一種多光譜影像與全色影像的i分量計(jì)算方法

一種多光譜影像與全色影像的i分量計(jì)算方法

1多光譜融合方法由于衛(wèi)星空間和衛(wèi)星地面觀測(cè)數(shù)據(jù)的傳輸速度受到限制，各國(guó)發(fā)送的資源衛(wèi)星采用了互補(bǔ)觀測(cè)方法，即高光譜分辨率低空間分辨率圖像和低光譜分辨率高空間分辨率圖像。例如，陸地行李-7衛(wèi)星、spot-5衛(wèi)星、ikonos衛(wèi)星和掃描衛(wèi)星衛(wèi)星有幾種高光譜分辨率和低光譜分辨率的多光譜段，以及高光譜分辨率低空間分辨率的全色段。但一些現(xiàn)實(shí)應(yīng)用卻需要影像同時(shí)具備高空間分辨率和多光譜特征,以此來(lái)提高應(yīng)用水平、加強(qiáng)信息的可靠性及更好的視覺解譯,如土地利用覆蓋分類、地物特征探測(cè)等?；谶@一原因,將高空間分辨率的全色影像與低空間分辨率的多光譜影像進(jìn)行融合以產(chǎn)生高空間分辨率的多光譜影像就顯得很有必要。從20世紀(jì)80年代至今,許多方法被用來(lái)融合多光譜影像與全色影像,如HIS(HueIntensitySaturation,HIS)、PCA(principalComponentAnalysis,PCA)、BROVERY、高通濾波、小波變換等。從融合效果分析,有視覺增強(qiáng)型與真值逼近型,如基于統(tǒng)計(jì)性質(zhì)的、以影像的清晰度等為評(píng)價(jià)指標(biāo)的增強(qiáng)型影像融合,這類融合結(jié)果主要用來(lái)滿足人們的視覺感知;真值估計(jì)性的融合應(yīng)當(dāng)符合Ranchina等提出的在ARSIS概念下的融合要求,即:(1)融合譜影像一旦退化到原空間分辨率,應(yīng)該與未融合前多光譜影像盡可能一致;(2)融合影像應(yīng)該與具備同等空間分辨率的傳感器所獲取影像盡可能一致;(3)融合影像集合應(yīng)該與具備同等空間分辨率的傳感器獲取的影像集盡可能一致。從應(yīng)用的角度看,如土地利用分類,真值估計(jì)型的融合更加符合實(shí)際需要,即在獲取高空間分辨率多光譜融合影像的同時(shí),要盡可能使融合影像符合地面真實(shí)情況,不宜有意突出某些地面特征而壓制其它信息,這也是本文方法融合的目的。在眾多的融合方法中,基于HIS變換的融合方法是常用方法之一,已被集成到ENVI、ERDAS、PCI等遙感影像處理軟件中,其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單,可以很好地將全色影像的空間細(xì)節(jié)信息注入多光譜影像,但是其對(duì)多光譜影像光譜特性的扭曲也非常明顯。Te-MingTu等對(duì)常用HIS變換公式進(jìn)行了改進(jìn),用矩陣加法運(yùn)算替換了矩陣乘法運(yùn)算,將融合范圍擴(kuò)展到多于三個(gè)波段的融合,并針對(duì)IKONS多光譜與全色影像的融合對(duì)HIS空間中I分量的計(jì)算重新定義,以縮小光譜扭曲程度;Myungjin、Te-MingTu等對(duì)這一成果進(jìn)行修正,加入了一個(gè)調(diào)節(jié)參數(shù),用以控制空間細(xì)節(jié)的注入程度,使得融合結(jié)果介于標(biāo)準(zhǔn)HIS變換與BROVERY之間。以上關(guān)于HIS變換融合方法的研究都基于一個(gè)思路,即與多光譜影像具有相同空間分辨率的全色影像(即低空間分辨率全色影像)可通過(guò)多光譜影像來(lái)線形合成,然后用高空間分辨率全色影像進(jìn)行替換,從而注入空間信息完成融合。然而,根據(jù)星載傳感器的光譜反應(yīng)曲線,全色影像與多光譜影像之間并沒有明顯的關(guān)系,即使有某種關(guān)系,也一定不是線性關(guān)系,并且通過(guò)設(shè)置平衡參數(shù),以損失空間細(xì)節(jié)保持光譜信息也違背了ARSIS概念的第二條原則?；谶@種情況,假定同等空間分辨率的全色影像與多光譜影像之間存在固定不變的線性關(guān)系顯然是不合理的,為此本文提出一種針對(duì)HIS變換融合法的改進(jìn)措施,從數(shù)據(jù)的整體角度來(lái)考慮多光譜影像與全色影像的關(guān)系,利用多光譜影像與全色影像的統(tǒng)計(jì)關(guān)系來(lái)動(dòng)態(tài)地確定多光譜影像在合成低空間分辨率全色影像中的權(quán)重,最大限度的逼近全色影像,從而減小HIS變換方法在融合中的光譜扭曲。