第一作者简介: 孙 攀(1989-),男,硕士研究生,主要从事地学遥感方面的研究。Email:sunpan822@126.com。
高分二号卫星(GF-2)是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星,配备有0.81 m空间分辨率的全色相机和3.24 m空间分辨率的多光谱相机。对比分析适合GF-2影像的融合方法对于提高其应用效果与扩大应用领域具有实际意义。针对东北地区2014年11月22日和27日成像的GF-2影像,分别采用主成分分析(principal component analysis,PCA)、GS(Gram-Schmidt)变换、modified-HIS(intensity hue saturation)变换、高通滤波方法(high pass filter,HPF)和超球体色彩空间变换(hyperspherical color space resolution merge,HCS)等5种融合方法对多光谱和全色数据进行融合。并对5种融合影像进行质量评价,首先采用目视分析方法进行定性评价,其次采用信息熵、平均梯度、相关系数和光谱扭曲度等统计学指标进行客观定量评价,最后对融合影像进行地物分类。结果表明,HCS与GS变换融合影像无论是在视觉还是在地物分类应用上都具有较好的效果,且没有波段数的限制,最适合GF-2影像融合; HPF方法对空间细节信息的增强仅次于HCS变换,但是其光谱保真度效果最差; PCA和modified-IHS变换融合效果比较适中,可以作为GF-2影像融合的候补方法。
GaoFen-2 (GF-2) is the first sub-meter civilian optical remote sensing satellite of China configured with 0.81 m resolution panchromatic cameras and 3.24 m multi-spectral cameras. Researches on image fusion algorithm suitable for GF-2 would have great significance for improving the image quality and expanding the application scope of the satellite. Four GF-2 images covering Northeast China from November 22 to 27, 2014 were used in this paper. The authors compared the efficiency of five fusion algorithms, which include component transform (PCA), Gram-Schmidt (GS), modified-HIS transform, HPF and HCS transform algorithm. In order to quantitatively assess the quality of the fused images, the authors adopted the following steps: The authors first examined the visual qualitative result and then evaluated the correlation between the original multi-spectral and the fused images. The authors compared the fused image with the original image in degree of distortion and parts of the statistical parameters such as entropy, average grads and correlation coefficient of the various frequency bands. Finally, the authors performed a supervised classification for the fused images, and compared the accuracies of resulting images. The result shows that all the fusion techniques improve the resolution and the visual effect. The HCS and GS transform algorithm could not only achieve the best results but also have no limit to the number of bands, and hence it is the most suitable method for the GF-2 image fusion. The HPF method is next only to the HCS transform method in the spatial detail enhancement, but the spectral fidelity is the worst among the five image fusion algorithms. It is moderate for the performance of the PCA and modified-IHS transform method, and then these algorithms can provide backup for the GF-2 image fusion.
