一種改進(jìn)的土地利用類型的sshr融合影像

一種改進(jìn)的土地利用類型的sshr融合影像

1遙感數(shù)據(jù)融合方法現(xiàn)代遙感技術(shù)已進(jìn)入高光譜分辨率、高空間分辨率和高時(shí)間分辨率的方向。但對(duì)于同一影像數(shù)據(jù)而言,很難同時(shí)獲得高空間分辨率和高光譜信息的遙感數(shù)據(jù)。由于成像系統(tǒng)的空間和光譜分辨率的原因而使得單一影像的信息內(nèi)容受到限制。隨著高分辨率衛(wèi)星影像的出現(xiàn),多分辨率影像的融合已經(jīng)發(fā)展成為一個(gè)很重要的研究領(lǐng)域。遙感數(shù)據(jù)融合可將單一傳感器的多光譜信息或不同類別傳感器所提供的信息加以綜合,改善遙感信息提取的及時(shí)性和可靠性,提高數(shù)據(jù)的使用效率。大量文獻(xiàn)中已經(jīng)向我們展示了多種不同的圖像融合方法,如乘法復(fù)合(MLT)融合法、改進(jìn)的Brovey(MB)融合法、高通濾波(HPF)融合法、基于平滑濾波的亮度調(diào)節(jié)(SFIM)融合法、主成分分析(PCA)融合法以及HIS變換融合法等。上述各種融合方法都可以實(shí)現(xiàn)多光譜與高分辨率影像的融合,且在一定程度上均能在提高影像空間分辨率的同時(shí)保持光譜信息。但就目前來(lái)說(shuō),每種方法都有其優(yōu)缺點(diǎn)。即使同一種融合方法在處理不同的遙感數(shù)據(jù)時(shí)其融合效果也會(huì)有所差異。本文通過(guò)對(duì)目前常用的幾種融合方法的融合效果進(jìn)行比較,來(lái)評(píng)價(jià)不同融合方法對(duì)高分辨率影像數(shù)據(jù)的效果和適用性,為高分辨率遙感數(shù)據(jù)的融合提供參考。2多光譜圖像融合方法的選擇數(shù)據(jù)融合提供了幾點(diǎn)優(yōu)勢(shì):保存計(jì)算機(jī)存儲(chǔ)空間;增強(qiáng)視覺(jué)美感;提高空間分辨率和影像的可分析性。其每一個(gè)優(yōu)勢(shì)都依賴于以下前提:數(shù)據(jù)融合模型必須是有效的,融合后的影像在保持全色圖像高分辨率信息的同時(shí)能夠保持多光譜影像的光譜信息。目前已經(jīng)研究出多種方法可以產(chǎn)生高質(zhì)量的融合影像。本文分析了四種常用的數(shù)據(jù)融合方法來(lái)評(píng)價(jià)他們的性能,包括MLT,MB,HPF,SFIM算法。以上方法的選擇主要基于以下原因:①它們?cè)谟?jì)算方面類似,都是基于統(tǒng)計(jì)學(xué)的方法,而不是和色彩相關(guān)的技術(shù);②它們的算法簡(jiǎn)單,容易使用;③他們可以選擇輸入任意波段,而其他方法像HIS變換只允許有限的波段實(shí)現(xiàn)融合。2.1多光譜特征融合模型乘法復(fù)合方法通過(guò)低分辨率影像每個(gè)波段的像素乘以高分辨率影像相應(yīng)的像素來(lái)實(shí)現(xiàn)融合,用結(jié)果數(shù)據(jù)的平方根來(lái)補(bǔ)償數(shù)值的增加。其結(jié)果的平方根是一個(gè)能夠反映兩種數(shù)據(jù)的混合光譜特征的結(jié)合。ΜLΤi,j,k=√a×b×ΡΝi,j×ΜSi,j,k(1)MLTi,j,k=a×b×PNi,j×MSi,j,k??????????????????√(1)其中,MLT代表融合結(jié)果,MS和PN分別代表了多光譜影像和全色高分辨率影像,i和j為波段k的像素。為了補(bǔ)償融合結(jié)果,公式中使用了權(quán)重系數(shù)a和b。如Cliche和Bonn(1985)所指出:“無(wú)論用何種方法,用于全色和紅外波段的權(quán)重可以將空間分辨率從20m增加到10m,并保存大量的紅外波段信息?！?.2基于brovy算法的多光譜圖像融合方法Brovey變化利用不同的空間和光譜特征來(lái)融合影像。它是一種基于色度的變化技術(shù),比HIS變化要簡(jiǎn)單。如果需要,Brovey變化還可以用于單個(gè)的波段。融合后的數(shù)據(jù)將同時(shí)具有多光譜影像的光譜特征和高分辨率全色影像的空間特征。