（构造地质学专业论文）基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究.pdf

浙江大学硕士学位论文 基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 摘要 遥感图像可以客观、真实、全面的记录地表形态、地质构造形态等，其信息密度大 且连续性好。因此，近年来遥感技术在地表形态、构造变形和城市变迁等研究领域得到 了广泛的应用，并成为调查、监测和分析人类目前所面l 临的人口、环境、资源和灾害等 问题的重要手段之一。随着遥感卫星提供越来越多不同性质的影像数据，遥感图像融合 技术也变得越来越重要，通过遥感图像融合可以结合不同图像的信息得到更好的遥感图 像，目前存在很多遥感图像融合方法，如：高通滤波融合、i h s 融合、小波融合和基于 小波变换的i h s 融合等。在遥感图像中，线性边界是非常重要的信息，它对地物识别和 图像解译起着非常重要的作用。 本文分析了各图像融合方法的特点，基于小波变换的i h s 融合在增强图像空间信息 的同时能很好地保留多光谱图像的颜色信息，方向滤波融合能增强图像中的线性边界信 息。各l 虱像融合方法之间存在着很大的互补性，本文结合基于小波变换的i h s 融合和基 于分块方向滤波融合两种技术对图像进行融合，以增强图像的线性信息，融合后的影像 突出图像中的线性边界。在确定图像融合过程中方向滤波的选择上，本文使用分块霍夫 交换进行，通过分块霍夫变换，将图像分成小块，识别出每块图像的线性边界主方向， 在分块方向滤波融合时根据分块霍夫变换的结果选择特定的方向滤波。 通过对实际影像的融合处理，与现有方法相比，本文提出的融合方法取得了更好的 效果。融合图像不仅增强了图像的空间细节信息，突出了线性边界，而且也很好地保留 了原多光谱图像的颜色信息。另外通过与高分辨率图像和地形图的比较可知，增强的线 性信息反映了地表的实际情况。 关键词：小波变换，霍夫变换，方向滤波，图像融合，i h s 变换 为浙江大学硕士学位论文 基于小波变换和分块方向滤波的遥痞图像线性信号增强技术研究 a b s t r a c t r e m o t es e n s i n gw a ss u c c e s s f u l l yu s e di nm a n yf i e l d sd u et oi t ss y n o p t i cv i e wo v e rl a r g e a 托鹤e n a b l i n gt h er e c o r do fs u r f a c em o r p h o l o g ya n dt e c t o n i cp a t t e r n s ，w i mt h ea v a i l a b i l i t y o fm u l t i s e n s o r , m u l t i t e m p o r a l ，m u l t i r e s o l u t i o na n dm u l t i f r e q u e n c yi m a g ed a t af r o m o p e r a t i o n a le a r t ho b s e r v a t i o ns a t e l l i t e s ，t h ef u s i o no fd i g i t a li m a g ed a t ah a sb e c o m ea v a l u a b l et o o li nr e m o t es e n s i n gi m a g ee v a l u a t i o n b ym e r g i n gd i f f e r e n ti m a g e s t h eu s e rc a n t a k ea d v a n t a g eo f t h eu n i q u ec h a r a c t e r i s t i c so f e a c hp a r t i c u l a rd a t as e t i nr e c e n ty e a r s ，m a n y i m a g ef u s i o n sh a v eb e e nd e v e l o p e d , s u c ha sh i g hp a s sf i l t e ri m a g ef u s i o n , i h si m a g ef u s i o n 。 w a v e l e ti m a g ef u s i o n ，a n di h si m a g ef u s i o nb a s e do nw a v e l e tt r a n s f o r me t c l i n e a rf e a t u r e o rt h ee d g eo fo b j e c ti sv e r yi m p o r t a n ti nr e m o t es e n s i n gi n t e r p r e t i n g ，a n da l h a n c et h el i n e a r f e a t u r ec a nf a c i l i t a t et h ei n t e r p r e t a t i