三種圖像融合方法實(shí)際操作與分析

1、摘要：介紹了遙感影像三種常用的圖像融合方式。進(jìn)行實(shí)驗(yàn)，對(duì)一幅具有高分辨率的SPOT全色黑白圖像與一幅具有多光譜信息的SPOT圖像進(jìn)行融合處理，生成一幅既有高分辨率又有多光譜信息的圖像，簡要分析比較三種圖像融合方式的各自特點(diǎn)，擇出本次實(shí)驗(yàn)的最佳融合方式。關(guān)鍵字：遙感影像；圖像融合；主成分變換；乘積變換；比值變換；ERDAS IMAGINE1. 引言由于技術(shù)條件的限制和工作原理的不同，任何來自單一傳感器的信息都只能反映目標(biāo)的某一個(gè)或幾個(gè)方面的特征，而不能反應(yīng)出全部特征。因此，與單源遙感影像數(shù)據(jù)相比，多源遙感影像數(shù)據(jù)既具有重要的互補(bǔ)性，也存在冗余性。為了能更準(zhǔn)確地識(shí)別目標(biāo)，必須把各具特色的多源遙感數(shù)

2、據(jù)相互結(jié)合起來，利用融合技術(shù)，針對(duì)性地去除無用信息，消除冗余，大幅度減少數(shù)據(jù)處理量，提高數(shù)據(jù)處理效率；同時(shí)，必須將海量多源數(shù)據(jù)中的有用信息集中起來，融合在一起，從多源數(shù)據(jù)中提取比單源數(shù)據(jù)更豐富、更可靠、更有用的信息，進(jìn)行各種信息特征的互補(bǔ)，發(fā)揮各自的優(yōu)勢，充分發(fā)揮遙感技術(shù)的作用。1在多源遙感圖像融合中，針對(duì)同一對(duì)象不同的融合方法可以得到不同的融合結(jié)果，即可以得到不同的融合圖像。高空間分辨率遙感影像和高光譜遙感影像的融合旨在生成具有高空間分辨率和高光譜分辨率特性的遙感影像，融合方法的選擇取決于融合影像的應(yīng)用，但迄今還沒有普適的融合算法能夠滿足所有的應(yīng)用目的，這也意味著融合影像質(zhì)量評(píng)價(jià)應(yīng)該與具體應(yīng)

3、用相聯(lián)系。2此次融合操作實(shí)驗(yàn)是用三種不同的融合方式（主成分變換融合，乘積變換融合，比值變換融合），對(duì)一幅具有高分辨率的SPOT全色黑白圖像與一幅具有多光譜信息的SPOT圖像進(jìn)行融合處理，生成一幅既有高分辨率又有多光譜信息的圖像。2. 源文件 1 、 imagerycolor.tif ，SPOT圖像，分辨率10米，有紅、綠、兩個(gè)紅外共四個(gè)波段。2 、imagery-5m.tif ，SPOT圖像，分辨率5米。3. 軟件選擇在常用的四種遙感圖像處理軟件中，PCI適合用于影像制圖，ENVI在針對(duì)像元處理的信息提取中功能最強(qiáng)大，ER Mapper對(duì)于處理高分辨率影像效果較好，而ERDAS IMAGINE

4、的數(shù)據(jù)融合效果最好。3ERDAS IMAGINE是美國Leica公司開發(fā)的遙感圖像處理系統(tǒng)。它以其先進(jìn)的圖像處理技術(shù)，友好、靈活的用戶界面和操作方式，面向廣闊應(yīng)用領(lǐng)域的產(chǎn)品模塊，服務(wù)于不同層次用戶的模型開發(fā)工具以及高度的RS/GIS（遙感圖像處理和地理信息系統(tǒng)）集成功能，為遙感及相關(guān)應(yīng)用領(lǐng)域的用戶提供了內(nèi)容豐富而功能強(qiáng)大的圖像處理工具。2012年5月1日，鷹圖發(fā)布最新版本的ERDAS IMAGINE，所有ERDAS 2011軟件用戶都可以從官方網(wǎng)站上下載最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服務(wù)包的一些改變。相比之前的版本，新版本增加了更多ERDAS IM