为了充分利用日益增长的多源遥感数据, 遥感影像的数据融合技术正在不断发展[1]。该技术通过综合不同影像数据, 将有效信息互补叠加, 消除多源信息之间的冗余和矛盾, 创建增强解释性的复合图像[2, 3]。
迄今为止, 已经发展多种图像融合方法, 如亮度-色调-饱和度(intensity hue saturation, IHS)变换、GS(Gram-Schmidt)变换、Brovey变换、主成分分析(principal component analysis, PCA)、超球体色彩空间变换(hyperspherical color space resolution merge, HCS)、高通滤波方法(high pass filter, HPF)、小波变换(wavelet transform, WT)和Contourlet变换等。这些融合方法在高空间分辨率卫星数据融合方面都取得了良好的效果[4, 5, 6, 7]。胥兵等[8]采用GS变换、Brovey变换、PCA变换和HSV(hue saturation value)变换等方法对资源一号02C(ZY-1 02C)卫星数据与ETM数据进行融合处理, 并针对均值、方差和信息熵3个评价指标和图像解译效果等方面进行了评价。Huang等[9]采用多种常用的图像融合技术对资源三号(ZY-3)卫星数据进行了融合测试, 并从数据到信息层面上对融合结果进行评价。
作为我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星— — 高分二号卫星(GF-2), 迫切需要研究适应于该数据的有效融合方法, 扩大GF-2融合影像的应用范围。本文选取了PCA, GS, HCS, modified-HIS和HPF等5种常用融合方法, 对GF-2多光谱和全色影像进行融合处理, 并分别采用主观目视解译和客观定量分析2种方法进行质量评价, 最后利用监督分类的方法对融合影像进行地物分类, 以研究其应用效果。
GF-2观测幅宽达到45 km, 侧摆角为15° , 星下点分辨率为全色0.81 m, 多光谱3.24 m[10]。该数据4个多光谱(multi-spectral, MS)波段范围分别为0.45~0.52 μ m, 0.52~0.59 μ m, 0.63~0.69 μ m和0.77~0.89 μ m, 全色波段范围为0.45~0.90 μ m, 与国际同类卫星波段设置基本相同。本研究以覆盖东北地区的4景GF-2影像作为数据源进行图像融合及其效果评价, 数据成像时间为2014年11月22日(1景)和27日(3景)。研究区覆盖类型主要以山地、丘陵为主, 总体起伏度不高。
2.1.1 PCA变换
PCA变换是将具有相关性的多维数据变换到几个完全独立的主成分分量上, 具有方差信息浓缩、数据量压缩的作用[12]。对MS波段进行PCA变换后, 将全色波段与PCA第一主成分分量进行灰度拉伸匹配, 并将其代替[13], 再经过PCA逆变换得到融合影像。
2.1.2 GS变换
GS变换是将MS影像转换到正交空间消除冗余信息, 使变换后的各分量在正交空间里都正交, 各分量中信息量的保留程度相差不大, 其与PCA变换的差异之处在于改善了信息过于集中等问题[14, 15]。
2.1.3 modified-IHS变换
modified-IHS变换是基于IHS变换[16], 通过估计每个MS波段和全色波段波长的有效重合范围来确定融合的权值, 相对于传统的IHS变换具有更好的光谱保真度[17]。
2.1.4 HPF方法
HPF方法是通过高通滤波算法分离出全色影像的空间信息, 将分离结果逐像元叠加到MS影像上, 获取融合影像[16, 18]。
2.1.5 HCS变换
图像在N维超球面空间上表现为一个亮度I分量和N-1个角度分量, 传统彩色空间转换到超球面空间后, 全色图像与I分量匹配建模, 得到全色锐化后的新I分量, 再反变换到原彩色空间得到HCS融合影像[19]。
2.2.1 主观评价
融合影像主观评价主要是检验图像光谱保真度和空间细节改进效果[20]。不同地物类型(建筑物、耕地和林地)融合效果分别如图1和图2 所示。
通过图1和图2发现, 利用5种方法得到的融合影像相比于MS影像都具有一定的信息增强。但是相对于全色影像, 融合后的细节信息稍有损失。在HCS变换与HPF方法中, 房屋和道路等的边缘最为清晰, 其次为modified-HIS, PCA和GS变换。不同的融合影像在颜色上与MS影像都有不同程度的差异, HCS变换最接近原始颜色, PCA, modified-IHS和GS变换相差不大, 但是HPF方法光谱偏离最明显, 说明该方法的光谱保真度最差。
