基于hsv變換和ehres變換的zy-3衛(wèi)星農(nóng)業(yè)區(qū)影像融合方法比較

基于hsv變換和ehres變換的zy-3衛(wèi)星農(nóng)業(yè)區(qū)影像融合方法比較

李林，石夢(mèng)媛，羅恒。3衛(wèi)星全色光譜成像和多光譜融合方法的比較[j]農(nóng)業(yè)工程報(bào)告，2014年，30（16）：157-165。0復(fù)雜空間融合方法ZY-3衛(wèi)星是中國(guó)首顆高精度傳輸型光學(xué)立體測(cè)繪衛(wèi)星,衛(wèi)星可提供2.1m全色/5.8m多光譜分辨率平面影像,數(shù)據(jù)融合后滿足農(nóng)業(yè)遙感大尺度、高效性、運(yùn)行性、復(fù)雜性、高精度的要求。遙感影像融合,即獲取、加工和協(xié)同各種傳感器或同一傳感器在不同環(huán)境下所提供的信息,以獲得高質(zhì)量信息,同時(shí)消除信息間的沖突和冗余,使之互補(bǔ),降低其不確定性,改善影像中信息的清晰度,使解譯更精確、更可靠,完成對(duì)目標(biāo)相對(duì)完整一致的情境信息描述。多源數(shù)據(jù)融合服務(wù)于精準(zhǔn)農(nóng)業(yè),主要解決了農(nóng)業(yè)監(jiān)測(cè)的實(shí)時(shí)性、預(yù)測(cè)模型的穩(wěn)定性問(wèn)題。面向不同的應(yīng)用目的以及影像本身空間特性及頻譜特征,不同的融合方法有不同的適用性,總體上來(lái)說(shuō),遙感圖像數(shù)據(jù)融合一般分為基于彩色技術(shù),數(shù)學(xué)運(yùn)算和圖像變換3類。彩色技術(shù)包括HSV變換(hue-saturation-value,顏色空間變換)等。HSV空間H(hue,色度)、S(saturation,純度)、V(value,明度)相對(duì)獨(dú)立,可分別控制,準(zhǔn)確定量描述顏色特征,快速簡(jiǎn)單的在HSV空間融合不同分辨率數(shù)據(jù)。數(shù)學(xué)運(yùn)算包括加與乘、差值與比值、混合運(yùn)算如Brovey變換(彩色標(biāo)準(zhǔn)化變換)等。Brovey變換基于彩色變換,算法簡(jiǎn)單,有效提高了多光譜影像空間分辨率,多用于TM、ETM+、SPOT的多光譜遙感數(shù)據(jù)融合,研究發(fā)現(xiàn)其在ETM+影像中光譜保真度表現(xiàn)良好。圖像變換包括GS(gram–schmidt,正交化)變換、PC(principalcomponents,主成分)變換、小波分析、Ehlers融合(空間濾波融合)等。GS變換數(shù)學(xué)意義明確,光譜信息保持能力強(qiáng)。研究表明PC變換與GS變換在保持光譜信息和增強(qiáng)空間信息間獲取良好平衡。小波變換能較好的保持原多光譜影像的光譜特征,提供有效的空間及頻率域定位,能夠在不同波段間提供定向信息,但會(huì)在不同程度上損失全色影像空間細(xì)節(jié)信息。多層小波分解可同時(shí)在正交性、勻稱性、消失矩等影像處理中保持優(yōu)勢(shì)。Ehlers融合基于快速傅里葉變化濾波對(duì)全色波段銳化并用IHS變換(intensity-huesaturation,彩色變換)來(lái)完成融合,既可保留高分辨率數(shù)據(jù)的空間信息,又有低分辨率數(shù)據(jù)的高光譜分辨率信息。