5、AGINE和GeoMedia之間的在線聯(lián)接、提供了更為豐富的圖像和GIS產(chǎn)品。用戶使用一個(gè)單一的產(chǎn)品，就可以輕易地把兩個(gè)產(chǎn)品結(jié)合起來構(gòu)建一個(gè)更大、更清晰的空間地理圖像。此文中，鑒于軟件費(fèi)用及需求考慮，實(shí)驗(yàn)采用ERDAS IMAGINE 8.7軟件。4. 實(shí)驗(yàn)原理遙感圖像融合是處理遙感圖像的一種重要方法。圖像融合是將2個(gè)或2個(gè)以上的傳感器在同一時(shí)間(或不同時(shí)間)獲取的關(guān)于某個(gè)具體場景的圖像或和圖像序列信息加以綜合，生成一個(gè)新的有關(guān)此場景的解釋，而這個(gè)解釋是從單一傳感器獲取的信息中無法得到的4、5。有時(shí)候圖像融合的對(duì)象也可以是單一傳感器在不同時(shí)間獲取的圖像數(shù)據(jù)6。分辨率融合是對(duì)不同空間分辨率遙感圖

6、像的融合處理，使處理后的遙感圖像既具有較好的空間分辨率，又具有多光譜特征，從而達(dá)到圖像增強(qiáng)的目的。通過進(jìn)行圖像融合，可以不同的類型的遙感圖像的信息集合在一幅遙感圖像上。圖像融合可以提高圖像空間分辨率（圖像銳化）、改善圖像幾何精度、增強(qiáng)特征顯示能力、改善分類精度、提供變化檢測能力、替代或修補(bǔ)圖像數(shù)據(jù)的缺陷等。圖像分辨率融合的關(guān)鍵是融合前兩幅圖像精確地進(jìn)行配準(zhǔn)，才可能得到滿意的融合效果；而對(duì)于融合方法的選擇，則取決于被融合圖像的特性以及融合的目的，同時(shí)，需要對(duì)融合方法的原理有正確的認(rèn)識(shí)7。本次實(shí)驗(yàn)選取在實(shí)際應(yīng)用中常用的三種遙感圖像融合方式：a) 主成分變換融合（Principle Componen

7、t）主成份變換融合是建立在圖像統(tǒng)計(jì)特征基礎(chǔ)上的多維性變換，具有方差信息濃縮、數(shù)據(jù)量壓縮的作用，可以更準(zhǔn)確地揭示多波段數(shù)據(jù)結(jié)構(gòu)內(nèi)部的遙感信息，常常是以高分辨率數(shù)據(jù)替代多波段數(shù)據(jù)變換以后第一主成份來達(dá)到融合的目的。該方法的最大優(yōu)點(diǎn)是可以應(yīng)用任意數(shù)目的波段， 它對(duì)N個(gè)波段的低分辨率圖像進(jìn)行主成份分析( PCA: Principal Component Analysis) ， 將單波段的高分辨率圖像經(jīng)過灰度拉伸， 使其灰度的均值和方差和PCA變換第1分量圖像一致； 然后以拉伸過的高分辨圖像代替第1分量圖像， 經(jīng)過PCA逆變換還原到原始空間， 融合后的圖像包括兩幅原始圖像的高空間分辨率和多光譜信息特征。

8、融合圖像上目標(biāo)的細(xì)部特征更加清晰， 光譜信息更加豐富， 其理論基礎(chǔ)是圖像統(tǒng)計(jì)特征。b) 乘積變換融合（Mutiplicative）乘積變換融合是應(yīng)用最基本的乘積組合算法直接對(duì)兩種空間分辨率的遙感數(shù)據(jù)進(jìn)行合成。將一定亮度的圖像進(jìn)行變換處理時(shí)，只有乘法變換可以使其顏色保持不變。該融合算法是在原始圖像上進(jìn)行操作， 結(jié)果將增強(qiáng)某些信息的表現(xiàn)， 在很多城市和郊區(qū)環(huán)境研究城市規(guī)劃， 基礎(chǔ)設(shè)施建設(shè)中， 用戶經(jīng)常希望道路、農(nóng)場等特征能夠被識(shí)別出來， 應(yīng)用該方法將使上述特征得到增強(qiáng)， 該方法簡單， 占用的機(jī)器資源少， 但結(jié)果圖像不保留輸入的多光譜圖像的輻射(反射) 信息。其融合公式如下DTM ×DSP

