APP下载

基于Sobel算子的球体IHS遥感影像融合算法

2016-01-07方世民文鸿雁李秋锋桂林理工大学测绘地理信息学院广西桂林500中国人民解放军信息工程大学测绘学院郑州50002武汉大学测绘学院武汉30072重庆邮电大学通信与信息工程学院重庆00065

桂林理工大学学报 2015年1期

方世民,文鸿雁,张 静,李秋锋( .桂林理工大学测绘地理信息学院,广西桂林 500; 2.中国人民解放军信息工程大学测绘学院,郑州 50002; 3.武汉大学测绘学院,武汉 30072; .重庆邮电大学通信与信息工程学院,重庆 00065)



基于Sobel算子的球体IHS遥感影像融合算法

方世民1,文鸿雁1,张静2,3,李秋锋4
( 1.桂林理工大学测绘地理信息学院,广西桂林541004; 2.中国人民解放军信息工程大学测绘学院,郑州450002; 3.武汉大学测绘学院,武汉430072; 4.重庆邮电大学通信与信息工程学院,重庆400065)

摘要:提出一种基于Sobel算子的球体IHS遥感影像融合算法,先对多光谱Mul影像做IHS变换并提取I分量,采用八方向模板Sobel边缘检测算子计算不同窗口参数( level)的全色Pan影像与I分量的局部区域清晰度值GP和GI,并根据局部区域的清晰度的大小确定不同区域的融合影像的I分量的新值I'。采用本文方法1 ( level =12)和方法2 ( level =24),通过实验并与其他融合方法比较,本文方法在提高影像分辨率的同时也保留了更多光谱信息和边缘细节,效果较好。

关键词:球体IHS; Sobel算子;区域清晰度;遥感融合

经典IHS[1-5]影像融合算法在保留全色影像光谱信息的同时也提高了融合影像的空间分辨率,但其融合影像易发生颜色失真,导致原始光谱特性扭曲。因而很多学者提出了基于IHS融合的改进算法,针对IHS的I分量与Pan影像的融合规则进行改进:如王晓燕提出的基于结构相似度的IHS融合算法[6],把基于区域影像的结构相似度与IHS 的I分量的新值选取结合起来,设定合理阈值取得了很好的效果;杜艺等提出FFT增强IHS融合算法[7]都是针对IHS的I分量选取作一定改进并都取得较好的效果。本文提出了一种基于Sobel算子的球体IHS遥感影像的融合算法,采用八方向模板Sobel边缘检测算子来检测全色Pan影像与多光谱Mul影像的IHS变换I分量的局部区域Sobel函数值,并根据区域梯度函数值和不同区域融合影像的I分量的新值I',在提高影像分辨率的同时也保留了更多光谱信息和边缘细节,取得较好的效果。

1 融合的基本理论

1. 1 IHS融合理论

IHS变换是一种基于视觉原理的彩色空间模型,定义了3个互不相关且又容易预测属性分量: I(强度)、H(色度)、S(饱和度)表示IHS系统,其中I表示强度的大小,H表示颜色纯度,S表示同亮度的颜色浓度。IHS颜色模型能把强度和颜色分开,因而能有效的将RGB影像中的I分量和H、S分量分离,为融合影像保留更多的光谱信息提供了较好的方法。

IHS常用的颜色模型有球体彩色变换、圆柱彩色变换、三角彩色变换、单六角锥彩色变换等,其中球体IHS变换融合的效果最好[8]。IHS融合法是通过将多光谱影像Mul的RGB彩色空间转换到IHS空间,将IHS空间的I分量与高分辨率影像Pan影像通过一定融合规则生成新的I分量I',再由新分量I'与H、S转换成RGB彩色空间F,生成的融合影像在空间分辨率和光谱信息上都比原图像有很大提高,有利于后续的影像处理。

1. 2 Sobel算子的清晰度评价函数

影像的边缘梯度值可敏感的反映影像的微小细节反差能力,同时也反映了影像的清晰度,边缘是影像的基本特征,影像的细节信息都包含在边缘,因而基于边缘信息检测的影像清晰度评价函数就更好地反映影像的信息丰富程度,而作为一种客观评价影像质量的标准,基于八方向模板Sobel边缘检测算子对图像中每个点进行的邻域卷积计算,提取八方向上的边缘成分[9-10],即

其中: u( i,j)为图形灰度,*为卷积,sl( l = 1,2,…,8)代表某个方向模板,其原理是对选定的图像的同样窗口进行卷积得到图像的梯度值,并与设定的阈值进行比较,大于阈值就认为是边缘点,把2× 2图像窗口中央的像素值用255代替,小于阈值就用0替代。图像中每个像点的梯度值为

大于阈值的梯度值,即被认为是图像边缘像素的梯度值并相加,以边缘梯度能量和定义图像的清晰度评价函数

图像的细节越丰富,在频域表现为高频分量多,在空域表现为相邻像素的特征值变化大,就具有更大的梯度函数值,其质量评价函数值也越大即边缘能量越大,图像包含的信息量也就越多。