不同遙感衛(wèi)星傳感器具有不同參數(shù)和特性,因此針對(duì)相同的地物要素,影像數(shù)據(jù)有不完全一致的表現(xiàn)結(jié)果,且融合方法不同會(huì)產(chǎn)生融合結(jié)果差異,需將影像特點(diǎn)、應(yīng)用需求及融合方法結(jié)合應(yīng)用于實(shí)際。ZY-3衛(wèi)星影像數(shù)據(jù)特性與TM、SPOT-5以及ALOS等衛(wèi)星數(shù)據(jù)不完全一致,適合于現(xiàn)有衛(wèi)星影像的融合方法,不一定適合于ZY-3衛(wèi)星影像。因此,針對(duì)目前常用融合方法,探討適合于ZY-3衛(wèi)星農(nóng)業(yè)區(qū)影像的融合方法,為農(nóng)業(yè)各部門中影像大規(guī)模的融合應(yīng)用提供參考具有重要意義。本文在上述三類方法中選取各部門工作中常用的6種代表性融合方法即HSV變換、Brovey變換、GS變換、PC變換、小波變換、Ehlers變換,通過(guò)農(nóng)業(yè)區(qū)影像數(shù)據(jù)融合實(shí)例來(lái)分析融合效果。具體方法是根據(jù)目視比較和定量分析對(duì)融合后的影像進(jìn)行質(zhì)量評(píng)價(jià),最后通過(guò)適合高分辨率影像的面向?qū)ο蠓诸惙椒▽?duì)影像分類比較,研究相關(guān)融合方法與ZY-3農(nóng)業(yè)區(qū)影像適宜性關(guān)系,為農(nóng)田信息采集、遙感監(jiān)測(cè)、環(huán)境監(jiān)測(cè)等系統(tǒng)的應(yīng)用研究提供參考。1耕地、農(nóng)田等空間覆蓋影像融合試驗(yàn)研究本次研究選取農(nóng)業(yè)區(qū)——湖北省武漢市蔡甸區(qū)的ZY-3全色與多光譜影像數(shù)據(jù)進(jìn)行影像融合試驗(yàn)。該區(qū)域?yàn)槲錆h市主要農(nóng)業(yè)用地之一,地處長(zhǎng)江中下游平原,地勢(shì)平坦,地物豐富,農(nóng)業(yè)已初步形成區(qū)域化布局。試驗(yàn)數(shù)據(jù)區(qū)域約1000km2,有建筑用地,農(nóng)用地以及水域等空間結(jié)構(gòu)不同的區(qū)域,包含居民地、耕地、林地、水體、裸地等土地覆蓋類型,以耕地為主,有利于本次試驗(yàn)研究。影像資料于2013年8月7日獲取,為傳感器校正級(jí)產(chǎn)品,數(shù)據(jù)質(zhì)量較好,無(wú)條帶和偏色,云量為0。研究初期首先對(duì)數(shù)據(jù)進(jìn)行正射糾正,由于數(shù)據(jù)源分辨率不同,在融合前對(duì)多光譜影像進(jìn)行幾何配準(zhǔn)、重采樣等預(yù)處理,保證其與全色影像對(duì)應(yīng)像元的一致性,這是影像融合的前提和基礎(chǔ)。為便于不同融合方法結(jié)果的對(duì)比和分析,將影像重采樣為8位。以此為基準(zhǔn)影像,進(jìn)行影像融合試驗(yàn)及對(duì)比分析。在影像分類研究中,選取2月份蕪湖農(nóng)業(yè)區(qū)影像驗(yàn)證試驗(yàn)的準(zhǔn)確性。2學(xué)習(xí)方法2.1ehses融合融合算法中因Brovey變換和HSV變換只能進(jìn)行三波段融合,所以分別采取band3、band2、band1波段融合以及band4、band3、band2波段融合進(jìn)行試驗(yàn)。Ehlers融合由ERDASIMAGINE9.2軟件實(shí)現(xiàn)。由于研究中目視判斷單層小波融合效果較差,因此采用5層小波分解融合,由ENVI軟件二次開發(fā)實(shí)現(xiàn),其他融合方法由ENVI軟件實(shí)現(xiàn)。