城市衛(wèi)星遙感圖像融合處理質(zhì)量評(píng)價(jià)研究①

胡龍華 徐豁

(1.吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院，吉林長(zhǎng)春市 130026;2.華北地質(zhì)勘查局綜合普查大隊(duì)，北京東燕郊 101601; 3.華北科技學(xué)院建筑工程學(xué)院，北京東燕郊 101601)

城市衛(wèi)星遙感圖像融合處理質(zhì)量評(píng)價(jià)研究①

胡龍華1，2②徐豁3

(1.吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院，吉林長(zhǎng)春市 130026;2.華北地質(zhì)勘查局綜合普查大隊(duì)，北京東燕郊 101601; 3.華北科技學(xué)院建筑工程學(xué)院，北京東燕郊 101601)

常用的遙感融合方法常導(dǎo)致較嚴(yán)重的光譜畸變，為減少融合圖像光譜特征的扭曲，提出三種新融合方法即合成變量比值法(SVR)、平滑濾波亮度調(diào)制法(SFIM)和Gram_Schimdt變換法(GS)。采用定量分析方法，分別對(duì)中等分辨率Landsat ETM+數(shù)據(jù)和高分辨率Quickbird數(shù)據(jù)的融合效果進(jìn)行了評(píng)價(jià)。結(jié)果表明，不同方法具有不同的光譜保真度和空間信息融入度。同一種方法對(duì)于不同分辨率的遙感數(shù)據(jù)具有不同的融合效果。對(duì)中等分辨率Landsat ETM+數(shù)據(jù)，SFIM能產(chǎn)生較高的空間信息融入度和光譜保真度。利用中等分辨率Landsat ETM+數(shù)據(jù)進(jìn)行融合處理時(shí)，SFIM優(yōu)于合成SVR和GS;在高分辨率Quickbird數(shù)據(jù)的融合中，SVR能產(chǎn)生較高的空間信息融入度和光譜保真度。利用高分辨率Quickbird數(shù)據(jù)進(jìn)行融合處理時(shí)，SVR則優(yōu)于SFIM和GS。在中等分辨率Landsat ETM+數(shù)據(jù)、高分辨率Quickbird數(shù)據(jù)融合處理中，基于SFIM、SVR融合方法能分別獲得較好的視覺(jué)效果，又能改善目視解譯和遙感分類精度。

圖像融合;多尺度;質(zhì)量評(píng)價(jià);城市區(qū)域

0 引言

隨著遙感技術(shù)的發(fā)展，城市區(qū)域研究中已能方便的獲取多傳感器、多尺度的遙感數(shù)據(jù)。若將這些多源數(shù)據(jù)的高空間分辨率和高光譜分辨率的信息融合在一個(gè)圖像之中，遙感圖像的性能就會(huì)得到擴(kuò)充并極大地有利于城市遙感應(yīng)用研究。圖像融合技術(shù)能夠?qū)崿F(xiàn)多源數(shù)據(jù)的融合，從而增強(qiáng)圖像解譯能力，增加可靠有用的信息量。因此，圖像融合技術(shù)成為城市環(huán)境遙感分析中獲取大范圍詳細(xì)地學(xué)信息的有效手段?，F(xiàn)已發(fā)展了許多圖像融合方法并得到應(yīng)用［1－8］，其中最為廣泛應(yīng)用和人們所熟知的方法有亮度－色度－飽和度(IHS)方法、主成分分析法(PCA)、混合運(yùn)算法、小波融合法［2］。亮度－色度－飽和度(IHS)方法、主成分分析法(PCA)、混合運(yùn)算法通常會(huì)導(dǎo)致融合圖像相對(duì)于原始多光譜圖像產(chǎn)生不同程度光譜特征的扭曲［5－6］。小波變換方法在保持原多光譜圖像的光譜信息方面比IHS方法要好，但小波融合圖像的空間信息量要小于IHS融合法。為解決光譜特征扭曲，并能保證空間特征的有效融入，人們研究并發(fā)展了遙感數(shù)據(jù)融合的新方法，如：合成變量比值法(SVR)［9］、平滑濾波亮度調(diào)制法(SFIM)［10］和Gram_Schimdt變換法(GS)［11］。本項(xiàng)研究主要針對(duì)這三種新的融合方法在城市多尺度遙感圖像融合中的質(zhì)量的評(píng)價(jià)問(wèn)題，通過(guò)定量參數(shù)的分析，定量分析評(píng)價(jià)不同融合方法在不同尺度城市遙感應(yīng)用中信息融合的質(zhì)量，為有效利用這些方法提供依據(jù)和建議。

