ZY-1 02C星图像与ETM+图像融合方法及效果评价
胥兵1,2, 方臣1
1.湖北省地质调查院,武汉 430022
2.中国地质大学(武汉)资源学院,武汉 430074

第一作者简介: 胥 兵(1982-),男,在职博士生,工程师,主要从事遥感地质、国土资源遥感方面的研究工作。Email:20345433@qq.com

摘要

资源一号(ZY-1)02C卫星的发射成功填补了我国自主研发高分辨率遥感卫星的空白。根据该卫星的图像特点和数据质量,以俄罗斯西伯利亚地区的ZY-1 02C卫星P/MS传感器数据为例,通过解译该地区的地质矿产信息,对P/MS图像数据的处理和质量情况进行分析; 同时结合该地区的美国Landsat卫星ETM+数据,将P/MS全色波段数据与ETM+多光谱数据融合,并采用HSV,Brovery,Gram-Schmidt和PCA等4种融合方法进行实验对比。实验结果表明,用Gram-Schmidt法融合后的图像,光谱信息丢失最少,融合效果最好,可有效提高融合图像的空间分辨率,进而提高该地区的遥感地质解译精度。该研究成果将为进一步推进我国国产高分辨率遥感卫星的应用发挥积极作用。

关键词: 资源一号02C卫星; ETM+; 数据融合; 遥感解译
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2014)03-0080-06 doi: 10.6046/gtzyyg.2014.03.13
Data fusion methods of ZY-1 02C and ETM+ images and effect evaluation
XU Bing1,2, FANG Chen1
1. Hubei Geological Survey, Wuhan 430022, China
2. College of Resources, China University of Geosciences, Wuhan 430074, China
Abstract

The successful launch of ZY-1 02C satellite has filled the gap in the high resolution remote sensing satellite developed by China itself. Based on the characteristics of the satellite image and data quality,the authors took ZY-1 02C P/MS sensor data of Russia’s Siberia as an example to interpret the region’s geological and mineral resources information for the purpose of analyzing the data processing and data quality of P/MS image in combination with the United States Landsat ETM+ data of the region for data fusion. Four kinds of fusion methods, i.e., HSV,Brovery,Gramm-Schmidt and PCA fusion, were used for experimental comparison. The experimental results show that the image fused with Gramm - Schmidt method not only suffers from the least loss of spectral information but also has the best fusion effect,thus improving the spatial resolution of the fused image effectively. In other words, the precision of remote sensing geological interpretation is greatly improved by Gramm - Schmidt method. The results obtained by the authors can play an active role in further promoting the application of the domestic high resolution remote sensing satellites in China.

Keyword: ZY-1 02C satellite; ETM+; data fusion; remote sensing interpretation
0 引言

2011年12月发射的资源一号(ZY-1)02C卫星是根据我国国土资源主体业务需求自主研发的第一颗高分辨率遥感卫星[1]。该卫星搭载了10 m空间分辨率的P/MS多光谱相机和5 m空间分辨率的全色相机, 以及2台2.36 m分辨率的HR相机。目前, ZY-1 02C卫星数据正在得到越来越多的遥感工作者的关注和应用, 文雄飞等[2]利用ZY-1 02C卫星P/MS数据对水体信息进行提取, 在水利行业应用有很大潜力; 孙家波等[3]应用ZY-1 02C卫星数据模拟真彩色合成图像, 显示效果明显。应用情况表明, ZY-1 02C卫星数据能够满足用户对高分辨率卫星遥感数据的需求, 能够广泛应用于国土资源调查与管理等遥感调查与应用领域[4]

本文主要研究分析ZY-1 02C P/MS相机的多光谱和全色数据, 实验区位于俄罗斯西伯利亚地区。分析对比了覆盖该地区的我国ZY-1 02C P/MS与美国Landsat ETM+遥感图像数据, 采用了遥感图像融合技术, 以便更好地发挥ZY-1 02C卫星数据的功能, 进一步推进我国国产高分辨率遥感卫星的应用。

1 数据预处理
1.1 ZY-1 02C卫星传感器

ZY-1 02C卫星搭载的全色/多光谱(P/MS)相机设置有1个全色波段和3个多光谱波段(分别是绿、红和近红外波段, 没有蓝波段)[5](表1)。

表1 ZY-1 02C卫星P/MS传感器主要载荷指标 Tab.1 Main payload indexes of P/MS of ZY-1 02C
1.2 实验数据

