付丽强++张建国++贾蓉++张绍良

【摘 要】 遥感技术的发展为解决矿区生态监测问题提供了新的研究思路，实时高效的监控需求也对数据源提出了基本要求。以甘肃两当县为例，以“资源三号”影像为实验数据，采用基于主成分分析、小波变换、PANSHARP的影像融合方法，通过计算亮度信息、清晰度、灰度值、标准差、信息熵等定量评价参数，对融合结果进行目视和定量的评价。结果表明，PANSHARP法较其他两种方法更适用于矿区生态监测。

【关键词】 资源三号卫星 融合影像质量评价 矿区生态监测

1 引言

矿产资源的开发带动了社会经济的发展，随之而来的生态问题也日益凸显，科学有效的监管矿区生态环境对矿产资源管理提出了严峻的挑战。遥感技术的发展为解决这一难题提供了思路，综合信息量大、监测周期短、范围广等优点的高分辨率遥感数据为实时、高效监测提供了可能[1]。为了提高数据源的监测精度，越来越多的学者尝试采用不同的方法处理影像，以求达到所需的精度，但现阶段的研究中，大多倾向于使用外国的高分辨率卫星数据，对国产数据的应用研究不够。开展适合“资源三号”卫星在矿区生态监测中的应用，是提高我国遥感数据利用率的研究内容之一。 在卫星影像利用过程中，高分辨率全色影像包含详细的地物细节信息，反映影像的空间结构；而低分辨率多光谱影像光谱信息丰富，反映各种地物的光谱差异，有利于对地物的解译、分类与识别，通过一定的算法把各影像数据中所包含的的信息优势有机地结合起来，对于解决实时监控具有重要的意义。因此，本文基于矿区生态监测的需要，以“资源三号”卫星数据为数据源，采用多种影像融合方法进行融合，通过比较分析，寻求一种适用于矿区生态系统监测的融合方法。

“资源三号”卫星是一颗民用高分辨率立体测绘卫星，主要用于测绘和资源调查利用，其搭载了一台分辨率为2.1m的正视全色相机和一台分辨率为5.8m的多光谱相机，经过论证已与国际上数据应用广泛的先进卫星图像质量水平相当，这将非常有利于矿区生态监测的影像判读、特征提取和专题图的制作与应用。数据融合的目的在于综合遥感影像全色波段的空间信息和多光谱波段的光谱信息，尽可能的减少信息损失而得到高分辨率和强特征显示能力的影像。根据数据融合的层次不同而分为像元级融合、特征级融合和决策级融合，常见的融合方法有HIS融合、Brovey融合、主成分分析融合方法（PCA）、PANSHARP融合、Gram-Schmidt波谱锐化融合等，这些方法在非国产卫星中已经得到了一定的应用。翁永玲等采用HIS、PCA和HPF3种融合算法对IKONOS全色和多光谱图像进行融合，从光谱特征、空间特征及融合前后影像的地物分类精度等方面分析了融合结果的质量[2]；费鲜芸等应用KT变换和PCA方法，对北京圆明园周围的IKONOS全色波段和多光谱波段进行融合，对整景影像和植被区的融合结果进行了对比研究[3]。但对于“资源三号”卫星的融合方法测试目前研究甚少。为此，本研究以“资源三号”数据为基础，采用主成分分析融合方法、基于小波变换的融合方法和PANSHARP融合方法等进行融合实验，并运用均值、标准差和熵值等参量对融合效果进行评价。

2 矿区生态遥感监测对影像的基本要求

矿区生态监测的实质即分析不同时期由于矿业活动造成的地表生态扰动，并从中提取变化信息已达到监测的目的。遥感技术支持下的监测强调采用不同时期的遥感影像，宏观、真实、全面的对矿山的开发状况及引发的环境变化等进行全面监查。从上世纪六十年代开始，这项工作已在欧美等发达国家得到极大的开展[4]；我国的生态监测工作起步交往，但发展势头良好，现阶段围绕当前经济建设的热点地区矿区秩序混乱、乱采滥挖现象严重，生态环境破坏严重或灾害多发的情况，全国集中开展了重点矿区专项整治工作，在资源环境调查和灾害监测方面取得一些成果[5]。

