郭 会 敏,洪 运 富,李 营,杨 一 鹏,张 立 峰,杨 海 军,朱 海 涛

(1.中国矿业大学(北京)地球科学与测绘工程学院,北京 100083；2.环境保护部卫星遥感应用中心,北京100094)



基于高分一号卫星影像的多种融合方法比较

郭 会 敏1,洪 运 富2*,李 营2,杨 一 鹏2,张 立 峰1,杨 海 军2,朱 海 涛2

(1.中国矿业大学(北京)地球科学与测绘工程学院,北京 100083；2.环境保护部卫星遥感应用中心,北京100094)

以扬州地区为试验区,利用高分一号(GF-1)卫星全色及多光谱影像数据开展融合试验,将PCA、GS、Pansharping 3种传统融合方法与Elbakary、Proxy-sharpening和SFIM等以全色波段为尺度因子的融合方法进行对比,从光谱继承性和空间融入度两方面分析融合效果,寻找适合GF-1号卫星影像的较佳融合方法。结果表明,传统融合方法在光谱继承性和空间融入度两方面的评价结果中保持一致,且Pansharping方法在定性和定量分析中都为最优；以全色波段为尺度因子的融合方法其空间融入度随着光谱继承性的降低而增加；基于不同移动窗口大小的SFIM方法其光谱继承度和空间融入度均属最优,其中,移动窗口为5×5和7×7时,整体融合精度高于其他方法。

GF-1号卫星；影像融合；移动窗口；评价指标

0 引言

随着多传感器、多时相、多光谱和多分辨率的遥感数据大量涌现,推动了遥感在各领域的应用,但受传感器技术限制,仍难以获取高空间分辨率的多光谱影像[1]。然而,大多数遥感应用需要使用高空间-多光谱分辨率影像数据,如特征提取、地图更新等[2]，为解决这一难题,影像融合技术应运而生。随着影像融合技术研究不断深入,提出了主成分变换(Principal Component Analysis,PCA)[3]、GS变换(Gram-Schimdt)[4]、Pansharping[5]和SFIM(Smoothing Filter-based Intensity Modulation)[6]等多种影像融合方法,但目前仍没有形成一种通用的、融合效果最好的方法[3]。因此,对于任何传感器尤其最新研制的传感器,仍需要对比分析现有的融合方法,探索一种较适用的方法。

GF-1号是我国2013年发射的遥感卫星,能够获取2 m全色和8 m、16 m多光谱影像数据,实现了空间分辨率和时间分辨率的较好结合,是开展宏观监测研究的良好数据源,此外,卫星设计寿命也改写了中国航天纪录。为有效推广GF-1号卫星应用,本文采用传统融合方法(PCA、GS和Pansharping)和以全色波段作为尺度因子的融合方法(Elbakary[7]、Proxy-sharpening[8]和SFIM),分别对GF-1号2 m全色波段与8 m多光谱波段进行融合,分析融合结果,探索适合GF-1号卫星影像的融合方法。

1 研究区和数据源

研究区位于扬州市广陵区和邗江区,位置示意如图1(见封2)。该区域属于亚热带季风性湿润气候向温带季风气候的过渡区,四季分明,地势平坦,年均气温约为16℃,年均降水量864 mm,年日照时数1 721 h。研究区下垫面地物类型丰富,主要包括建筑用地、耕地、园地、水域及未利用地等,可作为方法验证的代表性区域。

数据选用GF-1号卫星PMS 2号相机2014年1月14日的全色与多光谱影像,数据质量符合试验要求。GF-1号卫星携带两台空间分辨率为2 m全色/8 m多光谱的高分辨率相机,4台16 m分辨率多光谱相机,覆盖周期(不侧摆)分别为41 d与4 d,影像幅宽分别为60 km(2台相机组合)和800 km(4台相机组合),多光谱数据包括蓝、绿、红、近红外4个波段。试验数据的处理过程为：对2 m的全色影像进行几何校正,之后与8 m的多光谱影像进行配准,最后截取2 600×2 600像元范围作为试验区域。研究区8 m多光谱真彩色合成如图1。