2.2觀測(cè)指標(biāo)及分析過(guò)程評(píng)價(jià)融合影像質(zhì)量采用基于視覺效果的定性分析和基于數(shù)理統(tǒng)計(jì)的定量分析。定性分析主要從視覺效果簡(jiǎn)單直觀地分析融合影像的光譜保真度和空間紋理特征;定量分析從融合影像的光譜信息,紋理特征等方面進(jìn)行評(píng)價(jià)分析,減少評(píng)價(jià)的隨機(jī)性,使得評(píng)價(jià)更加科學(xué)全面。光譜信息主要包括相關(guān)性和光譜角兩項(xiàng)指標(biāo)。紋理特征則包括熵、二階矩、邊緣響應(yīng)。分析整幅影像光譜信息,包括相關(guān)性、光譜角等指標(biāo),以表現(xiàn)不同融合結(jié)果的綜合圖像效果。為了更好地判斷融合影像的紋理特征,選擇農(nóng)業(yè)區(qū)內(nèi)建筑用地、農(nóng)用地、水域三塊空間結(jié)構(gòu)復(fù)雜度不同的區(qū)域進(jìn)行熵值與二階矩指標(biāo)分區(qū)域分析。調(diào)制傳遞函數(shù)(modulationtransferfunction,MTF)是遙感光學(xué)成像系統(tǒng)的重要綜合評(píng)價(jià)指標(biāo),MTF計(jì)算過(guò)程中的邊緣響應(yīng)(edgeresponse,ER)一定程度上反映了圖像的清晰度。邊緣響應(yīng)指標(biāo)采取刀刃法計(jì)算。第1步做邊緣檢測(cè),準(zhǔn)確獲取邊緣點(diǎn)的位置。第2步對(duì)邊緣檢測(cè)結(jié)果進(jìn)行線性擬合。第3步將邊緣響應(yīng)歸一化至0~1之間。第4步分別測(cè)量x和y方向上的歸一化邊緣響應(yīng)數(shù)值,用邊緣兩側(cè)各半個(gè)像素處的響應(yīng)來(lái)測(cè)量,之后計(jì)算兩方向幾何平均值作為邊緣響應(yīng)最終結(jié)果,即相對(duì)邊緣響應(yīng)(relativeedgeresponse,RER)。本次研究中,光譜角、熵值與邊緣響應(yīng)值的計(jì)算由Matlab實(shí)現(xiàn),相關(guān)性、二階矩指標(biāo)由ENVI軟件計(jì)算實(shí)現(xiàn)。定量分析指標(biāo)公式如下:相關(guān)性C(A,B):式中:xi,j和x′i,j為圖像A,B的灰度值;為圖像灰度均值。式中:V為原多光譜影像光譜向量;W為融合影像相應(yīng)的光譜向量。二階矩:SM=∑i,jG(Xi,j)2(4)式中:G(Xi,j)為灰度共生矩陣元素。邊緣響應(yīng):式中:ER-表示x或y方向上的邊緣響應(yīng);RER-表示x或y方向上的相對(duì)邊緣響應(yīng);RERGM表示相對(duì)邊緣響應(yīng)(RER)的幾何平均值;nOptcut_表示x或y方向光學(xué)系統(tǒng)的歸一化截止頻率;System_表示x或者y方向上的調(diào)制傳遞函數(shù);d是距一個(gè)水平像素中心響應(yīng)的位置;ζ為空間頻率,周(采用間隔時(shí)間)。2.3基于預(yù)處理的分類方法探索本次試驗(yàn)將6種融合影像進(jìn)行分類試驗(yàn),在影像信息層面進(jìn)一步對(duì)比各融合方法的效果,探討各融合方法對(duì)農(nóng)業(yè)區(qū)影像的適宜性。