9、OT = DTMnewc) 比值變換融合（Brovey Transform）比值變換融合是將輸入遙感數(shù)據(jù)的3個(gè)波段按照公式進(jìn)行計(jì)算，獲得融合以后各波段的數(shù)值。Brovey變換融合方法是將遙感圖像的3個(gè)波段， 按照下列公式進(jìn)行計(jì)算， 獲得融合后各波段的數(shù)值DR / (DR +DG +DB ) ×Dhires = DRnewDG / (DR +DG +DB ) ×Dhires = DGnewDB / (DR +DG +DB ) ×Dhires = DB new其中， R、G、B 為圖像的紅、綠、藍(lán)波段數(shù)值， Dhires代表高分辨率遙感圖像。7、85. 實(shí)驗(yàn)步驟5.1

10、 幾何校正與配準(zhǔn)由于此次進(jìn)行的融合所采用的是基于象元的圖像融合，所以將imagerycolor.tif與imagery-5m.tif進(jìn)行幾何校正的步驟是進(jìn)行融合的基礎(chǔ)。5.1.1 加入投影信息在幾何校正中，發(fā)現(xiàn)imagery-5m.tif沒有提供投影信息，因此在進(jìn)行幾何校正前，必須加入投影信息，這里選擇投影類型與坐標(biāo)系統(tǒng)如圖1、圖2所示。圖1 加入投影信息 圖2 選取投影類型與坐標(biāo)系統(tǒng)5.1.2 幾何校正幾何校正（Geometric Correction）就是將圖像數(shù)據(jù)投影到平面上，使其符合地圖投影系統(tǒng)的過程；而將地圖坐標(biāo)系統(tǒng)賦予圖像數(shù)據(jù)的過程，稱為地理參考（Geo-referenc

11、ing）。3a、GCP（ground control points，地面控制點(diǎn)）選取：這一步最為關(guān)鍵的，就是GCP的選取，需要非常小心、仔細(xì)。因?yàn)檫@將關(guān)系到后面圖像的形狀與色彩的匹配程度及整個(gè)操作的精確度。此次融合，共在圖像中選取15個(gè)控制點(diǎn)。仔細(xì)且小心的操作，并將RMS（配準(zhǔn)誤差，實(shí)際位置與配準(zhǔn)位置之間地差異）控制在0.1象元以內(nèi)，效果理想。由于控制點(diǎn)誤差比較小，略去采集地面檢查點(diǎn)的過程，見圖3。圖3 選取GCPb、圖像重采樣進(jìn)行選取GCP點(diǎn)后，要進(jìn)行圖像重采樣。重采樣（Resample）過程就是依據(jù)未校正圖像象元值計(jì)算生成一幅校正圖像的過程，原圖像中所有柵格數(shù)據(jù)層都將進(jìn)行重采樣。有3種最常

12、用的重采樣方法：Nearest Neighbor(鄰近點(diǎn)插值法)、Bilinear Interpolation（雙線形插值法）、Cubic Convolution（立方卷積插值法）。7這里選擇的圖像重采樣方法是Nearest Neighbor(鄰近點(diǎn)插值法)。重采樣后輸出的圖像文件名為rectify1.img，如圖4所示。圖4 經(jīng)重采樣處理圖像經(jīng)過檢驗(yàn)校正結(jié)果，發(fā)現(xiàn)此次幾何校正誤差在一個(gè)象元內(nèi)，處理效果覺得滿意。5.2 圖像融合經(jīng)過校正后，rectify1.img與imagery-5m.tif就可進(jìn)行圖像融合了。在ERDAS圖標(biāo)面板菜單條中，單擊Main->Image Interpret

13、er->Spatial Enhancement->Resolution Merge：開始進(jìn)行圖像融合操作。將三種融合方式各自操作一次，分別將文件保存名為：merge_principle.img、merge_mutiplicative.img、merge_brovey.img。在操作時(shí)，相關(guān)參數(shù)選定如圖所示：a) 采用主成分變換融合（Principle Component）圖5 主成分變換融合參數(shù)設(shè)置b) 采用乘積變換融合（Mutiplicative）圖6 乘積變換融合參數(shù)設(shè)置c) 采用比值變換融合（Brovey Transform）圖7 比值變換融合參數(shù)設(shè)置經(jīng)三種不同融合方式處理的

