基于GF-1号与ZY-3号遥感影像同源异源融合研究

王福平 陈超然 吴翁慧

(1.浙江省第十一地质大队 浙江温州 325000；2.江西省煤田地质局测绘大队 江西南昌 330000；3.温州市勘察测绘研究院 浙江温州 325000）

1 引言

随着航空航天、计算机传感器等技术的飞速发展，由多种类、高空间分辨率组成的遥感影像数据量日益增加[1]。遥感影像融合研究针对如何高效利用高分辨率卫星遥感影像对地面及地表信息进行采集和加工成为当前遥感学界的研究热点之一[2]。我国自2012年1月9日发射的资源三号资源卫星填补了中国测绘领域立体测图这一领域的空白。之后又于2013年4月26日发射了第一颗高分辨率对地观测系统高分一号卫星，由此开启了我国高分辨率对地观测的新时代。遥感影像融合根据获取传感器、数据源的不同可分为同源和异源融合[3-4]。

因此，本文基于近年来较为成熟的几种融合算法，如下图所示几种算法，通过对同源、异源融合实验的结果进行比较分析，来发现各种融合算法分别在同源、异源影像融合中的表现和差异,为后续图像融合处理方向相关研究提供一定参考。

2 数据准备与预处理

高分一号和资源三号作为我国高分辨率系列对地观测卫星，具有空间分辨率高，重访时间短，数据采集能力强的特点[5]。能够为国土资源、农业和水利、环境资源保护等部门提供高精度、宽范围的空间观测服务，在城市和交通规划建设、农林和水利资源监测、地理测绘等领域发挥重要作用[6]。本次融合实验研究区域位于江西省南昌市，实验影像数据采用2016年10月与2016年12月分别获取的南昌地区高分一号和资源三号卫星影像数据，两景数据在成像时间上相距不久，因而可在一定程度上忽略时间因素导致地物变化对影像光谱造成的影响。

3 融合算法

Brovey变换[7]通过将多光谱（MS）波段的每一个分量都与高分辨率全色（PAN）波段进行乘积，然后得到乘积结果后再与多光谱波段总和进行比值运算，最后将多光谱的三个波段像元尺寸重采样到与高分辨图像一致得到融合结果。

HSV变换对多光谱数据进行RGB正变换后分离得到H、S、V三个分量，对提取分离出的亮度值（V）与高分辨率全色影像波段进行替换，最后进行色彩逆变换得到最终融合高分辨率影像。史密斯特正交变换融合（Gram Schmidt）针对分辨率较高的影像融合效果更明显，利用波谱统计分析对需要融合的波段进行重匹配，优化了PCA变换中波谱信息过于集中的问题，能较好地保证融合前后波谱信息的一致性。

最近邻域全色变换（Nearest Neighbor Diffusion pan sharpening）由美国RIT的Sun教授提出并应用图像融合中。PC Spectral锐化是针对高分辨的波谱影像进行融合的方法。用PAN影像替换经PC变换后MS影像中的第一主成分，在替换过程中，为了避免波谱信息失真，通常将PAN影像中的波段进行处理后，与第一主成分波段进行直方图匹配，再进行主成分逆变换后，对多光谱影像进行重采样，最后得出与全色影像像元大小相同的融合影像。

4 融合质量评价指标

质量评价作为图像融合中不可或缺的重要分支，对其进行系统研究具有积极意义。图像质量评价从总体上可分为基于人眼视觉观察效果的主观法和运用数学理论数值的高低程度量化的客观法两大类[8]。主观评价大多根据人眼对融合后图像的视觉感受如清晰度、色彩饱和度等来作出相应的判断。主观评价的局限性在于受外界环境影响很大，如观察员的情绪、专业知识、显示器的显示效果等，在两幅融合图像细节差异不大时无法客观区分质量优劣。目前国内外运用较多的标准是基于分级制的主观评价，将图像质量好坏从高到低分为优秀、良好、一般、差、极差五个等级[9]。

相对于主观评价，客观评价更注重运用数学指标对图像进行量化分析，由具体的数值来定量描述图像质量的优劣。客观评价能够有效的改善主观评价方法受人为因素的影响，使得数据更具有客观性。由于客观法指标较多，实验选取均值、标准差、信息熵、平均梯度、相关系数等指标来对融合前后图像进行量化分析。最后综合视觉效果的主观评价和数理统计的客观评价得出具有可靠价值的最终结论。

5 融合结果评价与分析

5.1三组融合实验结果

融合实验基于源数据将数据分为三类，第一组：高分一号，第二组：资源三号，第三组：资源三号：图1为文中只选取第三组：资源三号（MS）数据与高分一号全色（PAN）影像数据。在对数据进行像素级融合之前，需要对数据进行几何校正、裁剪、配准、重采样、波段组合、匀色等预处理[10]。

图1 异源组资源三号MS与高分一号PAN影像五种方法融合效果图

5.2主观质量评价

从亮度、饱和度、清晰度、纹理细节、重影等方向来对三组融合结果进行主观评价。具体表现如表1所示：

表1 第三组融合结果目视效果评价

综上表所示，经主观解译：同源影像融合中Gram-Schmidt方法表现最好，PC Spectral锐化表现次之。异源影像融合中，PC Spectral锐化表现最好，Gram Schmidt方法表现次之。

5.3客观质量评价

在实验的客观质量评价体系中，选取均值、标准差、信息熵、平均梯度、相关系数作为融合结果的评价指标。在同源高分一号影像融合结果评价指标表4中可以看出：均值最高的是PC Spectral锐化，表明图像整体明亮度高，其次是Gram Schmidt，HSV变换均值最低，表明整体亮度偏低。在标准差中，PC Spectral锐化和NNDiffuse Pan Sharpening数值较高，其色彩饱满丰富，具有较高的现实还原度。信息熵最高为7.8691，比原始影像熵值提高1.5092，信息量增加较为明显，平均梯度中Gram Schmidt值最高，道路和建筑物轮廓清晰可见，细节清楚。相关系数中Gram Schmidt与原始多光谱影像相似程度最好。综上，在同源高分一号影像融合方法中，Gram Schmidt在信息熵、平均梯度、相关系数中取得成绩最好，可以认为在本次高分一号影像融合中该方法提高图像质量方面效果最好，其次是NNDiffuse Pan Sharpening。HSV在本次融合中表现不佳。

表2 异源组ZY-3_MS与GF-1_PAN影像五种融合算法客观指标评价

6 结论

针对同源与异源遥感影像融合进行实验，波段显示为3,2,1真彩色RGB显示，在对数据进行几何校正、裁剪、配准、重采样、波段组合、匀色等预处理后，采用Brovey变换、HSV变换、Gram Schmidt、最近邻域全色变换、PC Spectral锐化等融合方法对影像进行融合，通过对融合影像进行定量与定性评价，得到以下结论：

（1）对于同源高分一号和资源三号影像中，表现较为优异的是Gram Schmidt和PC Spectral锐化方法。影像信息量丰富，细节纹理表现最好。清晰度也最高。

（2）对于异源影像融合中，表现最好的方法是PC Spectral锐化，影像清晰，信息量丰富，很好的继承了多光谱波段的光谱特性和全色波段的空间信息。

实验影像只选择包含建筑区较多的区域，由于实验区域存在差别可能导致融合方法具有不适普性，在后续研究中可以尝试选择包含多种地物类型的遥感影像进行融合实验，充分判断融合方法的可靠性，以期能够找出效果提升更好的方法，为后续图像处理其他方向做好融合基础。