如果全色影像的光譜范圍不同于低分辨率波段的空間范圍,Brovey變化就會(huì)導(dǎo)致顏色失真。但Brovey變化可以很好地增加影像直方圖兩端的對(duì)比度,例如,它可以在陰影,水體,高反射區(qū)如城區(qū)之間提供高的對(duì)比度。因此,它適合于產(chǎn)生在影像直方圖兩端具有高對(duì)比度的RGB影像,從而產(chǎn)生視覺(jué)效果很好的影像。然而原始的Brovey變換只允許對(duì)三個(gè)波段進(jìn)行融合,例如只能用來(lái)可以產(chǎn)生RGB色彩組合的三個(gè)多光譜波段,而不能是單個(gè)波段的任意數(shù)量的組合,因此本研究對(duì)該變換進(jìn)行了修改,使其可以對(duì)任意個(gè)輸入波段進(jìn)行融合。改進(jìn)的Brovey方法是一個(gè)比值,它將低分辨率影像每個(gè)波段的像素值乘以高分辨率影像相應(yīng)的像素值,然后除以低分辨率影像每個(gè)波段相應(yīng)像素值的和。改進(jìn)的Brovey算法試圖通過(guò)融入多光譜影像每個(gè)波段的一定比例的數(shù)值來(lái)保持每個(gè)波段的光譜完整性。通過(guò)調(diào)整全色數(shù)據(jù)光譜特征的效果,使得當(dāng)兩者結(jié)合時(shí),能夠主要保持多光譜影像的光譜特征。MBi,j,k=2×(MSi,j,k/∑MSi,j,l..n)×PNi,j(2)其中,MB代表了融合結(jié)果,MS和PN分別代表了多光譜影像和全色高分辨率影像,i和j為波段k的像素,n為多光譜影像參與融合的波段數(shù),將結(jié)果乘以2來(lái)增加融合影像的灰度值,因?yàn)榈头直媛实牟ǘ瓮ㄟ^(guò)6個(gè)多光譜波段進(jìn)行規(guī)一化處理,波段的數(shù)量比原始的Brovey變化增加了一倍。2.3高通濾波/多光譜數(shù)據(jù)處理高通濾波模型首先由Schowengerdt(1980)提出,當(dāng)時(shí)它被作為一種減少Landsat多光譜數(shù)據(jù)的數(shù)量而增加其分辨率的方法。Chavez等人(1991)在將TM影像與航空影像融合的同時(shí)將這種思想延伸到多空間數(shù)據(jù)的使用。高通濾波常用于影像紋理和細(xì)節(jié)處理方面。影像的細(xì)節(jié)提取往往是通過(guò)高分辨率影像的高通濾波來(lái)實(shí)現(xiàn)的。濾波后的結(jié)果與多光譜數(shù)據(jù)取均值來(lái)抵消亮度值的增加。HPFi,j,k=(MSi,j,k+FPi,j)/2(3)其中,HPF代表融合結(jié)果,MS代表多光譜影像,FP代表高通濾波后的結(jié)果,i和j為波段k的像素,該技術(shù)在保持多光譜數(shù)據(jù)光譜特征的同時(shí)融入了全色影像的空間分辨率。2.4特征影像組成的噪聲圖像SFIM算法是由英國(guó)研究者JGLiu在2000年提出的。SFIM融合算法是一種在保持影像光譜特性的同時(shí)提高融合影像空間分辨率的融合方法。算法公式定義為:SFIMi,j,k=(MSi,j,k×PNi,j)/Meani,j(4)其中,SFIM代表融合結(jié)果,MS和PN分別代表了多光譜影像和全色高分辨率影像,i和j為波段k的像素,Mean為全色影像通過(guò)均值濾波去掉其原全色影像的光譜和空間細(xì)節(jié)信息后得到的低頻紋理信息影像。式(4)中高分辨率影像和模擬影像的比值運(yùn)算可以抵消高分辨率影像的光譜和地形信息反差,但卻保留了高分辨率影像的結(jié)構(gòu)紋理信息。因此,SFIM算法可被視為在低分辨率的影像中直接引入了高分辨率影像的結(jié)構(gòu)紋理特征算法,從而能夠很好地保持原低分辨率影像的光譜特征。3高清度的影像融合評(píng)價(jià)影像的質(zhì)量是指影像的空間和光譜兩方面的質(zhì)量。影像融合的目的是在增加多光譜影像空間分辨率的同時(shí)保持原始的光譜信息。光譜信息對(duì)于一些應(yīng)用是非常重要的,如依賴于對(duì)象光譜值的影像解譯和分類。融合結(jié)果的評(píng)價(jià)基于以下定量評(píng)價(jià)指標(biāo):光譜保真度;高頻信息融入度;影像清晰度。