1 研究區(qū)域和數(shù)據(jù)

上世紀(jì)末隨著城市化進(jìn)程的加快，湖南省長(zhǎng)沙市成為中國(guó)中部快速發(fā)展的城市之一，我們選擇該城市為研究區(qū)域，評(píng)價(jià)遙感圖像融合效果對(duì)城市遙感應(yīng)用的影響。

我們選擇了Landsat ETM+全色波段和多光譜數(shù)據(jù)，以及Quickbird全色波段和多光譜數(shù)據(jù)。Landsat ETM+數(shù)據(jù)是2001年冬季獲取的，Quickbird數(shù)據(jù)是2003年夏季獲取的。我們將利用不同尺度的遙感數(shù)據(jù)對(duì)遙感數(shù)據(jù)融合方法進(jìn)行定量的評(píng)價(jià)。

2 圖像融合與質(zhì)量評(píng)價(jià)的方法

2.1 圖像融合方法

為解決光譜特征扭曲，并能保證空間特征的有效融入，人們研究并發(fā)展了一些遙感數(shù)據(jù)融合的新方法，如合成變量比值法(SVR)［9］、平滑濾波亮度調(diào)制法(SFIM)［10］和Gram_Schimdt變換法(GS)［11］。

SVR以Munechika的方法［8］為基礎(chǔ)，首先利用多光譜影像模擬低分辨率全色波段影像，然后利用高分辨全色波段影像與模擬全色波段影像的比值與多光譜影像進(jìn)行算術(shù)運(yùn)算以獲得融合影像。SFIM利用高分辨率全色波段影像通過(guò)低通濾波獲得模擬的低分辨率全色波段影像，然后利用高分辨全色波段影像與模擬全色波段影像的比值與多光譜影像進(jìn)行算術(shù)運(yùn)算以獲得融合影像; GS變換法首先利用分辨率的多光譜影像產(chǎn)生模擬的低分辨率全色波段影像，再利用模擬低分辨率全色波段影像和多光譜影像進(jìn)行Gram_Schimdt正變換，然后用高分辨率全色波段影像代替GS變換后的低分辨率全色波段分量，并Gram_ Schimdt反變換得到最終融合影像。

然而，這些方法大多用于SPOT衛(wèi)星的全色波段數(shù)據(jù)與Lansat TM多光譜數(shù)據(jù)的融合。隨著遙感技術(shù)的發(fā)展，在同一衛(wèi)星上可以同時(shí)獲得同一地區(qū)多光譜分辨率、多空間分辨率的特征的遙感數(shù)據(jù)，如：中等分辨率的Landsat ETM+全色波段與多光譜遙感數(shù)據(jù)，高分辨率的Quickbird全色波段與多光譜遙感數(shù)據(jù)等。研究上述新的融合算法在這些新遙感數(shù)據(jù)融合處理應(yīng)用中適應(yīng)性就顯得尤為重要。

本項(xiàng)研究利用SVR、SFIM和GS分別對(duì)中等分辨率的Landsat ETM+全色波段與多光譜遙感數(shù)據(jù)和高分辨率的Quickbird全色波段與多光譜遙感數(shù)據(jù)進(jìn)行了融合實(shí)驗(yàn)，著重對(duì)融合效果進(jìn)行了定量評(píng)價(jià)與分析。

2.2 圖像融合的質(zhì)量指標(biāo)

為了有效地評(píng)價(jià)上述新方法在不同尺度遙感數(shù)據(jù)融合中的光譜與空間效果，我們采用了遙感圖像質(zhì)量評(píng)價(jià)的幾個(gè)指標(biāo)進(jìn)行融合圖像效果的評(píng)價(jià)［12－14］，主要采用的定量指標(biāo)有標(biāo)準(zhǔn)差、信息熵、相關(guān)系數(shù)和偏差指數(shù)。

