Landsat ETM影像融合研究

摘要：本文首先对图像融合技术的发展状况及运用领域进行了介绍，然后采用低空间分辨率的多光谱影像（p123r041_7x20011229.ETM的1-5,7）与高空间分辨率的全色影像(p123r041_7x20011229.ETM 8)进行融合研究，探讨了几何校正（PC融合）过程中重采样方法对校正（融合）结果的影响、校正结果对融合结果的影响以及不同融合方法之间优劣比较等问题。结果表明：校正时采用三次卷积法能得到较高质量的影像；几何校正对图像融合有一定的影响以及采用主成分变换融合方法效果最好等。

关键字：LandsatETM；高分辨率；低分辨率；影像融合

1  前言

    图像融合是一种通过高级图像处理来复合多源遥感图像的技术。选择最佳的波段组合和分辨率，设计最适宜的时相叠加，采用一定的算法将各图像的优点或互补性有机地结合起来产生新的图像[1-2]。它是一门综合了传感器技术、信号处理、图像处理和人工智能等的新兴技术[3].

    近20年,随着传感器技术和计算机计算能力的提高,图像融合技术的应用越来越广泛.

    在医学成像领域,CT、MR和PET图像的融合提高了计算机辅助诊断能力[4].2001年11月25日～30日在美国芝加哥召开了每年一度的RSNA北美放射学会年会,在会议上GE公司医疗系统部展销了其产品Dis2covery LS. Discovery LS是GE公司于2001年6月刚推出的最新PET/ CT ,是世界上最好的PET与最高档的多排螺旋CT的一个完美结合,具有单体PET不能比拟的优势.它可以完成能量衰减校正分子代谢影像(PET)与形态解剖影像(CT)的同机图像融合,使检查时间成倍地降低。

    在军事领域,以多传感器图像融合为核心内容的战场感知技术已成为现代战争中最具影响力的军事高科技. 20世纪90年代,美国海军在SSN2691 (孟菲斯)潜艇上安装了第1套图像融合样机,可使操纵手在最佳位置上直接观察到各传感器的全部图像[5-6]. 1998年1月7日《防务系统月刊》电子版报道,美国国防部已授予BTG公司2项合同,其中一项就是美国空军的图像融合设计合同,此系统能给司令部一级的指挥机构和网络提供比较稳定的战场图像。

    在网络安全领域,多尺度图像融合技术可将任意的图像水印添加到载体图像中,以确保信息安全[7 ]

    在遥感领域,大量遥感图像的融合为更方便、更全面地认识环境和自然资源提供了可能[8-9],其成果广泛应用于大地测绘、植被分类与农作物生长势态评估、天气预报、自然灾害检测等方面。

    自从遥感技术诞生以来，传感器已从单一类型发展到多种类型，遥感平台也发展到以卫星为主。如空间分辨率从TM图像的30m到ETM图像的15m,SPOT-5的10m和20m、全色影像数据的2.5m或5m，IKONOS的4m、全色影像数据的1m，Quickbird的0.61m.这些不同遥感平台搭载的传感器可以提供同一地区不同光谱分辨率、不同时间分辨率、不同空间分辨率的遥感图像，形成了多传感器、多时相、多分辨率、多波段的遥感数据系列，提供了地球表面海量的资料数据[10]。多传感器信息之间的互补性和冗余性可以解决单一成像传感器的信息不全面或不准确的问题。但是由于对地观测目标与研究内容不同，传感器的实设计存在各种差异，导致不同传感器获取的数据在具有自身优势的同时，也存在几何、光谱和空间分辨率等方面的局限性和差异性。而且从各个不同传感器输出的信息不可能交替显示，也不可能简单的叠加，因此，采用图像融合技术，利用不断完善的算法，在合成的图像中保留每个传感器所获取的重要信息，同时不损失有用信息或造成图像质量下降[11]。多传感器图像融合作为信息融合的重要分支和研究热点。

    多传感器图像融合具体是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像,经过去噪、时间配准、空间配准和重采样后,再运用某种融合技术得到一幅合成图像的过程[12]。

    根据信息表征层次的不同,多传感器信息融合可分为数据级融合、特征级融合和决策级融合.因此,有的学者将图像融合也分为3类:像元级融合、特征级融合和判决级融合[13-15 ]像素级图像融合指的是直接对各幅图像的像素点进行信息综合的过程.特征级图像融合是对图像进行特征抽取后,将边沿、形状、轮廓等信息进行综合处理的过程.决策即融合是对来自多幅图像的信息进行逻辑推理或统计推理的过程。