2 基于Sobel算子的IHS融合方法

IHS的基本原理是用高分辨率的Pan影像替代IHS的I分量I',使得融合影像有较高的空间分辨率和较丰富的影像光谱信息,而Sobel清晰度评价函数对于图像的评价反映了融合影像的好坏,越清晰的图像包含的细节纹理信息越丰富,融合的图像质量越好。

本文提出的基于Sobel算子的IHS融合算法是对经IHS变换后多光谱Mul影像的I分量和Pan影像计算其图像的局部清晰度值GI和GP,比较局部区域两者的大小,如果Pan局部区域的清晰度值大于I分量清晰度值,则用Pan影像替代I分量,否者I不变,即

其中,Pan( i,j)和I( i,j)为像素点的值。最后生成新的I分量I'并与H、S经IHS反变换得到融合后的影像F。本文通过设定不同区域窗口参数值( level),经实验验证,并与其他融合方法对比分析,来选取合理的区域窗口参数。采取level = 12和level = 24两个窗口参数值进行图像融合,其步骤为:

①本文方法1,采用12×12的区域窗口由Sobel算子的函数值计算I分量和Pan影像的局部清晰度值GI1和GP1,结合式( 4)生成融合影像F1;

②本文方法2,采用24×24区域窗口由Sobel算子的函数值计算I分量和Pan影像的局部清晰度值GI2和GP2,结合式( 4)生成融合影像F2。

具体流程如图1所示。

图1 基于Sobel算子的IHS融合算法Fig. 61IHS fusion algorithm based on Sobel operator

3 融合影像及质量评价

通过对某地区的全色影像Pan ( 256×256)和多光谱影像Mul ( 256×256)采取不同融合方法的实验,基于Sobel算子的IHS影像融合算法分别采用本文方法1 ( 12×12)和方法2 ( 24×24)的滑动窗口,通过比较区域窗口的Sobel算子的函数值来确定I分量的区域新值I',并与经典IHS融合法、球体IHS融合法比较。同时,本文采用了主观和客观两方面相结合的方法对融合影像进行质量评价。

结合多光谱影像由直观目视效果可以看出,本文算法的融合影像相较于IHS法的融合影像而言,融合影像颜色失真的问题有一定的减弱,同时融合影像更加清晰可辨,视觉效果也更加理想。

为了更合理有效的反映融合影像效果,采用了以下的客观质量评价指标[11-17]:

( 2)图像的信息熵H,反映了图像信息丰富程度,信息熵越大图中所包含的信息越多,融合效果越好。

( 4)空间分辨率SF反映了一幅图像空间域的总体活跃程度。

实验的结果如表1所示。

图2、图3为源图像,而图4~图7分别为经典IHS法、球体IHS法、本文方法1、本文方法2的融合影像,并结合以上质量评价参数进行对比分析。

由表1的质量评价参数值可知,本文方法1和方法2相较于经典IHS融合算法和球体IHS融合算法图像的熵值和空间频率都得到了提高,表明本文算法较单一的IHS算法在提高空间分辨率同时,融合影像的光谱信息量也得到更多的保留。而本文方法1和方法2的像素值和平均梯度值与对应的IHS法比较,也有明显提升,说明本文算

表1 不同融合方法的评价参数Table 1 Evaluation of different fusion methods

图2 多光谱影像MulFig. 62Multispectral images Mul

图3 高分辨率影像PanFig. 63High resolution image Pan

图4 基于经典IHS融合影像Fig. 64Fusion image based on the classical IHS

图5 球体IHS融合影像Fig. 65Sphere IHS fusion image

图6 本文方法1的融合影像Fig. 66Image fusion Method No. 1

图7 本文方法2的融合影像Fig. 67Image fusion Method No. 2

法所采用的局部区域的Sobel算子函数值作为选取I分量的标准,融合影像的质量得到明显提升。同时,本文方法1和方法2相较而言,虽然方法2的时间相较于方法1有一定增加,结合表1中的质量评价值综合而言,方法2得到的融合影像的效果相对较好。

4 结论

由实验结果表明,本文提出的基于Sobel算子的球形IHS融合算法取得较好的效果,不仅增加了融合影像的信息丰富程度,同时在提高融合影像的细节信息和纹理特征方面也得到了很好的效果。特别是对于影像的清晰度而言提高尤为明显,这对于后续遥感融合影像的判读、解译以及制图和实际应用都会起到很好的帮助作用。同时对于选取不同局部区域的窗口参数进行了进一步研究,通过实验对比分析了两种不同窗口参数的融合效果,发现level = 24的融合影像效果更好。但是对于不同类别或不同用途的融合影像,要根据具体目的或要求来选取合适的融合窗口参数,在此方面还需要更深入的研究。

参考文献:

[1]孙小丹.基于小波低频分量微调的IHS变换融合法及其应用[J].遥感技术与应用,2011,26 ( 3) : 328-333.