在总结现有研究成果的基础上，针对矿山环境和矿产资源开发的具体情况，总结现阶段矿区生态监测对影像的要求包括：（1）较高的分辨率。由于矿区监测的特殊要求，其在应用过程中往往反应地裂缝、塌陷坑、地面沉陷等形变特征，高分辨率影像有助于发现和研究存在或潜在的采矿扰动情况；（2）较高的时效性。高时效的影像能够保证提供面域的周期性的信息，有利于提高研究成果的精度和效率；（3）光谱的多样性。变异影像、植被指数、特征增强等传统监测矿区生态技术均依赖于多光谱数据，波段的多样性有助于揭示扰动带来的信息变化。“资源三号”卫星具备以上条件，满足矿区生态监测的影像要求。

3 多源遥感影像融合方法

影像融合是对处理后的图像数据按一定的算法进行运算处理，目的是突出专题信息，提高图像的解译能力，通过删除不必要的噪声和边缘清晰处理来改善图像视觉判断质量。本文试比较主成分分析融合法、基于小波变换融合法、PANSHARP融合法三种方法在“资源三号”卫星影像中的应用，以期得到满足于矿区生态监测需要的融合方法。

3.1 主成分分析融合法

主成分分析融合法是一种基于统计分析的融合算法，通过K-L变换矩阵，将原有的多个变量转化成少量个综合指标的统计分析方法，并采用新变量来表达信息。通过将多个波段的低分辨影像进行主分量变换，将高空间分辨率影像灰度值进行线性拉伸，使其灰度均值和方差与变换后多光谱分辨率的第一主分量影像一致，然后以拉伸过的高空间分辨率影像代替变换后多光谱低分辨率的第一主分量影像，并作逆主成分变换。将它与其余主分量还原到原始空间从而得到主成分分析融合图像。其变换公式为：

Y=TX （1）

式中，Y为变换产生的q个主成分像元值向量，X为原始图像p波段像元值向量，q≤p，T为标准变换矩阵，由X的协方差矩阵∑x计算得出。主成分分析融合法应用较为广泛，多数图像处理软件上都有，文章采用ERDAS9.2对影像进行主成分分析，界面图1所示。

3.2 基于小波变换的融合方法endprint

基于小波变换的融合方法是建立在遥感影像的频域分析基础上，由于传感器精度的限制，一般信号由离散的多个小波组成，这些小波具有不同的频率域特征，通过平移组合形成了小波函数库，通过对函数库中区间的变换可以对感兴趣的频率域进行放大，以提取包含信息量的有效波段。在实际处理过程中，通过对图像进行分解，选取高频、低频重新组合，通过小波变换得到融合图像。算法流程如图2所示，融合平台应用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一种基于统计原理的融合方法，该方法是基于最小二乘法计算原多光谱影像和原全色影像之间的灰度值关系。它是通过调整单个波段的灰度分布来减少融合结果的颜色偏差，采用最小方差技术对参与融合波段的灰度值进行最佳匹配，通过统计数值寻求最好的近似值，来消除融合结果对数据集的依赖性，并提高融合过程的自动化程度。

PCI9.1软件进行PANSHARP融合较为方便，在“运算法则库管理器”里找到PANSHARP工具，输入相应波段即可，界面如图3。

4 实验与分析

实验数据为2012年12月甘肃两当某地的“资源三号”卫星影像，采用ERDAS提供的主成分分析融合法、小波变换融合法以及PCI提供的PANSHARP融合法。为比较不同融合方法的融合效果，文章裁剪部分影像进行实验，融合后影像输出采用同一比例尺，图4a为多光谱数据，图4b为全色数据，用最邻近法把多光谱影像采集到全色影像大小，各种方法融合的结果见图4c～图4e。

本文运用目视评价和定量评价两种方法评价影像的融合效果，理想的融合效果应该既有新信息的摄入，又有对源影像信息的保留和继承，因此可以从光谱质量和结构信息两个方面上评价。目视分析，融合后效果图空间分辨能力均有了不同程度的提高，影像更加清晰，纹理更加突出，地物的细小空间特征得到加强，矿山建筑、道路和河流等地物轮廓都能分辨出来，但同时也存在着不同程度的光谱扭曲。主成分分析融合影像的光谱扭曲最严重，一些地物点的光谱特征和色调均发生了一定程度的偏差，小波方法要好于主成分分析发，但也出现了光谱扭曲现象，如在图中河流部分出现了明显的锯齿边界，在部分山脊出现了方块现象，光谱信息丢失。相比之下PANSHAPR融合法色彩保持更好，较好的减少了融合颜色偏差和对数据集的依赖性。