o n t h ea u t h o ra n a l y z e st h ec h a r a c t e r i s t i c so f t h em o s tu s e di m a g ef u s i o nm e t h o d s 1 1 i ei h s f u s i o nb a s e dw a v e l e tt r a n s f o r mc a r lr e d u c et h ec o l o rd i s t o r t i o na n di m p r o v et h ef u s i o nq u a l i t y h i g hp a s sf i l t e rf u s i o nc a ne n h a n c et h ep a r t i c u l a ro r i e n t a ll i n e a rf e a t u r e s 。t w on e wi m a g e f u s i o nm e t h o d sb a s e do aw a v e l e tt r a n s f o r ma n dh i g hp a s sf i l t e ra r cp r o p o s e dt oe n h a n c et h e l i n e a rf e a t u r e sa n df u s i o nq u a l i t yi no r d e rt of a c i l i t a t et h ev i s u a li n t e r p r e t a t i o n t od e c i d et h e d i r e c t i o no ft h ei m a g el i n e a rf e a t u r e s ，t h ea u t h o ru s e sh o u g ht r a n s f o r mt od e t e c tt h el i n e f e a t u r e so ft h ei m a g ea n dg e tt h e i rd i r e c t i o n , i np r a c t i c e ，t h ea u t h o rd i v i d e st h ei m a g ei n t o s m a l lb l o c k s ，f o re a c hb l o c ka p p l i e sh o u g ht r a n s f o r mt od e c i d et h el i n e a rf e a t u r eo re d g e d i r e c t i o n i nt h ef u s i o np r o c e s s i n g ，u s e st h er e s e to ft h eb l o c kh o u g ht r a n s f o r mt od e c i d et h e d i r e c t i o n a if i l t e ro f e a c hb l o c k t w oe t m + i m a g e sa r ef u s e dw i t ht h i sp r o p o s e da p p r o a c h t h ef u s i o nr e s u l t sa r c c o m p a r e dw i t ht h ei m a g e sp r o c e s s e db yr e c e n tf u s i o nm e t h o d s t h ea n a l y s i sr e s u l t s d e m o n s t r a t et h ep r o p o s e df u s i o na p p r o a c hd o e sb e t t e ri ne n h a n c et h el i n e a rf e a t u r e so re d g e s a n dt h er e s u l ti m a g e sa r ca l s og o o da tc o l o rr e p r e s e n t a t i o na n ds p a t i a ld e t a i le n h a n c e m e n t c o m p a r ew i t hh i g h - r e s o l u t i o ni m a g ea n dt o p o g r a p h i cm a pi n d i c a t e st h a tt h ee n h a n c e d i n f o r m a t i o nr e f l e c t st h ea c t u a ls u r f a c em o r p h o l o g y k e y w o r d ：w a v e l e tt r a n s f o r m , h o u g ht r a n s f o r m ，d i r e c t i o n a lf i l t e r , i m a g ef u s i o n ，i l l s t r a n s f o r m 