本文選取了均值偏差、標(biāo)準(zhǔn)差、信息熵、平均梯度和相關(guān)系數(shù)5個(gè)數(shù)字統(tǒng)計(jì)方法來(lái)定量地評(píng)價(jià)由以上算法產(chǎn)生的融合影像。3.1低頻光譜信息融合融合影像光譜保真的基本原理就是要盡量使高分辨率影像中的低頻光譜信息不被帶入到融合影像中,以保持原始多光譜影像的光譜特征。能夠直接反映融合影像保真度的指標(biāo)如下。1多光譜圖像的理想值均值偏差反映了融合影像與原始多光譜影像均值之間的差異。由于它是相對(duì)于原多光譜圖像而言的,所以理想值為0。令F代表融合影像,則:Bias=ΜSmean-FmeanΜSmean=1-FmeanΜSmean(5)Bias=MSmean?FmeanMSmean=1?FmeanMSmean(5)2譜信息改變程度的計(jì)算融合圖像與源圖像的相關(guān)系數(shù)反映兩幅圖像光譜特征的相似程度,通過(guò)比較融合增強(qiáng)前后的影像相關(guān)系數(shù)可以看出多光譜影像的光譜信息改變程度。相關(guān)系數(shù)越高,對(duì)光譜值的評(píng)價(jià)越好。因此相關(guān)系數(shù)的理想值為1。CC=∑∑(ΜSi,j-ΜSmean)(Fi,j-Fmean)√∑∑(ΜSi,j-ΜSmean)2√∑∑(Fi,j-Fmean)2(6)CC=∑∑(MSi,j?MSmean)(Fi,j?Fmean)∑∑(MSi,j?MSmean)2√∑∑(Fi,j?Fmean)2√(6)3.2意涵質(zhì)效應(yīng)指標(biāo)高頻空間信息融入度是指融合影像相對(duì)于原多光譜影像空間分辨率提高程度和融合影像信息增加程度,常用指標(biāo)為信息熵。信息熵是衡量信息豐富程度的一個(gè)重要指標(biāo),已被應(yīng)用于許多科學(xué)領(lǐng)域。Sun等人(1997)將信息熵作為一種直接判斷影像融合的性能的方法提出。信息熵可以表示影像所包含的平均信息量的多少,并同時(shí)反映融合影像的細(xì)節(jié)表現(xiàn)能力。融合影像的熵值越大,說(shuō)明融合影像攜帶的信息就越豐富,融合質(zhì)量越好。根據(jù)Shannon信息論的原理,影像的信息熵為:E=-255∑i=0Ρilog2Ρi(7)E=?∑i=0255Pilog2Pi(7)其中,Pi為影像像素灰度值等于i的概率。3.3圖像的分辨率影像清晰度是指相鄰像元間色調(diào)的反差,常采用以下指標(biāo)來(lái)衡量:1圖像反差計(jì)算標(biāo)準(zhǔn)差作為衡量影像信息量的一個(gè)重要指標(biāo),反映了圖像像素灰度相對(duì)于灰度平均值的離散情況。在某種程度上,標(biāo)準(zhǔn)差也可用來(lái)評(píng)價(jià)圖像反差的大小。當(dāng)標(biāo)準(zhǔn)差較大時(shí),則圖像灰度級(jí)分布分散,若圖像的反差大,則可以看出更多的信息。其定義為:σ=√1n-1n∑i=1(ΜSi,j-ΜSmean)2(8)2圖像小細(xì)節(jié)或合理劑異常顯示平均梯度可敏感地反映圖像對(duì)微小細(xì)節(jié)反差表達(dá)的能力,不僅可用來(lái)評(píng)價(jià)圖像的清晰程度,還可反映出圖像中微小細(xì)節(jié)反差和紋理變化特征。一般來(lái)說(shuō),平均梯度越大,影像層次越多,影像越清晰。其計(jì)算公式為:G=1n∑√(ΔΙ2x+ΔΙ2y)/2(9)其中,ΔIx和ΔIy分別為x和y方向上的差分。4多光譜和全色影像融合的可行性分析為了研究適合高分辨率影像融合的方法,本研究對(duì)許多不同區(qū)域的QuickBird影像進(jìn)行了試驗(yàn),并選擇了一小景影像作為本文的實(shí)證。該影像具有2.4m的多光譜波段和0.6m的全色波段,選取的波段為3,2,1。該區(qū)域的土地利用類型比較復(fù)雜,包括農(nóng)田、綠地、道路及建筑等地物。因此,選此區(qū)域作為被融合影像,可比較各種算法在不同亮度值處的融合效果,可從多方面評(píng)價(jià)各融合算法的優(yōu)劣。由于QuickBird的多光譜影像和全色影像來(lái)自同一傳感器,因此不需要對(duì)其作幾何校正。