本文选取的实验数据有3景ZY-1 02C卫星P/MS传感器全色和多光谱图像, 2景Landsat ETM+多光谱图像, 基本覆盖整个实验区。其中, P/MS数据为IC级产品, 经过了辐射校正, 同时提供远程过程调用(remote procedure calls, RPC)文件。为此, 对P/MS数据的预处理只需要根据该地区的DEM数据进行正射纠正来消除地形起伏所引起的误差。ETM+数据产品则是经过预处理的, 可以直接使用。对几何纠正后的上述图像进行配准、镶嵌和裁剪, 得到实验区的基础图像(图1)。

图1 实验区基础图像Fig.1 Basis images of experimental area

图1(a)为经过预处理的ZY-1 02C P/MS全色图像, 可以看出, 图像中的空间信息比较清晰。

由于本实验区的实验内容主要是地质矿产信息解译, 图像的光谱特征和影像色彩越丰富越有利于解译, 故本文采用ETM+7(R)4(G)1(B)假彩色合成图像作为解译的基础图像(图1(b))。该图像具有兼容中红外、近红外及可见光波段信息的优势, 图像色彩丰富, 影像层次感好, 具有丰富的地质矿产信息和地表环境信息, 各种构造形迹和不同类型岩石区也显示得比较清楚[6]

为了综合利用ZY-1 02C P/ MS高分辨率数据和Landsat ETM+多光谱数据各自的信息优势, 经研究分析, 本文将P/MS的全色波谱数据与ETM+的多光谱数据进行融合来实现上述目的。

2 数据融合

遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息, 生成一景具有新的空间特征和波谱特征的合成图像, 其方法是将低空间分辨率的多光谱(或高光谱)图像与高空间分辨率的单波段图像经重采样, 生成一景高分辨率多光谱图像。常用的图像融合方法有HSV变换、Brovery变换、Gram-Schmidt变换和PCA变换等[7, 8, 9, 10]

2.1 融合方法对比

为了探讨ZY-1 02C P/MS数据与ETM+数据的融合效果, 分别采用上述4种方法进行融合实验; 通过对实验结果的分析, 评价最佳的融合效果。

1)HSV变换。在遥感图像融合中, 常常把待融合图像从红-绿-蓝(RGB)彩色空间变换到色彩-纯度-明度(HSV)彩色空间(类似于ISH变换)。在HSV彩色空间中, 首先用高分辨率的单波段图像代替亮度值分量, 然后用最近邻或双线性或三次卷积插值技术将色度和饱和度分量重采样到高分辨率像元尺寸, 最后再将图像变换回到RGB彩色空间。该方法对图像的纹理和空间信息保持较好, 但光谱信息损失较大, 而且融合过程受图像波段的限制[7]

2)Brovey变换。Brovey变换亦称彩色标准化, 将多光谱图像的像元空间分解为色彩和亮度成分并进行计算, 对RGB图像和高分辨率数据进行数字合成, 即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值; 然后用最近邻、双线性或三次卷积插值技术将3个RGB波段重采样到高分辨率像元尺寸, 从而使图像得到增强。该方法可以较好地保持光谱信息[8], 有利于提高图像的解译效果。

3)Gram-Schmidt变换。首先从低分辨率图像的波段中复制出一个全色波段; 然后对复制出的全色波段和多波段进行Gram-Schmidt变换(其中把全色波段作为第一个波段); 接着用高空间分辨率图像的全色波段替换Gram-Schmidt变换后的第一个波段; 最后进行Gram-Schmidt反变换得到融合图像。该方法改进了主成分变换(PCA)中第一主成分的信息过分集中的问题, 不受波段限制, 可较好地保持空间纹理信息, 尤其能高保真地保持图像的光谱特征[9]

4)PCA变换。首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(在此之前, 已对高分辨率波段和第一主成分进行精确的几何配准, 从而避免波谱信息失真); 最后进行主成分反变换, 得到融合图像。该方法无波段限制, 光谱保持好; 但因第一主成分的信息高度集中, 会使图像色调发生较大变化[10]

