基于最佳小波包变换遥感影像融合方法.docVIP

基于最佳小波包变换遥感影像融合方法 　　摘要：从遥感影像的频率特性出发，提出了一种基于最佳小波包变换的影像融合方法。根据全色与多光谱影像的频率关系以及二进制小波包变换的特点，确定影像的最佳小波包分解形式；针对影像分解后的区域频率范围与特点进行融合，在融合中采用了基于投票表决法的多特征联合的融合策略，最后经小波包逆变换得到融合结果影像。该方法与传统融合方法进行了主观分析与客观定量比较，结果表明该方法具有良好的融合效果。 　　关键词：遥感；影像融合；最佳小波包变换；投票表决法 　　中图分类号：TP751文献标志码：A 　　文章编号：1001―3695(2007)03―0318―03 　　1引言?? 　　随着卫星遥感技术的发展，许多新型卫星传感器相继升空，为遥感应用领域提供了大量的不同空间分辨率和光谱分辨率的影像产品。多光谱传感器能够获得光谱分辨率高而空间分辨率低的多光谱影像；全色波段传感器可得到空间分辨率高的全色影像。利用影像融合技术能将它们各自的优势结合起来,得到同时具有高光谱分辨率和高空间分辨率的融合影像，有利于充分提取与利用各类遥感影像信息，解决遥感影像自动解译中单一信息源信息量不足的问题。?? 　　近年来，国内外许多学者应用IHS变换、PCA变换、HPF变换、Brovey变换、离散小波变换等不同方法对全色与多光谱遥感影像融合进行了研究[1,2]。随着研究的进一步深入，人们将小波包变换方法引入融合领域。相对于小波变换而言，小波包变换具有更好的时频特性，能对信号进行更精细的分解,可以更好地分离影像空间细节信息，从而有利于影像融合。然而，现有融合算法中小波包的分解形式多采用全小波包分解，且分解层数多以经验值给出，并非针对遥感影像融合的最佳小波包分解形式。 　　 　　1基于最佳小波包变换的融合方法 　　1.1小波包变换原理 　　相对于小波变换而言,小波包变换具有更好的时频特性，它对低频部分与高频部分同时进行小波分解,能够对信号进行更精细的频率分析。小波包定义如下[3]： 　　1.2影像最佳小波包分解?? 　　影像的小波包分解存在多种形式，哪种形式为最佳应取决于具体应用。全色与多光谱遥感影像融合，其目的是将全色影像中代表结构与细节信息的高频成分合理融入到多光谱影像中。在保留多光谱影像光谱信息的同时，提高其空间信息量，因此小波包分解的目的是将影像的高低频率成分进行合理分离，分解时应充分考虑全色与多光谱遥感影像的频率关系。卫星遥感影像实质是卫星传感器对地面物体连续信号在二维空间里进行截取、响应、采样和量化得到的二维数字信号。假设高分辨率全色影像与低分辨率多光谱影像的采样间隔比为??1：n??，由文献[4]可知，多光谱影像的频率域主值区间的截断频率是全色影像频率域主值区间截断频率的1/n。也就是说，如果全色影像的归一化频率域为 　　由此可知，多光谱影像相对于全色影像而言只包含低频成分。由于在实际影像成像过程中还存在其他次要因素的影响，相对于全色影像而言，多光谱影像的实际归一化频率域为?? 　　1.3影像融合算法?? 　　根据全色和多光谱遥感影像的频率关系，对影像进行最佳小波包分解后，按如下融合策略进行融合：取全色影像高频区域Ⅲ为融合影像的高频区域，取多光谱影像低频区域Ⅰ为融合影像的低频区域，利用基于投票表决法的多特征联合策略[5]，从全色和多光谱影像的区域Ⅱ中选取频率成分作为融合影像区域Ⅱ中的频率成分。相对于单特征来说，多个特征进行联合能更全面地反映出区域的特点，因此作为融合判据更为合理。影像的小波包变换系数值是点特征；局部能量、边缘强度、活性测度、归一化矩等是区域特征，其中，局部能量、边缘强度定义如下： 　　具体融合步骤如下：?? 　　（1）以全色影像为参考，将多光谱影像进行几何配准，配准精度在一个像素以内；以几何配准后的多光谱影像为参考，对全色影像进行直方图匹配。?? 　　（2）根据全色影像与多光谱影像的分辨率之比，采用第1.2节提出的方法，对上步处理后的全色影像和多光谱影像进行最佳小波包分解。?? 　　（3）采用第1.3节融合方法按波段次序分别进行融合处理。?? 　　（4）进行小波包逆变换，得到融合结果影像。 　　 　　2实验和结果分析?? 　　实验采用IKONOS4m多光谱3、2、1波段影像和1m全色影像。实验影像及结果如图3所示。其中图3（a）、（b）分别是原始多光谱影像和全色影像，图3（c）―图3（f）分别是IHS法、PCA法、HPF法和本文方法融合影像。从目视判决可知，本文方法在很好地保留光谱信息的同时，较大地提高了多光谱影像的空间分辨率；IHS法和PCA法融合影像中水体和植被有较大的光谱失真；HPF法融合影像中地物的纹理、边缘不够清晰。?? 　　分别从原始影像和本文方法融