摘要：随着遥感技术的迅猛发展，光学、热红外、微波、多光谱、高光谱等大量功能各异的遥感器不断更新换代，多源遥感数据既具有很重要的互补性，又存在冗余性。本文用ERDAS010软件，针对高分辨率worldview数据，选取了高通滤波融合法、小波融合法和HIS变换融合法以及主成分变换法影像融合方法对worldview全色影像和多光谱影像进行了融合，并从信息量、光谱特征、边缘特征等方面对上述的融合结果进行了定性的分析和定量的评价。同时对图像重采样中的图像插值算法进行了分析，并针对大面积云雾，水面等影像提出了改进的融合算法。
关键词：高空间分辨率；融合算法；主成分变换；小波变换
1.原理和技术路线
1.1多源遥感影像融合过程
多源遥感影像融合过程可分为两个过程：数据准备和预处理与影像数据融合。
1.1.1数据准备和预处理
数据准备首先收集要进行融合的原始遥感影像，本文采用阳江市阳春的WV2卫星影像，卫星影像公司下发的原始影像为分块存储的TIF影像，作业前需要将分块影像拼接。融合前的全色影像波段分辨率为0.5，多光谱影像波段分辨率为2.0。对遥感影像进行合适的预处理：预处理主要包括遥感影像的几何纠正、大气纠正、辐射校正及空间配准。
图1 影像纠正融合流程图
1.1.2影像数据融合
在进行影像数据融合时，根据实际需要和融合目的选择合适的融合方法，按照各种方法的原理和步骤进行。
选取融合方法的原则:
1）能清晰地表现纹理信息，能突出主要地类（如水体、建筑群、耕地、道路等）。
2）影像 光谱特征还原真实、准确、无光谱异常。
3）各种地类特征明显，边界清晰，通过目视解译可以区分各种地类信息。
4）融合影像色调均匀、反差适中。
2.2常见融合算法
2.2.1高通滤波融合法
高通滤波融合法(HPF) 是采用空间高通滤波器对高空间分辨率全色影像滤波，直接将高通滤波得到的高频成分依像素叠加到各低分辨率的多光谱影像上，获得空间分辨率增强的多光谱影像。
HPF法融合的结果光谱畸变比较小,可以产生视觉效果较好的彩色合成结果,但是获得的结果依赖于景物。因此,有关光谱信息保护方面,其质量往往不可预测。
2.2.2小波融合
小波融合即Wavelet Resolution Merge，基于小波分析的融合方法是Mallat于1989年提出的小波的多分辨分析思想及小波的分解和重构快速算法。
基于小波变换的融合步骤:
1) 将全色与多光谱的R,G,B3个波段直方图匹配,得到3个新高分辨率全色影像；
2) 对每个新的全色影像进行小波分解,分别得到各自的4个分量,即1个低分辨率的近似图像和3个小波系数,即所谓的细节图像,它们包含空间局部信息；
3) 分解得到的3个低分辨率全色影像各自分别被多光谱的R,G,B3个波段代替;
4) 对每个含有细节信息和多光谱1个波段(R,G,B)的影像作小波反变换,并合成3个通道,这样就得到了经小波变换融合后的影像。
1.2.3 HIS Resolution Merge
在色度学中，把彩色影像的红(R) 、绿(G) 、蓝(B) 变换成色调(H) 、明度(I) 、饱和度(S),称为IHS 正变换；而由 I、H 、S 变换成 R、G 、B 称为 IHS 反变换。由于 IHS 变换是一种影像显示、增强和信息综合的方法，具有灵活实用的优点，因此产生了多种IHS 变换式。IHS变换通常包括四种形式：球体变换、圆柱体变换、三角变换、单六角锥变换。
IHS变换解决了全色影像具有较高的空间分辨率但缺乏光谱信息；多光谱影像光谱分辨率高，光谱信息丰富，但其空间分辨率低的技术问题。通过试验对比表明使用该方法显着提高了多光谱影像的空间分辨率，同时也保留了丰富的光谱特征，提高了影像的判读、识别、分类能力，融合后图像的信息量比原始图像有明显增加。
1.2.4 主成分变换即PCA