本文的图像处理过程是利用遥感图像处理软件PCI完成的, 图2为用不同融合方法对ZY-1 02C P/MS数据与ETM+数据进行融合的效果。

图2 不同融合方法的效果对比Fig.2 Comparison of effect for different fusion methods

2.2 融合效果评价

图2可以看出, 经融合处理后图像的空间分辨率均有较大提高, 纹理信息得到增强, 山体、植被、河流等地物清晰可见。从提高空间分辨率的角度来看, 4种融合方法的效果基本没有多大差别。

从融合图像的光谱信息来看, 与原始ETM+图像相比, 4种融合方法都存在光谱信息丢失现象。其中, PCA变换融合后图像丢失的光谱信息最为严重, 图像的色调、亮度、饱和度都发生了很大的变化, 这是由于融合时只是利用了ETM+图像经PCA变换得到的第一主成分的信息; HSV变换融合后图像色调偏绿, 原始ETM+图像中的红色像元所代表的信息丢失比较严重; Brovey变换融合后图像整体亮度值偏高; Gram-Schmidt变换融合后图像色调信息丢失比较少, 从整体上看图像色调信息与原始ETM+图像比较接近。

为了更加客观地评价融合后图像的质量, 本文应用几个统计参数进行衡量, 结果如表2所示。

表2 融合信息量指标 Tab.2 Information index of different fusion methods

表2中, 平均值反映图像的平均亮度, 标准方差反映像元灰度相对于图像灰度平均值的离散情况, 这2个参数与原始图像越接近, 说明融合后图像整体灰度与原始图像比较接近。信息熵是衡量图像信息丰富程度的一个重要指标, 反映图像的细节表现能力, 熵值越大, 说明图像携载的信息量越大[11]。通过分析表2中所列4种融合方法得到的融合图像的信息统计参数可以看出, Gram-Schmidt变换融合方法的融合效果较好。

主观(定性)和客观(定量)2种方法分析表明, Gram-Schmidt变换方法应用于ETM+数据与ZY-1 02C P/MS数据融合能够取得比较好的效果。融合后得到的新图像空间分辨率高, 影像比较清晰, 色调也与原始图像基本保持一致, 更加有利于提高遥感解译的精确度。

3 图像解译效果分析

利用Gram-Schmidt变换融合后的图像进行遥感地质解译可以发现, 环形地质构造、花岗岩体、第四系(居民区)等地物的影像特征都比较明显(图3)。

图3 同种地物原始影像与融合后影像对比Fig.3 Comparison of same features between original image and fused image

图3(a)和(b)的对比中可以看出环形构造的影像特征色斑和色环在融合后的图像中表现得比较明显; 从(c)和(d)的对比中可以看到融合后的图像中出露岩体的纹理更加清晰; (e)和(f)的对比则表明在融合后的图像中可以明显地识别人工设施。最终的地质矿产解译表明, 在融合后的图像中, 各种地质体或地物的空间分辨率大大提高, 影像的图形和纹理显示更加清晰; 同时地物的光谱信息也基本保留。因此本文再次证明, 利用融合后的图像进行地质解译可以提高遥感图像的解译精确度。

通过对该地区地质背景的了解, 将该地区已知的矿点(矽卡岩型钨矿床)、解译的构造信息和利用ETM+图像提取的铁染、羟基遥感异常信息叠置在融合后的图像上, 进行遥感成矿规律分析(图4)。

图4 融合图像的地质解译效果Fig.4 Effect of geological interpretation for fused image

图4可以看出, 钨矿床的形成受断裂和环形构造的影响, 同时矿床周围遥感异常信息丰富。可见, 融合后的图像对地质矿产信息的解译有比较好的效果, 在为地质找矿服务中有很好的推广意义。

4 结论

1)资源一号(ZY-1)02C卫星P/MS传感器的全色和多光谱数据的质量与以前的国产卫星数据相比有很大的提高, 较高的空间分辨率能大大提高遥感解译精度。

2)为了充分发挥ZY-1 02C卫星P/MS图像高空间分辨率的优势, 本文采用了遥感图像融合方法, 并通过实验分析对比了几种常用融合方法的融合效果, 认为Gram-Schmidt变换融合法可以很好地应用于P/MS数据与ETM+数据的融合, 其融合结果既提高了图像的空间分辨率、又保留了原有图像的多光谱特性。因此本文的研究结果表明, 该方法有利于将ZY-1 02C卫星数据应用于更广泛的领域。

The authors have declared that no competing interests exist.