采用定量的方法进行评价，通过计算影像融合后的灰度均值、标准差以及信息熵来定量评价可以有效的反映融合后空间细节信息与光谱信息的程度[6]。灰度值越接近光谱信息表明信息保存越好，标准差离散型越大表明地物可分性越大，信息熵则体现的是影像细节表现能力，熵值越大表明信息越丰富，融合效果越好。通过计算，运算结果详见表1。

分析表1中数据：灰度均值，PANSHARP融合方法灰度均值均为50左右，与原始影像光谱最为接近，PCA融合次之，小波变换融合较差。标准差，PANSHARP融合方法最大，PCA融合方法次之，小波变换融合最差，表明PANSHARP融合影像灰度离散效果最好。信息熵，PANSHARP融合方法熵值最大，是PCA融合法与小波变换变换相关不大，表明PANSHARP融合图像的信息越丰富，细节表现能力更强。因此在目视评价和定量评价两个方面可以看出，PANSHARP方法更优于其他两种方法，适用于“资源三号”卫星在矿区生态监测中的应用。

5 结语

本文采用了传统的3种影像融合方法对 “资源三号”的全色与多光谱影像进行融合，通过对融合成果进行对比分析，得出了较为适合试验数据的融合方法。由于遥感图像本身数据源的丰富性与应用于矿区生态监测的复杂性决定了影像融合试验在实际应用中，尚存在一些问题有待解决。虽然PANSHARP方法在试验中影像最清晰，对空间信息的增强及光谱信息的保持能力好于其他两种融合方法，但在一些细节的表示上，PANSHARP也存在着自身的问题。因此，在矿区生态监测实际应用中，如何用改进的PANSHARP方法提高融合效果尚需进一步深入研究。

参考文献：

[1]聂洪峰等.矿产资源开发遥感监测技术问题与对策研究.国土资源遥感，2007.

[2]翁永玲等.IKONOS高分辨率遥感影像自身融合效果分析.东南大学学报（自然科学版），2004.

[3]费鲜芸等.基于缨帽变换的IKONOS数据融合.计算机工程与应用，2008.

[4]Kavzoglu T， Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin，2011.

[5]王晓红等.高分辨率卫星数据在矿山开发状况及环境监测中的应用效果比较.国土资源遥感，2004.

[6]张连蓬，林卉.高分辨率遥感影像融合及其质量评价.工程勘察，2009.endprint

基于小波变换的融合方法是建立在遥感影像的频域分析基础上，由于传感器精度的限制，一般信号由离散的多个小波组成，这些小波具有不同的频率域特征，通过平移组合形成了小波函数库，通过对函数库中区间的变换可以对感兴趣的频率域进行放大，以提取包含信息量的有效波段。在实际处理过程中，通过对图像进行分解，选取高频、低频重新组合，通过小波变换得到融合图像。算法流程如图2所示，融合平台应用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一种基于统计原理的融合方法，该方法是基于最小二乘法计算原多光谱影像和原全色影像之间的灰度值关系。它是通过调整单个波段的灰度分布来减少融合结果的颜色偏差，采用最小方差技术对参与融合波段的灰度值进行最佳匹配，通过统计数值寻求最好的近似值，来消除融合结果对数据集的依赖性，并提高融合过程的自动化程度。

PCI9.1软件进行PANSHARP融合较为方便，在“运算法则库管理器”里找到PANSHARP工具，输入相应波段即可，界面如图3。

4 实验与分析

实验数据为2012年12月甘肃两当某地的“资源三号”卫星影像，采用ERDAS提供的主成分分析融合法、小波变换融合法以及PCI提供的PANSHARP融合法。为比较不同融合方法的融合效果，文章裁剪部分影像进行实验，融合后影像输出采用同一比例尺，图4a为多光谱数据，图4b为全色数据，用最邻近法把多光谱影像采集到全色影像大小，各种方法融合的结果见图4c～图4e。

