多源遥感影像像素级融合技术摘要:中国的遥感技术从七十年代起步,经过了几十年的过程,随着现代遥感技术的发展,可获得的遥感数据也越来越丰富。

遥感所具有的宏观、动态、快速、精确和综合的优势,使得从遥感影像获取信息已经成为一种非常重要的信息获取手段。

为合理、有效地综合使用这些多源海量数据,遥感图像处理技术随之应运而生,而遥感图像融合技术更成为其重要的组成部分。

在未来一段时间内,同一地区不同时相、不同分辨率、不同成像机理的遥感影像数据将呈指数递增。

因此,研究如何从这些影像源中获取更丰富、更有用和更可靠信息的处理技术,是当前遥感应用研究的重点之一。

关键词:图像融合多源遥感影像像素级图像处理随着遥感技术的发展,越来越多携带不同类型传感器的遥感卫星获得的多传感器、多时相、多空间分辨率、多光谱分辨率的遥感图像数据被用于对地观测。

为进行地形测绘与地图更新、土地利用分类、冰/雪/洪涝灾害监测等提供了丰富的数据。

现代遥感卫星都具备一套多光谱和高空间分辨率全色影像的性能,但如何获取多光谱高空间分辨率影像满足植被研究、土地利用和城市资源调查等的要求,是亟待解决的问题。

多源遥感影像数据像素级融合的研究则是解决这一问题的有效途径之一。

1 基本概念图像融合一般可分为像素级、特征级、决策级。

像素级图像融合主要是针对初始图像数据进行的,其目的主要是图像增强、图像分割和图像分类,从而为人工判读图像或进一步的特征级融合提供更佳的输入信息;特征级图像融合能以高的置信度来提取有用的图像特征。

决策级图像融合允许来自多源数据在最高抽象层次上被有效的利用。

不同层次的图像融合研究内容均十分广泛。

多源遥感影像像素级融合是指采用某种算法将覆盖同一地区的两幅或多幅空间配准影像生成满足某种要求的影像技术。

它是多源遥感影像数据融合的内容之一,是富集多源遥感影像信息的重要技术手段之一。

从影像类型划分,多源遥感影像像素级融合包括:单一传感器的多时相影像融合、多传感器的多时相影像融合、单一平台多传感器的多空间分辨率影像融合、多平台单一传感器的多时相影像融合和同一时相多传感器影像融合。

2 像素级影像融合过程与特点基于像素的多源遥感影像融合的过程大致可分为三步:(1)根据实际应用目的、融合方法和相关技术从现有影像数据中选取出来,并进行预处理。

预处理主要包括影像几何校正、影像辐射校正、高精度空间配准和重采样。

其中空间配准是多源遥感影像融合最重要的一步,其误差大小直接影响融合结果。

高、低空间分辨率影像融合之前的空间配准,一般以高分辨率影像为参考影像,对低分辨率影像进行几何校正并重采样,然后与高分辨率影像的地面分辨率匹配。

(2)根据实际应用目的选择合适的融合方法。

(3)需对融合的影像进行评价。

一般来说,像素级融合的优点是对原始的观测数据进行处理,融合的影像保留了尽可能多的原始影像信息,避免了特征提取过程中的信息损失。

3 多源遥感影像的空间配准方法图像配准是多传感器系统中的关键环节。

在对相同或相近类型传感器获得的图像进行配准中,很多方法已经研究和应用,但不同类型传感器获得的图像给传统的图像配准方法增加了难度。

多源遥感影像融合的基础是影像间的空间配准。

一般的方法是先进行人工选点,然后进行多项式校正。

这个方法的缺点是人工选点的数目有限,影响了配准的精度和融合的效果,效率也较低。

遥感影像配准的方法目前主要有基于数字地面模型的精纠正、多项式纠正、基于三角网的纠正和小面元微分纠正。

4 像素级影像融合方法及其特点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,目的是获取空间分辨率增强的多光谱影像。