    下面本文将以像元级的图像融合为例，针对高空间分辨率全色波段和低空间分辨率的多光谱影像进行融合研究。

2  研究区概况

    长沙位于东经111.54'-114.15'，北纬27.51'-28.40'之间，东西长约 233公里，南北宽约90公里，从东至西依次是浏阳市、长沙县、长沙市、望城县和宁乡县，基本处于湘中丘陵与洞庭湖冲积平原过渡地带和湘浏盆地。长沙市区处于湘江和浏阳河交汇的河谷台地，周围为地势较高的山丘，可谓“环城皆山也”。湘浏盆地经过数十万年的地质变化和大自然侵蚀，形成了南高北低、丘涧交错、红岩白沙的地貌特征。由于长沙城处于从丘陵向平原的过渡地带，使得这一范围的地貌变化多姿多彩。西侧为低山区，碧虚岭海。

3  研究的主要内容

3.1数据资料

    p123r041_7x20011229.ETM的1-5,7波段为低空间分辨率（30m）的多光谱影像与ETM第8波段为高空间分辨率(15m)的全色影像。数据获取时间2001年12月29日。

3.2方法与步骤

3.2.1感兴趣区域裁剪

    由于原始数据过大，而且融合后数据会更大，计算机执行速度慢，为解决这一问题，采取了裁剪感兴趣区域的措施。

3.2.2 几何配准（ETM第8波段的裁剪影像校正ETM的1-5,7波段的裁剪影像）

    几何配准是纠正由系统或非系统因素引起的影像几何变形，是图像融合过程中的关键，几何配准精度对融合图像的质量影响最为显著[16-17]。一般分为粗配准和精配准，本研究主要进行的是精配准。

精配准是利用地面控制点对遥感影像的几何变形进行校正。其方法有RST、Polynomial等，重采样有nearest neighbor（最相邻法）、bilinear（双线内插法）、cubic convolution（三次卷积法）等。最相邻法是将最近的象元值赋予新象元。它不破坏原始图像的像元值，处理速度快，但是会导致半个象元的位置偏移，可能会使某些地物不连贯。双线内插法是用临近4个点的像元值，按其距内插点的距离赋予不同的权重进行线性内插。它具有平均化的滤波效果，得到一个较连贯的影像，但是破坏了原始影像的像元值。三次卷积法是使用内插点的16个像元值，用三次卷积函数对所求的像元值进行内插。此法精度较高对边缘也能增强，具有均衡化和清晰化的效果，但是却破坏了原始影像的像元值，运算量也较大。

3.2.3融合

3.2.3.1  HSV自动变换融合

    HSV自动变换融合方法属于一种颜色变换的融合方法，流程是对多光谱影像3个波段使用HSV颜色正变换为H、S和V三幅图像，然后用高分辨率影像替代H图像，最后对H、S和V图像实施HSV颜色变换的逆变换得到融合影像[18]。其优点在于输出的RGB图像的像元将与高分辨率数据的像元大小相同。

3.2.3.2  标准化彩色变换融合

    标准化彩色变换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。即彩色图像和高分辨率数据进行数学合成使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB图像的像元将与高分辨率数据的像元大小相同。其优点在于保持多光谱数据的完整性和增强了图像的细节。

3.2.3.3  GS变换融合

    GS变换是对具有高分辨率的高光谱数据进行锐化。其流程为从低分辨率的波谱波段中复制出一个全色波段。然后对该全色波段和波谱波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段。再用GS 变换后的第一个波段替换高空间分辨率的全色波段。最后，应用GS反变换构成锐化后的波谱波段。

3.2.3.4  主成分变换融合

    主成分变换融合同GS变换融合法一样可以对具有高空间分辨率的光谱图像进行锐化。其流程为先对多光谱数据进行主成分变换，然后用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真；最后进行主成分反变换。

3.3 结果与分析

3.3.1感兴趣区域裁剪

   裁剪结果如图所示：

           图1 ETM的1-5,7波段裁剪结果图              图2 ETM 第8波段裁剪结果图

    低空间分辨率的多光谱影像色彩丰富，呈现立体感，但却不够清晰;高空间分辨率的全色影像清晰却缺乏立体感。因此，将两者进行融合达到增强光谱影像空间分辨率的目的。

3.3.2 几何配准

    以下是采用Polynomial校正方法的基础上，选用以上三种采样法得到的效果图：

              图1最相邻法          图2双线内插法                图3三次卷积法

    由图可知图1色彩较清晰但却有明显的不连贯地物（图中红线框内房屋偏移），图2没有偏移但却不够清晰，图3效果较好。因此选用了三次卷积法得到的校正影像进行各种融合方法的研究。

3.3.3融合

3.3.3.1  HSV自动变换融合

    本研究进行 HSV变换融合时选用了三种重采样几何校正后的影像，校正结果如下图所示：

              图1最相邻法          图2双线内插法                图3三次卷积法

    三张图清晰度相差不大，图3最清晰，图1次之，图2最弱；三者间相差较大的地方为图中红线框处色彩差异较大，图2颜色失真较严重，图1次之，图3最弱。因此说明用三次卷积法校正后进行融合得到的图像质量最高。