浙江大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所 知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得浙江大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本 研究所傲的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签 浙江大学学位论文使用授权声明 浙江大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可 以公布( 包括刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权浙江大学研 究生部办理。 研究生签 师签名： 辱啦渺哆 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥蓐图像线性信号增强技术研究 1 1 研究背景及意义 1 绪论 遥感技术是调查、监测和分析目前人类所面临的人口、环境、资源和灾害等重大问 题的手段之一，遥感图像客观、真实、全面的记录了地表形态、地质构造形态等特征， 信息密度大且连续性好。遥感图像研究在地表形态、构造变形等领域得到了广泛的应用 ( 隋志龙等。2 0 0 2 ) 。 随着遥感技术的发展，可见光、热红外和微波等大量不同卫星传感器的应用，获取 同一地区的各种遥感影像数据( 多时相、多光谱、多传感器、多平台和多分辨率) 越来 越多，目前地球探测卫星提供的数据可以覆盖不同的光谱波段，并且可以提供不同时间 分辨率、不同空间分辨率和不同光谱分辨率的数据( c h a v e ze ta 1 ，1 9 9 1 ；p o h le ta 1 ， 1 9 9 8 ) ，如l a n d s a t7 、s p o t 、i k o n o s 和q u i e k b i r d 等都可以同时提供高空间分辨率的 全色波段图像和低空间分辨率的多光谱图像，从而引发了对遥感影像融合技术的普遍关 注，与单源遥感影像数据相比，多源遥感影像数据所提供的信息具有冗余性、互补性和 合作性等特点。多源遥感影像的冗余性指它们对环境或目标的表示、描述或解译结果相 同；互补性是指信息来源不同且相互独立；合作性指不同传感器在观测和处理信息时对 其它信息存在依赖关系( 胡召玲等，2 0 0 4 ) 。 一般来说，全色波段的数据以传感器所能达到的最高空间分辨率来获得，而多光谱 波段数据则以比较低的空间分辨率来获得，全色波段数据的空间分辨率是多光谱数据的 空间分辨率二倍至四倍( y a n ge ta 1 ，i np r e s s ) 。如l a n d s a t - 7 中多光谱图像的分辨率最高 为3 0m ，全色波段的分辨率为1 5m ；s p o t - 5 中多光谱图像的分辨率为最高为1 0m ， 全色波段的分辨率为2 5m ：另外还有更高分辨率的i k o n o s 和q u i e k b i r d 。这些卫星 的全色波段图像由于其高空间分辨率，适合用于中尺度制图的城区分析：而多光谱图像 由于提供了比较多的光谱特性，适用于低尺度的专题制图和土地利用调查( d eb 6 t h u n ee t a 1 。1 9 9 8 ) 。虽然全色波段的空间分辨率比较高，但是由于缺少光谱信息，使其应用范围 受到很大的限制。图像融合可以有效地将全色波段的空间信息和多光谱图像的光谱信息 相结合，融合图像在提高空间分辨率的同时最大限度地保留原始多光谱图像的光谱信 息，这使得图像融合成为遥感图像处理中一项非常重要的手段，并且在很多领域发挥重 要的作用( c h a v e z ，1 9 8 6 ；z h a n ge t a l ，2 0 0 5 ) 。由于融合后的图像融合了不同遥感图像的 光谱和空间细节等信息，可以提高图像的解译能力和可靠性( p o h le ta 1 ，1 9 9 8 ) ，使图像 更适合于日视识别和机器的自动识别，也更利于进一步的图像处理，如图像分割、特征 提取和目标识别等( p a j a r e se ta 1 ，2 0 0 4 ) 。 融合技术为分析、评估和校准不同形式的信息，并利用这些信息正确反映地表实际 锈浙江大学硕士学位论文基于小波变换和分块方向滤波的遥痘图像线性信号增强技术研究 情况提供了可能，同时融合技术更有利于海量数据的处理。其技术优势主要表现为( 何 国金等，1 9 9 9 ) ： ( 1 ) 可以扩展图像的时间和空间覆盖范围； ( 2 ) 可以扩展图像的信息利用率； ( 3 ) 可以提高融合信息的可信度和精度； ( 4 ) 可以增加目标物检测与识别的能力； ( 5 ) 可以节约成本。 线性边界在遥感图像的地物识别和图像解译中起着非常重要的作用，如在地质解译 中，地质体的边界、断裂等都要依靠线性边界来确定( h uc ta 1 1 9 9 4 ；k a g c y a m ae ta i 2 0 0 0 ) 。此外线性边界在道路的分级、海塘的监测和防护林生长状况的监测方面也能发 挥一定的作用。增强或提取出遥感图像中的线性边界信息使遥感图像在使用中能起到更 大的作用。 