正如LIU(2000b)所指出,在影像融合之前首先應(yīng)該采用線性模型將2.4m分辨率的多光譜波段采樣到0.6m的像素大小,然后將采樣后的多光譜波段和全色波段分別用以上四種算法進(jìn)行融合,在此基礎(chǔ)上進(jìn)行各指標(biāo)的定量評(píng)價(jià),以上操作都是基于VisualC++開(kāi)發(fā)平臺(tái)實(shí)現(xiàn)的。融合結(jié)果如圖1。5影像的清晰度增強(qiáng)定量的視覺(jué)觀察顯示所有的融合影像的質(zhì)量都要優(yōu)于原始影像。影像的清晰度明顯增強(qiáng)。本文采用以上所論述的評(píng)價(jià)指數(shù)對(duì)融合影像進(jìn)行了進(jìn)一步的定量評(píng)價(jià),評(píng)價(jià)結(jié)果顯示于以下三個(gè)表格中。5.1hpf算法與原多光譜影像的比較表1顯示了融合影像相對(duì)于多光譜影像的均值偏差?？梢院苊黠@地看出MLT算法的均值偏差最小,HPF算法的均值偏差最大,SFIM居第三位。從表3可以看出SFIM融合影像與原多光譜影像的相關(guān)系數(shù)最大,為0.9358。HPF算法的相關(guān)系數(shù)最小。根據(jù)相關(guān)系數(shù),可以看出SFIM融合影像與原多光譜影像有最大的相關(guān)性,即SFIM算法的光譜保真度最好,MB居于第二位。5.2fps、信息熵和融合質(zhì)量表2顯示了原多光譜影像與融合影像各個(gè)波段的信息熵及其均值。對(duì)于SFIM算法,無(wú)論其波段1或波段3,還是均值,信息熵都是最高的。融合影像的熵反映了影像的信息含量。因此,SFIM融合影像吸收了最多的高頻空間信息,融合質(zhì)量最好。其他三種算法相差不多,但HPF算法的信息熵要高于MLT和MB。5.3標(biāo)準(zhǔn)差和平均梯度對(duì)比表1顯示了原多光譜影像與融合影像的標(biāo)準(zhǔn)差和平均梯度。標(biāo)準(zhǔn)差反映融合影像細(xì)節(jié)變化情況,影像梯度值顯示相鄰像元的灰度值變化程度,即反映影像的清晰程度?？梢院苊黠@地看出SFIM融合影像無(wú)論其標(biāo)準(zhǔn)差還是其平均梯度都是最高的,HPF算法的標(biāo)準(zhǔn)差和平均梯度居于第二位,僅次于SFIM融合結(jié)果。因此,SFIM融合影像的清晰度要遠(yuǎn)遠(yuǎn)高于其他三種融合影像。通過(guò)對(duì)以上三個(gè)表格中的數(shù)據(jù)的分析與比較,可以得出結(jié)論:SFIM融合算法僅在均值偏差上劣于MLT和MB算法,而在相關(guān)系數(shù)、信息熵、標(biāo)準(zhǔn)差和平均梯度方面都優(yōu)于其他三種算法。這表明SFIM融合影像既有最好的光譜保真度和影像清晰度,又可以最大量地吸收高頻空間信息。因此,在QuickBird影像融合方面,它更優(yōu)于其他三種方法。而MB、HPF和MLT算法僅在某一方面表現(xiàn)良好,不能稱之為適合QuickBird影像融合的好方法。6提高融合方法的應(yīng)用和評(píng)價(jià)1)本試驗(yàn)從光譜保真性、高頻信息融入度、影像清晰度三方面,對(duì)QuickBird高分辨率影像采用了MLT、MB、HPF及SFIM四種融合算法進(jìn)行了比較分析,評(píng)價(jià)結(jié)果表明:SFIM算法在光譜保真性、高頻信息融入度、影像清晰度三方面都優(yōu)于其他三種方法。因此,選擇SFIM算法對(duì)QuickBird進(jìn)行影像融合是最佳方案。但是目前還沒(méi)有成熟的軟件能夠?qū)崿F(xiàn)該方法的影像融合,本文是基于SFIM影像融合原理基礎(chǔ)上利用VisualC++平臺(tái)開(kāi)發(fā)實(shí)現(xiàn)的,僅限于試驗(yàn)研究,不能應(yīng)用于大量的生產(chǎn)實(shí)踐中。2)SFIM方法信息保真度最好,不僅運(yùn)算簡(jiǎn)單,且計(jì)算時(shí)間短,對(duì)于大數(shù)據(jù)量、大范圍的影像融合很適用。3)為了找出適合于QuickBird遙感影像融合的融合方法,本研究選取了MLT、MB、HPF以及SFIM四種方法進(jìn)行融合試驗(yàn)。雖然它們都是像素級(jí)融合中較具代表性的,但仍存在一定的片面