一种多光谱影像与全色影像的i分量计算方法.docxVIP

一种多光谱影像与全色影像的i分量计算方法 1 多光谱融合方法 由于卫星空间和卫星地面观测数据的传输速度受到限制，各国发送的资源卫星采用了互补观测方法，即高光谱分辨率低空间分辨率图像和低光谱分辨率高空间分辨率图像。例如，陆地行李-7卫星、spot-5卫星、ikonos卫星和扫描卫星卫星有几种高光谱分辨率和低光谱分辨率的多光谱段，以及高光谱分辨率低空间分辨率的全色段。但一些现实应用却需要影像同时具备高空间分辨率和多光谱特征,以此来提高应用水平、加强信息的可靠性及更好的视觉解译,如土地利用覆盖分类、地物特征探测等。基于这一原因,将高空间分辨率的全色影像与低空间分辨率的多光谱影像进行融合以产生高空间分辨率的多光谱影像就显得很有必要。 从20世纪80年代至今,许多方法被用来融合多光谱影像与全色影像,如HIS(Hue Intensity Saturation,HIS)、PCA(principal Component Analysis,PCA)、BROVERY、高通滤波、小波变换等。从融合效果分析,有视觉增强型与真值逼近型,如基于统计性质的、以影像的清晰度等为评价指标的增强型影像融合,这类融合结果主要用来满足人们的视觉感知;真值估计性的融合应当符合Ranchina等提出的在ARSIS概念下的融合要求,即:(1)融合谱影像一旦退化到原空间分辨率,应该与未融合前多光谱影像尽可能一致;(2)融合影像应该与具备同等空间分辨率的传感器所获取影像尽可能一致;(3)融合影像集合应该与具备同等空间分辨率的传感器获取的影像集尽可能一致。从应用的角度看,如土地利用分类,真值估计型的融合更加符合实际需要,即在获取高空间分辨率多光谱融合影像的同时,要尽可能使融合影像符合地面真实情况,不宜有意突出某些地面特征而压制其它信息,这也是本文方法融合的目的。 在众多的融合方法中,基于HIS变换的融合方法是常用方法之一,已被集成到ENVI、ERDAS、PCI等遥感影像处理软件中,其优点是计算简单,可以很好地将全色影像的空间细节信息注入多光谱影像,但是其对多光谱影像光谱特性的扭曲也非常明显。Te-Ming Tu等对常用HIS变换公式进行了改进,用矩阵加法运算替换了矩阵乘法运算,将融合范围扩展到多于三个波段的融合,并针对IKONS多光谱与全色影像的融合对HIS空间中I分量的计算重新定义,以缩小光谱扭曲程度;Myungjin、Te-Ming Tu等对这一成果进行修正,加入了一个调节参数,用以控制空间细节的注入程度,使得融合结果介于标准HIS变换与BROVERY之间。以上关于HIS变换融合方法的研究都基于一个思路,即与多光谱影像具有相同空间分辨率的全色影像(即低空间分辨率全色影像)可通过多光谱影像来线形合成,然后用高空间分辨率全色影像进行替换,从而注入空间信息完成融合。然而,根据星载传感器的光谱反应曲线,全色影像与多光谱影像之间并没有明显的关系,即使有某种关系,也一定不是线性关系,并且通过设置平衡参数,以损失空间细节保持光谱信息也违背了ARSIS概念的第二条原则。基于这种情况,假定同等空间分辨率的全色影像与多光谱影像之间存在固定不变的线性关系显然是不合理的,为此本文提出一种针对HIS变换融合法的改进措施,从数据的整体角度来考虑多光谱影像与全色影像的关系,利用多光谱影像与全色影像的统计关系来动态地确定多光谱影像在合成低空间分辨率全色影像中的权重,最大限度的逼近全色影像,从而减小HIS变换方法在融合中的光谱扭曲。 2 本文件的方法 2.1 不同浓度pan-in利-b-n 为了提高HIS方法对多光谱与全色影像的融合速度及扩大应用范围,Te-Ming Tu等对传统的HIS变换方法进行了改进,建议用下式进行融合计算: 其中Rnew、Gnew、Bnew为融合后的影像,P为全色影像,R、G、B为待融合的多光谱影像三个波段,被上采样到与全色影像同样大小,I=(R+G+B)/3为多光谱波段合成的HIS空间灰度分量,δ=P-I为待融入的信息。式(1)能够同传统HIS融合法产生同样的融合效果,即在将全色影像的空间信息有效注入多光谱影像的同时,也会引起很大的光谱扭曲。从式(1)可以看出,融合影像的光谱扭曲主要取决于δ=P-I,如果P与I包含的光谱信息足够接近,那么它们的差值δ仅为空间结构信息,融合后就不会产生大的光谱扭曲,而标准HIS变换所产生的光谱扭曲主要原因在于P与I包含的光谱信息差距过大,这一点可以从图1看出,IKONOS卫星的Pan影像带宽远远超出了3,2,1波段组合在一起的带宽。考虑到IKONOS卫星的全色影像还覆盖了近红外波段,Te-Ming Tu等对式进行了修正(Generalized Hue-Intensity-Saturation,GHIS),结果如下式: 其中NIRnew为融合后的近红