理论上要求融合的影像分辨率达到具有的高空间分辨率的影像的标准,而且不应使原多光谱影像的光谱特性产生变化。

但实际上,在融合增强多光谱影像分辨率时,或多或少的产生多光谱影像光谱特性的变化。

为保证地物在原始影像数据的光谱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,适于计算机影像判读和分类等后续处理,应该保持在原多光谱影像的光谱特性变化小,以致人眼察觉不到或不影响计算机后续处理的前提下,将高空间分辨率全色影像和低空间分辨率多光谱影像融合,尽量增强多光谱影像的分辨率,改善后续处理效果,达到预期目的。

多源遥感影像像素级融合方法有很多,从作用域出发,可将像素级遥感影像融合法分为空间域融合和变换域融合两类。

空间域融合法一般是直接在图像的像素灰度空间上进行融合;变换域融合法是先对待融合的多源图像进行图像变换,融合处理是对变换后的系数进行组合。

基于二者不是完全独立的关系,在许多算法中有相互结合。

目前基于变换域的图像融合算法是研究热点。

5 像素级遥感图像融合算法介绍像素级遥感图像融合算法主要有基于IHS变换法、小波变换法、主分量变换法(PCA)和Brovey变换法。

这几种融合算法理论比较成熟,并且在特定方面都有很好的融合效果。

(1)基于IHS变换法IHS变换是融合多源遥感数据最常用的方法,在图像处理中常用的有两种彩色坐标系:一种是由红(Red)、绿(Green)和蓝(Blue)三原色构成的RGB彩色空间;另一种是由亮度(Intensity)、色调(Hue)、饱和度(Saturation)三个变量构成的IHS 彩色空间。

IHS变换将图像处理常用的RGB彩色空间变换到IHS空间用亮度、色调、饱和度表示。

一般用高分辨率数据替代亮度值实现融合。

当高分辨率全色影像与多光谱影像融合时,先把多光谱影像利用IHS变换从RGB系统变换为IHS,同时将单波段的高分辨率图像进行灰度拉伸,使得它的灰度的均值与反差和IHS 中亮度分量一致;然后将拉伸过的高分辨率影像作为新的亮度分量代入到IHS,经过反变换还原到原始空间。

这样融合所得到的影像既有高的空间分辨率又有与原影像相同的色度和饱和度。

从遥感的角度讲,IHS变换可以把图像的亮度、色调和饱和度分开,图像融合只在亮度通道上进行,图像的色调和饱和度保持不变。

变换后的I分量与地物表面粗糙度相对应,代表地物的空间几何特征;色调分量H代表地物的主要频谱特征;饱和度分量S表征色彩的纯度。

IHS变换的公式如下:式中,0I’HS;5)将I’HS逆变换到RGB空间,即得到融合图像。

通过变换、替代、逆变换获得的融合图像既具有全色图像高分辨的优点,又保持了多光谱图像的色调和饱和度。

融合后,图像清晰度虽然提高了,但光谱信息损失严重,即产生颜色失真。

如果融合结果图像应用以光谱分析为主就不太适合选择该方法。

(2)小波变换法小波变换具有变焦性、信息保持性和小波基选择的灵活性等优点。

经小波变换可将图像分解为一些具有不同空间分辨率、频率特性和方向特性的子图像。

它的高频特征,相当于高、低双频滤波器,图像经小波分解后其频率特性得到了有效分离,低频部分反映的是图像的整体视觉信息,高频成分反映的是图像的细节特征。

同时又不失原图像所包含的信息。

因而可以用于以非线性的对数映射方式融合不同类型的图像数据,使融合后的图像即保留原高分辨率遥感图像的结构信息,又融合了多光谱图像丰富的光谱信息,提高图像的解译能力和分类精度。

