GF-2和Sentinel-2全色多光谱影像融合方法比较研究

关注“测绘学术资讯”

GF-2和Sentinel-2全色多光谱影像融合方法比较研究

杨军^1,2,3，王筱宇^1,2,3

1.兰州交通大学测绘与地理信息学院，兰州 730070

2.地理国情监测技术应用国家联合工程研究中心，兰州 730070

3.甘肃省地理国情监测工程实验室，兰州 730070

摘要：针对高分二号（GF-2）卫星全色遥感影像与哨兵二号（Sentinel-2）卫星多光谱遥感影像空间分辨率相差较大且传感器不同导致的光谱或空间信息丢失问题，结合快速离散Curvelet变换对HSV融合方法的分量替换过程进行改进，利用GF-2的高空间分辨率和Sentinel-2的多光谱特性分别设计高、低频系数融合规则，并且与4种经典算法的融合结果进行比较研究。通过目视解译对融合影像进行初步定性评价，然后计算熵值、平均梯度、偏差度、影像相关系数评价、均值、空间频率、结构相似性、峰值信噪比、光谱扭曲度等十个评价指标对融合影像进行定量评价。通过与4种经典算法融合对比结果可知，改进的HSV融合方法能够最大程度保留原始全色影像的空间信息与多光谱影像的光谱信息。

0、引言

近年来，遥感技术迅速发展，出现了基于各种平台的传感器，然而光学传感器的空间分辨率和光谱分辨率大多呈现反相关的关系，需要用到数据融合技术获得高空间分辨率的多光谱遥感影像。文献[1]中将遥感数据融合定义为：对于具有互补信息的同一位置的两幅或者更多遥感影像数据，对它们综合处理，决策分析以使得新的数据获得更高的质量、更显著的特征和更有价值信息的方法。数据融合是解决光学传感器无法获取同时具有高空间分辨率和高光谱分辨率影像的有效方法，融合后的影像保留了多波段光谱特征并且提高了空间分辨率，融合的过程突出了有用的主题信息，消除或抑制了无关信息，增强了遥感影像的实际应用价值。遥感影像数据融合不仅仅是对不同影像数据的合并，还要具备信息优化的功能。

根据融合层次的不同，遥感数据融合可以分为像素级融合^[2]，特征级融合^[3]和决策级融合^[4]。像素级融合是针对影像数据的像素进行融合，生成新的影像并提升原始数据的分辨率，特征级融合是对不同的数据特征提取并对提取的特征融合处理，得到新的特征，决策级融合是根据决策问题需求模拟人的分析推理过程，利用一定的决策规则对解译后的地物类别或属性进行融合^[5]。遥感数据融合根据融合数据源的类型可以分为同质和异质遥感数据融合。同质遥感数据融合的对象是同一成像手段观测传输的数据，该技术能够调解同种类型传感器传输影像光谱分辨率、空间分辨率和时间分辨率之间的矛盾，以期获得的影像具有最优的光谱分辨率、空间分辨率和时间分辨率，包括全色和多光谱数据或高光谱数据融合，不同时相数据融合，不同时间分辨率和空间分辨率融合等^[1]。异质遥感数据融合的对象是不同成像手段观测传输的数据，如光学传感器和雷达传感器数据融合，可见光数据和红外数据融合等^[1]。同质数据一般使用像素级的融合而异质数据更适用于特征级和决策级的融合。

1、遥感影像数据预处理

2、遥感影像融合

遥感影像融合有3个关键步骤：影像预处理、影像融合和影像评价。①对GF-2全色影像和Sentinel-2多光谱影像进行预处理；②将融合方法应用于待融合影像，针对影像的特点设计算法进行融合，并且使用4种经典的全色与多光谱融合算法进行对比试验；③对融合影像进行定量分析和定性评价。

2.1 HSV变换法

HSV色彩系统用色度(Hue)、饱和度(Saturation)和明度(Value)作为颜色表示系统^[14]，是一种面向用户的色彩系统。由于HSV色彩空间能更好地反映人对色彩的感知和鉴别，因而常用于计算机影像处理领域^[15]。HSV变换为圆柱坐标系中的一个圆锥形子集，基于HSV变换的遥感影像融合的一般步骤为：①将多光谱影像进行HSV变换得到影像的H、S、V分量；②将变换得到的V分量替换为全色影像；③将H分量和S分量重采样到全色影像的像元尺寸，然后进行HSV逆变换得到融合影像。

