基于纓帽變換影像融合的遙感影像植被信息提取

汪 燕 ，董張玉

（1.安徽省地質(zhì)調(diào)查院，安徽 合肥 230001； 2.中國科學(xué)院 東北地理與農(nóng)業(yè)生態(tài)研究所，吉林 長春 130102）

植被信息提取的目的是在遙感影像上確定植被的分布、類型、長勢(shì)等信息并對(duì)植被的生物量作出評(píng)估等，對(duì)城市生態(tài)環(huán)境的研究與評(píng)估具有重要意義[1-7]。目前植被信息提取的模型有很多，其中NDVI植被指數(shù)是最有效的方法之一。張秀英[8]等根據(jù)城市植被在IKONOS影像上的特點(diǎn)，利用NDVI將實(shí)驗(yàn)區(qū)分割為植被和非植被區(qū)，結(jié)果表明，該方法對(duì)面狀植被提取效果較好。但傳統(tǒng)的NDVI植被信息提取方法由于受到影像空間分辨率的限制，對(duì)影像上信息量少的植被（如道路兩旁的行道樹、居民小區(qū)中的綠地等）提取效果不佳。本文根據(jù)纓帽變換、NDVI植被指數(shù)能優(yōu)化影像植被信息和遙感影像融合具有提高影像空間分辨率、增強(qiáng)紋理信息的特征，提出了一種基于纓帽變換影像融合與NDVI相結(jié)合的植被信息提取方法，以此來改進(jìn)傳統(tǒng)方法，并以IKONOS多光譜與全色影像作為數(shù)據(jù)源進(jìn)行實(shí)驗(yàn)分析，探討了多源遙感影像融合的應(yīng)用。

1 原理方法

纓帽變換也稱為K-T變換，是一種針對(duì)植被信息提取的影像增強(qiáng)方法，其使坐標(biāo)空間發(fā)生旋轉(zhuǎn)，旋轉(zhuǎn)后的坐標(biāo)軸指向與植物生長有密切關(guān)系的方向[9]。K-T變換不僅能增強(qiáng)影像上的植被信息，還實(shí)現(xiàn)了數(shù)據(jù)壓縮，因此將其應(yīng)用于遙感影像融合，可以獲得一幅既具有高分辨率又含有豐富植被信息的優(yōu)質(zhì)影像?；诶t帽變換的IKONOS多光譜與全色波段融合的具體步驟如下：

1）將IKONOS多光譜與全色波段影像進(jìn)行幾何配準(zhǔn)與重采樣，從而保證原始待融合影像的幾何一致性以及像元數(shù)相同。

2）對(duì)IKONOS多波段進(jìn)行纓帽變換，得到亮度指數(shù)、綠度指數(shù)以及濕度指數(shù)3個(gè)分量。

3）將全色波段影像與上步中獲得的亮度指數(shù)進(jìn)行直方圖匹配，使原始2個(gè)波段的均值和方差信息一致。

4）用匹配后的IKONOS全色波段替換經(jīng)過纓帽變換的亮度分量，并進(jìn)行纓帽逆變換，獲得最終的融合影像。

基于纓帽變換融合與NDVI相結(jié)合的植被提取基本原理是：先對(duì)原始的多光譜和全色影像進(jìn)行纓帽變換融合，獲得一幅更高分辨率的多光譜影像，再利用NDVI指數(shù)和密度分割提取出融合影像上的植被信息。

2 實(shí)驗(yàn)結(jié)果分析及精度驗(yàn)證

2.1 實(shí)驗(yàn)結(jié)果分析

采用安徽省蕪湖市2003年獲取的IKONOS多波段與全色影像進(jìn)行實(shí)驗(yàn)，其中，IKONOS多波段影像大小為972×1 048，選擇其近紅外、紅、綠、藍(lán)4個(gè)波段，分辨率為4 m；全色波段影像范圍與多波段相同，分辨率為1 m。影像覆蓋區(qū)域?yàn)榘不帐∈徍恤魃焦珗@及其周邊居民小區(qū)，區(qū)域內(nèi)植被信息豐富，有樹林、道路兩旁的行道樹以及居民小區(qū)中的綠地信息；還有道路、水域以及居民點(diǎn)等地物信息。原始IKONOS多光譜與全色影像如圖1、圖2所示。