2.2.2 定量评价
利用信息熵、平均梯度、相关系数和光谱扭曲度等4个指标进行定量评价, 统计结果如图3所示。
在4景影像中选择不同的区域进行分析, 通过求其均值和标准差分析原始MS影像和不同融合影像之间的差异, 以实现对融合效果的定量评价。
信息熵是衡量图像信息丰富程度的一个重要指标[21, 22]。从图3(a)中可以发现, 融合影像的信息熵均相对高于原始MS影像, 表明利用这4种方法获得的融合影像信息都有所增加; HCS变换的信息熵最高, 增加的信息量最大; GS变换的信息熵大于PCA变换, 但相对于其他2种方法偏小; 而HPF和modified-IHS的信息量基本相同。平均梯度反映了图像中的微小细节[23]。在图3(b)中, 融合影像的平均梯度都约为原始MS影像的3~4倍; HCS变换与HPF方法的平均梯度较大, 其空间细节信息的增强效果最好; PCA和GS变换相对较差。相关系数是以原始MS影像为参考, 值越高表示融合影像越接近于参考影像[24, 25]。在图3(c)中, HCS变换的相关系数最大, 具有最佳的光谱保持效果; HPF方法的相关系数最小; GS和PCA变换除第4波段相差较大外, 其他3个波段大小相当, 而modified-IHS的相关系数总体上与GS变换相当。光谱扭曲度直接反映了融合影像与参考影像之间的光谱失真程度[26], 用于反映融合影像对原始MS影像的保真度。在图3(d)中, HCS变换的光谱扭曲度最小, 其保真度最好; HPF方法光谱扭曲度最大, 光谱保真度最差; GS, PCA和modified-IHS变换扭曲度相当, 其保真度均高于HPF变换。
为了分析5种融合方法对融合影像应用效果的影响[27, 28], 本文采用最大似然分类法(maximum likelihood classification, MLC)对融合影像进行监督分类[29], 从地物分类精度方面对GF-2融合影像进行应用效果评价。
依据研究区土地利用情况, 结合目视解译和实地野外调查, 确定地物类型为林地、耕地、建筑物(居民地及工矿用地)、水域(包括冰覆盖)、道路和阴影共6类。确定训练样本后, 对GF-2融合影像分别进行监督分类, 并统计其分类精度。各种融合影像的地物分类精度如表2所示。
从表2可以看出, 与原始MS影像相比, 各融合影像的分类精度都有所提高。其中HCS与GS变换融合影像的分类精度较高, 总体精度高于70%, Kappa大于0.7。但是, 各类地物分类精度提升悬殊, HCS和GS变换除道路分类精度略有降低, HCS变换耕地分类精度不变外, 其他地物分类精度都平稳增加3.9%~10.1%。针对地物分类采用HCS或GS变换都是较好的融合方法。但由于蔬菜大棚、道路、建筑物之间及含水量高的水田、水域、阴影之间光谱相似, 高空间分辨率卫星影像地类内部的异质性增加, 分类图像有明显的“ 椒盐” 现象[27], 这是造成基于像素光谱特征的分类方法总体精度不高(不到75 %)的主要原因。
采用PCA变换、GS变换、HCS变换、modified-IHS变换和HPF 5种融合方法对高分二号卫星多光谱影像与全色影像进行融合处理, 并对融合影像进行了主、客观的质量评价, 评估了融合影像在地物分类方面的应用优势, 得到如下主要结论:
1)5种融合方法都增强了原始影像的空间分辨率和视觉效果, 但是在空间细节信息和光谱保真度上, HCS变换融合效果最好, 而且该方法没有波段数的限制, 最适合高分二号影像融合。
2)HPF方法对空间细节信息的增强仅次于HCS变换方法, 但是其光谱保真度效果最差; PCA变换、GS变换和modified-IHS变换融合效果比较适中, 可以作为高分二号影像融合的候补方法。
3)在地物分类精度上, HCS变换与GS变换融合影像的分类精度最高, 最适宜开展地物分类方面的应用。
在下一步的工作中, 除了寻找更有效的策略来拉伸、匹配或调整IHS和PCA等传统融合方法中的待替换波段或主成分分量外[30], 也将采用一些新的颜色失真相对较小的基于小波变换的融合技术[31]来减少光谱扭曲, 提升融合影像的质量和应用效果。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|