近年来，遥感图像的融合技术和边界提取技术都褥到了很大的发展，在实际中的应 用也更加广泛，但是，目前的研究中遥感图像融合技术和边缘检测增强技术相互独立， 没有相应的方法将两种技术相结合。另外小波变换融合、i h s 融合和高通滤波融合等图 像融合方法具有很大的互补性( 魏俊，等，2 0 0 3 ) 。本文将结合基于小波变换的i h s 融合 和方向滤波融合来增强融合图像中的线性信息，乖j 用边缘检测和增强技术，使融合图像 中的线性边界更加清晰，以利于遥感图像的目视识别和图像解释。 1 2 图像融合研究现状 融合的概念最早出现于7 0 年代初期，当时称之为多源相关、多传感器混合和数据 融合。8 0 年代以来，信息融合技术得到迅速发展，对它的称谓也逐渐趋于统一，现在 多称之为数据融合或信息融合。 融合是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、准确、及 时和有效的综合信息过程。融合技术是研究如何加工、协同利用多源信息，并使不同形 式的信息相互补充，以获得对同一事物或目标的更客观、更本质的信息综合处理技术， 它比直接从各信息源得到的信息冗余更少、用途更大( 何国金等，1 9 9 9 ) 。 多传感器或多源遥感图像融合主要涉及两步：第一步是图像的配准和重采样等数据 预处理，预处理时将多光谱图像与高分辨率图像进行配准，由于多光谱图像的分辨率低， 图像相对较小，所以要进行重采样使其大小与高分辨率图像一致。第二步是数据或信息 的融合操作，这一步是图像融合技术的核心( c h 城v e z ，1 9 8 6 ，1 9 9 1 ) ，融合图像的质量主 要由这一步的操作方法决定。由于其在遥感数据处理中的重要性，图像融合一直是近年 来该领域的研究热点，近些年出现了很多图像融合算法将高分辨率的图像的空间信息与 多光谱数据融合产生更好的图像( d e b 6 t h u n e c t a l 。1 9 9 8 ) 。在众多融合算法中，比较常 用的融合方法有：高通滤波融合，i h s 融合、小波融合和基于小波变换的i h s 融合等。 2 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 高通滤波( h i g hp a s sf i l t e r , h p f ) 融合法的概念比较简单。根据图像频谱的概念， 一幅图像通常由不同的频率成分组成，高的空间频率对应影像中急剧变化的部分，面低 的频率代表灰度缓慢变换的部分。对于遥感图像来说，高频分量包含了影像的空间结构， 低频部分则包含了光谱信息( 魏俊等，2 0 0 3 ) 。高通滤波融合的原理是将高分辨率全色波 段的高频信息融入到低分辨率的多光谱图像中以产生高分辨率多光谱图像。由于高通滤 波融合图像的空间细节信息与高分辨率图像的高频信息相关，而颜色信息与低分辨率图 像的颜色信息相关，所以高通滤波融合方法不但能增强融合图像空间信息，而且可以很 好地保留图像的光谱信息( d e b 6 t h u n e e l ：a 1 ，1 9 9 8 ；w a n ge t a l ，2 0 0 5 ) 。 i h s 图像融合算法是目前最常用的图像融合方法，该图像融合方法首先将多光谱图 像进行颜色空间变换，然后用高分辨率图像替代1 分量后进行i h s 逆变换生成结果图像 来达到图像融合的目的( c h a v e z ，1 9 8 8 ；z h a n ge ta 1 ，2 0 0 5 ) 。 在一般的i h s 融合中，由于融合中用高分辨率波段替代低分辨率图像中的1 分量， 所以图像融合的效果受1 分量与高分辨率图像间相关度的影响：相关度越高，融合图像 的颜色扭曲越少如果1 分量与高分辨率波段有很高的相关度，则可以产生比较好的 融合结果。但在实际应用中1 分量与高分辨率图像存在着一定程度上的差异，因此在i h s 融合中颜色的扭曲已成为一个很普遍的问题。 小波交换技术在图像处理中得到了越来越广泛的应用，基于小波技术的图像融合算 法是近些年的研究热点。基于小波变换的图像融合能很好地保留原多光谱图像的光谱信 息，因为该方法在图像融合中先用小波变换技术提取出高分辨图像和多光谱图像的空间 细节信息，然后将高分辨率图像的空间细节信息替代多光谱图像中的空间细节信息。由 于结果图像保留了多光谱图像的低频信息，所以可以显著减少融合图像的颜色扭曲现 象。但是由于高分辨率中的细节信息与原始多光谱中的细节信息本身存在着差异，因此 也会产生一些颜色的扭曲，另外由于这些细节信息是分别融入到各多光谱图像中的，所 以还会产生图像不连续的现象( z h a n g 髓a 1 ，2 0 0 5 ) 。 眦s 图像融合和小波融合有很大的互补性，基于小波变换的i h s 图像融合是目前最 好的图像融合方法之一。基于小波变换的i h s 融合用高分辨率波段的高频信息替代低分 辨率图像的1 分量的高频信息来实现图像融合。 1 3 线性边界信息增强和提取研究现状 目前用于地物边界等线性信息的识别方法主要有两种：第一种是图像增强技术，用 以增强图像中的线性边界信息，以利于遥感图像的目视识别和解译。高通滤波是最常用 的地物边界信息增强方法，常用的高通滤波方法有拉普拉斯滤波、方向滤波、罗伯特梯 度滤波、索伯尔梯度滤波和p r e w i t t 梯度滤波等，通过滤波处理后再对图像进行膨胀或 腐蚀等操作，使线性信息更加清晰。