2.2.1 空間信息指標(biāo)

我們利用標(biāo)準(zhǔn)差和信息熵描述遙感圖像空間信息的詳細(xì)程度，標(biāo)準(zhǔn)差反映了整幅圖像灰度之間的偏離程度，定義如下：

信息熵度量一幅圖像信息的豐富度，用如下公式表示：

2.2.2 光譜信息指數(shù)

原始圖像與融合圖像的相關(guān)系數(shù)能夠用于指示它們?cè)诠庾V信息方面的相關(guān)度和差異，相關(guān)系數(shù)定義如下：

xi，j和分別表示原始圖像與融合圖像的像元。

3 結(jié)果分析

3.1 中等分辨率Landsat ETM+遙感數(shù)據(jù)融合結(jié)果與分析

圖1為原始Landsat ETM+波段4以及不同融合方法融合的波段4的圖像。

三種不同融合圖像融合質(zhì)量指標(biāo)如表1所示，從定量指標(biāo)可以看出，融合圖像與原始圖像的標(biāo)準(zhǔn)差、信息熵隨融合方法的不同而變化。根據(jù)空間信息指數(shù)的分析發(fā)現(xiàn)，SFIM、SVR和GS方法分別具有高、中、低不同的空間信息融入度，說(shuō)明基于SFIM方法的融合圖像比其他兩種融合圖像具有更為豐富的空間信息。

根據(jù)光譜信息指數(shù)，綜合考慮相關(guān)系數(shù)和偏差指數(shù)，認(rèn)為總體上SFIM方法具有較高的光譜信息的保真度，其次為SVR和GS方法。因此，基于光譜信息指數(shù)，由SFIM方法獲得的融合圖像較之其他兩種融合圖像能夠獲得較高的光譜信息的保真度。

以上的分析結(jié)果表明，在Landsat ETM+全色波段和多光譜波段圖像的融合處理中，基于高、低分辨率全色波段比值的圖像融合方法(SFIM，SVR)［9－10］能夠?qū)⒖臻g信息有效融入多光譜圖像，并能保證光譜信息的較小扭曲。而基于空間變換的融合方法(GS)［11］不僅算法較為復(fù)雜，而且融合質(zhì)量也不如基于比值的融合方法;同時(shí)，由于Landsat ETM+全色波段和多光譜波段范圍的不一致，使得直接利用高分辨率全色圖像通過(guò)濾波獲得低分辨率全色圖像的融合方法(SFIM)較之利用多光譜圖像通過(guò)模擬獲得低分辨率全色圖像的融合方法(SVR)更為有效。

圖1 實(shí)驗(yàn)區(qū)Landsat ETM+全色與多光譜圖像融合效果比較

表1 三種融合方法獲得的融合圖像的質(zhì)量評(píng)價(jià)指標(biāo)

因此，我們認(rèn)為在Landsat ETM+全色波段和多光譜波段圖像的融合中，無(wú)論從信息保真度還是從空間信息融入度來(lái)講，SFIM方法都要優(yōu)于SVR和GS方法。SFIM方法能夠達(dá)到較高的空間信息的融入度和光譜的保真度，融合圖像既便于遙感圖像的目視解譯，又有助于改善遙感圖像分類的精度。

3.2 高分辨率Quickbird遙感數(shù)據(jù)的融合結(jié)果與分析

原始Quickbird圖像以及不同融合方法獲得的融合圖像如圖2所示。

三種不同融合圖像融合質(zhì)量指標(biāo)如表2所示，原始圖像與融合圖像之間的標(biāo)準(zhǔn)差、信息熵的差異隨融合方法而變化。從空間信息融入度來(lái)講，基于SVR融合方法的效果最優(yōu)，其次是SFIM，最差的是SG。

光譜信息指數(shù)的分析發(fā)現(xiàn)，融合圖像與原始圖像的相關(guān)系數(shù)和光譜偏差指數(shù)也隨融合方法的不同而變化。SVR方法產(chǎn)生的光譜扭曲度最小，其次是SFIM，而GS方法的光譜扭曲度最大。

