 的方法，则可以通过扩展亮度的定义，来实现更多波段多光谱图像的融合。对于包含了红光、绿光、蓝光以及近红外光四个波段的多光谱图像，Tu［4］等提出采用如下的亮度定义来进行融合:

其中NIR 表示近红外波段的多光谱图像。基于这种改进型IHS 融合方法称为GIHS 方法。

2.2 IHS 与小波结合方法

基于颜色空间变换的融合方法以及基于多尺度分解的融合方法在原理上没有重叠或抵触，而且具有互补性。目前许多较成熟的基于多分辨率分析的融合方法，也都是以成分替换方法为基础而实现的［5］。这两种方法相结合，就是在颜色空间变换之后，在变换域内对主元成分和全色图像进行基于多分辨率分析的融合，相当于对成分替换方法的进一步细化［6，7］。本文采取与IHS 与DWT 相结合与IHS 与SWT 相结合的方法。具体的步骤为:

(1)将多光谱影像与全色影像进行配准，并采样至于全色影像相同大小;

(2)对多光谱影像进行GIHS 变换，采用文中式(4);

(3)将用全色影像与变换后的I 分量进行直方图匹配，使其色调保持一致;

(4)对I 分量和全色影像进行小波变换，得到不同尺寸的小波系数;

(5)对小波系数进行反变换，高频系数采用全色影像的高频系数，低频系数选用I 分量的低频系数。

(6)将第(5)步得到的新I 分量结合H、S 进行IHS反变换，得到融合图像。

其中DWT 方法小波基采用coin8，分解层数为3层。SWT 方法小波基采用coin3，分解层数为3 层。

2.3 HPF 方法

HPF(High Pass Fliter)方法就是把高分辨影像进行傅里叶变换，在变换后的频率域内对图像进行高通滤波，把滤波后得到的高频成分融合到多光谱图像中，最终就获取了融合图像。

3 融合质量评价

评价方法可以分为两类:主观评价和客观评价。

主要依靠人眼进行评估，由于应用目的的不同，所关心的地物相关特征也不同。通过主观评价可以快速的对比出图像质量的好坏。由于主观评价具有波动性和随意性，标准不统一，因人而异，必须通过客观的评价因子来进行评价。本节实验中用到的客观评价标准有相对平均光谱误差(RASE)、相对全局维数综合误差(ERGAS)以及相关系数(CC、SCC)、平均梯度(AG)［8］。

(1)相对平均光谱误差(RASE)。其中，M 为原始多光谱影像的N 个光谱波段的平均辐射值，RMSE为均方误差。

(2)相对全局维数综合误差(ERGAS)。其中，h和l 分别表示参与融合的全色图像与多光谱图像各自的分辨率，N 为融合图像的波段数，Mi为每个光谱波段的平均辐射值，RMSE(i)是第i 个波段的融合结果图像相对于参考图像像元值的均方根误差。

(3)相关系数(CC)。反映影像融合结果影像与原始多光谱影像之间在光谱特征上的相似性。其相似度越高，则表示融合后的影像对多光谱影像的光谱特征保持度越高。用来反映R 和F 之间的相关程度，若相关系数越大，说明融合质量越好。定义如下:

(4)空间相关系数(SCC)。相关度越高，表名图像的纹理信息越清楚。在计算空间相关系数时，首先利用拉普拉斯滤波器对多光谱融合影像与全色影像进行高通滤波，然后再分别计算高通滤波后的全色影像与多光谱融合影像各个波段之间的相关系数。

(5)平均梯度(AG)。可敏感地反映图像对微小细节反差表达的能力，因此可用来评价图像的清晰程度。一般来说，平均梯度越大，图像就越清晰。其中、△xF(x，y)、△yF(x，y)分别为影像F(x，y)沿x 和y方向的差分。

4 试验结果及评价

影像融合的目的是在尽量保持原始影像数据相关信息的前提下，提高影像的可判断性，即融合后的影像兼具全色影像的高空间分辨率和多光谱影像丰富的色彩信息。因此，对于融合影像质量的评价，可以从影像的空间分辨能力与光谱信息两个方面考虑。本次试验通过主观评价和客观评价对试验结果进行分析。

4.1 主观评价

如图1～图7所示，从视觉效果上可以看出，5 种融合后影像的空间分辨率有明显的提高，更加清晰、更容易判读。首先对比一下FIHS 和GIHS 方法，两种方法空间信息增强方面效果都非常好，但FIHS 颜色失真较大，特别是绿地，颜色整体偏淡，而一些蓝色建筑颜色偏重，也就是说在保持光谱信息能力方面存在一定的缺陷。GIHS 相比FIHS 来说，在纹理信息方面基本上没有弱化，颜色保真有了很大的提高，IHS +DWT 和IHS +SWT 从目视效果来看均达到了良好的效果。不论是从融合影像的空间分辨能力，还是从光谱信息保持能力，都验证了我们融合方法的正确性。HPF 方法在光谱保持性方面效果要好于FIHS 方法和GIHS 方法，但是整体颜色偏重，清晰度也略低于以上4 种方法。