2 融合方法与评价指标

2.1 传统遥感影像融合方法

PCA方法将多光谱影像进行K-L变换生成一组波段间互不相关、全新的多光谱数据,每一波段代表一个成分,然后将全色波段替换包含信息量最大的第一主成分,再与其他成分进行主成分逆变换,得到融合影像。由于对包含信息量最大的成分进行替换,所以该方法理论上会扭曲原始影像的光谱信息。GS方法将多光谱波段进行正交变换,得到互不相关的多波段影像,同时避免光谱信息过分集中于第一分量,从而减少光谱的扭曲程度。但上述两种方法都没有锐化其他成分,因此属于不完全融合方法。Pansharping方法基于最小二乘逼近法,计算多光谱影像和全色影像灰度值之间的关系[5],但该方法要求两种影像源处于同一平台且获取时间同步[9],限制了不同传感器之间的影像融合应用。

2.2 全色波段作为尺度因子的融合方法

全色波段作为尺度因子的融合方法是以高空间分辨率的全色波段作为尺度因子,利用线性统计或比例调制等方法,对多光谱影像进行空间降尺度,以此得到高空间分辨率的多光谱影像。

2.2.1 Elbakary方法[7]该方法由对“两步分辨率提升算法”[10]改进而得,即将全局策略改进为n×n的局部策略(n为移动窗口的大小),利用高分辨率的航空影像进行试验发现局部策略优于全局策略。“两步分辨率提升算法”的具体步骤为：将聚合平均到低分辨率下的全色影像与每个原始多光谱波段建立线性回归方程,并将原始全色影像代入方程,如式(1)、式(2)所示，得到过渡高分辨率影像；根据式(3)计算得到融合结果。本文选用全局策略及移动窗口大小为3×3、5×5、7×7、9×9时4种局部策略进行比较。

(1)

(2)

(3)

2.2.2 Proxy-sharpening方法[8]该方法中采用ETM+及ASTER试验影像,对比GS及PCA方法融合效果较好。本文首次将该方法应用于高分辨率影像,判别其推广性能。该方法同Elbakary方法类似,都是基于多光谱影像同全色影像之间的相关性建立最小二乘方程,只是在模型估计误差(式(4))的拟合上有所不同，计算公式见式(5)。对该方法也采用全局和局部两种策略,其中移动窗口大小同Elbakary方法一致。

(4)

(5)

式中：ΔT是模型估计误差。

2.2.3SFIM方法[6]该方法全称为基于平滑滤波亮度调整的融合方法,是将全色波段作为尺度因子的比例调制方法,在很多地方得到了验证与应用[11,12],效果较好。公式如下：

(6)

式中:Panmean表示高空间分辨率全色影像的n×n均值滤波数据。本文将滤波窗口大小设置为3×3、5×5、7×7、9×9 时4种方式进行比较。

2.3 评价指标

根据原始影像对以上几种方法获得的融合结果进行融合效果评价。评价指标包括：反映光谱信息继承性的指标，如均值、光谱扭曲度、光谱相关系数，综合反映融合影像光谱质量的指标ERGAS(ErreurRelativeGlobaleAdimensionnelledeSynthèse)[13]，以及反映空间细节信息融入度的指标，如标准差和平均梯度。

3 结果分析

将融合后的高空间分辨率影像与原始多光谱影像及全色影像进行对比,分别通过目视及评价指标进行定性与定量分析。

3.1 影像融合结果定性分析

GF-1号原始多光谱影像、全色影像以及多种方法融合后的高分辨率多光谱影像如图2所示(见封2),为便于评价融合效果,只截取一小块典型区域,区域内主要为颜色鲜明、形状规则的彩钢房,这种地物便于判别原始影像的光谱继承程度及空间信息的融入情况。受篇幅限制,这一部分只列出传统融合方法和全色波段作为尺度因子融合方法中移动窗口为3×3时的融合结果。

