基于GF-2的沙地區(qū)域影像融合方法與評價
——以內(nèi)蒙古自治區(qū)正藍旗北部典型沙地為例

朝魯門, 寧小莉, 包玉海, 海全勝, 張雪峰

(1.內(nèi)蒙古科技大學 包頭師范學院 資源與環(huán)境學院, 內(nèi)蒙古 包頭 014030;2.內(nèi)蒙古師范大學 地理科學學院, 內(nèi)蒙古 呼和浩特 010022)

20世紀60年代開始，隨著遙感技術的快速發(fā)展，遙感影像數(shù)據(jù)已被各個部門廣泛應用，對其獲取的衛(wèi)星影像在空間、光譜以及時間分辨率等方面的要求越來越高。2018年3月26日至4月4日在內(nèi)蒙古自治區(qū)中西部地區(qū)出現(xiàn)的沙塵天氣，已經(jīng)嚴重影響人們的日常生活及健康。沙塵暴的沙源歸根結底是沙地。因此，在環(huán)境治理問題中沙地的研究比較迫切，而典型沙區(qū)的影像融合是重要的技術手段，是數(shù)據(jù)處理的重要環(huán)節(jié)，利用不同遙感數(shù)據(jù)及處理方法去除多余信息，提高影像的空間和光譜信息，提高影像讀取能力是現(xiàn)在需要解決的關鍵技術問題，能為目視解譯等后續(xù)的沙地研究工作提供科學的基礎數(shù)據(jù)[1-3]。

遙感影像融合專家Alparon等人[4]在專著中指出遙感數(shù)據(jù)融合是針對某種調查現(xiàn)象，協(xié)同組合兩個或者更多影像數(shù)據(jù)，以獲取比單一影像更多的知識。針對光譜和空間信息進行處理，能提高圖像信息綜合分辨率，從而提高圖像質量和計算機解譯精度，對監(jiān)測工作提供有力依據(jù)。目前使用較多的遙感影像融合方法有HVS融合方法、PanSharpen融合方法、Brovey融合方法、Gram-Schmidt融合方法、小波變換融合方法、HPF融合方法、NNDiffuse融合方法、PCI融合方法、改進Brovey融合方法及Curvelet_HCS融合方法等[5-7]。國內(nèi)外學者在不同類型衛(wèi)星影像數(shù)據(jù)融合方面進行了較多研究。對于IKONOS影像，逄錦嬌等[8]提出PanSharpen融合效果優(yōu)于HSV融合效果，主要表現(xiàn)在PanSharpen具有較高的分類精度。邢元軍等[9]利用GF-1，ZY-3和ZY102C等三種國產(chǎn)衛(wèi)星為研究對象，通過融合結果驗證，得出三種衛(wèi)星的最佳融合方法分別是GS，PC和IHS。HR和CCD圖像融合后，明顯提高了土地利用信息的精度，在國土資源調查與生態(tài)環(huán)境監(jiān)測中都起到重要的作用[10]。國內(nèi)外學者[11-17]對IKONOS與QuickBird，Landsat TM與SPOT、高分二號、高分一號、QuickBird，BJ-1，HJ-1 A及ZY-3等不同遙感影像進行融合方法研究并對其進行融合效果評價。影像融合研究一般從融合方法、衛(wèi)星影像以及地物等3方面進行研究。呂利利等[18]提出沙漠地區(qū)地物單一，“同物異譜”和“異物同譜”現(xiàn)象較容易出現(xiàn)，采用建樹的樣本數(shù)據(jù)時要具有區(qū)域典型性和完整性。因此，影像信息中提高自然地物辨別度較為重要。地物方面，對城區(qū)、道路、林地、耕地、建筑物、水域等類型融合分析較多，而針對沙地區(qū)域的研究較少。沙地對人類生活、經(jīng)濟、環(huán)境等方面都有不容忽視的影響。因此，學者應用Landsat ETM，TM與SPOT等影像是研究沙地區(qū)域影像最佳融合方法。本文利用國產(chǎn)高分影像數(shù)據(jù)，采用HSV，Brovey，Gram-Schmidt，PC融合等4種融合方法，進行沙地區(qū)域最佳影像融合方法研究，影像融合能提高影像的空間分辨率和光譜信息，從而提高沙地區(qū)域特征提取、分類、目標識別的精度，且研究結果能為沙地區(qū)域的后續(xù)研究提供科學的決策服務。

