一种多光谱与cbes-malab融合的遥感影像分析

一种多光谱与cbes-malab融合的遥感影像分析

遥感图像数据融合的应用背景现代遥感技术已经发展到高光谱分辨率、高空间分辨率和高时间分辨率的方向。然而，对于同一幅图像数据来说，很难同时获得高空间分辨率和高光谱信息的遥感数据。由各种卫星传感器获取的同一地区的多源影像数据越来越多,使得遥感系统能够为用户提供同一地区的多空间分辨率、多光谱分辨率、多时间分辨率的海量数据。而遥感数据融合可将单一传感器的多光谱信息或不同类别传感器所提供的信息加以综合,改善遥感信息提取的及时性和可靠性,提高数据的使用效率。遥感影像融合处理综合利用来自同一场景不同源的影像信息,依据某种准则组合来自多个传感器在空间或时间上的冗余或互补信息,获得对探测目标和环境更为精确和完整的识别与描述,这是任何单个传感器所无法达到的。它能提高遥感影像空间分辨率和光谱信息,挖掘遥感信息潜力,在遥感图像的分类解译方面起着重要的作用。遥感图像数据融合一直是遥感应用领域研究很活跃的课题,许多国际学术性杂志每年都刊有很多关于多源遥感数据融合的理论研究和应用研究成果的论文,国外很多大学成立了专门的实验室,进行遥感图像数据融合理论和应用的研究。国内从20世纪80年代开始至今,已有很多学者对这方面进行了研究,引起各应用部门广泛地关注。在森林资源监测中,多源遥感影像融合有利于遥感信息的识别。1213416n研究区位于四川省雅安市东部的雨城区,该区地处成都平原向青藏高原过渡带的盆地西南部边缘,102°51′-103°12′E,29°40′-30°14′N,面积1067.31km2。西南高,东北低。属亚热带湿润季风气候,日照偏少,湿度较大,冬暖夏凉,年均气温16.1℃;雨量充沛,年均雨日218d,降水量1732mm;无霜期长,降雪稀少,年均有霜日9.2d。2实验方法2.1中巴资源遥感测频系统mb1)多光谱数据:印度卫星IRS-P6LISS一Ⅲ,具有4个光谱波段,分别位于可见光、近红外与短波红外区域,空间分辨率为23.5m。波段2(绿)0.52～0.59μm;波段3(红)0.62～0.68μm;波段4(近红外)0.77～0.86μm;波段5(短波红外)1.55～1.70μm。幅宽141km。2)全色数据:中巴资源遥感卫星CBERS-02BHR,全色波段:0.5～0.8μm,空间分辨率为2.36m,幅宽27km。本次实验遥感数据见表1。2.2综合原则和方法2.2.1成像数据和积分法乘积变换融合是应用最基本的乘积组合算法,直接对两种空间分辨率的遥感数据进行合成,即Bi＿new=Bi＿m*B＿h。其中Bi＿new代表融合以后的波段数值(i=1、2、3、……n),Bi＿m表示多波段图像中的任意一个波段数值,B＿h代表高分辨率遥感数据。乘积变换是由Crippen的4种分析技术演变而来的。Crippen研究表明:将一定亮度的图像进行变换处理时,只有乘积变换可以使其色彩保持不变。本研究中利用IRS-P6多光谱影像的2,3,4,5波段与CBERS-2B全色波段进行乘积变换融合。2.2.2多光谱图像融合比值变换是一种比较简单的影像融合方法,它是将高分辨率的全色影像亮度值与多光谱各波段亮度值作逐点算术运算生成三幅图像,然后进行RGB假彩色合成生成融合图像。比值(Brovey)变换计算公式如下:式中,Lpan为高分辨率全色波段;La,Lb,Lc为多光谱影像中的3个波段;LR,LG,LB为被赋予红、绿、蓝色的3幅新图像。本研究中利用IRS-P6多光谱影像的3,4,5波段与CBERS-2B全色波段进行比值变换融合。2.2.3lue空间图像的变换IHS(Intensity,Hue,Saturation)表示强度、色度和饱和度,它们是人们识别颜色的三个特征。IHS彩色空间变换就是将RGB(Red,Green,Blue)空间图像分解为空间信息的强度(I)和代表波谱信息的色度(H)、饱和度(S)。其变换公式表示为:其数学表达式为:式中:v1,v2为彩色变换中的中间变量。该方法首先将由RGB3个波段数据组成的数据集变换到相互分离的IHS彩色空间中,用上述公式将RGB三通道进行IHS变换,用PAN波段与变换后的I分量进行直方图匹配,用匹配后的图像替代I分量,再进行反变换回到RGB空间生成融合图像,反变换公式如下本研究中利用IRS-P6多光谱影像的3,4,5波段与CBERS-2B全色波段进行IHS变换融合。