本文运用目视评价和定量评价两种方法评价影像的融合效果，理想的融合效果应该既有新信息的摄入，又有对源影像信息的保留和继承，因此可以从光谱质量和结构信息两个方面上评价。目视分析，融合后效果图空间分辨能力均有了不同程度的提高，影像更加清晰，纹理更加突出，地物的细小空间特征得到加强，矿山建筑、道路和河流等地物轮廓都能分辨出来，但同时也存在着不同程度的光谱扭曲。主成分分析融合影像的光谱扭曲最严重，一些地物点的光谱特征和色调均发生了一定程度的偏差，小波方法要好于主成分分析发，但也出现了光谱扭曲现象，如在图中河流部分出现了明显的锯齿边界，在部分山脊出现了方块现象，光谱信息丢失。相比之下PANSHAPR融合法色彩保持更好，较好的减少了融合颜色偏差和对数据集的依赖性。

采用定量的方法进行评价，通过计算影像融合后的灰度均值、标准差以及信息熵来定量评价可以有效的反映融合后空间细节信息与光谱信息的程度[6]。灰度值越接近光谱信息表明信息保存越好，标准差离散型越大表明地物可分性越大，信息熵则体现的是影像细节表现能力，熵值越大表明信息越丰富，融合效果越好。通过计算，运算结果详见表1。

分析表1中数据：灰度均值，PANSHARP融合方法灰度均值均为50左右，与原始影像光谱最为接近，PCA融合次之，小波变换融合较差。标准差，PANSHARP融合方法最大，PCA融合方法次之，小波变换融合最差，表明PANSHARP融合影像灰度离散效果最好。信息熵，PANSHARP融合方法熵值最大，是PCA融合法与小波变换变换相关不大，表明PANSHARP融合图像的信息越丰富，细节表现能力更强。因此在目视评价和定量评价两个方面可以看出，PANSHARP方法更优于其他两种方法，适用于“资源三号”卫星在矿区生态监测中的应用。

5 结语

本文采用了传统的3种影像融合方法对 “资源三号”的全色与多光谱影像进行融合，通过对融合成果进行对比分析，得出了较为适合试验数据的融合方法。由于遥感图像本身数据源的丰富性与应用于矿区生态监测的复杂性决定了影像融合试验在实际应用中，尚存在一些问题有待解决。虽然PANSHARP方法在试验中影像最清晰，对空间信息的增强及光谱信息的保持能力好于其他两种融合方法，但在一些细节的表示上，PANSHARP也存在着自身的问题。因此，在矿区生态监测实际应用中，如何用改进的PANSHARP方法提高融合效果尚需进一步深入研究。

参考文献：

[1]聂洪峰等.矿产资源开发遥感监测技术问题与对策研究.国土资源遥感，2007.

[2]翁永玲等.IKONOS高分辨率遥感影像自身融合效果分析.东南大学学报（自然科学版），2004.

[3]费鲜芸等.基于缨帽变换的IKONOS数据融合.计算机工程与应用，2008.

[4]Kavzoglu T， Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin，2011.

[5]王晓红等.高分辨率卫星数据在矿山开发状况及环境监测中的应用效果比较.国土资源遥感，2004.

[6]张连蓬，林卉.高分辨率遥感影像融合及其质量评价.工程勘察，2009.endprint

基于小波变换的融合方法是建立在遥感影像的频域分析基础上，由于传感器精度的限制，一般信号由离散的多个小波组成，这些小波具有不同的频率域特征，通过平移组合形成了小波函数库，通过对函数库中区间的变换可以对感兴趣的频率域进行放大，以提取包含信息量的有效波段。在实际处理过程中，通过对图像进行分解，选取高频、低频重新组合，通过小波变换得到融合图像。算法流程如图2所示，融合平台应用ERDAS9.2完成，操作界面和主成分分析法相同。

3.3 PANSHARP融合方法

PANSHARP是一种基于统计原理的融合方法，该方法是基于最小二乘法计算原多光谱影像和原全色影像之间的灰度值关系。它是通过调整单个波段的灰度分布来减少融合结果的颜色偏差，采用最小方差技术对参与融合波段的灰度值进行最佳匹配，通过统计数值寻求最好的近似值，来消除融合结果对数据集的依赖性，并提高融合过程的自动化程度。