第二种方法为边缘检测方法，如边缘跟踪法( s 1 渔) 和霍夫变换等( r a g h a v a n ，1 9 9 4 ；k o i k ee t a l ，1 9 9 5 ) 。 3 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 边缘检测方法在边缘增强方法的基础上更进一步，边缘检测方法一般分为两步：第 一步为图像预处理，通过预处理可以简化图像的信息，去除一些与图像边缘信息无关的 信息，只留下那些与边缘相关的重要信息，为下一步做准备；第二步为边缘提取操作， 对图像进行边缘提取操作，不同检测方法的差别主要在这一步中。如边缘跟踪法通过计 算图像的局部方差，然后在预定的方向上进行连接操作来检测边缘( k o i k ee ta 1 ，1 9 9 5 ) 。 霍夫变换通过坐标变换将图像变换到另一个坐标系统，通过分析结果图像或进行霍夫逆 变换来检测图像中的边缘信息。通过霍夫变换来自动检测图像中的线性信息是目前比较 常用也比较有效的方法( v e n k a t e s h 。1 9 9 5 ；r i c c h e t t i 2 0 0 5 ) 。 霍夫变换可用于提取图像中特定形状的物体，如直线、圆和矩形等。最基本的霍夫 变换是从一幅二值图像中检测直线( k e s i d i se ta 1 2 0 0 0 ；f i s h e re ta 1 ，2 0 0 4 ) 。用霍夫变换 检测直线的优势是能消除噪音干扰，并能获得直线的倾角和直线到原点的距离( k e s i d i s e t a l 2 0 0 0 ) 。 地物边界等线性信息的识别分析是遥感地质解译中最常用的手段之一，虽然现有很 多方法可以全自动识别线性信息，但目视识别仍然是遥感线性信息识别分析中最常用、 最有效帮最可靠的方法( r i e c h e l l i 。2 0 0 5 ) 。 1 4 本文的内容安排与组织结构 本文共分六章，各章的组织结构如下： 第一章绪论。第一节介绍研究背景和意义，第二节介绍遥感图像融合的研究现状， 第三节介绍地物线性边界增强和提取的研究现状，最后一节介绍本文的组织结构。 第二章实验数据。本章介绍本文所使用的实验数据的性质。 第三章遥感图像融合技术。第一节为图像融合的概念和分类，第二节介绍图像融 合中的预处理方法，第三节至第五节详细介绍目前常用的几种遥感图像融合技术，本结 合实际处理效果分析和总结各种图像融合方法的特点。 第四章基于小波变换和高通滤波的图像融合。本章提出了两种基于i h s 变换、小 波变换和高通滤波的图像融合方法。并通过实例分析了这两种方法的特点。 第五章基于小波变换和分块方向滤波的图像线性信号增强融合。本章在上一章的 基础上进一步提出基于小波变换和分块方向滤波的图像融合方法。利用分块霍夫变换来 提取图像各区块的线性体主方向，用分块方向滤波来增强融合图像的线性边界信息，通 过实际图像处理说明本方法的特点。 第六章讨论。总结全文的研究工作、方法的应用前景和需要进一步研究的问题。 4 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 2 1 数据源 2 实验数据 本文使用的实验数据为l a n d s a t - 7e t m + 遥感影像，l a n d s a t - 7e t m + ( e n h a n c e d t h e m a t i cm a p p e rp l u s ) 数据是目前使用最多的遥感数据之一。e 卟付是1 9 9 9 年4 月发 射的l a n d s a t - 7 搭载的多光谱传感器，从1 9 9 9 年7 月开始提供连续的覆盖数据，重复周 期为1 6 天。e t m + 可提供8 个波段的数据( 如表2 1 所示) 。可见光波段和近红外波段 ( 波段1 5 和波段7 ) 的空间分辨率为3 0 m ，全色波段( 波段8 ) 的空间分辨率为1 5 m ， 热红外波段( 波段6 ) 的空间分辨率为6 0 m 。一景数据的覆盖区域约为1 7 0 k m x1 8 3 k i n ( 冯钟葵等，2 0 0 0 ；q ue ta 1 ，2 0 0 6 ) 。 表2 - 1e t m + 光谱波段特征( q u 就a 1 ，2 0 0 6 ) l a n d s a t 7波长( 岬)分辨率( m ) 波段l ( b ) 0 4 5 0 5 2 3 0 波段2 ( g ) 0 5 3 0 6 1 3 0 波段3 ( r ) 0 6 3 0 6 9 3 0 波段4 ( n i r ) 0 7 8 - 0 9 0 3 0 波段5 ( m i r ) 1 5 5 - 1 7 53 0 波段6 ( 1 1 1 e r m a l ) 1 0 4 0 1 2 5 06 0 波段7 ( m i r ) 2 0 9 2 3 53 0 波段8 ( p a n ) 0 5 2 - 0 9 0 1 5 l a n d s a t 的t m e t m + 数据是目前比较常用的数据之一，在很多方面都得到了成功的 应用，如土地资源调查和管理、地质构造的识别等。 2 2 波段选择 遥感图像的一个波段只能显示成灰度图像，要显示彩色图像，则需用假彩色合成法。 假彩色合成是指选取精确配准的三个波段的灰度图像，按三原色成像原理，分别赋予红 色、绿色和蓝色，合成一幅r g b 彩色图像。