参考文献
[1] 胡凤伟, 胡龙华, 李涛, . “资源一号”02C卫星PMS数据处理方法研究[J]. 华北科技学院学报, 2012, 9(4): 40-44.
Hu F W, Hu L H, Li T, et al. The discussion of processing method of ZY-1 02C PMS remote sensing image data[J]. Journal of North China Institute of Science and Technology, 2012, 9(4): 40-44. [本文引用:1] [CJCR: 0.3268]
[2] 文雄飞, 陈蓓青, 申邵洪, . “资源一号”02C卫星P/MS传感器数据质量评价及其在水利行业中的应用潜力分析[J]. 长江科学院院报, 2012(10): 118-121.
Wen X F, Chen B Q, Shen S H, et al. Image quality evaluation for ZY-1 02C satellite P/MS sensors and the potential of its application in water conservancy[J]. Journal of Yangtze River Scientific Research Institute, 2012(10): 118-121. [本文引用:1] [CJCR: 0.528]
[3] 孙家波, 杨建宇, 张超, . 应用“资源一号”02C卫星数据的模拟真彩色技术[J]. 国土资源遥感, 2013, 25(4): 33-39.
Sun J B, Yang J Y, Zhang C, et al. Simulating true color technology applied to ZY-1 02C satellite[J]. Remote Sensing for Land and Resources, 2013, 25(4): 33-39. [本文引用:1]
[4] 马熹肇. 资源一号“02C”卫星数据在轨测试分析[D]. 长春: 吉林大学, 2012.
Ma X Z. Data analysis on in orbit testing of ZY-1 02C satellite[D]. Changchun: Jilin University, 2012. [本文引用:1]
[5] 周亦, 武娟, 李琦, . “资源一号”02C卫星影像在土地利用变化信息发现中的试验与分析[J]. 矿产勘查, 2012, 3(5): 688-694.
Zhou Y, Wu J, Li Q, et al. Test and analysis for detecting land use change by using CBERS-02C satellite image[J]. Mineral Exploration, 2012, 3(5): 688-694. [本文引用:1]
[6] 尹晓利, 张丽, 许君一, . 融合数据在草地生物量估算中的应用[J]. 国土资源遥感, 2013, 25(4): 147-154.
Yin X L, Zhang L, Xu J Y, et al. Application of fused data to grassland biomass estimation[J]. Remote Sensing for Land and Resources, 2013, 25(4): 147-154. [本文引用:1]
[7] 肖奥, 陶舒, 王晓爽, . 遥感融合方法分析与评价[J]. 首都师范大学学报: 自然科学版, 2007(4): 77-80.
Xiao A, Tao S, Wang X S, et al. Remote sensing analysis and evaluation of fusion[J]. Journal of Capital Normal University: Natural Science Edition, 2007(4): 77-80. [本文引用:2] [CJCR: 0.3974]
[8] 邓超, 李慧娜, 韩杰. TM多光谱与SPOT全色遥感图像融合算法对比[J]. 计算机系统应用, 2012(2): 237-240.
Deng C, Li H N, Han J. Comparison of multi-spectral and panchromatic remote sensing image fusion algorithm of TM and SPOT[J]. Computer Systems and Applications, 2012(2): 237-240. [本文引用:2]
[9] 刘克, 赵文吉. 遥感影像融合方法评价——以SPOT5自身融合为例[J]. 首都师范大学学报: 自然科学版, 2008(6): 83-88, 104.
Liu K, Zhao W J. Evaluation on fusion algorithms of remote sensing image: A case study of SPOT5[J]. Journal of Capital Normal University: Natural Science Edition, 2008(6): 83-88, 104. [本文引用:2] [CJCR: 0.3974]
[10] 李晓光, 于红伟, 李双福, . SPOT5全色与多光谱遥感影像融合方法研究[J]. 吉林林业科技, 2011(4): 25-28.
Li X G, Yu H W, Li S F, et al. Study on fusion algorithms of SPOT5 pan and multi-spectral images[J]. Journal of Jilin Forestry Science and Technology, 2011(4): 25-28. [本文引用:2]
[11] 熊育久, 林辉, 孙华, . 多源遥感数据融合及其对植被识别的影响[J]. 林业资源管理, 2005(5): 71-76.
Xiong Y J, Lin H, Sun H, et al. The methods of multi-data fusion of remote sensing data and their effects on vegetation identification[J]. Forest Resources Management, 2005(5): 71-76. [本文引用:1] [CJCR: 0.5505]