· ·8
江 西 测 绘
年
2009
常用的图像融合方法研究
熊荣清 1 何湘春 2
(1.江西省地球物理勘察技术院 江西新余 338000;2.南昌市测绘勘察研究院 江西南昌 330046)
摘 要 本文对 THS 融合方法和 PCA 融合方法分别进行了融合实验, 融合后图像上的细部特征更
加清晰,光谱信息更加丰富。 但 IHS 方法扭曲了原始的光谱特性,产生了光谱退化现象,不利于影像的
分类。 PCA 方法由于光谱信息的变化,使融合图像不能用于地物识别和反演工作 ,但是它可以改进目
视判读的效果,提高分类制图的精度。
关键词 IHS PCA 图像融合
。
,
1
引言
我们常用的融合方法是像素级融合
与其它层次的融合相比
低层次的融合
保持尽可能多的现场数据
不能提供的细微信息的优点
应用得最多的融合层次
早
。
都是基于提高融合图像空间分辨率的同时
能保持光谱信息的应用目的
它是最
,
具有能
提供其它融合层次所
是人们开始的最
它们
尽可
研究得最深入
,
,
。
、
、
,
,
,
H
2
S,
IHS
和饱和度
融合方法
融合方法是基于
先将多光谱影像进行彩色变换
色度
IHS
色彩模型的融合变
IHS
换方法
分离出
,
然后将高分辨全色
强度Ⅰ、
影像与分离的强度分量进行直方图匹配
再将分
离的色度和饱和度分量与匹配后的高分辨率影
像按照
,
2.1 直方图匹配分析
,
一个必不可少的操作步骤就
即将高分辨率图像的直方图近似
是直方图匹配
修正成多光谱图像的Ⅰ分量直方图的形状
这样
既可以消除高分辨率图像和多光谱图像获取时
又可使融合
的光照条件差异和地形起伏的影响
图像的光谱特性不会有太大的变化
进行彩色合成
变换中
反变化
IHS
IHS
在
。
,
。
,
。
分别为待匹配图及标准图
是最大
,G
设
灰度级
,
s、u
则定义函数
:
Ps(Sk)= Nk
N
其中
像素点数
2.2 IHS 变像模型
,Pu(Uk)= Mk
M
分别是
分别是
Nk、Mk
,N、M
,k=0,1,Λ,G-1
图像中灰度级为
图像的总像素数
。
s、u
s、u
(2)
的
k
对 于 经 过 几 何 配 准 的
图 像 的
TM
band5、
band4、band3
正变换和
IHS
合成
波段进行
RGB
逆变换
流程如下
:
正变换表达式如下
,
:
然后采用
,
IHS
(2)
(1) IHS
I=R+G+B
H= (G-B)
(I-3B)
S= (I-3B)
!
#
#
#
#
#
##
"
#
#
#
#
#
##
$
I
将
图像与Ⅰ分量进行直方图
SPOT PAN
(2)
并将直方图匹配后的
分 量 按
将 和
匹配
,
分 量
,
分 量
H、S
IHS
合 成 后 得
,R′、G′、B′
逆变换表达式如下
:
G′、B′
像
。 IHS
PAN
逆 变 换 得
替代Ⅰ分量
得
,
I′
和
融 合 后 的 影
R′ 、I′
IHS
(1+2S-3SH)
(1-S+3GH)
(3)
!
#
#
#
#
#
#
#
#
"
#
#
#
#
#
#
#
#
$
R′= I′
3
G′= I′
3
B′= I′
3
3 PCA
(1-S
)
融合方法
。
,
,
在由这些新指标组成的新特征轴中
主成分分析法的几何意义是 把 原 始 特 征 空
间的特征轴旋转到平行于混合集群结构轴的方
向去
得到新的特征轴
实际操作是将原来的各
。
组合后的新指标是互不相
个因素指标重新组合
关的
只用
前几个分量图像就能完全表征原始集群的有效
信息
而特征得
到了突出
此方法在对于具有相关因子的多源遥
感数据进行融合时具有显著优势
3.1 PCA 变挽原理
图像中彼此相关的数据被压缩
,
,
,
,
。
对某一
个波段的多光谱图 像 实 行 一 个 线
n
总第
期 第
期
1
77
常用的图像融合方法研究
9· ·
性变换
以一个线性变换矩阵
,
即产生一幅新的
Y,
达式为
n
即对该多光谱图像组成的光谱空间
乘
产生一个新的光谱空间
其表
A,
个波段的多光谱图像
X
。
Y=AX
式中
,X
为变换前多光谱空间的像元矢量
为变换后多光谱空间的像元矢量
的线性变换矩阵
为一个
;A
。
根据主成分变换的数学原理
是
空间的
,A
X
的特征向量矩阵的转置矩阵
协方差矩阵
∑x
(4)
;Y
n×n
即
,
(5)
(6)
n
n
n
n
n
n
n
n
n
n
n
n
nn
n
n
n
n
n
n
n
n
n
n
n
n
n
nn
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
x1
x2
M
xi
M
xn
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
。
图 4 IHS 法融合图像
图 1 SPOT 的全色数据(10m)
图 2 LandsatTM 的多光谱数据(30m)
图 3 PCA 法融合图像
φ11 φ12 Λ φ1n
φ21 φ22 Λ φ2n
M M
M
A=φT=
φn1 φn2 Λ φnn
因此
,
式
(5)
可以写成
φ11 φ12 Λ φ1n
φ21 φ22 Λ φ2n
M M
M
φn1 φn2 Λ φnn
n
n
n
n
n
n
n
n
n
n
n
n
nn
n
n
n
n
n
n
n
n
n
n
n
n
n
nn
n
y1
y2
M
yi
M
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
=
yn
从式