对于灰度图像，人眼只能分辨十几种灰度 级，而人眼对彩色的分辨能力比对灰度的分辨能力强得多，借助于仪器人眼能识别出 1 3 0 0 0 多种颜色，因此假彩色合成是遥感图像目视识别中最常用的方法( 单新建等， 1 9 9 9 ) 。由于e t m + 中多共有7 个多光谱波段，其中的6 个波段具有相同分辨率，都为 3 0 m ，假彩色合成只能使用三个波段来分别表示红、绿和蓝三个颜色通道。为达到最佳 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 的显示效果，在选择波段时最简单有效的方法是计算o i f ( o p t i m u mi n d e xf a c t o r ) 指数 ( t i a ne ta i ，2 0 0 3 ) ： ， i s , l o i f = 三l 一 ( 2 1 ) f c , i r = l s 为标准差，c c , 是对所有波段进行计算得出的波段间的相关系数，o i f 指数最大即可 产生最佳的显示效果，在e t m + 中，波段l 、波段4 和波段7 或波段3 、波段4 和波段 7 两种组合可能产生最大的o i f 指数。 2 3 实验数据 本文的实验数据为浙江省北部的e t m + 遥感影像，如图2 1 和图2 2 所示为本文实 验遥感图像的多光谱图像和全色波段图像，其中图2 一l 为波段7 、波段4 和波段1 三个 波段假彩色合成图像，图2 2 为全色波段图像，实验图像的地物信息较为丰富，有城市 用地、山区、河流、湖泊、海洋、岛屿和海塘等，具有比较好的代表性。 图中多光谱波段的分辨率是3 0 m ，全色波段的分辨率是1 5 m ，从图中可以看出全色 波段的空间细节信息比多光谱波段要丰富。如图2 1 中的两座小岛，特别是右边的小岛， 多光谱图像中小岛的地表信息非常少，而在图2 - 2 的全色波段中则比较丰富，对地表信 息反映较好。但是由于多光谱图像是由假彩色合成显示，光谱信息比全色波段丰富，所 以对地物的分类效果较好，如图2 1 所示，多光谱图像中可以很好地识别出地物的类型， 如绿色部分为植被覆盖地区，蓝色部分为河流区域，而这些在全色波段中贝i l s f l 难识别。 图2 - 1 实验数据多光谱图像( a ) ：绍兴北部多光谱图像( 部分) ，c o ) ：东极岛多光谱图像 6 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 图2 - 2 实验图像全色波段图像( a ) 绍兴北部全色波段图像( 部分) ，( b ) 东极岛全色波段图像 7 移浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 3 1 图像融合的概念 3 遥感图像融合 图像融合一般定义为：图像融合是通过特定的算法将两幅或多幅图像进行合并产生 一幅新的图像( p o h le ta 1 ，1 9 9 8 ) 。图像融合是多源信息处理中比较有效的技术。 图像融合可以在图像的不同层次进行，根据融合方法所处理的层次可以将图像融合 分为三种：像素层融合( p i x e ll e v e lf u s i o n ) 、特征层融合( f e a t u r el e v e lf u s i o n ) 和决策 层融合( d e c i s i o nl e v e lf u s i o n ) ，融合方法的处理层次如图3 1 所示( p o h le ta 1 ，1 9 9 8 ) 。 竺竺! 卜 押。圆 圆- 箍 提 ； 取 匝 一 l 图像1i - 1 一 阿网 特 特 i 。一 蕤 征 匦堕卜恒回 识 取 别 网-( c ) 3 1 1 像素层融合 图3 - 1 图像融合的处理层次( p o h le ta 1 ，1 9 9 8 ) 根据合并的物理参数，像素层融合是最低层次的图像融合，像素层融合的融合层次 8 锈浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 如图3 1 a 所示。像素层融合不对原始图像进行估计和识别等操作，直接进行信息的分 析与综合，其主要目的是图像增强，像素层融合可用来增加图像中每个像素的信息内容， 为图像识别和解译等进一步操作做准备，像素层融合一般要求各波段图像在空间上精确 对准。 像素层融合涉及的主要方法有：颜色空间变换( i h s 变换) 、主成分分析( p c a ) 、 b r o v e y 变换、高通滤波和小波变换等，在实际的融合中可能用到其中的一种或几种方 法。 3 1 2 特征层融合 图像的特征层融合需要对从遥感图像中提取出特征信息进行分析。特征层融合是中 间层次上的融合处理，其融合层次如图3 1 b 所示。特征是指从图像中提取的由图像内 容、形状和邻近内容决定的一些信息，典型的特征信息包括边缘、角、纹理和一些相似 高度区域。通过统计方法或人工神经网络等方法将从不同图像中提取出来的相似特征进 行融合，融合后建立的特征可能是各分量特征的简单合成，也可能是由各分量特征属性 组成的完全新型的特征。在某些情况下，可将某个特征进行几何变换，如图像平面中的 平移和旋转等，使该特征与其他特征或环境模型匹配。