[2]陈春香,长文化,宗学宝,等.基于色彩空间与小波变换的图像融合[J].桂林工学院学报,2007,27( 3) : 417-421.

[3]郭雷,李晖晖,鲍永生.图像融合[M].北京:电子工业出版社,2008: 53-56.

[4]Choir M.A New Intensity-Hue-Saturation fusion approach to image fusion with a trade of parameter[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(6) :1672-1682.

[5]Carper W J,Lillesand T M,Kiefer R W.The use of intensityhue-saturation transformations for merging SPOT panchromatic and multispectral image data[J].Photogrammetric Engineering and Remote Sensing,1990,56 ( 4) : 459-467.

[6]王晓艳,刘勇,蒋志勇.一种基于结构相似度的IHS变换融合算法[J].遥感技术与应用,2011,26( 4) : 670-676.

[7]杜艺,龚循平,林祥国.一种FFT增强的IHS变换融合方法研究[J].测绘通报,2010 ( 10) : 44-46.

[8]杨烜,梁继民,杨万海,等.基于进化策略和IHS变换的图像融合方法[J].电子学报,2001,29( 10) :1388-1391.

[9]贾永红.多源遥感影像数据融合技术[M].北京:测绘出版社,2005: 44-47.

[10]蒋婷,谭跃刚,刘泉.基于SOBEL算子的图像清晰度评价函数研究[J].计算机与数字工程,2008,36 ( 8) : 129-131,191.

[11]魏世超,段先华,夏加星.基于Sobel算子和局部能量的图像融合新算法[J].计算机技术与发展,2012,22 ( 4) : 61-64.

[12]敬忠良,肖刚,李振华.图像融合——理论与应用[M].北京:高等教育出版社,2007: 196-202.

[13]张静,王建明,袁振峰.基于IHS与多进制小波变换的多源遥感影像融合[J].测绘工程,2008,17( 2) : 13-15.

[14]温黎茗,彭力.基于Sobel算子的小波包变换遥感图像融合算法[J].计算机工程与应用,2013,49 ( 3) : 207-209.

[15]Petrovic V.Subjective tests for image fusion evaluation and objective metric validation[J].Information Fusion,2007,8 ( 2) : 208-216.

[16]张丽侠,张力,艾海滨.改进IHS变换的图像融合方法研究[J].测绘科学,2011,36 ( 6) : 149-151.

[17]高颖,王阿敏,王凤华,等.改进的小波变换算法在图像融合中的应用[J].激光技术,2013,37( 5) : 690-695.

Sphere IHS remote sensing image fusion algorithm based on Sobel operator

FANG Shi-min1,WEN Hong-yan1,ZHANG Jing2,3,LI Qiu-feng4
( 1. College of Surveying and Mapping Geographic Information,Guilin University of Technology,Guilin 541004,China; 2. Information Engineering University,Zhengzhou 450002,China; 3. School of Geodesy and Geomatics,Wuhan university,Wuhan; 430072,China; 4. Chongqing University of Posts and Telecommunications,Chongqing,400065,China)

Abstract:A sphere IHS remote sensing image fusion method based on Sobel operator is presented.First,the multispectral image Mul is transformed by IHS transformer and extracts I Component.After that,for different window parameter values ( level) of the new remote sensing images fusion algorithm,eight direction template Sobel edge detection operators are used to calculate the local regional definition of the panchromatic Pan and the local regional definition of the I Component.According to the size of the local regional definition values,the new value of I Component of different parts of images is determined.When compared Method 1 ( level =12) and Method 2 ( level =24) with other fusion methods by experiments,it shows that Method 1 and 2 can effectively enhance spatial resolution while retraining more spectral information and edge details,the performance of the proposed methods is much better.

Key words:IHS sphere; Sobel operator; area definition; remote sensing fusion

通讯作者:文鸿雁,博士,教授,glitewhy@163. com。

作者简介:方世民( 1986—),男,硕士研究生,研究方向:小波、图像处理,fangsm1986@163. com。

基金项目:国家自然科学基金项目( 41461089; 41071294) ;广西“八桂学者”专项经费项目;广西空间信息与测绘重点实验室项目(桂科能130511402; 1207115-06) ;广西矿冶与环境科学实验中心项目( KH2012ZD004)

收稿日期:2014-01-06

doi:10. 3969/j.issn. 1674-9057. 2015. 01. 014

文章编号:1674-9057( 2015) 01-0099-04

文献标志码:A

中图分类号:P237; TP751

引文格式:方世民,文鸿雁,张静,等.基于Sobel算子的球体IHS遥感影像融合算法[J].桂林理工大学学报,2015,35 ( 1) : 99-102.