主成分PCA变换是建立在图像统计特征基础上的多维线性变换,具有方差信息浓缩、数据量压缩的特点,可以更准确地揭示多波段数据结构内部的遥感信息,常常是以高分辨率数据替代多波段据变换以后的第1主成分来达到融合的目的。
PCA变换融合法的主要优点:融合后的图像光谱特性保持较好,尤其在波段数较多的情况。 缺点:由于要对自相关矩阵求特征值和特征向量,计算量非常大,实时性比较差。
2.各种方法融合成果对比分析
本文采用的是阳江片区（I区）的遥感影像worldview数据，对全色影像和多光谱影像进行融合。在做融合之前，我首先对原始全色影像和多光谱影像进行控制点纠正，纠正误差也直接影响到融合效果。纠正定向点残差中误差平地和丘陵地控制在一个像素以内，山地和高山地控制在两个像素以内。
各种方法融合成果对比如图1：
融合前的全色影像
融合前的多光谱影像
高通滤波融合结果
小波变换融合结果
IHS变换融合结果
主成分变换融合结果
图2 各种方法融合成果对比
2.1各种方法融合成果对比分析
综合主观定性和客观定量评价的结果，总体而言：采用主分量变换法融合的影像在保留原多光谱影像的光谱特征方面有很大的改变，但变换后的色彩信息较弱，各主成分失去了原有的物理特性，且该方法对融合区域的选择非常敏感。对于IHS变换而言，其优点在于增强影像的同时能够较好地融合原多光谱影像的光谱信息，但是存在一定的光谱扭曲，同时没解决波谱范围不一致的全色影像和多光谱影像融合的问题。基于小波的融合是一种计算强度较大的过程，该方法最大限度地保留了原多光谱影像的光谱信息。
3.结论与展望
3.1 遥感图像融合研究的困境
图像融合作为一个系统工程, 仅仅从融合算法的改进上开展研究并不能从根本上很好的解决融合问题。作者认为目前遥感图像融合技术存在3个方面的困境:没有统一的理论框架作指导, 这一问题逐渐受到某些学者的关注;缺乏面向应用的融合算法；数据源的选择没有针对性, 目前还鲜有涉及。
3.3融合算法的改进
影像中存在一些大块的，纹理和色彩信息单一的地物，包括大面积的水域以及水域由于镜面反射形成的太阳斑，以及大面积的云雾等。这些特殊区域的存在,会影响通常情况下影像融合的效果。由于大面积的水域等特殊区域与其他部分影像相比,其影像的纹理信息相对比较贫乏,因此,可以依据相应的统计参数来自动对特殊区域进行检测。由于方差反映了纹理强度信息,因此,可以采用局部影像的方差作为统计参数来检测水面等特殊区域。
对于大面积云雾覆盖的影像，其直方图会在高亮度部分出现一个波峰，如果按照一定阈值剔除这个波峰，或者加以抑制，就能够方便有效的减少云雾对影像融合产生的影响。
参考文献
[1]朱述龙,张占睦.遥感图像获取与分析[M].北京:科学出版社,2000.
[2]Teggi S，Cecchi R，Serafint F.TM and IRS-1C-PAN Data Fusion UsingMultiresolutionDecompositionMethodsBasedontheAtrous algorithm [J]. Int. J. of Remote Sensing, 2003:1287-1301.
[3]贾济宏，张春泉.主分量变换法对SAR影像同TM影像进行融合[J].现代测绘,2005:195-196.
[4]徐青,张艳.遥感影像融合与分辨率增强技术［M］.北京:科学出版社，2007
[5]胡召玲.多源多时相卫星遥感图像数据融合与应用研究［M］.北京:中国矿业大学出版社，2006.
论文作者:刘金利
论文发表刊物:《基层建设》2018年第36期
论文发表时间:2019/2/28
标签：影像论文; 光谱论文; 遥感论文; 全色论文; 小波论文; 信息论文; 图像论文; 《基层建设》2018年第36期论文;