2本文件的方法2.1不同濃度pan-in利-b-n為了提高HIS方法對(duì)多光譜與全色影像的融合速度及擴(kuò)大應(yīng)用范圍,Te-MingTu等對(duì)傳統(tǒng)的HIS變換方法進(jìn)行了改進(jìn),建議用下式進(jìn)行融合計(jì)算:其中Rnew、Gnew、Bnew為融合后的影像,P為全色影像,R、G、B為待融合的多光譜影像三個(gè)波段,被上采樣到與全色影像同樣大小,I=(R+G+B)/3為多光譜波段合成的HIS空間灰度分量,δ=P-I為待融入的信息。式(1)能夠同傳統(tǒng)HIS融合法產(chǎn)生同樣的融合效果,即在將全色影像的空間信息有效注入多光譜影像的同時(shí),也會(huì)引起很大的光譜扭曲。從式(1)可以看出,融合影像的光譜扭曲主要取決于δ=P-I,如果P與I包含的光譜信息足夠接近,那么它們的差值δ僅為空間結(jié)構(gòu)信息,融合后就不會(huì)產(chǎn)生大的光譜扭曲,而標(biāo)準(zhǔn)HIS變換所產(chǎn)生的光譜扭曲主要原因在于P與I包含的光譜信息差距過(guò)大,這一點(diǎn)可以從圖1看出,IKONOS衛(wèi)星的Pan影像帶寬遠(yuǎn)遠(yuǎn)超出了3,2,1波段組合在一起的帶寬?？紤]到IKONOS衛(wèi)星的全色影像還覆蓋了近紅外波段,Te-MingTu等對(duì)式進(jìn)行了修正(GeneralizedHue-Intensity-Saturation,GHIS),結(jié)果如下式:其中NIRnew為融合后的近紅外影像,NIR為上采樣后的近紅外影像,I=(R+G+B+NIR)/4,各分量權(quán)重均為0.25,δ=P-I。由于IKONOS衛(wèi)星的全色影像光譜曲線并沒有完全覆蓋藍(lán)光和綠光波段的曲線,通過(guò)多次實(shí)驗(yàn),TeMingTu等對(duì)灰度分量權(quán)重進(jìn)行了再次修正(ExtendHueIntensity-Saturation,EHIS),公式如下:R、G、B各分量權(quán)重變?yōu)?.33、0.25、0.08及0.33,這是一個(gè)試驗(yàn)性的權(quán)值。在公式(2)的基礎(chǔ)上,Myungjin等提出新合成的Inew分量應(yīng)該滿足下式:即假設(shè)新的Inew分量應(yīng)該與Pan影像、I分量擁有最小的偏離度,這個(gè)最小化問題解為I=(Pan+I)/2,Myungjin等認(rèn)為當(dāng)Inew向I靠近時(shí),Pan-Inew的值就會(huì)增大,會(huì)造成空間分辨率的降低,當(dāng)Inew向Pan靠近時(shí),Inew-I的值會(huì)增大,光譜扭曲也會(huì)增大,為此,設(shè)計(jì)了一個(gè)調(diào)節(jié)值t,令I(lǐng)new=Pan-(Pan-I)/t,1≤t<+∞,當(dāng)t=1時(shí),Inew=I;t→+∞時(shí),Inew=Pan;通過(guò)改變t,尋找一個(gè)令用戶滿意的融合結(jié)果。隨后,Te-MingTu等對(duì)該方法再次進(jìn)行修正,有:當(dāng)l=1時(shí),上式變?yōu)橐粋€(gè)BROVERY融合方法變形,l→+∞時(shí),式(5)就變?yōu)槭?2),與標(biāo)準(zhǔn)HIS方法、BROVERY方法合成的低空間分辨率全色影像的區(qū)別僅在于I=(R+0.75G+0.25B+NIR)/3,調(diào)節(jié)因子l控制融合在BROVERY融合方式與HIS方式之間變化。