1 研究區(qū)概況與數(shù)據(jù)

正藍旗位于內(nèi)蒙古中部，渾善達克沙地腹地，地形從西南到東北呈遞減，平均海拔在1 300 m左右，日均溫大于10 ℃，年積溫約1 870 ℃，屬中溫帶大陸性氣候，多年平均降雨量350 mm，年際變化大，主要集中在夏季，年蒸發(fā)量約1 936 mm，無霜期104 d，平均風速4.3 m/s。20世紀60年代以后，渾善達克沙地發(fā)生了沙漠化擴大，僅僅30 a時間，沙漠化增長速度已高達4%，內(nèi)蒙古地區(qū)的沙地研究是對建立我國北方生態(tài)安全屏障，亮麗風景線的重要部分。本研究的研究區(qū)位于正藍旗北部典型沙區(qū)，經(jīng)緯度范圍為116°24′10.65″—116°28′38.31″E、42°30′37.70″—42°32′6.69″N。

高分二號(GF-2)衛(wèi)星是我國自主研制的空間分辨率大于1 m的民用光學遙感衛(wèi)星，衛(wèi)星上搭載1 m全色和4 m多光譜相機的兩臺傳感器，星下點空間分辨率能達到0.8 m，有4個多光譜通道，1個全色波段通道(表1)，2014年8月21日開始投入使用。衛(wèi)星數(shù)據(jù)主要為國家級各級各部門提供有效數(shù)據(jù)服務，如國土、測繪、環(huán)保、住房和城鄉(xiāng)建設、交通運輸和林業(yè)等，以及為相關各級政府提供咨詢服務。本研究使用的是2016年9月16日成像的高分二號影像，景號為GF2_PMS1_E116.3_N42.6_20160916_L1A0001830187，GF2_PMS2_E116.5_N42.5_20160916_L1A0001830240。

表1 GF-2衛(wèi)星波段參數(shù)

2 方 法

2.1 融合方法

2.1.1 HSV融合方法 HSV(色彩、純度、明度模型)變換，是將計算機上顯示的彩色圖像分解成3個度，色度(H)、飽和度(S)、亮度(V)，彼此相互獨立，符合人們平時的視覺辨別。HSV融合是RGB轉換為HSV，再變回RGB的過程，即首先把RGB(紅、綠、藍顏色模型)圖像變換成色度、飽和度、亮度空間，亮度空間值給予高分辨率的波段，色度值、飽和度重采樣到高分辨率像元尺寸，然后再將處理后圖再變換回RGB顯示圖像[19]。

2.1.2 Brovey融合方法 Brovey(色彩標準化變換)融合方法是將多光譜影像的映像空間分解成色彩和亮度兩個分量。首先將影像顯示的多光譜波段顏色進行歸一化處理，然后把全色影像的灰度值分別與多光譜影像各波段灰度值相乘，完成影像融合[20]。

2.1.3 Gram-Schmidt融合方法 Gram-Schmidt融合方法是將多光譜圖像轉換到正交空間，再將全色波段圖像變成第一空間值，再反變換獲得融合圖像[21]。用該方法融合后得到的影像特征，改進了主成分變換中信息過分集中的問題，不用設置波段。

2.1.4 PC融合方法 PC(principal components)融合方法，是數(shù)學統(tǒng)計方法的多維(多波段)正交變換，對多光譜圖像進行主成分正變換，全色圖像信息替換第一主成分量，第一主成分量信息已成為全色波段的空間信息，再通過主成分逆變換得到高分辨率多光譜圖像[22]。

2.2 融合效果評價方法

圖像融合效果評價是對融合后的圖像質量進行驗證的方法，有主觀肉眼評價和客觀統(tǒng)計評價兩種評價方法。主觀肉眼評價是用人為的視覺來評價圖像的清晰度?？陀^統(tǒng)計評價是用定量的方式來客觀的描述圖像在空間信息上和光譜保真度上提高影像質量程度的方法。定量方式，也就是用數(shù)學上的方法來定量化，形成一個評價指標。本文為了驗證沙地區(qū)域影像融合質量，選取了標準差、平均梯度、聯(lián)合熵和相對偏差4種評價指標。

2.2.1 標準差 標準差能反映圖像鄰近像素間反差情況，融合前后圖像的離散程度。標準差越大，與原始影像越接近，則融合后影像數(shù)據(jù)信息保持度越高。一景M×N的圖像，其標準差計算公式為：