圖3為纓帽變換融合與NDVI相結(jié)合的植被提取結(jié)果，圖中僅僅提取出植被信息，其他信息均為黑色。結(jié)合纓帽變換融合的方法不僅很好地提取出了影像上的面狀植被信息，而且道路兩旁行道樹以及居民小區(qū)中綠地信息提取效果也較好，主要是由于結(jié)合了纓帽變換與影像融合的特征，融合的結(jié)果影像增強(qiáng)了原始影像上的植被紋理信息，使得原始信息量少的行道樹和綠地信息也能很好地被識(shí)別出來。

圖1 IKONOS多光譜圖

圖2 IKONOS全色影像圖

圖3 纓帽變換融合與NDVI結(jié)合植被提取結(jié)果圖

2.2 分類精度檢驗(yàn)

分別將NDVI指數(shù)加入原始影像以及纓帽變換融合結(jié)果影像進(jìn)行監(jiān)督分類（采用最大似然法，并利用非監(jiān)督分類提取原始分類模版），結(jié)果如圖4、圖5所示，分類精度評(píng)價(jià)結(jié)果如表1、表2所示。

表1 NDVI植被提取分類結(jié)果

表2 纓帽變換融合與NDVI相結(jié)合的植被提取分類結(jié)果

從表1、表2可知，基于纓帽變換融合的分類精度明顯高于原始影像，總精度由80.94%增加到86.97%；Kappa總系數(shù)也由0.771 8上升到0.836 7。其中，植被分類效果改善最明顯，原始植被分類的Kappa系數(shù)只有0.796 1，而基于纓帽變換融合后的Kappa系數(shù)則高達(dá)0.913 5，這說明基于纓帽變換融合與NDVI相結(jié)合的方法充分結(jié)合了各自的特征，有效地改善了原始植被信息的分類精度。另外，數(shù)據(jù)還顯示融合后影像上其他地物類型的分類精度也有所改善。

圖4 基于NDVI分類結(jié)果圖

圖5 基于纓帽變換融合與NDVI相結(jié)合的分類結(jié)果圖

3 結(jié) 語

本文以安徽省蕪湖市IKONOS多光譜與全色影像為例，結(jié)合纓帽變換影像融合的優(yōu)點(diǎn)，改善了傳統(tǒng)NDVI植被的提取效果。首先，基于纓帽變換的影像融合方法結(jié)合了纓帽變換能突出植被信息的特點(diǎn)，對(duì)原始影像上植被紋理信息有較好增強(qiáng)效果，獲得的融合結(jié)果影像有利于植被信息的提?。黄浯?，傳統(tǒng)的NDVI植被信息提取方法很好地提取了影像上的面狀植被信息，但對(duì)于信息量少的植被提取效果較差，基于纓帽變換融合與NDVI相結(jié)合的方法不僅能優(yōu)質(zhì)地提取面狀植被信息，而且對(duì)原始信息量少的行道樹和綠地信息提取效果也較好，極大提高了原始影像上植被信息的分類精度。從分類評(píng)價(jià)結(jié)果還可以發(fā)現(xiàn)，融合后的影像不僅較好地提高了植被的分類精度，對(duì)影像上其他地物的分類精度也有所改善，這說明遙感影像融合能有效改善影像的總體分類精度。

[1]孫家柄,劉繼琳,李軍.多源遙感影像融合[J].遙感學(xué)報(bào)，1998,2(1):47-49

[2]Zhang Z, Blum R S.A Hbrid Image Registration Technique for A Digital Camera Image Fusion application [J].Information Fusion, 2001 (2):135-149

[3]吳瑞娟,何秀鳳,楊智翔.Alos全色與多光譜影像融合的土地覆蓋分類[J].地理空間信息,2012,10(1): 116-118

[4]徐佳,關(guān)澤群,何秀鳳，等.基于傳感器光譜特性的全色與多光譜圖像融合[J].遙感學(xué)報(bào),2009,13(1):97-102

[5]賈永紅.TM和SAR影像主分量變換融合法[J].遙感技術(shù)與應(yīng)用,1998,13(1):46-49

[6]陳超,江濤,劉祥磊.基于纓帽變換的遙感圖像融合方法研究[J].測繪科學(xué),2009,34(3):105-107

[7]劉雯.多尺度植被信息提取模型研究[J].計(jì)算機(jī)應(yīng)用研究,2009,26(6):2 398-2 400

[8]張秀英,馮學(xué)智,丁曉東,等.基于面向?qū)ο蠓椒ǖ腎KONOS影像城市植被信息提取[J].浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版,2007,33(5):568-573

[9]湯國安,張友順,劉詠梅，等.遙感數(shù)字圖像處理[M].北京:科學(xué)出版社,2004