多源遥感数据融合方法比较研究

2023-02-05

现代遥感技术正在进入一个能快速、及时提供多种对地观测海量遥感数据的新阶段, 大量遥感影像数据提供了充足的资料, 但如何充分融合来自各种类型遥感影像信息, 以克服遥感影像应用中单一信息源不足问题, 目前尚是一大难题, 它直接影响到大量遥感数据的使用效益。另一方面, 在现阶段遥感影像解译的智能化水平还很低的情况下, 许多应用仍然必须借助于人眼目视判读去理解影像中的信息内容, 这就需要借助融合技术提高影像信息的可视化水平。因此, 多源遥感影像融合己成为海量遥感影像数据处理的关键问题。本文就当前数据融合中几种较为普遍的算法进行了分析探讨。

1 乘法性融合

乘积性融合法是应用最基本的乘积组合算法, 直接对2种空间分辨率的遥感数据进行融合, 其运算法则为:

式中:代表融合以后的波段数值 (i=1, 2, ……, n) ;代表多光谱图像中的任意一个波段数值:代表高分辨率遥感数据波段值。

2 Brovey变换融合法

B r o v e y变换融合法也称彩色标准化 (Color Nurmalization) 融合, 由美国科学家Brovey建立模型并推广而得名, 是目前应用十分广泛的一种R G B彩色融合变换方法。它保留每个像素的相关光谱特性, 并且将所有的亮度信息变换成高分辨率的全色图像融合。Brovey融合的方式公式定义为:

其中:Pan表示调整大小后的全色光谱图像的对应值, 分别表示调整大小后的多光谱图像对应值, 分别表示融合后多光谱图像的对应值。Brovey图像融合对图像的预处理要求较高, 融合前必须预先进行去相关处理和噪声滤波处理, 以便减小数据冗余和非光谱信息。

3 IHS变换融合法

IHS变换融合方法是融合多源遥感图像时最常用的方法。IHS变换属于色度空间变换, I H S变换由于灵活实用的优点而被广泛应用, 成为图像融合成熟的标准方法。

I H S系统能够准确定量的描述颜色特征, 因此在图像的数字处理与分析中应用较为广泛。为充分利用RGB系统与IHS系统两者各自在显示和图像控制方面的优越性, 需要经常在两者之间进行转换, 转换的模型有球体彩色变换、圆柱体彩色变换、三角形彩色变换和单六角锥彩色变换4种。

4 小波变换融合法的算法

小波变化在低频部分具有较高的频率分辨率和较低的时间分辨率, 在高频部分具有较高的时间分辨率和较低的频率分辨率, 被誉为分析信号的显微镜。

基于小波变换的图像融合的物理意义在于以下几点。

(1) 通常图像中的物体、特征和边缘是出现在不同大小的尺度上的。也就是说, 图像中的某些边缘或细节是在一定尺度范围内存在的。也正是因为如此, 任何一幅特定比例尺的地图都无法清晰反映所有特征的细节信息, 例如在较大尺度上, 大陆、山脉、海洋等大的特征是可见的, 而像城市街道等小的细节就在地图的分辨率之外;而在较小尺度上, 细节变得可见而较大的特征却不见了。图像的小波分解是多尺度、多分辨率分解, 其对图像的多尺度分解过程, 可以看作是对图像的多尺度边缘提取过程, 同时, 小波的多尺度分解还具有方向性。若将小波变换用于图像融合处理, 就可能在不同尺度上, 针对不同大小、方向的边缘和细节进行融合处理。

(2) 小波变换具有空间和频域局部性, 利用小波变换可以将融合图像分解到一系列频率通道中, 这样对图像的融合处理是在不同的频率通道分别进行的。而我们知道, 人眼视网膜图像就是在不同的频率通道中进行处理的, 因此基于小波变换的图像融合是可能达到更好的视觉效果的。

小波融合具有在提高图像空间分辨率的同时又保持色调和饱和度不变的优越性。在众多小波融合应用中, 最常用的融合是小波替代法, 它是将多光谱图像的细节用全色图像 (pan) 的细节来代替, 然后将剩余的图像进行融合, 数学计算公式为:

事实上, δp可以是Pan图像的空间细节, Panr是剩余的多光谱图像。

5 方法比较

对于高空间分辨率全色影像和低空间分辨率多光谱影像的融合而言, 目的之一是获取空间分辨率增强的多光谱影像, 而且不应使原多光谱影像的光谱特征产生变化。但实际上, 通过融合多光谱影像空间分辨率增强, 必然会产生多光谱影像光谱特征或多或少的变化。为保证地物在原始影像数据可分离性经融合后仍保持不变, 即融合影像仍具有可分离性, 以适于计算机影像判读和分类等后续处理, 高空间分辨率全色影像和低空间分辨率多光谱影像融合时, 应该在保持原多光谱影像的光谱特性变化小, 以至人眼察觉不到或不影响计算机后续处理的前提下, 尽量提高多光谱影像空间分辨率, 满足实际应用的要求。

通过前面对4种融合方法的介绍, 可以看出每种方法都要其各自的优点和缺点, 现通过列表对4种融合方法进行有缺点比较, 以便对这几种融合方法有更直观的认识。

H I S变换的优点是在纹理上有显著的提高, 同时在色彩上, 基本保持了多光谱的多光谱影像色调。保留了绝大部分的高空间分辨率影像的信息。缺点是光谱信息损失较大, 一次只能选择3个波段而不能选择全部波段作为融合的数据, 降低了遥感数据的利用率。

乘积运算优点是对于大的地貌类型, 如高起伏地区、荒漠区域类型增强效果是比较理想的。缺点是光谱变化大, 纹理不如高分辨率影像清晰, 此类融合方法对于表现细碎地貌类型是不合适的。

Brovey变换优点是多光谱图像的方空间分解为色彩和亮度成分进行计算, 锐化影像的同时能够保持原多光谱信息内容。缺点是只能抽取和选择多光谱影像中的三个波段参与变换, 使其他波段的信息丢失。不利于影像信息的综合利用。融合过程中包括归一化处理, 融合影像像元灰度值一般要比其他方法的小。没有解决波谱范围不一致的全色影像和多光谱影像融合的问题。

小波变换优点是信号分解重建过程不会产生信息的丢失和冗余, 有效地增强多光谱图像的空间细节表现能力, 保持图像融合前后的光谱特性。缺点是融合影像的整体外观就像经过高通滤波的影像效果, 颜色信息并未与空间特征自然的结合在一起, 另外一些小目标波谱信息会丢失。

摘要：本文基于笔者从事遥感图像处理相关工作经验, 研究分析了多源遥感数据的常用融合方法, 从方法机理着手, 分析了乘法性融合, Brovey变换融合, HIS变换融合与小波变换融合四种方法的适用范围和优缺点, 文中给出的方法原理虽然在实际的软件操作中不会涉及, 但对于分析方法的适用范围有着重要作用, 全文是来自于笔者长期实践工作的技术和理论总结, 相信对从事相关工作的同行有着重要的参考价值和借鉴意义。

关键词：多源遥感影像,数据融合,小波变换,HIS