圖2 實(shí)驗(yàn)區(qū)Quickbird全色與多光譜圖像融合效果比較

總之，在高分辨率的Quickbird全色波段和多光譜波段圖像的融合中，無(wú)論從信息保真度還是從空間信息融入度來(lái)講，SVR方法都要優(yōu)于SFIM和GS方法。SVR方法能夠達(dá)到較高的光譜的保真度和空間信息的融入度，融合圖像既便于遙感圖像的目視解譯，又有助于改善遙感圖像分類的精度。

以上分析表明，對(duì)于高分辨率Quickbird遙感圖像的融合來(lái)講，不同融合方法的效果與Landsat ETM+遙感數(shù)據(jù)的融合結(jié)果不完全相同。其中相一致之處，表現(xiàn)為基于高、低分辨率全色波段比值的融合方法(SVR，SFIM)［9－10］能夠?qū)⒖臻g信息有效融入多光譜圖像之中，并能保證光譜信息的最小扭曲。而基于空間變換的融合方法(GS)［11］融合質(zhì)量則不如基于比值的融合方法;不同之處在于，由于Quickbird全色波段與多光譜波段范圍相一致性，致使利用多光譜圖像通過(guò)模擬獲得低分辨率全色圖像的融合方法(SVR)較之直接利用高分辨率全色圖像通過(guò)濾波獲得低分辨率全色圖像的融合方法(SFIM)更為有效。

3.3 綜合評(píng)價(jià)

通過(guò)以上實(shí)驗(yàn)分析，對(duì)于不同分辨率的遙感數(shù)據(jù)，SFIM、SVR和GS三種融合方法的融合效果各不同相同。但無(wú)論從空間信息融入度還是光譜保真度來(lái)講，以比值為基礎(chǔ)的融合方法(SVR、SFIM)都優(yōu)于以空間變換為基礎(chǔ)的融合方法(GS)。

表2 三種融合方法獲得的融合圖像的質(zhì)量評(píng)價(jià)指標(biāo)

對(duì)于中等分辨率Landsat ETM+遙感數(shù)據(jù)來(lái)說(shuō)，由于全色和多波段圖像光譜范圍不一致性，致使SFIM方法的融合效果最優(yōu);而對(duì)于高分辨率Quickbird遙感數(shù)據(jù)來(lái)講，由于全色和多波段圖像光譜范圍的一致性，使得SVR方法的融合效果最優(yōu)。

4 結(jié)論

遙感圖像融合的實(shí)際應(yīng)用中，要根據(jù)采用的遙感數(shù)據(jù)的種類以及融合處理的目的來(lái)選擇最佳的融合方法，以獲得最佳的應(yīng)用效果。

在中等分辨率的Landsat ETM+數(shù)據(jù)的融合中，SFIM能產(chǎn)生較高的空間信息的融入度和光譜的保真度，既能獲得較好的視覺(jué)效果，又能改善目視解譯和遙感分類精度。故在城市遙感應(yīng)用中，利用中等分辨率的Landsat ETM+數(shù)據(jù)進(jìn)行融合處理時(shí)，可采用SFIM。

在高分辨率的Quickbird數(shù)據(jù)的融合中，SVR能產(chǎn)生較高的空間信息的融入度和光譜的保真度，既能獲得較好的視覺(jué)效果，又能改善目視解譯和遙感分類精度。故在城市遙感應(yīng)用中，利用高分辨率的Quickbird數(shù)據(jù)進(jìn)行融合處理時(shí)，宜建議采用SVR。

［1］Pohl C，Genderen J L.Multsensor image fusion in remote sensing：concepts，methods and applications［J］.International Journal of Remote Sensing，1998，19(5)：823－854

［2］Chang Y.Understanding image fusion［J］.Photogrammetric Engineering and Remote Sensing，2004，70(6)：657－661

［3］Carper W J，Lillesand T M，Kiefer R W.The use of intensity－h(huán)ue－saturation transform for merging SPOT panchromatic and multispectral image data［J］.Photogrammetric Engineering and Remote Sensing，1990，56(4)：459－467