ZY-3高空間分辨率影像空間信息豐富,地物的空間位置、紋理信息在高分辨率影像中表現(xiàn)清晰,同一地物表現(xiàn)差異增大,傳統(tǒng)的基于像元光譜信息的分類方法有嚴(yán)重的“椒鹽效應(yīng)”,因此本次研究選擇能夠結(jié)合光譜特征、紋理特征和空間信息的面向?qū)ο蠓诸惙椒ㄟM(jìn)行試驗(yàn)。在ENVI5.0環(huán)境下針對(duì)代表性農(nóng)業(yè)區(qū)——蔡甸區(qū)對(duì)融合影像進(jìn)行分類。研究區(qū)域約20.25km2,在原多光譜影像中,提取5種主要地類,即水體(15個(gè))、建筑(109個(gè))、裸地(15個(gè))、耕地(100個(gè))、林地(20個(gè))樣本數(shù)據(jù)進(jìn)行分類。分類結(jié)果選取原多光譜影像中ROI做參考計(jì)算混淆矩陣進(jìn)行精度評(píng)價(jià)。評(píng)價(jià)指標(biāo)包括生產(chǎn)者精度、用戶精度、總體精度、Kappa系數(shù)等。對(duì)比分類精度,分析6種融合方法的適宜性。為驗(yàn)證分類結(jié)果的準(zhǔn)確性,試驗(yàn)增加2月份蕪湖ZY-3衛(wèi)星農(nóng)業(yè)區(qū)影像分類結(jié)果。3結(jié)果與分析3.1改進(jìn)后的圖像邊緣清晰度在各融合影像中截取部分影像見圖1。從目視效果來(lái)看,6種方法融合后的影像空間分辨率都有了較大的提高,融合結(jié)果比原始多光譜影像更清晰,更容易判讀。但Brovey變換和HSV變換改變了多光譜影像的色調(diào),兩者光譜信息損失較大;Wavelet變換圖像邊緣清晰度最低;其他融合影像目視效果較好,細(xì)節(jié)清晰、色調(diào)自然,并較好地保留了多光譜影像的光譜信息。3.2光譜分析3.2.1多光譜圖像特征分別在R、G、B波段和IR、R、G波段間計(jì)算融合影像與原多光譜影像的光譜角,如表1所示。光譜角越小,光譜保真度越高,針對(duì)RGB波段光譜曲線中各融合圖像光譜角指標(biāo)均表現(xiàn)良好。Ehlers變換光譜角最小,針對(duì)原始影像的光譜保真度最高,能最大程度地繼承原多光譜影像的光譜特性。其次是PC變換。Brovey變換和Wavelet變換光譜保真度稍低。但針對(duì)IR、R、G波段光譜曲線分析中光譜角指標(biāo)均明顯增大,Brovey變換、HSV變換和Wavelet變換增幅較小,幅度不到0.5°,GS變換和Ehlers變換光譜保真度稍低。3.2.2原多光譜影像特征原多光譜影像各波段與融合后影像各波段相關(guān)性指數(shù)參見表2,PC融合、Ehlers融合、Wavelet融合與原多光譜影像的光譜相關(guān)性較高,均大于0.9,光譜扭曲程度小,較好的保持原多光譜影像的光譜特征。Brovey真彩色變換、HSV真彩色變換相關(guān)系數(shù)較低,band1、band2均不到0.5,影像信息丟失較多。Brovey假彩色變換相關(guān)程度較高,光譜扭曲程度較小,HSV假彩色變換扭曲程度同樣大幅度降低。3.3研究區(qū)域和研究面積選擇建筑用地、農(nóng)用地、水域3塊區(qū)域分析其熵值與二階矩指標(biāo),其中建筑用地、農(nóng)用地研究面積均約40km2、水域研究總面積約4km2。Brovey變換和HSV變換的真彩色變換和假彩色變換試驗(yàn)中,重合波段band2、band3各相應(yīng)紋理分析指標(biāo)僅有細(xì)微差別,不影響試驗(yàn)總體分析,因此將假彩色變換中波段4指標(biāo)直接附加后面。3.3.1反hsv變換熵值分析熵值指標(biāo)統(tǒng)計(jì)圖(圖2),Brovey變換3種區(qū)域中各波段值大幅下降多于20%,空間信息損失較大,相反HSV變換熵值明顯提高,空間信息豐富。