14、遙感圖像，效果分別如下：a) 主成分變換融合（Principle Component）圖8 主成分變換融合圖像，merge_principle.img從影像空間分辨力、清晰度看，變換融合的影像在分辨力、清晰度都較原始多波段圖像有很大提高。在融合影像上能清晰分辨出田塊邊界、道路、居民地輪廓等線性地物和一些小的水體等（由于此文檔較小，如拿原文件在ERDAS上，可清晰看見這些地物。），而這些在原影像上就較難分辨。 一些小的水體在原始圖像上幾乎無法辨認(rèn)，在融合的圖像上則可以清晰的辨認(rèn)出。從光譜特征看，融合后的彩色合成圖像的色彩整體同原多光譜彩色合成影像相似，但植被在采用主成份變換融合的影像上比采用HI

15、S 融合的影像上更容易識(shí)別?？傮w來說，融合后的影像更利于目視解譯。9不過，我覺得此種融合顏色的過渡差異過大，肉眼判斷覺得不夠自然、舒服。b) 乘積變換融合（Mutiplicative）圖9 乘積變換融合圖像，merge_mutiplicative.img這種方法是三種常用融合方法中最簡單、耗時(shí)最少的方法，但是這種方法改變了多光譜數(shù)據(jù)的輻射信息，圖像的亮度成分被增加，所以在城市、郊區(qū)研究中，經(jīng)常用這種方法把城市道路、人工特征等高反射特征地物突顯出來。10通過乘積變換融合得到的融合圖像，可看出其亮度成分得到了增加，增強(qiáng)影像的細(xì)節(jié)反差。并且顏色過渡得較為自然，肉眼所看較為舒服。c) 比值變換融合（B

16、rovey Transform）圖10 比值變換融合圖像，merge_brovey.img這種方法融合結(jié)果色調(diào)非常良好，幾乎完整地保持了原始影像的色調(diào)信息。而且它可以增加圖像直方圖高低部分的比率，提供城市中陰影、水體和高反射地物的對(duì)比，因此它可以產(chǎn)生一幅更高程度反映圖像直方圖高低部分對(duì)比的RGB 圖像。但是這種方法對(duì)多光譜圖像的輻射信息有一定程度的改變。8經(jīng)融合后，明顯感覺分辨率得到大大的提高，地物更為突出。6. 總結(jié)從此次融合結(jié)果比較來看：a、 主成份處理效果與比值變換處理效果（如下圖） merge_principle.img與merge_brovey.img可以看出，右邊的比值變

17、換處理的色彩更為接近于我們平時(shí)所見（由于缺少藍(lán)波段，所以與自然色彩仍有差距，可進(jìn)行自然彩色變化，這里不作處理），而且色彩過渡也顯得較為自然。b、 乘積變化處理效果與比值變換處理效果（如下圖） merge_mutiplicative.img與merge_brovey.img明顯的看出，雖然乘積變換處理的色彩同樣的保持了不變，但是比值變換處理的圖像更為清晰，且突出。通過比較，為了兼顧色彩及分辨率，以使我們處理效果更為有價(jià)值，此次融合，最終選擇比值變換融合。參考文獻(xiàn)：1 孫俊平， 劉揚(yáng)；基于獨(dú)立分量分析的多分辨率遙感圖像融合算法； 雷達(dá)科學(xué)與技術(shù) 2007 年4 月2 閆利，岳昔娟，崔晨風(fēng)

18、；一種定量確定遙感融合圖像空間分辨率的方法武漢大學(xué)學(xué)報(bào)?信息科學(xué)版 2007 年8 月3 李斯?jié)?ENVI, ERDAS, PCI, ER_Mapper的特點(diǎn)與統(tǒng)計(jì)分類.電腦知識(shí)與技術(shù)J, 2008年26期4 Maiter H, Bloch I. Image Fusion. Vistas in Astronomy, 1997, 41(3):329-335.5 Taxt T, Solberg A H S. Information Fusion in Remote Sensing. Vistas in Astronomy, 1997, 41(3):337-342.6 張林玲. TM及SPOT遙感圖像融合