式(3)的權(quán)值是以IKONOS影像為基礎(chǔ)試驗(yàn)出的,Boggione等根據(jù)ETM+多光譜4,3,2波段與全色波段的光譜響應(yīng)曲線覆蓋面積估計(jì)出其權(quán)系數(shù)分別為0.25、0.23、0.52,Svab等根據(jù)光譜敏感性分析對(duì)IKONOS、QuickBird及LandsatETM+影像的藍(lán)、綠、紅、近紅外波段模擬全色波段分別給出了一組系數(shù)值及修正值,如(QuickBird0.4,0.8,1.2,1.2,修正值為53),Dou等對(duì)IKONOS影像數(shù)據(jù)進(jìn)行線性回歸,獲得藍(lán)、綠、紅、近紅外波段對(duì)應(yīng)的權(quán)系數(shù)為[0.19708371,0.80105230,1.1355215,1.3615748],但由于實(shí)際應(yīng)用中的遙感影像受到衛(wèi)星工作狀態(tài)、大氣狀態(tài)及成像誤差等不確定因素影響,直接依據(jù)光譜反應(yīng)曲線得到的固定權(quán)系數(shù)并不能夠適應(yīng)于所有的遙感影像,為此,徐佳等建議采用多元線性回歸計(jì)算IKONOS影像多光譜波段影像模擬全色波段影像的權(quán)系數(shù)。但從圖1可以看出,QuickBird與IKONOS衛(wèi)星全色影像與多光譜影像的光譜響應(yīng)曲線覆蓋范圍不一致,在波長(zhǎng)大于950μm情況下,只有全色波段覆蓋,各多光譜影像光譜曲線在整個(gè)波長(zhǎng)范圍內(nèi)相互獨(dú)立,彼此間存在部分交叉,并不連續(xù),如采用多元線性回歸,則意味著各多光譜響應(yīng)曲線應(yīng)分布于整個(gè)全色光影像的光譜覆蓋范圍內(nèi),而這與現(xiàn)實(shí)情況并不相符,在大于950μm情況下,不能計(jì)算出正確結(jié)果,且從實(shí)驗(yàn)結(jié)果看,多元線性回歸方法相對(duì)于EHIS方法獲取的融合結(jié)果與原多光譜影像的相關(guān)系數(shù)獲得了提升,但空間相關(guān)系數(shù)卻有所下降,說(shuō)明該方法實(shí)質(zhì)仍是在融合影像的光譜保持性與空間細(xì)節(jié)注入幅度之間進(jìn)行平衡,從ARSIS概念融合標(biāo)準(zhǔn)來(lái)看,這樣的改進(jìn)對(duì)融合質(zhì)量沒有本質(zhì)的提升,只是以犧牲融合影像一方面特性來(lái)提升另一方面優(yōu)勢(shì)。要真正提高融和影像的質(zhì)量,關(guān)鍵點(diǎn)仍在于提高I分量對(duì)Pan影像的逼近程度。2.2多光譜影像在合成低空間分辨率全色影像時(shí)的權(quán)重由于基于HIS變換融合法的前提為I分量是Pan在低空間分辨率的近似值,即I分量應(yīng)該與Pan影像盡可能的接近,在上面的提及的研究中,均是基于“I=aR+bG+cB+dNIR,a、b、c、d為某一固定值”這一命題,但是,衛(wèi)星影像成像過(guò)程受諸多不確定因素,如大氣、地表狀況及傳感器瞬間狀態(tài)等影響,通過(guò)一個(gè)簡(jiǎn)單的假設(shè)并不一定能夠逼近所有真實(shí)狀況。在這種無(wú)法獲得確切的函數(shù)關(guān)系情況下,人們一般都采取從宏觀的角度分析,用統(tǒng)計(jì)的方法處理此類問題,為此本文提出通過(guò)多光譜影像與全色影像的相關(guān)系數(shù)來(lái)確定它們?cè)诤铣傻涂臻g分辨率全色影像時(shí)的權(quán)重,具體如下:Bi為i波段多光譜影像,P代表全色影像,ρi代表Bi與P的相關(guān)系數(shù),αi代表各多光譜波段在合成的I分量中的權(quán)重。這樣,標(biāo)準(zhǔn)的HIS變換可變?yōu)?其中,如此,即使參與融合的全色影像與多光譜影像受到諸如大氣異常變化等特殊情況影響,融合影像也不會(huì)與正常情況下的融合影像存在較大的差距。式(7)也可如下式輕易推廣到多個(gè)波段:3實(shí)驗(yàn)與分析3.1影像融合性能分析為驗(yàn)證方法的有效性,本文選取了兩組相同大小的衛(wèi)星影像進(jìn)行實(shí)驗(yàn),一組為QuickBirdPan與1、2、3、4波段數(shù)據(jù),一組為IkonosPan與1、2、3、4波段數(shù)據(jù),大小分別為2048×2048、512×512,空間分辨率分別為0.6m、2.4m及1m、4m。為使融合結(jié)果評(píng)價(jià)更加符合實(shí)際狀況,本文對(duì)原始影像均進(jìn)行了退化處理,使融合影像與原始多光譜影像的空間分辨率相同,應(yīng)用融合結(jié)果與理想的真實(shí)影像進(jìn)行比較以便評(píng)價(jià)影像融合的效果。