,
(6)
, A
可以看出
的作用实际上对各
的各分
它综合了
这使得新
能够较好地反映事物的本质
实现线性变换
分量加一个权重系数
量均是
的各分量的信息的线性组合
原有各分量的信息而不是简单地取舍
的
n
特征
维随机向量
。 Y
X
Y
,
,
。
多传感器图像的
将
(1)
TM
三个主成分分量
将
(2)
SPOT
P1
图像的第一主分量
用拉伸后的
与其它成分
(3)
主成分
新的融合图像
,
。
变换融合流程
PCA
多光谱图像进行
:
变换
获得
,
PCA
:P1,P2,P3;
图像进行拉伸
并使之与多光谱
,
具有相同的均值和方差
;
SPOT
P2,P3
图像代替
通过
PCA
作为第一
P1,
逆变换生成
4
融合实验
本文选择了某地区的
和
率
)
其 中
和 图
LandsatTM(30m
采 用
分 别 是 截 取 的
图
2
多光谱数据
LandsatTM
satTM
图
是
4
IHS
,
3
融合法的结果
SPOT
分辨率
(10m
全色
分辨
多光谱遥感数据
图
,
)
band4、band3、band2。
全 色 数 据 和
SPOT
和
PCA
Land-
融合法的结果
1
,
· ·10
江 西 测 绘
年
2009
4.1 融合质量分析
4.1.1 主观定性分析
从视觉上看
,
TM
后
,
要比
图像的空间分辨率
像相比
强
,
。
变换
(1)
融合得到的图像在清晰度和空间分辨率方面
变换和
经过
PCA
IHS
多光谱图像高
空间分辨率接近
,
SPOT
假彩色合成图
融合后图像的信息细节得到了明显的增
与融合前
TM
。
从光谱特征上看
经过
,
(2)
得到的图像色彩也更加丰富
征差异
,
融合法得到的结果清晰
经
变换后
,
IHS
融合图像的色彩与原
,
变换后
融合
PCA
突出了不同地物特
经过
影像存在
不利于
TM
;
,
即产生了光谱退化现象
,
,
IHS
较明显的差异
影像的分类
4.1.2 客观定量分析
本文采用信息熵
、
光谱相关系数
。
、
化指数
来评价融合效果
数据进行分析
,
。
、
平均梯度
聚合熵
灰度变
空间相关系数六项指标
下面是对遥感图像融合前后的
、
、
表 1 融合前 TM 的信息熵、聚合熵、平均梯度
融合前
TM
熵
三个波段
聚合熵
4 band
4.0145
3 band
3.8668
4.0705
2.6195
1.6203
表 2 PCA 法融合后的评价指数
平均梯度
融合后图像
熵
聚合熵
平均梯度
光谱相关系数
空间相关系数
灰度变化指数
融合后图像
熵
聚合熵
平均梯度
光谱相关系数
空间相关系数
灰度变化指数
表 3 IHS 法融合后的评价指数
4 band
4.7409
6.9025
0.7687
0.4607
0.0257
3band
4.9110
4.9336
6.2702
0.7897
0.9672
0.0292
4 band
3.6836
2.6618
0.5772
0.7434
0.0056
3band
4.0115
4.0535
2.2216
0.8332
0.9285
0.0039
2band
3.4007
1.0027
2band
4.9597
6.5288
0.7695
0.9863
0.0270
2band
3.7320
2.1334
0.6428
0.8831
0.0038
IHS
法的
法
但
由于第一
图
,
法的
4
;
(1)
从信息量的角度看
法融合后图像
且聚合熵值也得
说明融合后图像的整体信息量得
,PCA
,
各个波段的信息量增加比较大
到很大的提高
到了较大增强
,
(2)
从各个波段的平均梯度值来看
法
,PCA
的平均梯度值较大
说明图像更清晰
,
;
从融合后图像的光谱相关系数值来看
(3)
法的光谱相关系数值较大
PCA
谱畸变程度更小
,
在与
说明
但两者差别不是很大
,
PCA
;
的空间关系上
(4)
,PCA
法 的 空 间 相 关 系 数 值 差 别 不 是 很 大
SPOT PAN
与
,
法光
空间相关系数较小
4 band
PCA
主分量代表了绝大部分信息
,
像直接与第一主分量进行替换
用
所以
。
SPOT PAN
与
band
SPOT PAN
PCA
的空间关系不是很大
,
;
。
,
,
。
5
IHS
说明
(5)PCA
法大
,
由于图像在做主成分分析时
法 融 合 后 图 像 的 灰 度 变 化 指 数 比
法融合后图像光谱保持性能
IHS
更好些
第一分量
的信息表达的是原各波段中信息的共同变换部
与高分辨率图像中细节变化的含义略有不
分
同
,
故融合后图像灰度值有比较大的变化
小结
通过融合实验
我们可以得出
变
变换融合的图像包括了原始图像的高空
保留了原图像的
融合图像上目标的细部特征更加清
方法扭曲了原始
不利于影像
使融合
但是它可以
换
间分辨率与高光谱分辨率特征
高频信息
晰
的光谱特性
的分类
图像不能用于地物识别和反演工作
改进目视判读的效果
产生了光谱退化现象
方法由于光谱信息的变化
提高分类制图的精度
光谱信息更加丰富
。 PCA
,PCA
经过
IHS
IHS
但
,
,
,
。
,
。
,
,
,
,
,
。
,
[1]
参考文献
赵书河
张新 明
,
色影像融合研究
吴连 喜
学技术出版社
[2]
.
,2003.
曲 鸿 建
.
多 光 谱 遥 感 影 像 与 高 分 辨 全
测绘信息与工程
,2004
[J].
多 源 遥 感 数 据 融 合 与 评 价
[M].
南 昌
:
江 西 科