由图2可知，3种传统融合方法获得的融合结果(图2c-图2e)相比原多光谱影像(图2a)空间清晰度明显增强,并接近原始全色影像(图2b),而全色波段作为尺度因子的3种方法(图2f-图2h)在3×3移动窗口下融合结果空间清晰度的增强效果并不明显。对比原始多光谱影像的光谱颜色发现,PCA方法获取的影像颜色差异较大,呈现过于明亮的色彩;GS和Pansharping方法获得的融合结果与原始光谱颜色接近,说明用全色波段替换正交变换后的第一分量(而非第一主成分分量)确实减少了光谱失真程度,但这种方式仍然存在一定程度的光谱损失,表现为GS方法融合效果要弱于以全色波段和多光谱波段间相关性为支撑的Pansharping方法；以全色波段为尺度因子的3种方法获得的融合结果同原始多光谱影像的颜色最为接近,且各方法获取的光谱颜色相似。综上,融合效果目视评价表明,Pansharping方法得到的影像清晰度最高,且光谱保真性较好。

3.2 影像融合结果定量分析

采用影像融合效果评价指标对所有融合结果进行评价(表1)。为便于分析,将统计结果绘制成点状分布图,获得光谱信息继承性指标分布图(图3)和空间细节信息融入度指标分布图(图4)，图中横坐标代表融合方法,顺序与表1中序号一致,虚线是为了区分各融合方法而设定的间隔线。

表1 融合影像质量评价指标统计结果

Table 1 The statistical results of images′ quality evaluation indexes

融合方法序号均值光谱扭曲度光谱相关系数ERGAS标准差平均梯度(×10-4)原始影像211．1120．6114．65PCA1187．0024．13 0．864．2713．5511．07GS2211．078．010．861．4620．4220．63Pansharping3211．127．560．861．5320．8728．17ElbakaryProxy⁃SharpeningSFIM全局4211．113．790．960．8821．4520．293×35211．112．230．980．5721．0015．045×56211．112．520．980．6421．0816．087×77211．112．740．980．6821．1416．909×98211．112．890．970．7121．1917．44全局9211．093．780．960．8921．4520．373×310211．102．230．980．5821．0015．055×511211．102．510．980．6421．0716．077×712211．102．730．980．6821．1416．899×913211．092．880．970．7121．1917．433×314211．002．460．980．4621．1422．595×515210．934．750．940．8622．3828．527×716210．936．870．891．2124．0132．459×917210．978．620．861．5025．6734．92

3.2.1 光谱信息继承性评价 融合结果的均值分布图(图3a)中横线代表原始影像的光谱均值,融合影像与原始多光谱影像的均值越接近,融合效果越好。可以明显看出,除PCA方法外,其余方法获取的融合影像均值均在横线上(或附近),与原始影像均值基本保持一致。光谱扭曲度分布图(图3b)中光谱扭曲度越小,融合影像对原始影像的光谱继承性越好。可以看出,PCA方法效果最差,GS与Pansharping方法的效果略好一些,但仍然弱于以全色波段作为尺度因子的3种方法：Elbakary方法和Proxy-sharpening方法所得结果普遍较好,且这两种方法的局部策略均比全局策略的融合效果好,这与前人的研究结果一致[7,8],说明局部策略下,多光谱影像和全色波段两者间建立的关系更加稳定；SFIM方法中除移动窗口为3×3外,其余窗口的融合效果都比另两种方法差；以全色波段作为尺度因子的3种方法的光谱扭曲度均随窗口尺度的增加而增加,其中SFIM方法的增长速度较快。光谱相关系数分布图(图3c)中相关系数越高,光谱保真性越好。3种传统方法所得光谱相关系数均为0.86,明显低于以全色波段为尺度因子的3种方法,而后3种方法的相关系数分布图同光谱扭曲度的分布正好反向对称,在移动窗口为3×3时,光谱相关系数达到最高,均为0.98。反映光谱整体质量(ERGAS)图(图3d)中,ERGAS值越低说明融合影像的整体质量越高。各融合方法的ERGAS空间分布状况同光谱扭曲度图大体一致：PCA方法最差,GS与Pansharping方法的融合效果基本一致,后3种方法的融合效果高于前3种方法,且均随移动窗口的增加而降低,其中3×3窗口的SFIM方法得到的ERGAS指标最低,说明该方法的光谱质量最高。