(i=1,…,N；j=1,…,M)

(1)

式中：S——影像某一波段的標準差；G(i，j)——影像灰度值；u——平均灰度值。

2.2.2 平均梯度 平均梯度是影像灰度變化率的平均值，能很好的說明影像的細微區(qū)別，一景I×J的圖像，平均梯度值越高，影像識別度越高。其計算公式為：

(i=1,…,I；j=1,…,J)

(2)

2.2.3 聯(lián)合熵 聯(lián)合熵是美國科學家香農(nóng)提出來的科學名詞，主要度量兩個概率分布間的差異性，能反映圖像的細微信息量，聯(lián)合熵值越大，說明圖像上的細微信息越多。聯(lián)合熵對遙感影像的清晰度分析中比較有說服力，將影像本身視為信息源，聯(lián)合熵作為影像信息計算中作為重要的指標，其公式為:

log2〔p(x1,…,xn)〕i=1,…,n

(3)

式中：E(x1,…,xn)——影像聯(lián)合熵； (x1,…,xn)——像元在依次從1到n波段上x1,…,xn的概率，第1～n波段像元灰度，值為x1,…,xn的像元個數(shù)與影像總像元數(shù)的比值來獲得聯(lián)合熵。排除噪聲、陰影等因素的情況下，計算后獲得的值越高，能說明影像總信息量越多。

2.2.4 相對偏差 相對偏差在計算兩組數(shù)據(jù)之間的偏離情況中使用較多，原影像和融合影像灰度值可以作為兩組數(shù)據(jù)，通過相對偏差來表示原影像和融合影像光譜信息上的結合程度，由I×J行列構成的一幅影像，其計算相對偏差的公式為：

(4)

式中：R——原影像與融合影像對應的某一波段的相對偏差；I(i,j)，J(i,j)——融合影像和原影像在像元第i行，第j列處的灰度值。計算結果值越小，則說明原影像與融合影像的偏差越小，則光譜信息保留度越好。

3 GF-2影像融合效果評價與結果分析

本文應用客觀評價指標標準差、平均梯度、聯(lián)合熵、相對偏差計算了研究區(qū)影像融合后的質量(如表2所示)。

表2 融合影像評價指標值

由表2可知，用4種方法得出的影像融合的4個客觀統(tǒng)計指標值之間的差異比較明顯，在正藍旗北部典型沙地區(qū)域的研究中可以很好地完成影像融合工作。HSV融合方法、Brovey融合方法、Gram-Schimdt融合方法、PC融合方法的平均梯度分別為4.862 5，4.862 3，8.748 0和3.682 0，平均梯度是影像灰度變化率的平均值，能很好地說明影像的細微區(qū)別，平均梯度值越高，影像的細微區(qū)別越好。因此，Gram-Schimdt方法融合后的影像細微區(qū)別最好。4種融合方法的聯(lián)合熵分別為14.720 3，12.582 3，13.375 5和13.357 8，聯(lián)合熵主要反映圖像的細微信息量，聯(lián)合熵值越大，圖像上細微信息越多，HSV方法融合后影像的細微信息量最多。相對偏差分別為3.298 3，2.173 0，3.611 2和3.575 6，相對偏差表示原影像和融合影像在信息上的結合程度，Brovey融合方法的值為最小，Brovey融合方法的融合前和融合后的影像的光譜信息結合度好。標準差分別79.372 8，72.702 4和66.520 9，66.899 2，主要表明影像灰度值與平均灰度值的離散程度，HSV融合方法的標準差為最高，且與原始影像的標準差接近，而且信息熵最高，說明用HSV方法融合后的影像與原始影像接近，信息含量最多，影像辨別度高。陳業(yè)培，謝士琴，胥兵等[23-25]分別指出標準差最高與原始影像接近，說明融合后圖像與原始圖像比較接近。信息熵值越大，圖像攜載的信息量越大，信息辨別度越高。HSV融合方法的聯(lián)合熵和標準差都最高，使用HSV融合方法后影像紋理方面得到了改善，空間信息、光譜信息保留較好(圖1—3)。因此，HSV方法融合后的影像辨別性最好，以及影像的細微信息量最多，平均梯度和相對偏差均位居第2，在沙地的空間信息間辨別度和光譜保真度的計算中優(yōu)于其他3個融合方法。Brovey融合后影像的特征為光譜信息保真較好(圖4)。Brovey融合方法的相對偏差最小，Brovey融合方法融合后的影像的信息結合度好，聯(lián)合熵和標準差均位居第2，平均梯度位居第3，綜合表現(xiàn)位居第2。Gram-Schimdt融合后空間紋理信息較好地保留，尤其能保證影像的光譜特征信息(圖5)。Gram-Schimdt融合方法的平均梯度最大，影像細微區(qū)別最好，聯(lián)合熵為第3，相對偏差和標準差位居第4，綜合表現(xiàn)為第3。PC方法融合后的影像的優(yōu)點為無波段限制，光譜信息保留好。第一主成分信息較集中，色調變化較大(圖6)。PC融合方法的相對偏差和標準差位居第3，平均梯度和聯(lián)合熵位居第4，綜合表現(xiàn)為第4，融合表現(xiàn)最不突出。4種融合方法中，HSV融合方法的聯(lián)合熵和標準差值最高，因此，與原始影像接近而且細微信息量最多，影像的辨別性最好。Brovey融合方法的影像光譜信息結合程度較好，Gram-Schimdt融合方法的影像細微區(qū)別度好，PC融合效果最不明顯。因此，HSV融合方法在分析正藍旗北部典型沙區(qū)時表現(xiàn)效果最好。