2.2.4析法检测n个信号主成分分析法也称K-L变换,是一种统计学方法。它将一组相关变量转化为一组原始变量的不相关线性组合的正交变换,其目的是把多波段的影像信息压缩或综合在一幅图像上,并且各波段的信息所作的贡献能最大限度地表现在新图像中。主成分分析法主要应用于图像编码、图像数据压缩、边缘检测及数据融合当中。其具体过程如下:取n个波段影像数形成n维列向量xi,X=(x1,x2,x3,......xk),求其均值向量m和协方差矩阵∑y以及∑y的特征值λi和特征向量Φi(i=1,2,……,n),令AT=（Φ1，Φ2，Φ3，……Φn），由式中,λ1≥λ2≥……≥λn。得到PCA的正变换公式:y=A(x-m),再将高分辨率图像与y的第一主成分分量图像进行直方图匹配,使之与第一主成分分量图像具有相同的均值和方差,然后将匹配后的图像替代第一主成分分量,再把其它主成分分量一起进行反变换,即可得到融合后的图像。本研究中利用IRS-P6多光谱影像的2,3,4,5波段与CBERS-2B全色波段进行主成分分析法融合。2.3影像和irs-p6多光谱影像融合本次实验采用的是四川省雅安市雨城区CBERS-2B全色影像和IRS-P6多光谱影像进行融合。首先对影像进行图像正射校正,镶嵌和裁剪以及波段组合选择,再分别采用乘积变换、比值变换、IHS变换和主成分分析法进行融合处理。2.3.1等高线模型的建立控制点选择:通过地形图校正,一般地面控制点应当在图像上有明显的、清晰的定位标志,如道路的交叉点、河流交叉口、建筑边界、农田界线等;另外,地面控制点应当均匀分布(如横竖各5个)在整幅图像中,且要有一定的数量保证(一景数据不少于21个点)。DEM数据:本研究采用的就是用1∶10000地形图为数据源进行半自动矢量化得到等高线模型,采用有限元结合最小二乘配置法作内插获得DEM。重采样:多光谱数据、高分辨率全色影像数据校正的总误差都控制在1个像元内,符合精度要求,采用“立方卷积内插法”的方式进行重采样。2.3.2接枝线进行固定,分散线进一步平滑.镶嵌处理时,首先要在相邻景图像的同名线状地物或地类变更线处添加拼接线,然后以拼接线为基准,对切割线进行平滑处理.镶嵌图像既要反映地物明显特征,又要有整体感,做到同名地物点不出现错位。在镶嵌好的基础上切割出研究区域,将边界线作为clipBoundary直接完成图像裁剪。2.3.3信息相互独立的方案波段组合的方法用相关矩阵法和目视法两者结合,选择相关系数较小的波段,认为它们的信息相互之间比较独立,重叠信息比较少。选择方案是:B5,B4,B3。这种方案将植被赋予绿色、水系呈现蓝色(深蓝色或兰黑色)、岩石土壤呈褐色,与自然界中物质的自然色彩最为接近。3实现信息间的优势互补数据融合的目的在于结合全色影像高空间分辨率的空间信息和多光谱影像的光谱信息,实现信息间的优势互补。目前,对于融合图像结果的评价仍然没有统一的标准,一般是从主观评价和客观分析两个角度分析,主观评价通过目视效果进行分析,客观评价利用图像的统计参数进行判定。3.1主观评价3.1.1绿色的三大生态图像总体上看,图1中的4种融合算法的融合结果在影像色彩上与原来的多光谱影像相似,融合后的图像中,绿色代表植被,蓝色为河流、湖泊等水体。与原多光谱影像的保真性最优融合方法的效果为:IHS变换>主成分分析>比值变换>乘积变换。3.1.2不同处理的地物内部纹理信息对比从空间结构信息上,如图2,不论哪种融合方法,影像的空间结构信息均得到了较大地改善。河流、道路、建筑物边缘等线状地物变得明显,易于识别,地物内部的纹理内容也丰富多了,清晰度和空间细节表现力有所提高。其中:比值变换法、IHS变换法融合影像的清晰度相对较高,植被覆盖范围的边界、建筑物内部纹理结构和地物之间的分界线等都比较突出,地物差异明显,轮廓和边缘都清晰可见;主成分析法和乘积变换法在地物边缘信息上不如比值变换法和IHS变换法清楚,局部地区个别块状地物的边界也不是很清晰。融合效果为:IHS变换>比值变换>主成分分析>乘积变换。3.1.3云区边缘地影像色彩的特征由于全色影像有云层遮挡,所以融合后图像很多地物都不能清晰表现出来。