图3 光谱信息继承性指标分布

Fig.3 Distribution of spectral information inheritance index

从光谱继承性评价角度分析可得以下结论：传统融合方法中,GS与Pansharping方法精度基本持平,且高于PCA方法；全色波段为尺度因子的融合方法中,融合效果随移动窗口尺寸的增加而降低,其中,Elbakary和Proxy-Sharpening方法对移动窗口大小的改变不敏感,且局部策略优于全局策略;全色波段作为尺度因子的方法优于传统融合方法,其中,3×3窗口的SFIM方法的融合精度最高。

3.2.2 空间细节融入度评价 标准差和平均梯度两个指标越大,影像空间信息越丰富。标准差分布图中(图4a),除PCA和GS方法外,其他方法的标准差均高于图中直线(即原始影像的标准差);Elbakary和Proxy-sharpening方法的全局策略要高于局部策略,说明全局策略对空间信息的注入程度较高,在局部策略上,这两种方法在不同移动窗口的融合效果基本相同;SFIM方法随移动窗口尺寸的增加而增加,在移动窗口为5×5～9×9时,标准差均高于其他方法,且在9×9窗口时达到最高,说明这种方法的空间注入程度最高。在平均梯度分布图中(图4b),直线表示原始影像的平均梯度值,只有PCA方法的平均梯度低于原始影像,GS与Pansharping方法的平均梯度高于Elbakary和Proxy-sharpening方法;以全色波段作为尺度因子的3种方法的平均梯度均随移动窗口尺寸的增加而增加,与标准差分布图类似的是,SFIM方法在移动窗口为5×5～9×9时空间注入程度最高,并在9×9窗口时达到最高(图5，见封2)。

图4 空间细节信息融入度指标分布

Fig.4 Distribution of the integration degree of spatial detail index

鉴于以上分析,在空间融入度方面可知：传统融合方法中,Pansharping方法效果最好,且高于以全色波段作为尺度因子的Elbakary和Proxy-sharpening方法；Elbakary和Proxy-sharpening方法的全局策略要优于局部策略,而且3种方法的局部策略表现出相同的融合性能,均随移动窗口尺寸的增加而增加；SFIM方法在移动窗口为5×5～9×9时,融合效果优于其他方法,并在9×9窗口时达到最优。

4 结论

基于GF-1号卫星影像数据,利用PCA、GS、Pansharping、Elbakary、Proxy-sharpening及SFIM 6种融合方法对其全色与多光谱数据进行融合效果比较,采用原始影像对融合结果进行评价,得出如下结论：1)Pansharping方法的目视效果最优。2)在光谱信息继承性和空间细节信息融入度方面,3种传统融合方法的融合效果均是PCA方法最差,Pansharping方法最优,这与定性分析结果一致；以全色波段作为尺度因子的3种融合方法的空间信息量的注入程度随着光谱继承程度的增加而逐渐降低。3)综合所有融合方法可知,将中尺度分辨率影像融合效果较好的Proxy-sharpening方法[8]引入高分辨率影像并不适用,其中,SFIM方法通过设定不同移动窗口大小可得光谱继承性和空间融入度最优结果,而且,在窗口设定为5×5和7×7时,在光谱继承性和空间融入度上都要优于其他方法。因此,对于GF-1号卫星影像,SFIM是一种较好的融合方法。

[1] 李存军,刘良云,王纪华,等.两种高保真遥感影像融合方法比较[J].中国图象图形学报,2004,11(9)：1376-1385.

[2] CHOI J W,KIM H J,RYU K Y,et al.A new adaptive image fusion technique for IKONOS satellite imagery[A].Electronic Imaging,International Society for Optics and Photonics[C].2008.

[3] 夏清,胡振琪,李建华,等.不同遥感影像融合方法的质量评价[J].地理空间信息,2013,11(1)：49-54.