客观评价：

                                 表1三种重采样方法各值比较 

       原图                    最小距离法              双线内插法             三次卷积法

3.2.3.2 标准化彩色变换、GS变换和主成分变换融合

    本文用三次卷积法校正得到的影像进行了标准化彩色变换融合、GS变换融合、主成分变换融合来研究者三种图像融合方法的优劣。以下是研究结果图：

    图1标准化彩色变换融合        图2 GS变换融合               图3 主成分变换融合

图1色彩失真严重而且较为模糊，图2颜色虽然没失真，但却不够清晰；图3脉络清晰但却颜色稍有失真，综合比较图3效果较好。即采用主成分变换融合方法效果较好。

其客观评价如下所示：

表２三种融合方法各值比较

　　原图　　　　　　　　标准彩色变换融合　　　　　ＧＳ变换融合　　　　　　ＰＣ变换融合

3.2.3.4  主成分变换融合

    在得出主成分融合方法较好的基础上，提出了采用主成分变换融合法融合时重采样方法对融合结果的影响的问题，以下是采用最相邻法、双线内插法 、三次卷积法三种重采样方式得到的效果图：

            图1最相邻法          图2双线内插法                图3三次卷积法

   三者无太大区别。

4  结论

   （1）在几何校正过程中，关于重采样方法对校正结果影响的问题，研究表明：采用三次卷积法对图像进行几何校正能得到较高质量的影像，最相邻法得到的影像有不连贯地物的出现。

   （2）关于在进行HSV自动融合时，几何校正结果对图像融合影响的研究，结果表明：几何校正对图像融合有一定的影响，校正时采用不同的重采样方法对融合结果影像较大。

   （3）关于探讨标准化彩色变换融合、GS变换融合和主成分变换融合这三种方法那种融合方法更优的研究，结果表明：采用主成分变换融合方法效果最好，GS变换融合次之，标准化彩色变换融合最弱。

   （4）关于在进行主成分变换融合过程中，采用不同融合的重采样方法对融合结果的影响的研究，结果表明：融合时重采样的不同对结果影响不大。

参考文献：

[1]钟志勇,陈鹰.多源信息融合中小波变换的应用研究[J].测绘学报.2002,5(31):56一60.

[2]翁永玲，田庆永.遥感数据融合方法分析与评价综述[J].遥感信息.2003,3:49一54.

[3]王宏,敬忠良,李建勋.多分辨率图像融合的研究与发展[J].控制理论与应用.2004,21(1):145.

[4] Kropas2Hughes C V. Image fusion using autoassociative2heteroasso2iative neural networks[ D] .USA : Air University ,1999.

[5]郁文贤,雍少为,郭桂蓉.多传感器信息融合技术述评[J ] .国防科技大学学报, 1994 , 16 (3) : 1一11.

[6]王泽和.九十年代美海军潜艇传感器融合系统[J ] .现代军事, 1992 , 7 : 74一77.

[7]朱晓松,茅耀斌,戴跃伟等.基于HVS的小波水印方案[J ] .南京理工大学学报.2001 ,25 (3) : 262一268.

[8]陈东,李飚,沈振康.SAR与可见光图像融合算法的研究[J ] .系统工程与电子技术,2000 , 22 (9) : 5一7.

[9] Kropas2Hughes C V. Image fusion using autoassociative2heteroasso2ciative neural networks[ D] . USA : Air University ,1999.

[10]林辉，孙华，熊育久，刘秀英.林业遥感[M].中国林业出版社.2011,7:130.

[11]杨俊欣.图像融合技术在成像中的应用[J].2010,11:18一19.

[12]毛士艺.赵巍.多传感器图像融合技术综述[J].北京航空航天大学学 报,2002,28(5):512一513.

[13]蒋晓瑜.基于小波变换和伪彩色方法的多重图像融合算法研究[ D].北京理工大学光电工程系, 1997.

[14]胡江华,柏连发,张保民.像素级多传感器图像融合技术[J ].南京理工大学学报,1996 ,20 (5) : 453一456.

[15]张加友,王江安.红外图像融合[J ] .光电子·激光, 2000 , 11(5) : 537一539.

[16]L.GBrown.A Survey of Imnage Registration Teehniques[J].ACM ComPuter Survey1992，24(4):325一376.

[17]K.A.KalPoma,J.Kudoh.Image Fusion Proeessing for KONOS 1-m Color Imagery[J].IEEE Transactions on geoseiene and remote sensing.2007，45(10):3075一3086.

[18]王玉真.遥感影像像素级融合方法概述 [J].《中小企业管理与科技》.2009,9:36.