基于Bayes线性估计的遥感图像融合.pdf

中国科学E辑：信息科学 2007年第37卷第4期：501-513 中国科学杂志社 SC]ENCi：INCH№PRESS http：／／www．scichina．com—— 基于Bayes线性估计的遥感图像融合 葛志荣1 王 斌1∥ 张立明1 (1．复旦大学电子工程系：2．复旦大学波散射和遥感信息教育部重点实验室，上海200433) 摘要 将Bayes线性估计应用于不同分辨率遥感图像的观测模型中，提出了一 种新的基于统计参数估计的遥感图像融合方法．该方法对于全色波段图像和待估 计的多光谱图像的联合分布不做任何假设，只需要估计高分辨率多光谱图像的均 值和协方差以提高算法的鲁棒性．另外，文中的方法能够提高多光谱图像的多个 主成分的分辨率，而传统的主成分变换方法只限于提高第一主成分的分辨率．实 际的LandsatETM+的垒色波段图像和多光谱图像的融合实验结果表明，所提议 方法的性能优于其他基于统计参数估计的方法和基于主成分变换的融合方法以 及基于小波变换的融合方法． ETM+ 关键词 图像融合Bayes线性估计观测模型Landsat 由于遥感传感器设计的限制，遥感图像一般在空间分辨率和光谱分辨率之间进行折中， ETM+传感 具有高的光谱分辨率的图像一般不具各高的空间分辨率，反之亦然．例如，Landsat 器提供的就是6幅30m空间分辨率的多光谱波段图像和一幅15m空间分辨率的全色波段图 像．在实际应用中，那些同时具有高的空间分辨率和高的光谱分辨率的图像能够有效地提高 图像解译和分类的精度，因此不同分辨率的遥感图像的融合成为研究的热点，尤其是低空间 分辨率的多光谱图像和高空间分辨率的全色波段图像的融合．一般来说，融合后的图像既要 求保留多光谱图像的光谱信息，又要求融入全色波段图像的空间信息． 目前常见的融合方法有基于IHS变换的融合方法【l】和基于主成分变换的融合方法【2’31以及 基于小波变换的融合方法【4’5】．IHS和主成分变换方法对于光谱信息的改变比较严重，而小波变 换方法对于小波基和分解层次的选择比较敏感． 和已观测到的低分辨率图像之间的观测模型，得到了最大后验概率(MAP)意义上的估计．这些 收稿日期：2006-04-28；接受日期：2006—07—01 和上海市自然科学基金(批准号：IMZRl4018)资助项目 ·联系人，E—m删：wangbin@fudan．cdu．cn 中国科学E辑信息科学 第37卷 算法的缺点在于要求先验地假设全色波段图像和待估计的多光谱图像的概率分布服从联合 Gauss分布，并且算法的性能主要依赖于全色波段图像和多光谱图像之间的互协方差矩阵，那 些与全色波段图像相关性不强的多光谱波段的图像往往很难融入全色波段图像的空问信息． 本文提出一种新的基于统计参数估计的算法，用全色波段图像增强多光谱图像的空间分 辨率．所提议的算法不仅引入了待估计的高分辨率图像和已观测到的低分辨率图像的之间的 观测模型，而且引入了待估计的高分辨率图像和已观测到的全色波段图像之间的观测模型， 并且应用Bayes线性模型得到了线性晟小均方误差意义上的高分辨率多光谱图像的估计． Bayes线性估计方法对于全色波段图像和待估计的多光谱图像之间的分布形式没作任何假设， 只需要待估计图像的均值和协方差的知识，因此该方法的性能对于全色波段图像和多光谱图 像之间的统计相关性依赖较小，算法的鲁棒性较好．另外，由于多个观测模型的引入，新方法 能够增强待估计图像的各个主成分的空间分辨率． 性能．在光谱空间和主成分空间上的性能分析表明，新方法优于其他基于统计参数估计的方 法以及常见的基于主成分变换的融合方法和基于小波变换的融合方法． 1原理 1．1观测模型 假设同一地区分别被低分辨率的多光谱波段传感器和高分辨率的全色波段传感器拍摄到． 全