其中多光譜影像被退化到9.6m、16m空間分辨率,全色影像退化到2.4m、4m空間分辨率。由于QuickBird影像與Ikonos影像的光譜反應(yīng)曲線的分布相近,前面所提到的各波段權(quán)重系數(shù)也適用于QuickBird全色影像與多光譜影像的融合。圖2、3、4為GHIS融合方法、EHIS融合方法及本文方法的融合結(jié)果,圖2a、圖3a為3、2、1波段組合的原多光譜影像,圖2b、圖3b為退化后的多光譜影像,圖2c、圖3c為退化后的全色影像,圖2d、圖3d、圖2e、圖3e、圖2f、圖3f為GHIS方法融合影像、EHIS融合方法融合影像及本文方法融合影像,它們均為3、2、1波段的組合,圖4為圖2影像切片,編號(hào)順序同圖2。3.2拉普拉斯算子融合從視覺效果看,融合影像都較好的將全色影像的空間細(xì)節(jié)信息與多光譜影像的光譜信息集成到了一起,其中融合影像圖2d-圖2f在色調(diào)上接近多光譜影像,空間細(xì)節(jié)上接近全色影像。相對(duì)于退化后的多光譜影像,融合影像圖2d-圖2f除色調(diào)偏白,無(wú)顏色損失,空間細(xì)節(jié)得到了大幅提升,可以清楚地分辨出道路、房屋的邊線及樹木的樹冠,而這在退化后的多光譜影像上是不可能的,該現(xiàn)象在放大的圖4種被清晰的表現(xiàn)出來(lái)。與原多光譜影像相比較,可以發(fā)現(xiàn)融合影像仍存在輕微光譜扭曲,整體色調(diào)變淺,個(gè)別物體色彩有所缺失,如紅色的房頂,僅剩一點(diǎn)紅色的跡象,而空間分辨率要優(yōu)于原多光譜影像,可以區(qū)別出原多光譜影像不能分辨的樹冠信息。輕微的光譜扭曲主要是由于退化時(shí)的下采樣操作造成的,融合時(shí)雖然將全色影像的空間細(xì)節(jié)注入融合影像,但損失的色彩信息卻無(wú)法補(bǔ)充,這在融合中是無(wú)法克服的,圖3與圖2情況類似。F(xi,yj)、G(xi,yj)為融合影像、標(biāo)準(zhǔn)影像像素值,為影像像素灰度平均值,M、N為影像行列數(shù)。扭曲度(偏差)反映兩幅影像間的灰度信息的偏離程度,通過(guò)計(jì)算融合前后影像間的扭曲度,可以判斷影像在融合后的光譜保持程度,若扭曲度趨向于0,則說(shuō)明光譜保持性好,反之則差。計(jì)算公式為:高頻相關(guān)系數(shù)可以反映兩圖影像間空間結(jié)構(gòu)的相關(guān)程度,用拉普拉斯算子抽取融合影像的高頻信息,而后計(jì)算它們之間的相關(guān)系數(shù),其值越接近1,說(shuō)明兩幅影像之間的空間結(jié)構(gòu)越相似。所用拉普拉斯算子為:從表1可以看出:1)通過(guò)調(diào)整各波段在I分量中的系數(shù),其中本文方法的實(shí)驗(yàn)中各分量系數(shù)為(0.167,0.204,0.273及0.356),本文方法融合結(jié)果與原多光譜影像的相關(guān)系數(shù)平均值為0.889,扭曲度平均值為0.101,均大于GHIS、EHIS方法融合結(jié)果與原多光譜影像的相關(guān)系數(shù)平均值、扭曲度平均值,表明本文方法對(duì)光譜信息的保持性要優(yōu)于GHIS及EHIS方法。2)雖然對(duì)各波段所占I分量的比例進(jìn)行了調(diào)整,但三種方法融合結(jié)果與原全色影像的高頻分量相關(guān)系數(shù)平均值沒有發(fā)生變化,表明三種方法對(duì)全色影像空間細(xì)節(jié)的集成能力沒有改變,并且集成的能力較高,使得相關(guān)系數(shù)達(dá)到了0.984。從表2可以得出與表1一致的結(jié)論,高頻分量相關(guān)系數(shù)基本一致,而本文所提融合方的融合結(jié)果與理想多光譜影像的相關(guān)系數(shù)最大、光譜扭曲度最小,說(shuō)明本文方法的光譜保持性最好。通過(guò)視覺比較與統(tǒng)計(jì)分析,表明本文方法相對(duì)于GHIS、EHIS方法,融合影像的對(duì)多光譜影像的光譜保持性得到了增強(qiáng),而對(duì)全色影像的空間細(xì)節(jié)集成能力保持不變,但由于融合影像無(wú)光譜信息的補(bǔ)充