特征层融合中各波段图像对准要 求不如像素层要求严格( 夏明革等，2 0 0 2 ) 。 3 1 3 决策层融合 图像的决策层融合在信息表示的最高层次上进行融合操作，决策层融合是对来自多 幅图像的信息进行逻辑推理或统计推理的过程。如果传感器信号表示形式差异很大或者 涉及图像的不同区域，那么决策层融合是融合多源图像信息的最佳方法，其融合层次如 图3 1 c 所示。决策层融合先对输入图像分别进行预处理、特征提取、目标识别等处理， 建立对同一目标的初步判决，然后对来自不同图像的决策进行相关处理，最后进行决策 层融合处理得到最终结果。决策层图像融合充分利用了多源图像的初步信息提取结果， 决策层融合一般不明显考虑传感器对准，因为在符号形成时已考虑了作为符号基础的传 感器信息的空间和时间内容( 夏明革等，2 0 0 2 ) 。 3 1 4 融合层次间的比较 前三节详细给出了三种融合层次的特点，夏明革等总结了不同层次图像融合算法的 特点，如表3 - 1 所示。从前面几个小节和表3 - 1 可以看出像素层融合是最重要，最根本的 多传感器图像融合方法，其获取的信息量最高，但对对准度和传感器的依赖性也最大， 处理难度也最大。 9 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 表3 1 不同层次图像融合的特点( 夏明革等，2 0 0 2 ) 在实际图像融合处理时，要根据图像的特点、处理的目的和用途等来选择图像融合 层次。 像素级融合是最基础最常用的图像融合方法，本文图像处理的目的是图像增强，属 于像素级融合，在融合过程中利用了一些用于其他层次融合的方法，如线性体识别。 3 2 图像融合预处理 由于多光谱图像和高分辨率图像的分辨率不同、大小不同，因此在进行图像融合之 前要进行一些图像预处理，主要包括两个步骤：图像配准和重采样。本文所使用的融合 方法属于像素级融合，因此对图像配准和重采样的要求比较高。 图像配准将多光谱图像和全色波段图像严格配准到同一坐标系中。本次实验数据源 的是e t m + ，为同源遥感数据，图像同时获取，为自融合图像，多光谱图像与全色波段 图像之间不需要重新配准。 由于多光谱图像小于全色波段图像，所以在进行图像融合前要将多光谱图像放大到 全色波段的图像大小，这就涉及到图像重采样，为了确定校正后图像上每个点的灰度值， 要求出该点在原图所对应点的灰度值。目前最常用的重采样方法有：最近邻法、双线性 插值法和三次卷积法。 最近邻取样法即取原图对应坐标最近点的灰度值。最近邻取样法简单直观，但处理 后的图像具有不连续性，从而影响了精确度。 1 0 锈浙江大学硕士学位论文 基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 双线性插值利用原图对应坐标相邻的四个像素点通过双线性函数来计算像素值。双 线性插值函数计算量大，但重采样后的图像质量高，不会出现像素不连续的情况。 三次卷积法利用原图对应坐标周围的1 6 个像素点通过三次卷积方程来计算像素 值，三次卷积法计算精度高，但计算量大。 本文使用的e t m + 图像，其多光谱图像的尺寸与全色波段图像的尺寸存在着特定的 关系，假设多光谱图像的长和宽分别为和m ，埘，则全色波段的长和宽分别为h p = 2 x k l ，w 铲2 x m k l 。所以在多光谱图像插值时采用隔行和隔列插值的方法，每两行间 插入一行，每两列间插入一列，为了使重采样后的图像连续性较好，新插入像素点的灰 度值采用双线性函数计算。如图3 - 2 所示，图a 为原始图像，图b 为重采样后的图像， 图中数字所标的为重采样前后图像的对应点，这些点上的灰度值直接取原图像对应点的 灰度值，其他像素点利用双线性函数根据周围点的灰度值求出。图像隔行隔列插值法在 插值过程中的计算比较方便。 阳 f 悟倒 陟悟制 i i 【一 l23 456 789 ab 图3 - 2e t m + 图像隔行隔列插值法( a ) ：原始图像；o ，) ：重采样后图像 如图3 - 3 所示为不同的重采样方法对多光谱图像重采样到全色波段大小后的匿j 像。 其中( a ) 图为最近邻法，从图中可以看出采样后的图像连续性较差。( b ) 图至( d ) 图采样效 果差别不大，图像的连续较好。根据e t m + 图像的特点，本文使用图像隔行隔列插值法 进行插值。 浙江大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 图3 - 3 不同方法采样结果比较( a ) ：最近邻法；( b ) ：双线性法 ( c ) ：三次卷积法；( d ) ：t m 隔行和隔列插值法 3 3 高通滤波融合 3 3 1 概述 高通滤波是图像处理中常用的处理方法，通过高通滤波处理可以提取出图像的高频 信息，如地物边界等信息。高通滤波融合利用高通滤波提取高分辨率图像的高频信息， 将该信息与低分辨率多光谱图像进行融合以提高多光谱图像的空间信息。与其他方法相 比，高通滤波融合处理比较简单。 3 3 2 高通滤波基础 任何一幅未经处理的遥感图像，都存在着一定程度的噪声干扰。噪声降低了图像质 量，使图像模糊，甚至淹没特征，给分析带来困难。