基于IHS变换和亮度调节遥感图像融合方法.docVIP

基于IHS变换和亮度调节遥感图像融合方法 　　摘要:为了能更好地将来自多传感器的遥感图像信息综合起来,在分析了几种典型的遥感图像融合方法后,基于IHS变换和亮度调节的思想探讨了一种新的遥感图像融合方法#65377;通过两组仿真试验将该算法与IHS融合法#65380;基于IHS变换和小波变换相结合的融合方法进行了比较,定性和定量的评价分析表明,提出的融合方法获得了基于IHS变换与小波变换相结合的融合方法相同甚至更好的融合效果,但算法更加简化#65377; 　　关键词:图像融合; 亮度#65380;色度和饱和度变换; 小波变换; 亮度调节 　　中图分类号:TP751文献标志码:A 　　文章编号:1001-3695(2007)04-0195-03 　　随着现代遥感技术的发展,各种对地观测卫星源源不断地提供不同空间分辨率#65380;时间分辨率#65380;光谱分辨率的遥感图像#65377;对于光学系统遥感,影像空间分辨率和光谱分辨率是一对矛盾#65377;一般在一定的信噪比的情况下,光谱分辨率的提高是以牺牲空间分辨率为代价的[1]#65377;为了对观测目标有一个更加全面#65380;清晰#65380;准确的理解与认知,人们迫切希望寻求一种综合利用各类影像数据的技术方法#65377;?? 　　遥感图像融合就是将不同空间与光谱分辨率图像按特定的算法进行处理,使所产生的新图像同时具有原来图像的多光谱特性以及高空间分辨率#65377;传统的遥感图像融合方法主要有IHS变换法#65380;PCA变换法#65380;Brovey乘积法等#65377;这些方法虽然能较好地增加多光谱图像的空间分辨率,但当高分辨率图像与多光谱图像波段之间的光谱响应范围不一致时[2],融合后的影像色彩畸变严重#65377;以ARSIS(Amélioration de la Résolution Spatiale par Injection de Structures)[3]概念为代表的小波变换遥感图像融合方法很好地解决了这个问题,提供了更好的光谱信息#65377;然而融合图像的空间分辨率却不如IHS变换和PCA变换法#65377;为了更好地结合多光谱图像的光谱信息和高分辨率图像的空间信息,María[4]和Zhang Yun等人[5]提出了基于IHS变换和小波变换相结合的遥感图像融合方法;但这种方法也存在对图像配准精度要求高#65380;小波基选择困难#65380;计算相对复杂且所需时间长等问题#65377;?? 　　 　　1典型的遥感图像融合方法?? 　　 　　1.1基于IHS变换的融合方法?? 　　IHS(Intensity,Hue,Saturation)表示亮度#65380;色调和饱和度,是人们认识颜色的三个特征#65377;IHS变换可分为柱体变换#65380;单六角锥变换#65380;球体变换和三角变换四种#65377;IHS 彩色空间变换融合是指首先将RGB彩色图像分解成亮度I#65380;色调H和饱和度S,再用直方图匹配后的高分辨率影像替换I,并进行反变换[2]#65377;对图像融合而言,各种IHS变换方法无明显的差异[6]#65377;?? 　　IHS融合能明显地增加多光谱图像的空间分辨率,但当高分辨率图像与多光谱图像波段之间的光谱响应范围不一致时,融合后的影像色彩畸变严重#65377;?? 　　 　　1.2基于小波变换的融合方法?? 　　小波变换(Wavelet Transform)属于时频分析的一种,其核心是多分辨率分解#65377;对于图像融合,小波变换可以将图像分解成一系列具有不同分辨率特征#65380;频率特征和方向特征的子带信号,并且将图像的光谱特征和空间特征完全分离,从而为不同分辨率图像融合提供了有利条件#65377;?? 　　现有的小波融合算法主要可分为基于抽样的Mallat算法和基于无抽样的átrous算法#65377;基于átrous算法的小波变换与Mallat小波变换相似,但是下抽样这个环节被去掉了,是一种基于多分辨率分解的冗余小波变换#65377;这样经过分解后,分解后的信号大小与原始信号大小是一致的#65377;这种算法可以避免由于抽样而引入的噪声,但数据冗余度大#65377;Mallat算法和átrous算法在融合中的应用其实就是通过用多光谱影像的低频信号部分替换高分辨率全色影像的低频部分,然后把重新组合的频率域信号反变换到时间域,便得到融合的结果影像#65377;这种方法由于不能保证两组信号的幅值一致, 因此结果影像的边缘过渡不自然,出现模糊现象,且小波基选择困难#65377;?? 　　1.3基于IHS变换和小波变换相结合的融合方法?? 　　针对IHS融合和小波融合存在的不足,Ma