[4] 窦闻,陈云浩,何辉明.光学遥感影像像素级融合的理论框架[J].测绘学报,2009,38(2)：131-137.

[5] ZHANG Y.A new automatic approach for effectively fusing Landsat 7 as well as IKONOS images[A].International Geoscience and Remote Sensing Symposium(IGARSS),2002.2429-2431.

[6] LIU J G.Smoothing filter-based intensity modulation：A spectral preserve image fusion technique for improving spatial details[J].International Journal of Remote Sensing,2000,21(18)：3461-3472.

[7] ELBAKARY M,ALAM M.Superresolution construction of multispectral imagery based on local enhancement[J].Geoscience and Remote Sensing LettersIEEE,2008,5(2)：276-279.

[8] ZHAN W F,CHEN Y H,WANG J F,et al.Downscaling land surface temperatures with multi-spectral and multi-resolution images[J].International Journal of Applied Earth Observation and Geoinformation,2012,18：23-36.

[9] 阳牧男,姜贞白.WorldViewⅡ卫星影像融合方法的探讨[J].测绘,2011,34(5)：225-227.

[10] PRICE J C.Combining panchromatic and multispectral imagery from dual resolution satellite instruments[J].Remote Sensing of Environment,1987,21(2)：119-128.

[11] BEHNIA P.Comparison between four methods for data fusion of ETM+ multispectral and pan images[J]：Geo-Spatial Information Science,2005,8(2)：98-103.

[12] KHAN M M,CHANUAAOT J,CONDAT L,et al.Indusion： Fusion of multispectral and panchromatic images using the induction scaling technique[J].Geoscience and Remote Sensing Letters,IEEE,2008,5(1)：98-102.

[13] GONZALEZ-AUDICANA M,SALETA J L,CATALAN R G,et al.Fusion of multispectral and panchromatic images using improved IHS and PCA mergers based on wavelet decomposition[J].Geoscience and Remote Sensing,IEEE Transactions on,2004,42(6)：1291-1299.

Comparison of Fusion Methods Used for GF-1 Satellite Image

GUO Hui-min1,HONG Yun-fu2,LI Ying2,YANG Yi-peng2,ZHANG Li-feng1,YANG Hai-jun2,ZHU Hai-tao2

(1.ChinaUniversityofMiningandTechnology(Beijing),Beijing100083；2.SatelliteEnvironmentCenter,MinistryofEnvironmentalProtection,Beijing100094,China)

Three traditional fusion methods including PCA,GS,and Pansharping were used to compare with the other three methods including Elbakary,Proxy-sharpening and SFIM whose scaling factor is panchromatic band based on the GF-1 satellite image data on January 14th,2014 in Yangzhou.Furthermore,two kinds of evaluation indexes were used to evaluate the fusion results qualitatively and quantitatively,including the spectral information inheritance indexes and the integration degree of spatial details indexes,so as to find the best method which is suitable for GF-1 satellite image.The results showed that the traditional fusion methods kept consistency in two aspects of evaluation results and Pansharping method presented the optimum in qualitative and quantitative analysis.For the other three fusion methods scaling factor with panchromatic band showed the mutex in the two aspects,namely space into degree increased with the loss of the spectral inheritance.Based on the different moving window size,SFIM method can get the fusion results with the best spectral information inheritance and the most abundant spatial detail respectively,and on the condition of moving window′s size 5×5 and 7×7,the overall accuracy of this method is higher than the others,so that the SFIM method is a better fusion method for GF-1 satellite image.

GF-1 satellite;image fusion;moving window;evaluation index

2014-06-06；

2014-08-27

高分辨率对地观测系统重大专项科研项目(05-Y30B02-9001-13/15-11)

郭会敏(1988-),女,硕士研究生,从事影像融合及热红外影像空间降尺度研究。*通讯作者E-mail:hong_yunfu@163.com

10.3969/j.issn.1672-0504.2015.01.005

TP722.4

A

1672-0504(2015)01-0023-04