利用高分辨率图像数据的高频成分和相应的多光谱影像数据的低频成分组合进行小波重建,可得到融合影像。

但它在图像融合中有两个缺点:一是容易产生较为明显的分块效应;二是直接用低分辨率图像的低频部分去替换高分辨率图像的低频部分,在一定程度上损失了高分辨率图像的细节信息。

基于小波变换的遥感图像融合基本步骤如下:l)对配准后的多光谱和全色波段图像分别进行小波正变换,获得各自的低频图像和细节、纹理图像;2)用小波变换后的多光谱图像的低频成分代替全色波段图像的低频成分;3)用替换后的多光谱图像的低频成分与全色波段图像的高频成分进行小波逆变换得到融合结果图像。

(3)主分量变换法(PCA)主分量变换又称为K-L变换。

采用主分量变换融合法融合的影像不仅清晰度和空间分辨率比原多光谱影像提高了,而且在保留原多光谱影像的光谱特征方面优于IHS融合法,即光谱特征的扭曲程度小。

主分量变换法克服了IHS变换只能同时对3个波段影像融合的局限性。

主分量变换法首先由多光谱数据的三个或三个以上波段数据求得影像间的相关系数矩阵,再由相关系数矩阵计算特征值和特征向量,求得各主分量影像;然后同IHS变换法一样将空间分辨率影像数据进行对比拉伸,使之与第一主分量影像数据具有相同的均值和方差;最后用拉伸的高分辨率影像代替第一主分量,将它同其它主分量经反主分量变换得到融合的一影像。

试验结果表明,基于相关矩阵的主分量变换融合法效果更好。

主分量变换法(PCA)的遥感图像融合基本步骤如下:1)对配准后的多光谱图像进行PCA,提取第一主分量PC1;2)将全色波段图像拉伸到PC1的方差和均值;3)用拉伸后的全色波段图像代替PC1,进行逆PCA,得到融合后图像。

基于PCA的图像融合在保持图像的清晰度方面有优势,光谱信息损失比IHS 方法稍好。

在图像有需要更好的光谱特性时,PCA变换为更好的选择。

(4)Brovey变换法Brovey变换融合方法是一种通过归一化后的三个波段多光谱影像与高分辨率影像乘积的融合方法,它可以应用于不同传感器的影像数据融合。

Brovey变换既一定程度上保持多光谱数据的完整性又增强了图像的细节。

Brovey变换是基于色度的一种颜色变换,并且比RGB到IHS的变换更简单。

Brovey变换也可应用于单个波段。

Brovey变换可用来融合具有不同空间特征和光谱特征的图像。

但是,如果亮度替换(或调节)图像(即全色波段)的光谱范围与3个空间分辨率较低波段的光谱范围不同时,那么RGB到Brovey变换可能引起色彩畸变。

Brovey变换是为了从视觉上提高图像直方图低端和高端的对比度而提出的。

所以,如果原始图像中的辐射信息较为重要而需要保留时,就不能使用Brovey变换。

但是,对于生成直方图中低高端具有较高对比度的RGB图像以及生成视觉效果满意的图像而言,这是个不错的方法。

它建立在如下亮度调节的基础上:其中I=(R+C+B)/3,R、G、B多光谱图像的红、绿、蓝波段。

P是已经配准好的更高空间分辨率的数据。

6 结束语目前,数据融合算法趋向于把知识理解和统计信息相结合,以及多传感器或多时相数据的特征融合处理。

随着遥感传感器的改进、计算机水平的发展和数学算法的不断更新,图像融合系统开始由实验室走向实际应用,实施动态图像融合系统的开发。

但图像融合作为一个新兴的研究领域,还存在许多理论和技术问题有待解决。

今后还将向智能化、实时化方向发展。

引入GIS的专家系统,以支持数据融合,并将实时动态融合用于数据更新和动态监测,随着遥感传感器的不断改进,遥感数据融合将为地球环境监测、土地利用分类、地球资源开发和利用提供更多的新的途径。