圖1 研究區(qū)原始多光譜影像

圖2 研究區(qū)原始全色影像

圖3 研究區(qū)HSV融合結果

圖4 研究區(qū)Brovey融合結果

圖5 研究區(qū)Gram-Schmidt 融合結果

圖6 研究區(qū)PC融合結果

4 討 論

(1) 文章利用國產(chǎn)高分辨率影像GF-2，進行了沙地區(qū)域影像融合研究。琚存勇，周淑琴等[26-27]分別應用TM與SPOT、Landsat ETM影像研究沙地區(qū)域影像最佳融合方法。應用高分影像對城區(qū)、道路、林地、耕地、建筑物、水域等地物進行影像融合分析研究較多。而沙地區(qū)域高分影像的最佳融合研究較少，本文以GF-2影像作為數(shù)據(jù)源，圖像融合方法主要選取了HSV融合方法、Brovey融合方法、Gram-Schimdt融合方法、PC融合方法等四種融合方法研究沙地區(qū)域最佳融合方法。基于湯耶磊等[28]提出的針對區(qū)域特征及應用目的，不同地物選擇適合高分影像融合算法較重要。劉川等[29]提出GF-2衛(wèi)星在建筑與植被區(qū)域的融合中IGS方法優(yōu)于IHS，GS，PCA等方法。其它自然地物中融合方法的效果也不同。影像相同，研究的自然地物不同，融合方法效果也不同。因此，采用其它的融合方法是后續(xù)要做的研究工作。

(2) 本文選取夏季的影像對沙地區(qū)域進行研究，夏季植被生長較好，植被與沙地分類較好。研究區(qū)地物類型的覆蓋不同，融合方法的效果也不同[30-31]。馮秀絨等[32]得出在毛烏素沙地的裸沙，33%苔蘚結皮與100%苔蘚結皮及其它地物的反射率不同。測同一種植被的光譜特征有一些差異，冬季植被的反射率明顯低于夏季，可見光波段與近紅外波段分別約低于60%和40%，同種植被的冠層和葉片光譜在近紅外波段的反射率不同[33]。處于不同季節(jié)時地表植物的覆蓋度不同。因此，同一種影像融合方法對不同季節(jié)的影像融合效果可能不同。植被蓋度高的地區(qū)選取四季影像進行研究較多，選取春、夏、秋、冬不同時期的影像，在沙地區(qū)域進行融合及效果分析是后續(xù)研究的工作。

5 結 論

(1) 在正藍旗北部典型沙地區(qū)域的影像融合中選取的HSV融合方法、Brovey融合方法、Gram-Schimdt融合方法、PC融合方法等4種圖像融合方法，均能明顯地保留了全色波段的空間分辨率，同時較好地保留了多波段的光譜信息。

(2) HSV融合方法的聯(lián)合熵和標準差均最高，Brovey融合方法的相對偏差最小，Gram-Schimdt融合方法的平均梯度最大。

(3) HSV融合是沙地區(qū)域影像融合的最佳方法。