APP下载

基于ERDAS IMAGINE软件的谷歌地球影像融合方法研究

2017-12-18王峰洁宋彩民

吉林农业·下半月 2017年12期
关键词:遥感影像

王峰洁 宋彩民

摘要:谷歌地球影像具有高时效性、高空间分辨率等特点。但经过处理后的谷歌地球影像光谱分辨率较差。在林业实际工作中,出于经费等因素的考虑,遥感影像的空间分辨率普遍不高。本文利用ERDAS IMAGINE遥感处理软件,将下载后的谷歌地球影像与实际工作中的低空间分辨率、光谱分辨率较好的遥感影像进行融合处理,再对不同融合方法的效果进行对比分析,从而为谷歌地球影像在林业生产、林业调查等工作中的应用提供了参考。

关键词:ERDAS IMAGINE;谷歌地球;遥感影像;影像融合

中图分类号: TP751 文献标识码: A DOI编号: 10.14025/j.cnki.jlny.2017.24.075

谷歌地球(Google Earth)是一款Google公司開发的虚拟地球仪软件, 其把航天遥感图像、航空照相和GIS布置在一个地球的三维模型上。用户可以通过自己电脑上的客户端软件,免费浏览全球各地的高清晰度卫星图片[1]。从谷歌地球可获取免费的高分辨率影像数据源,可以提供不同分辨率的影像,分辨率最高可达0.15米。但由于这些数据经过事先的处理,已经明显失去光谱和色彩信息,难以满足遥感制图需求。通过将中、低分辨率、多光谱数据与谷歌地球高分辨率影像进行图像融合,图像融合[2]是指把两个或两个以上的传感器获取的某个研究地区的遥感图像或图像序列信息加以综合,并生成新的有关这个研究地区解释的信息处理的过程。综合两种影像的优势,从而产生色彩信息丰富并达到高空间分辨率的融合影像,对于林业实际生产具有十分重要的意义。

本文利用Erdas Imagine9.1遥感图像处理软件所提供的几种融合方法,将空间分辨率为0.5米的谷歌地球遥感数据作为高分辨率图像,空间分辨率为10米的SPOT5多光谱图像作为高光谱图像,对两幅图像进行了融合实验,通过对融合实验结果的分析,希望能够找到谷歌地球图像与SPOT5多光谱图像融合的最佳方法,从而为林业生产提供高空间、高光谱、便于解译的最佳数据。

1 研究方法

以长春市净月经济开发区为研究区域,研究区域位于长春市区东南部,区域面积478.7平方公里,辖玉潭、新湖、新立城三个整建制镇、净月、永兴两个街道办事处和净月潭国家森林公园、新立城水库、汽车文化园,常住人口近40万人。着力建设经济、社会与人口、环境、资源协调发展的长春东南部生态新城。

通过使用谷歌卫星地图下载器获取的遥感图像,得到的是JPG格式的图片,没有坐标与投影信息,需要进行遥感图像间的图像配准。研究区域的多光谱图像为墨卡托投影,西安80坐标系。通过在Erdas Imagine9.1遥感图像处理软件中,以多光谱图像作为基准图像,对谷歌地球影像进行配准,从而使谷歌地球影像达到几何校正的目的。在图像配准时,只有将不同空间分辨率的图像精确地进行配准,才可能得到满意的融合结果[3]。图像配准后,谷歌地球影像的坐标系和投影与多光谱图像一致,为后期的两幅图像之间的图像融合实验做好了准备。

本次利用ERDAS9.1软件所提供的几种融合方法,对谷歌地球影像和多光谱影像进行了融合操作。对融合后的结果从定性分析和定量分析两个方面进行了评价。采用波段均值和标准差两个指标对融合结果分别进行了定量评价[4-5]。本次融合实验所采用的融合方法有主成分变换、IHS变换[6]、乘积法、比值变换[7]、高通滤波法。