如图3,可以更明显的看到在云区的色彩表现上:IHS变换法和主成分分析法较优;比值变换法和乘积变换法在云区范围几乎被完全遮挡,但是河流体现完整。在非云区(云区周边),比值变换法和乘积变换法的影像色彩太暗,边缘地区影像的纹理特征不清晰,IHS变换法融合后边缘地物也几乎看不到什么纹理,只有主成分析法最好,纹理特征突出,色彩自然,与原多光谱影像色彩的相似度高。因此,综合比较的最优融合方法的效果为:主成分分析法>IHS变换>比值变换>乘积变换。3.2客观评价3.2.1像素特征参数常用的客观评价指标包括灰度均值、标准偏差、信息熵、平均梯度、相关系数、信噪比等。在本次实验中,我们从融合后影像的光谱保持性和信息量的角度,选择灰度均值、标准差、信息熵客观指标来分析融合后的影像。1)灰度均值:目视上反映的是平均亮度。灰度适中的图像视觉效果较好。融合前后影像对应波段的像素灰度值变化程度越小说明光谱保持性能越好。式中:F(i,j)为影像像素灰度值;M,N分别为影像的行列数。2)标准差:标准差反映的是灰度相对于平均值的离散程度。通常,如果一幅影像的标准差越大,说明影像的灰度级别分布越分散,即影像的动态变化范围越大,地物间的可分性较好,反映出更多的信息。选择标准差作为评价指标可以同时从信息量和影像空间分辨率的提高两个角度来评价融合效果。标准差的数学表达式为:式中:F(xi,yj)为影像像素灰度值;z为平均值;M,N分别为影像的行列数。3)信息熵:图像的熵值是衡量信息丰富程度的一个重要指标,熵值的大小代表图像所携带的平均信息量。计算和比较融合前后图像信息熵的变化可以较为客观地评价融合前后信息量的变化。Shannon信息论指出,一幅图像的信息熵可以表示为:式中:Pi只为灰度值为i的像素数与图像总像素数之比。融合后图像的熵值增加,一定程度上说明融合图像的信息量增加了,图像质量得到了改善。3.2.2最优融合方法分析计算原多光谱影像和4种融合后影像的灰度均值、标准差和信息熵,结果见表2。1)灰度均值。乘积变换法的4个波段的灰度均值与原多光谱影像对应波段的灰度均值变化格外明显,主成分分析法和IHS变换法融合后的各波段的灰度均值与原多光谱影像各波段的灰度均值几乎没有什么改变。说明主成分分析法和IHS变换法在保持原多光谱影像的光谱特性方面的相对优势,经过融合处理得到的影像在光谱特性上最接近于原多光谱影像,其保真性最好。因此,根据灰度均值指标,最优融合方法的效果为:IHS变换>主成分分析>比值变换>乘积变换。这一点和目视判断得到的结论是一致的。2)标准差。标准差反映的是经过处理的影像的地物可分性是否有改善。由标准差数据可以看出,乘积变换融合后的影像各波段的标准差明显降低,比值变换法第3个波段有比较大的增加,IHS变换和主成分分析融合后的影像的标准差即使没有大幅度增加,也与原多光谱影像相差无几,IHS变换法的两个波段的标准差有所提高。根据标准差指标,最优融合方法的效果为:IHS变换>比值变换>主成分分析>乘积变换。这一点和目视判断得到的结论是一致的。3)信息熵。除了乘积变换4个波段都有小幅度下降外,其他3种融合后的影像波段的信息熵值都得到了不同程度的提高。主成分分析法和IHS变换法良好,它们第三波段的信息熵均有提高,而比值变换融合各波段均有提高,特别是第三波段,由3.4470提高到4.3685,上升幅度达0.9215。因此,根据信息熵指标,最优融合方法的效果为:比值变换>IHS变换>主成分分析>乘积变换。4遥感影像表现对比主流方法在4种融合方法内本文分别采用乘积变换、比值变换、IHS变换、主成分分析4种融合算法对IRS-P6遥感影像的多光谱与CBERS-2B遥感影像的全色波段进行融合实验,并结合目视评价及客观信息数理统计指标参数,对融合结果进行细致地分析比较。研究表明,4种融合的变换算法在不同程度上都提高了影像的信息量和目视质量。主成分分析法在云区色彩和纹理的表现力最强,对云区面积比较大的遥感影像进行信息提取时,可以考虑用此方法。在4种融合方法中,IHS变换融合后的影像光谱保真性最好,与自然界中物质的自然色彩最为接近,清晰度和纹理细节表现力也得到了最大的提高,并且在云区表现效果方面也有一定成效。综合各项指标,IHS变换融合法效