2.2 Brovey融合法

Brovey融合法也称比值变换融合（BT法），该算法首先利用色彩标准变换将多光谱影像分解为R、G、B波段，然后利用乘积变换将分解得到的R、G、B波段与全色影像波段融合得到新的R、G、B波段^[16]。

2.3、PCA变换法

PCA法先对原始多光谱数据进行主成分分析，并根据多光谱数据各波段间相关矩阵的特征值和特征向量计算各主成分分量^[19]；将第一主成分分量替换为全色波段，结合其他各主成分分量进行主成分逆变换得到融合影像。主成分分析可以将n维数据转换为m维数据，其中m维数据称为主成分。主成分可以代表原始数据，因为它具有最大的方差，可表示原始数据的大多数特征。因此，我们可以使用寻找主成分的方法来去除两种影像数据的多余相同部分，并融合不同部分^[20]。

基于PCA的遥感影像融合的一般步骤：①对全色影像和多光谱影像进行空间配准；②对多光谱影像进行主成分分析后与全色影像做直方图匹配；③将匹配后的第一主成分分量替换为全色影像并做逆变换得到融合影像^[21]。

2.4 GS变换法

Gram-Schmidt融合算法在1998年由Cralg A. Laben提出，简称G-S融合算法^[22]。该算法是通过对多光谱影像进行正交化以消除冗余信息，其改进了主成分分析法中影像信息集中在第一主成分的问题，且不受波段限制，能够较好地保持空间纹理及光谱特征等信息^[23]。GS算法的基本思想是：先对低空间分辨率的多光谱影像进行光谱重采样，模拟全色影像产生第一分量，通过Gram-Schmidt变换将多光谱影像转换到正交空间，并利用全色影像波段替换第一分量^[24]；融合所有多光谱波段，并且减少融合后影像光谱信息的丢失。

2.5 改进的HSV融合法

改进的HSV融合算法步骤为：①将多光谱影像通过HSV变换，从RGB颜色空间转化到HSV颜色空间；②将全色影像与多光谱影像的V分量进行快速离散Curvelet变换得到各自的高频系数和低频系数[27]；③构建协方差绝对值最大的融合规则进行高频系数的融合，融合过程中舍弃方差较低的噪声部分，保留方差较高的影像信息。设计基于Sobel边缘算子和Sigmoid函数的低频系数融合规则进行低频系数的融合，通过Sobel边缘算子检测影像的低频区域并使用Sigmoid函数减小Sobel算子边缘检测误差。将融合的高频系数与低频系数进行快速离散Curvelet逆变换得到新的明度分量Vnew.；④将Vnew分量和多光谱影像的H分量、S分量作HSV逆变换，得到融合影像。

3、融合效果评价指标

3.1、空间分辨率融合评价指标

信息熵、联合熵、平均梯度、空间频率和结构相似性能够定量评价融合影像的空间分辨率提升效果。信息熵和联合熵越大影像信息越丰富；平均梯度越大影像越清晰；空间频率越高影像能反映的空间细节越多；结构相似性越大表示原始影像和融合影像之间的亮度、对比度和结构越接近。空间信息评价指标定义如表1所示。

3.2 光谱分辨率融合评价指标

偏差度、峰值信噪比、均值、相关系数和光谱扭曲度能够定量评价融合影像的光谱分辨率提升效果。偏差度越小原始影像和融合影像光谱信息匹配程度越高；峰值信噪比越大影像失真越小；均值变化越小影像光谱保真度越高；相关系数越高影像融合效果越好；光谱扭曲度越低影像光谱信息损失越小。光谱信息评价指标定义如表2所示。

4 融合效果评价

4.1 定性评价

主观评价以相关先验知识为依据，通过观察融合前后影像光谱、纹理特征，可以主观判定不同影像在空间细节、色彩保真度上的差异^[20]。通常情况下，人眼对色彩强烈的感知能力可以有效评价影像的光谱特征^[23]。

4.2 定量评价

5 结束语