三種圖像融合方法實際操作與分析

1、摘要：介紹了遙感影像三種常用的圖像融合方式。 進行實驗， 對一幅具有高分辨 率的SPOT全色黑白圖像與一幅具有多光譜信息的 SPOTS像進行融合處理，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，擇出本次實驗的最佳融合方式。關鍵字： 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 反映目標的某一個或幾個方面的特征， 而不能反應出全部特征。 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)既具有重要的互補性， 也存在冗余性。 為了 能更準確地

2、識別目標， 必須把各具特色的多源遙感數(shù)據(jù)相互結合起來， 利用融合 技術，針對性地去除無用信息，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，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， 進行各種信息特征的 互補，發(fā)揮各自的優(yōu)勢，充分發(fā)揮遙感技術的作用。 1在多源遙感圖像融合中， 針對同一對象不同的融合方法可以得到不同的融合 結果，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用， 但迄今還沒有普適的融

3、合算法能夠滿足所有的應用目 的，這也意味著融合影像質量評價應該與具體應用相聯(lián)系。 2此次融合操作實驗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®像，分辨率10米，有紅、綠、兩個紅外 共四個波段。2、imagery-5m.tif ， SPOT®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在針對像 元處

4、理的信息提取中功能最強大，ER Mapper對于處理高分辨率影像效果較好，而ERDAS IMAGIN的數(shù)據(jù)融合效果最好。3ERDASMAGINE是美國Leica公司開發(fā)的遙感圖像處理系統(tǒng)。它以其先進的 圖像處理技術， 友好、靈活的用戶界面和操作方式， 面向廣闊應用領域的產品模 塊，服務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，為遙感及相關應用領域的用戶提供了內容豐富而功能 強大的圖像處理工具。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 IMAG

5、INE 11.0.5. 新版本包 括之前 2011 服務包的一些改變。相比之前的版本，新版本增加了更多 ERDAS IMAGINE和GeoMedia之間的在線聯(lián)接、提供了更為豐富的圖像和GIS產品。用戶使用一個單一的產品， 就可以輕易地把兩個產品結合起來構建一個更大、 更清 晰的空間地理圖像。 此文中，鑒于軟件費用及需求考慮， 實驗采用 ERDASIMAGINE 8.7 軟件。4. 實驗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個或 2個以 上的傳感器在同一時間 （或不同時間 ）獲取的關于某個具體場景的圖像或和圖像 序列信息加以綜合， 生成一個新的有關此場景的解釋， 而這

6、個解釋是從單一傳感 器獲取的信息中無法得到的 4 、5 。有時候圖像融合的對象也可以是單一傳感 器在不同時間獲取的圖像數(shù)據(jù) 6 。分辨率融合是對不同空間分辨率遙感圖像的融合處理， 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， 從而達到圖像增強的目的。 通過 進行圖像融合， 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、替代或修補圖像數(shù)據(jù)的缺陷等。圖像分辨率融合的關鍵是融合前兩幅圖像精確地進行配準， 才可能得到滿意 的融合效果； 而對于融合方法的選擇，

7、則取決于被融合圖像的特性以及融合的目 的，同時，需要對融合方法的原理有正確的認識 7 。本次實驗選取在實際應用中常用的三種遙感圖像融合方式：a）主成分變換融合（ Principle Component ）主成份變換融合是建立在圖像統(tǒng)計特征基礎上的多維性變換， 具有方差信息 濃縮、數(shù)據(jù)量壓縮的作用，可以更準確地揭示多波段數(shù)據(jù)結構內部的遙感信息， 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到融合的目的該方法的最大優(yōu)點是可以應用任意數(shù)目的波段， 它對 N 個波段的低分辨率圖像 進行主成份分析 ( PCA: Principal Component Analysis)， 將單波段的高分辨率

8、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。 融合圖像上 目標的細部特征更加清晰， 光譜信息更加豐富， 其理論基礎是圖像統(tǒng)計特征。b) 乘積變換融合( Mutiplicative )乘積變換融合是應用最基本的乘積組合算法直接對兩種空間分辨率的遙感 數(shù)據(jù)進行合成。 將一定亮度的圖像進行變換處理時， 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行操作， 結果將增強某些信息的表現(xiàn)， 在很多城市和郊區(qū)環(huán)境研究城市規(guī)劃， 基礎