建筑用地分析中,GS變換、PC變換、Ehlers變換、Wavelet變換熵值與原多光譜影像相比基本保持不變。農(nóng)用地分析中,Ehlers變換和Wavelet變換熵值稍有波動(dòng),信息量改善較差,而GS和PC變換空間信息則有所增強(qiáng)。水域分析中,GS變換和PC變換空間信息在前3個(gè)波段稍有損失。3.3.2與原多光譜影像的比較分析二階矩指標(biāo)統(tǒng)計(jì)圖(圖3),Brovey假彩色變換中水域紋理較真彩色變換稍顯細(xì)致,但與其他融合影像相比依然粗糙。整體分析,六種融合方法二階矩指標(biāo)與原多光譜影像相比均有所下降,紋理更加細(xì)致,Wavelet融合紋理細(xì)致度改善較小。建筑用地分析中,Ehlers變換和HSV變換二階矩指標(biāo)大幅下降,紋理特征較為明顯,能夠更好的判別建筑信息。農(nóng)用地和水域分析中,HSV融合二階矩指標(biāo)均明顯下降,分別約40%和69%,紋理比其他融合影像更加細(xì)致。水域分析中Brovey變換二階矩指標(biāo)稍有下降,紋理比其他融合影像粗糙,Ehlers變換第四波段紋理較粗糙,比其他波段增長(zhǎng)進(jìn)一倍。3.3.3hsv假彩色變換高頻信息利用邊緣響應(yīng)指標(biāo)評(píng)價(jià)融合影像邊緣響應(yīng)程度,對(duì)比影像高頻信息保持程度。該指標(biāo)的計(jì)算結(jié)果中,數(shù)值越大,表明影像的清晰度越高,結(jié)果參見表3。HSV假彩色變換高頻信息相較于真彩色變換損失更大。Band3中,GS變換、Brovey變換高頻信息保持較好,HSV變換、Wavelet變換高頻信息損失嚴(yán)重,指標(biāo)均低于0.2,邊緣紋理等細(xì)節(jié)較為模糊。其他3個(gè)波段中,Brovey變換和Ehlers變換高頻信息保持很好,均與全色影像指標(biāo)相近,Wavelet變換高頻信息損失嚴(yán)重,指標(biāo)均低于0.2,低頻信息增加,該結(jié)果和目視評(píng)價(jià)結(jié)果一致。3.4應(yīng)用效果分析利用面向?qū)ο蠓椒?結(jié)合光譜特征、紋理特征和空間信息等屬性對(duì)融合影像4個(gè)波段進(jìn)行分類分析。其分割尺度設(shè)為40,融合尺度為50。分類結(jié)果部分區(qū)域如圖4所示。在原多光譜影像中隨機(jī)提取5種地類ROI樣本,其中耕地、建筑、水體樣本像素總數(shù)均為15萬(wàn),林地、裸地像素總數(shù)均為5萬(wàn),分類精度參見表4。從Kappa系數(shù)指標(biāo)與總體精度來(lái)看,Wavelet變換分類精度最高,其次是PC變換、HSV變換和Ehlers變換。Brovey變換和GS變換總體分類精度較差。在對(duì)水體分類中,對(duì)比其他地類提取,六種融合圖像的生產(chǎn)者精度和用戶精度均較高。GS變換和PC變換不適宜提取水體,生產(chǎn)者精度較低。對(duì)建筑用地分類中,PC變換提取效果最好,其次是GS變換和Wavelet變換,生產(chǎn)者精度稍低。HSV變換不適宜提取建筑信息。對(duì)耕地提取中,PC變換和Wavelet變換效果很好,生產(chǎn)者精度較高,用戶精度均在90%以上。Ehlers融合提取效果次之。Brovey變換和GS變換不適宜提取耕地信息,生產(chǎn)者精度較差。林地提取分析中,Ehlers變換和Wavelet變換用戶精度較高,在90%左右。Brovey變換其生產(chǎn)者精度最高,約55.63%。