基于广义亮度调制的陆地卫星ETM..docVIP

基于广义亮度调制的陆地卫星ETM+和SAR图像融合 摘要 本文提出了一种新颖的多传感器图像融合算法，通过亮度调制将多光谱 (MS) 数据的panchrmomatic 锐化扩展到 MS 和合成孔径雷达 (SAR) 图像的一体化。这种方法依赖于SAR纹理，由其低通近似比去噪的 SAR 图像中提取。SAR纹理用来调节 MS 图像的广义亮度（GI），由扩展亮度-色调-饱和度变换到任意数目波段的线性变换给出。在调制前，通过注射根据“à-trous”小波分解从可获得的panchrmomatic 图像提取的高通细节增强GI 。纹理调制 panchrmomatic 锐化GI 替换从重采样的原始 MS 数据计算的GI 。然后，应用逆变换得到融合的产物。一个城市地区的Landsat 7 ETM+和ERS2卫星图像给出实验结果。结果显示，在植被覆盖地区，裸土，及纹理地区 (建筑和道路网) 准确保持光谱，SAR纹理信息增强融合的产物，可有效地进行视觉分析和分类目的。 1 引言 多源图像融合是进行遥感影像数据的一体化产品最复杂的任务之一。红外-可见 (VIR) 图像与合成孔径雷达 (SAR) 图像数据融合是最相关的应用之一。VIR图像中所包含的信息依赖于太阳光照射的目标的多光谱（MS）反射率，而SAR图像的反射率主要取决于表面靶的特性，如粗糙度和湿度，以及照射的电磁辐射的频率和入射角。虽然该解决方案可能不是直接的，给出的数据的物理异质性，VIR和SAR图像数据的融合可能有助于更好地理解成像的场景内所观察到的物体[1]。 图像融合的经典方法，在过去的二十年中，广泛用于通过较高分辨率全色（Pan）观察的MS数据空间增强，都是基于亮度-色调-饱和度（IHS）变换，主成分分析（PCA），高通滤波（HPF）技术和Brovey变换[2]。后者介绍了亮度调制的概念：每一频谱成分（一次三个信道被认为是RGB分量）乘以高分辨率配准的Pan图像到MS数据的亮度的比例。 针对多传感器图像融合的不同方法都是基于决策级融合或多源分类器[3]，[4]。用户往往针对提高融合产品中与应用相关的功能。因此，如在MS和Pan融合的情况下，已开发应用特定的方法而不仅仅使用一般的技术[5]。最近研究高光谱和合成孔径雷达图像融合的挑战性的任务出现有前途的结果[6]。 在本文中，提出了一种新的多传感器图像融合算法，扩展现有的MS数据Pan锐化解决方案[7][8]集成SAR和MS图像。对原始MS数据应用可逆线性变换获得SAR纹理调制广义亮度。调制亮度替代MS数据原始亮度和逆线性变换得到融合的MS图像。 对一个城市和郊区的Landsat-7增强型专题制图仪（ETM+）和欧洲遥感2（ERS-2）卫星图像讨论并得出实验结果。定量测量表明植被的地区，赤裸的土壤及有纹理的区域（建筑物和道路网络）保持非常精确的光谱，其中来自SAR的信息增强了用于显示和分类目的的融合产品。 本文的其余部分是由四部分组成的。第二部分对亮度调制的基本原理进行了回顾，并指出了其依照SAR纹理在MS波段增强中的应用。第三部分概述了整体融合的过程，介绍了其组成部分。第四部分记录Landsat-7 ETM+和ERS-2影像在帕维亚和意大利的有关实验，并讨论随工作参数变化的结果。结论是在第五部分中得出。 亮度调制的概念 关于MS的图像融合方法的一个理想功能是保存光谱信息，作为整个光谱波段的变化，或者有时等价为三波段复合表现的颜色色调，在空间增强后保证。因此，各种方法都是基于以下步骤：1）光谱波段的变换，以全色图像的尺度重采样为IHS的坐标；2）用锐化的全色图像置换平滑I分量；3）逆变换回到光谱域。然而，由于全色图像的低通分量影响融合产品[10]，IHS融合方法[9]可能会在锐化的MS波段中引入严重的辐射畸变（例如，偏置在局部均值）。为了克服这种不便，IHS融合扩展到多分辨率（只有I分量被全色影像的I分量代替）[11]。在恰好三个光谱波段的情况下基于IHS的方法可直接利用。当大量的分量相关[例如，IKONOS和QuickBird有四个光谱波段，包括蓝色，绿色，红色，和近红外（NIR）]，IHS方法应用到三波段，其融合产品用真彩色或假彩色显示。 虽然一般标记方法具有相对光谱的贡献[1]，Brovey变换[2]是基于色度变换[12]，从实践的角度提出了对三波段图像的空间增强亮度调制的概念。Brovey变换可以用于校准的RGB图像，即表达为辐射值，由下面的关系[7]： （1) 其中R，G和B是光谱波段的图像显示为红色，绿色和蓝色通道，P是一个更高的空间分辨率的图像亮度调制，。所有的粗分辨率的数据进行初步重采样到增强的P图像更精细的尺度，这将是最终的融合产品的尺度。如果亮度替代（或调制）图像的频谱范围不同于用于颜色复合三波段覆盖的光谱