PCI9.1软件进行PANSHARP融合较为方便，在“运算法则库管理器”里找到PANSHARP工具，输入相应波段即可，界面如图3。

4 实验与分析

实验数据为2012年12月甘肃两当某地的“资源三号”卫星影像，采用ERDAS提供的主成分分析融合法、小波变换融合法以及PCI提供的PANSHARP融合法。为比较不同融合方法的融合效果，文章裁剪部分影像进行实验，融合后影像输出采用同一比例尺，图4a为多光谱数据，图4b为全色数据，用最邻近法把多光谱影像采集到全色影像大小，各种方法融合的结果见图4c～图4e。

本文运用目视评价和定量评价两种方法评价影像的融合效果，理想的融合效果应该既有新信息的摄入，又有对源影像信息的保留和继承，因此可以从光谱质量和结构信息两个方面上评价。目视分析，融合后效果图空间分辨能力均有了不同程度的提高，影像更加清晰，纹理更加突出，地物的细小空间特征得到加强，矿山建筑、道路和河流等地物轮廓都能分辨出来，但同时也存在着不同程度的光谱扭曲。主成分分析融合影像的光谱扭曲最严重，一些地物点的光谱特征和色调均发生了一定程度的偏差，小波方法要好于主成分分析发，但也出现了光谱扭曲现象，如在图中河流部分出现了明显的锯齿边界，在部分山脊出现了方块现象，光谱信息丢失。相比之下PANSHAPR融合法色彩保持更好，较好的减少了融合颜色偏差和对数据集的依赖性。

采用定量的方法进行评价，通过计算影像融合后的灰度均值、标准差以及信息熵来定量评价可以有效的反映融合后空间细节信息与光谱信息的程度[6]。灰度值越接近光谱信息表明信息保存越好，标准差离散型越大表明地物可分性越大，信息熵则体现的是影像细节表现能力，熵值越大表明信息越丰富，融合效果越好。通过计算，运算结果详见表1。

分析表1中数据：灰度均值，PANSHARP融合方法灰度均值均为50左右，与原始影像光谱最为接近，PCA融合次之，小波变换融合较差。标准差，PANSHARP融合方法最大，PCA融合方法次之，小波变换融合最差，表明PANSHARP融合影像灰度离散效果最好。信息熵，PANSHARP融合方法熵值最大，是PCA融合法与小波变换变换相关不大，表明PANSHARP融合图像的信息越丰富，细节表现能力更强。因此在目视评价和定量评价两个方面可以看出，PANSHARP方法更优于其他两种方法，适用于“资源三号”卫星在矿区生态监测中的应用。

5 结语

本文采用了传统的3种影像融合方法对 “资源三号”的全色与多光谱影像进行融合，通过对融合成果进行对比分析，得出了较为适合试验数据的融合方法。由于遥感图像本身数据源的丰富性与应用于矿区生态监测的复杂性决定了影像融合试验在实际应用中，尚存在一些问题有待解决。虽然PANSHARP方法在试验中影像最清晰，对空间信息的增强及光谱信息的保持能力好于其他两种融合方法，但在一些细节的表示上，PANSHARP也存在着自身的问题。因此，在矿区生态监测实际应用中，如何用改进的PANSHARP方法提高融合效果尚需进一步深入研究。

参考文献：

[1]聂洪峰等.矿产资源开发遥感监测技术问题与对策研究.国土资源遥感，2007.

[2]翁永玲等.IKONOS高分辨率遥感影像自身融合效果分析.东南大学学报（自然科学版），2004.

[3]费鲜芸等.基于缨帽变换的IKONOS数据融合.计算机工程与应用，2008.

[4]Kavzoglu T， Colkesen I. Assessment of environmental change and land degrada-tion using time series of remote sensing images [J].Fresennius Environmental Bul- letin，2011.

[5]王晓红等.高分辨率卫星数据在矿山开发状况及环境监测中的应用效果比较.国土资源遥感，2004.

[6]张连蓬，林卉.高分辨率遥感影像融合及其质量评价.工程勘察，2009.endprint