2 结果与分析

利用Erdas Imagine9.1遥感处理软件将两幅图像进行融合,原谷歌地球影像及融合后的图像(见图1~图6)。

2.1 定性分析

从融合后的图像上可以看出,在颜色方面主成分变换、乘积法、比值变换和高通滤波这四种融合方法,谷歌地球图像融合后的图像的整体颜色与SPOT5的多光谱影像很接近,而IHS变换融合后的谷歌地球图像的光谱颜色与原多光谱图像的颜色差异很大。高通滤波融合后的影像的不同地物色调饱和度之间差异不明显,肉眼很难进行区分。主成分变换、乘积法和比值变换这三种融合方法,使融合后的影像颜色信息和原多光谱图像的颜色信息更为接近。

2.2 定量分析

对于融合后图像的质量评价,仅利用肉眼进行定性的分析,缺乏合理性,存在一定的主观性。因此,需要对融合后的图像进行定量分析,本次利用ENVI5.3软件来分别计算原谷歌地球影像及各幅融合图像的灰度平均值、标准差。融合后的图像灰度均值如果与原图像的灰度均值接近,则表明融合后图像同原图像的亮度越接近,该融合方法的光谱保真性越好。标准差是指一幅图像各像元的灰度值与灰度平均值的分散程度。标准差值越大,表明该幅图像不同地物的反差越大,越利于判读和识别。图像定量分析各项指标统计值,见表1。

由表1可以看出,比值变换融合后的图像的灰度均值明显变小,也就是说该方法融合后的图像整体亮度偏暗。其余融合方法都会使融合后的图像灰度均值变大,即图像整体变亮,其中乘积法融合后的图像灰度均值为128.49,在灰度亮度为256级的融合后图像上亮度较为适中,亮度效果最好,其次为高通滤波和主成分变换融合方法。在图像标准差方面,主成分变换和比值变换融合后的图像的标准差明显比原谷歌地球影像变小,说明各像元的灰度值与灰度平均值的分散程度较小,各像元灰度值较为集中,不同地物在影像上反差小,不利于判读。而乘积法、IHS变换和高通滤波融合方法的标准差都比原谷歌地球影像明显提高,特别是乘积法和IHS变换融合法的标准方差值都在60以上,标准差数值增幅明显。

3 结论

融合后的图像,从肉眼去看,主成分变换、乘积法和比值变换融合法这三种方法融合后的图像颜色与原多光谱图像颜色相近。

在定量分析方面,综合考虑融合后图像的灰度均值和标准差两项指标,乘积法融合后的图像各项指标最为理想,亮度适中,不同地物之间反差明显。

由于谷歌地球影像的数据源不同,所以不同地区、不同时期的影像融合结果也有可能不同,希望通过以上的分析能为以后类似的研究提供参考与借鉴。

参考文献

[1]熊安华.Google Earth在林业调查规划中的应用研究[J].绿色科技,2012(11):267-268.

[2]POHL C,Van Genderen J L.Multisensor image fusion in remote sensing concepts,methods and application[J].International Journal of Remote Sensing,1998,19(05):823-854.

[3]党安荣,王晓栋,陈晓峰,等.ERDAS IMAGINE遥感图像处理方法[M].北京:清华大学出版社,2003,107-108.

[4]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.

[5]贠培东,曾永年,历华.不同遥感影像融合方法效果的定量评价研究[J].遥感信息,2007(04):40-45,105.

[6]周丽雅.遥感影像融合及质量评价研究[D].郑州:中国人民解放军信息工程大学,2006:17-25.

[7]薛重生,张志,董玉森,等.地学遥感概论[M].武汉:中国地质大学出版社,2011:91-95.

作者简介:王峰洁,硕士,工程师,研究方向:林业管理。endprint

猜你喜欢

遥感影像
基于遥感影像的不同植被指数比较研究
高分遥感影像中道路信息提取方法综述