· ·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