其他3種融合方法均不適宜提取林地。裸地提取分析中HSV變換精度較高,Brovey變換與Ehlers變換不適宜提取裸地,生產(chǎn)者精度較低。為進(jìn)一步驗(yàn)證分類研究的準(zhǔn)確性,本次試驗(yàn)使用相同的方法和參數(shù),對(duì)蕪湖農(nóng)業(yè)區(qū)影像進(jìn)行分類研究。蕪湖農(nóng)業(yè)區(qū)與蔡甸區(qū)空間結(jié)構(gòu)、區(qū)域特點(diǎn)、土地覆蓋類型大致相同,具有一定的參考價(jià)值,所以使用蕪湖地區(qū)作為補(bǔ)充試驗(yàn)。蕪湖分類結(jié)果與上述蔡甸地區(qū)分類結(jié)果基本一致,結(jié)果如表5所示。試驗(yàn)證明各融合方法針對(duì)ZY-3農(nóng)業(yè)區(qū)影像地類提取分析可靠性較高。蕪湖影像獲取時(shí)間為2月份,灌木叢與裸地混雜,因此其整體分類精度要低于武漢蔡甸區(qū)影像,尤其是裸地。值得注意的是,不同分類方法、操作人員等因素也對(duì)分類結(jié)果有影響。目前對(duì)高分辨率影像分類工作中,選擇面向?qū)ο蠓椒ň哂酗@著優(yōu)勢(shì),能夠滿足普通工作情況,具有一般性和通用性。對(duì)不同分類方法進(jìn)行試驗(yàn)比較,面向?qū)ο蠓诸惙椒ㄍ瑯痈m合本次試驗(yàn)ZY-3影像數(shù)據(jù),試驗(yàn)結(jié)果可供參考。本次試驗(yàn)提取5種主要地類,這5種地類圖像解譯識(shí)別不太復(fù)雜,不同操作人員產(chǎn)生歧義可能性較小。試驗(yàn)操作按照一般操作人員水平進(jìn)行,符合各部門一般工作情況。操作中保證相同且合適的參數(shù)環(huán)境以及較充足的樣本數(shù)量,盡可能使試驗(yàn)結(jié)果具備通用性,可作為融合方法分類能力評(píng)價(jià)的參考。3.56brovy變換、pc變換和hsv變換針對(duì)ZY-3衛(wèi)星農(nóng)業(yè)區(qū)影像數(shù)據(jù),試驗(yàn)表明這6種融合方法各有優(yōu)缺點(diǎn),6種融合方法均增強(qiáng)了原始影像的信息,達(dá)到了影像增強(qiáng)的目的。融合結(jié)果詳細(xì)分析參見表6。Brovey變換和HSV變換光譜扭曲嚴(yán)重,Brovey變換空間信息損失嚴(yán)重。PC變換和Ehlers變換光譜保真度好,GS變換次之,三者紋理特征較為細(xì)致。Wavelet融合中,光譜保真度較好,但高頻信息損失嚴(yán)重。針對(duì)融合影像質(zhì)量分析,PC變換和Ehlers變換在農(nóng)業(yè)區(qū)域正射影像圖和各種應(yīng)用底圖的制作中具有優(yōu)勢(shì)。地類提取分析中,Wavelet變換整體分類精度最高,其次是PC變換、Ehlers變換和HSV變換。4不確定融合方法在zy-3中的應(yīng)用效果目前,多源遙感影像融合已取得了豐碩的成果,基于ZY-3衛(wèi)星影像將這些成果應(yīng)用于精準(zhǔn)農(nóng)業(yè)具有廣泛的發(fā)展前景。本文選取各部門工作中常用的6種代表性融合方法即HSV變換(hue-saturation-value,顏色空間變換)、Brovey變換(彩色標(biāo)準(zhǔn)化變換)、GS變換(gram-schmidt,正交化變換)、PC變換(principalcomponents,主成分變換)、Wavelet變換(小波變換)、Ehlers變換(空間濾波變換),分析其圖像質(zhì)量和分類精度。主要得出以下結(jié)論:1)在圖像質(zhì)量