4.2 客观评价

在本次试验中，通过计算影像的RASE、ERGAS、CC、SCC 和AG 这5 个参数来比较、分析各融合方法对空间信息的增强及光谱信息的保持能力。各个参数的统计值如表1所示。

我们首先分析FIHS 和GIHS。在光谱保持性方面，由于GIHS 方法加入了近红外波段，使之与多光谱影像相关性增强，效果明显优于FIHS，在清晰度方面SCC 和AG 的值都比较接近于FIHS 方法。也验证了我们目视得到的结果，GIHS 在稍微降低清晰度的同时大大提高了光谱保真度。对于两种混合型融化方法IHS +SWT以及IHS+DWT，从各项数据来看，我们得到的结果都比较类似，清晰度和GIHS 得到的结果不相上下，在光谱保真度方法较前两种方法都有了很大的提升，并且IHS+DWT 方法的结果要优于IHS+DWT 方法。这与目视效果达到一致HPF 融合方法结果在光谱行方面高于FIHS 方法，清晰度和以上方法有所差距。

表1 图像融合评价参数统计

从融合图像质量客观评价中可以看出，各种方法都有其优劣。如果纯粹希望得到既清晰、光谱性又好，IHS+SWT 方法较为合适，随之带来的是运算量巨大。如果在希望能保证速度的同时得到成像较好的影像，GIHS 方法较为合适。在对图像质量要求不高时，HPF方法它的速度是无可比拟的。

5 结 语

本文选取4 种代表方法对我国首颗高精度民用立体测绘卫星资源三号测绘卫星重庆市两江新区某地区域全色与多光谱影像进行融合，并与HPF 方法进行对比研究。通过研究得出对于运算速度和影像质量的需求的不同，所采取的方法也不同。要想两者兼得，融合方法的研究不能仅停留在算法的组合和复加上，而是将侧重理论体系和统一框架的研究上［9～10］。

［1］Li Deren．China’s First Civilian Three －line －array Stereo Mapping Satellite:ZY－3［J］．Acta Geotactic et Cartographical Sinica，2012，41(3):317 ～322．

［2］Jaewan C，Junho Y，Anjin C．Hybrid Pansharpening Algorithm for High Spatial Resolution Satellite Imagery to Improve Spatial Quality［J］．Geoscience and Remote Sensing Letters，IEEE，2013，10(3):490 ～494．

［3］Aiazzi B，Baronti S，Lotti F．A comparison between global and context － adaptive pansharpening of multispectral images［J］．Geoscience and Remote Sensing letters，IEEE，2009，6(2):302 ～306．

［4］Tu T M，Huang P S，Hung C L，et al．A fast intensity －hue－ saturation fusion technique with spectral adjustment for IKONOS imagery［J］．Geoscience and Remote Sensing Letters，IEEE，2004，1(4):309 ～312．

［5］Shah V P，Younan N H，King R L．An efficient pansharpening method via a combined adaptive PCA approach and contourlets［J］．Geoscience and Remote Sensing，IEEE Transactions on 2008，46(5):1323 ～1335．

［6］薛坚，于盛林，王红萍．一种基于提升小波变换和IHS 变换的图像融合方法［J］．中国图象图形学报，2009，14(2):340 ～345．

［7］Gong Jianzhou，Liu Yansui，Xia beicheng．Response of Fusion Images to Wavelet Decomposition Levels of Integration of Wavelet Transform and IHS with Multiple Sources Remotely Sensed Data［J］．Journal of Image and Graphics，2010，15(8):1269 ～1270．

［8］Chu Heng，Chen Huagang．A New Remote Sensing Image Fusion Algorithm in the Decimated Wavelet Domain ［J］．Opto－Electronicb Engineering Feb，2009，36(2):91 ～95．

［9］Dou Wen，Chen Yunhao，He Huiming．Theoretical Framework of Optical Remotely Sensed Image Fusion ［J］．Acta Geodaetica et Cartographica Sinica，2009，38(2):131 ～137．

［10］Yang Jinghui，Zhang Jixian，Li Haitao．Generalized Model for Remotely Sensed Data Pixel level Fusion and its Implementation Technology［J］．Journal of Image and Graphics，2009，14(4):604 ～61．