滤波可以消除图像噪声，滤波技术 浙扛大学硕士学位论文基于小波变换和分块方向滤波的遥痘图像线性信号增强技术研究 通过组合利用低通和高通滤波器来对图像特征进行增强从而改善图像质量或提取图像 对象特征，而对于滤波器的选择则完全取决于图像质量和处理目的( b o s e ，2 0 0 6 ) 。 空间滤波主要是在空间域中对图像宜接进行运算处理。空间滤波可以用下式来描 述：g o ，力= ，o ，力h 似力，其中，o ，力表示原始图像，g 以力表示处理后的图像，h 力为空间运算函数。 本文滤波处理的目的是增强图像的线性边缘信息，使图像易于识别和分析，大多数 边缘增强和边缘检测算法都需要计算图像灰度函数的一阶或二阶导数。由于灰度函数实 际上是采样网格上各个像素点的灰度值，所以导函数近似为网格上各个像素点灰度值的 线性集合，相应的滤波器通常称之为“有限差分”。对于图像中的一阶导数定义必须满 足以下几点；( 1 ) 在灰度不变的区域其值为零；( 2 ) 在灰度阶梯或斜坡的起点处的值非 零；( 3 ) 沿着斜坡面的值为零。而对于图像的二阶导数则需满足：( 1 ) 在平坦区的值为 零i ( 2 ) 在灰度阶梯或斜坡的起点处的值非零；( 3 ) 沿着斜坡面值为零。由于图像的灰 度值是有限的，其最大的灰度变化也是有限的，变化发生在两相邻像素之间，对于二元 函数厂似力表达一阶导数的定义是( g o n z a l e z e t a l ，2 0 0 2 ) ： = f c x + l ，力一f ( x ，力( 3 - 1 ) 何 其二阶导数为： 窘= 厂。“，y ) + ，b - 1 ，力一2 ，o ，力 ( 3 - 2 ) ( 1 ) 基于一阶导数的图像增强梯度法 在图像处理中一阶导数通过梯度法来实现，对于函数，似力，在其坐标0 ，力上的梯 度通过一个二维列向量来定义； 可= 陵计= 匮豺 s ， 向量的模为： m ：黟研2 c ，4 ， 在实际操作中，常用绝对值代替平方根运算近似求梯度的模值； m = q i + i q i ( 3 5 ) 对上述公式用数学近似方法代替可得出合适的滤波器。 梯度反应了相邻像元的亮度变化率，也就是说如果图像中存在边缘，如湖泊、河流 的边界，山脉和道路等，则边缘处有较大的梯度值。对于亮度值较平滑的部分。则梯度 较小或为零。因此找到梯度最大的位置，也就找到边缘。然后再用不同的梯度计算值代 替边缘处像元的值，也就突出了边缘，实现了图像的锐化。 浙扛大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 如= 田缸= 田 “= 圈垆圈 p r e w i t t 梯度法与索伯尔梯度法的方法一样，图像中的每个点都用这两个核进行卷 积，计算绝对值的和作为输出，产生一幅边缘图像。 以上三个梯度滤波器在使用时，也常用另一种计算方法：在两个滤波器进行滤波后 取其绝对值大的值为输出结果。 ( 2 ) 基于二阶导数的图像增强拉普拉斯算子 二元函数f ( x ，力的拉普拉斯算子定义为： v 2 ，= 多+ 軎 ( 3 - 6 ) c 一o v 。 拉普拉斯变换是一个线性操作。根据前面二阶导数的定义，在工方向上的二阶偏导为： 窘= ， + l ，力+ _ ，b l ，力一2 ，力 ( 3 7 ) 类似的在y 方向上的二阶偏导为： 軎= ，“y “) + 瓴y 1 ) 一2 似力 ( 3 - 8 ) 则拉普拉斯算子可以表示为； v 2 ，= f ( x + l 二力+ 厂( x 一1 ，力+ ，( x ，y + 1 ) + 以x ，y - 1 ) - 4 f c x , y ) ( 3 9 ) 此公式可由滤波器： 1 4 圈圈 矮浙压大学硕士学位论文基于小波变换和分块方向滤波的遥感图像线性信号增强技术研究 撕炉 阿1 可 h 了h 盛划 实现。即上下左右4 个邻点的值相加再减去该像元值的4 倍，作为这一像元的值。拉普 拉斯算法计算的是图像亮度值突变的位置( 梅安新等，2 0 0 1 ) 。 在滤波过程中，通常滤波器不允许移出边界，所以处理的新图像会比原图小。考虑 一个简单的大小为n x n 的正方形滤波器，当滤波器中心距离图像边缘为伽- 1 ) 2 个像素 时，该滤波器至少有一条边与图像轮廓相重合。如果滤波器的中心继续向图像边缘靠近， 那么滤波器的行或列就会处于图像平面之外。目前有多种方法可以处理这种问题。最简 单的方法就是将滤波器中心点移动范围限制在距离图像边缘不小于- 1 ) 2 个像素处。 这种做法将使处理后的图像比原始图像稍小，但滤波结果图像中的所有像素点都由整个 滤波器处理。如果要求处理后的图像与原始图像一样大，那么所采用的典型方法是，用 包含于图像中的滤波器部分滤波所有像素，通过这种方法，图像靠近边缘部分的像素带 将用部分滤波滤波器来处理。另一种方法就是在图像边缘以外再补上( n - 1 ) 2 行和 ( 薛- 1 ) 2 列灰度为零或其他常数值的像素点，或者将图像边缘像素复制到图像之外。补 上的那部分经过处理后去除。这种方法保持了处理后的图像与原始图像尺寸大小相等， 但是补在靠近图像边缘的部分会带来不良影响，这种影响随着掩模尺寸的增加而增大。 总之，获得最佳滤波效果的唯一方法是使滤波器中心距原图像边缘的距离不小于加- 1 ) 陀 个像素( g o n z a l e ze ta 1 ，2 0 0 2 ) 。 3 3 3 高通滤波融合 高通滤波融合的原理是将高分辨率全色图像的高频信息融入到低分辨率多