9、設施建設中， 用戶經(jīng)常希望道路、 農場等特征能夠被識別出來， 應用該方法將使上述特征得到增強， 該方法簡單， 占用的機器資源少， 但結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DTMX DSPOT = DTMnec) 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 個波段按照公式進行計算， 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個波段， 按照下列公 式進行計算， 獲得融合后各波段的數(shù)值DR / (DR +DG +DB ) x Dhires = DRnewDG / (DR +DG +DB )

10、x Dhires = DGnewDB / (DR +DG +DB ) x Dhires = DB new其中， R、G、B 為圖像的紅、綠、藍波段數(shù)值， Dhires 代表高分辨率遙 感圖像。 7 、85. 實驗步驟5.1 幾何校正與配準由于此次進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 進行幾何校正的步驟是進行融合的基礎。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，因此在進行幾何1、圖 2 所示校正前，必須加入投影信息，這里選擇投影類型與坐標系統(tǒng)如圖image Filemag

11、eiy'CMnge H 無 Type廠 匚ompute SldtisticsC&frtpule Pyrafnd LersDHc怕內F電nid L護r$'Changt Map ModelDelete MapModeiI _ M-ap MMsl to WwW Ffe* Change Map Ptopection 廠 Deiehe Map Projecfion r SetElafonSoiro；EdtchlGpbons.13 pborr.I ritrOr： ei - °ii ii3itatsHraMHi wn iibkii imimiainii1CaricelHel

12、p '圖1加入投影信息圖2選取投影類型與坐標系統(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；而將地圖坐標系統(tǒng)賦予圖像數(shù)據(jù)的過程，稱為地理參考(Geo-referencing )。3這一步最為關鍵的，就是GCP勺選取，需要非常小心、仔細。因為這將關系 到后面圖像的形狀與色彩的匹配程度及整個操作的精確度此次融合，共在圖像中選取15個控制點。仔細且小心的操作，并將RM（配準誤差，實際位置與配準位置之間地差異）控制在 0.1象元以內，效果理想。由于控制點誤差比較小，略去采集地面檢查點的過程，見圖3I I*T.i

13、MiII Lfl圖3選取GCPb、圖像重采樣進行選取GCP點后，要進行圖像重采樣。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)層都將進行重采樣。 有3種最常用的重采樣方法:Nearest Neighbor（鄰近點插值法）、Bilinear Interpolation（雙線形插值法）Cubic Co nvolution（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)過檢驗校正結果，發(fā)現(xiàn)此次幾何校正誤差

14、在一個象元內， 處理效果覺得滿5.2圖像融合經(jīng)過校正后，rectifyl.img 與imagery-5m.tif就可進行圖像融合了。在 ERDA圖標面板菜單條中，單擊 Main->lmage Interpreter->SpatialEnhancement->Resolution Merge :開始進行圖像融合操作。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，相關參數(shù)選定如圖所示：a) 采用主成分變換融合(Principle Compone

15、nt )圖5主成分變換融合參數(shù)設置采用乘積變換融合(Mutiplicative )圖6乘積變換融合參數(shù)設置c)采用比值變換融合(Brovey Transform )圖7比值變換融合參數(shù)設置經(jīng)三種不同融合方式處理的遙感圖像，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ERDA上，可 清晰看見這些地物。），而這

16、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，在融合的圖像上則可以清晰的辨認出從光譜特征看，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HIS融合的影像上更容易識別?？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

17、， 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，增強影 像的細節(jié)反差。并且顏色過渡得較為自然，肉眼所看較為舒服。b) 比值變換融合(Brovey Transform )圖10比值變換融合圖像，merge_brovey.img這種方法融合結果色調非常良好，幾乎完整地保持了原始影像的色調信息。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 物的對比，因此它可以產生一幅更高程度反映圖像直方圖高低部分對比的 RGB 圖像。但是這種方法對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

18、覺分辨率得到大大的提高，地物更為突出6. 總結從此次融合結果比較來看: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，右邊的比值變換處理的色彩更為接近于我們平時所見（由于缺少藍波段，所以與自然色彩仍有差距，可進行自然彩色變化，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值，此次融 合，最終選擇比值變換融合。參考文獻：1 孫俊平，劉揚；基于獨立分量分析的多分辨率遙感圖像融合算法； 雷達科學與技術2007年4月2 閆 利