［4］Ehler M.Multi－sensor fusion techniques in remote sensing［J］.ISPRS Journal of Photogrammertry and Remote Sensing，1991，46(3)：19－ 30

［5］Chavez P S，Sides S C，Anderson J A.Comparison of three different methods to merge multiresolution and multispectral data：Landsat TM and SPOT panchromatic［J］.Photogrammetric Engineering and Remote Sensing，1991，57(3)：295－303

［6］Shettigara V K.A generalized component substitution technique for spatial enhancement of multispectral images using a higher resolution data set［J］.Photogrammetric Engineering and Remote Sensing，1992，58(5)：561－567

［7］Nunez J X，F(xiàn)ors A，Predes V et al.Multiresolution－based image fusion with additive wavelet decomposition［J］.IEEE Transactions on Geoscience and Remote Sensing，1999，37(3)：1204－1211

［8］Munechika C K，Warnick J S，Salvaggio C，and Schott J R.Resolution enhancement of multispectral image data to improve classification accuracy［J］.Photogrammetric Engineering and Remote Sensing，1993，59：67－72

［9］Zhang Y.A new merging method and its spectral and spatial effects［J］.International Journal of Remote Sensing.1999，20(10)：2003－2014

［10］Liu J G.Smoothing filter－based intensity modulation：a spectral preserve image fusion technique for improving spatial details［J］.International Journal of Remote Sensing，2000，21 (18)：3461－3472

［11］Laben.Process for enhancing the spatial resolution of multispectral imagery using pan－sharpening.U S Patent：6011875，Jan，4，2000

［12］Shi W Z，Zhu C Q，Zhu C Y et al.Multiband wavelet for fusing spot panchromatic and multispectral images［J］.Photogrammetric Engineering and Remote Sensing，2003，69(5)：513－520

［13］魏政剛;袁杰輝;蔡元龍.一種基于視覺(jué)感知的圖像質(zhì)量評(píng)價(jià)方法［J］.電子學(xué)報(bào)，1999，27(4)：79－82

［14］Wald L，Ranchin T，Mangolini M.Fusion of satellite images of different spatial resolution：Assessing the quality of resulting images［J］.PhotogrammetricEngineering＆RemoteSensing.1997，63(6)：691－699

Assessing quality of images fusion of different approaches

HU Longhua12，SUN Guoqing3，XU Huo3

(1.College of Geoexploration Science And Technology Jilin University，Jilin Changchun130026;
2.Exporation Unit of North China Geological Exploration Bureau，Yanjiao Beijing－East101601;
3.North China Institute of Science and Technology，Yanjiao Beijing－East101601)

The popular image fusion methods in remote sensing community usually distort the spectral characteristics.To reduce the spectral distortion，some image fusion techniques have been developed.This paper addresses the issue in quality assessment of fused images from three new fusion methods.These methods are synthetic variable ratio(SVR)，smoothing filter－based intensity modulation(SFIM)and Gram_Schimdt transform(GS)that are recently developed.In this study we employed these methods in image fusion of Landsat 7 ETM+panchromatic with multispectral images and Quickbird panchromatic with multispectral images.The quantitative methods such as standard deviation，information entropy，correlation coefficient，and spectral bias index were used to assess the quality of fused images.The results indicate that different approaches have their specific properties and adapt to different purposes based on spectral fidelity and high spatial frequency information gain.The quality of fused images based on SFIM and SVR methods is better than that of GS method，respectively，in medium－resolution images and high－resolution images in urban area.Therefore，the SFIM and SVR methods can meet the needs of mapping－oriented fusion，classification－oriented fusion，and visualization－oriented fusion purposes，respectively in medium－resolution images and high－resolution images in urban area.

image fusion;multi－scale;quality assessment;urban area

TP751

A

1672－7169(2012)01－0082－05

2012－01－11

胡龍華(1978－)，男，安徽安慶人，在讀碩士，高級(jí)工程師，現(xiàn)主要從事航空攝影測(cè)量和遙感工作，華北地質(zhì)勘查局綜合普查大隊(duì)。