【微课堂】高分二号卫星影像融合方法
高分二号（GF-2）是我国高分辨率对地观测系统重大专项中的首颗“亚米级”卫星，极大地提高了我国高空间分辨卫星影像的自给率。遥感影像融合是高分辨遥感处理和应用的关键流程。
本文选择北京、大连和福州地区GF-2影像，采用彩色标准化变换（Brovey）法、相位恢复（Gram-Schmidt）法、色度空间变换（HSV）法、主成分变换（PCA）法和超分辨率贝叶斯（Pansharp）法共5种融合方法对实验区影像进行融合实验，首先对5种融合结果进行目视效果评价，然后构建了标准差、信息熵、平均梯度、相关系数和扭曲程度5个指标对融合结果进行定量评价。
结果表明：PanSharp法在图像信息、细节以及光谱都具有较好的保持效果，Gram-Schmidt和PCA次之，HSV和Brovey色彩失真较明显，该结论可为GF-2卫星影像科研和工程应用提供参考。
自我国实施高分辨率对地观测系统重大专项以来，相继发射了高分一号（GF-1）、高分二号（GF-2）、高分三号（GF-3）等高空间分辨率卫星，极大满足了我国高空间分辨率遥感数据应用的需求，扭转了长期来我国高分遥感监测长期依赖国外商业卫星的局面。随着高空间分辨率遥感卫星的快速发展，如何充分利用影像的空间信息和光谱信息已经成为高分遥感处理和应用的重要问题，利用高空间分辨率全色影像和低空间分辨率多光谱影像进行遥感影像融合是解决该问题的可行途径。
1数据与预处理
GF-2卫星是我国高分辨对地观测重大专项中的首颗空间分辨率突破1m的卫星，已成为高分卫星技术体系的重要组成部分，将满足我国极大的高空间分辨率卫星数据需求。GF-2卫星PMS传感器的主要载荷技术指标如表1，其搭载有1个全色和4个多光谱波段，全色影像星下点空间分辨率为0.8m，多光谱影像星下点空间分辨率为3.2m，本文影像波段为Band3（R）Band2（G）Band 1（B）真彩色组合。
表1 GF-2卫星PMS传感器主要载荷技术指标
2融合算法
遥感图像融合是将不同空间或者光谱分辨率的遥感图像，按照一定的规则或算法进行运算处理，生成高分辨率多光谱图像，该图像具有比单一数据更精确、更丰富的信息。目前常用遥感图像融合算法主流商业软件都有集成，本文选取Brovey、Gram-Schmidt、HSV、PCA和Pansharp法5种常用的融合方法进行试验对比。
(1)Brovey。Brovey称为彩色标准变换融合，该方法是将RGB图像中各波段乘以高分辨率数据与RGB图像波段综合的比值，然后利用最邻近、双线性或者三次卷积将3个波段重采样到高分辨率像元尺度下，获得高分辨率多光谱图像。
(2)Gram-Schmidt。Gram-Schmidt为光谱锐化影像融合，其步骤是首先采用光谱重采样的方法模拟产生第一分量，通过Gram -Schmidt变换将多光谱影像转换到正交空间，再利用高空间分辨率影像替换第一分量，最后通过Gram -Schmidt反变换获得融合影像。
(3) HSV。HSV是将影像从RGB空间变化到HSV色彩空间，然后用高分辨率全色影像替代亮度波段，将多光谱自动进行重采样到高空间分辨率，进而将图像变换回RGB色彩空间，形成融合影像。
(4) PCA。PCA是将低分辨率的多光谱信息进行主成分变换，将高分辨率全色波段匹配拉伸到第一主成分，然后将高分辨率图像替代多波段图像的第一主成分，最后进行主成分逆变换，生成具有高空间分辨率的多光谱融合图像。
(5)PanSharp。PanSharp的原理是基于最小二乘法估算原始多光谱影像和全色影像之间的灰度值关系。采用最小方差技术对参与融合的多光谱波段进行灰度值调整，达到减少色差的目的，保持影像高保真效果，该算法利用一系列统计运算，提高融合流程的自动化。
3融合结果与评价
为便于显示，将图像重采样为5cm×5cm大小，分辨率为400像素/英寸，与融合后影像相比，显示图像缩小约2.6倍。实验区域原始多光谱影像和5种融合结果如图1、图2和图3所示。与原始多光谱图像相比，融合后图像地物边缘信息都得到增强，各类地物的纹理信息明显清晰。
对比融合前后图像的色彩信息，采用Brovey方法融合后，影像色彩失真较明显，植被和水体颜色与原始影像偏差较大，其中图1（b）中融合后植被为青蓝色，与原始绿色植被差异显著。图2（b）中水体颜色显黑色，与图2（a）原始影像的绿色水体相比，失真较明显。
Gram-Schmit方法与原始影像多光谱信息比较接近，色彩失真较小，并且可以清晰地辨别地物的细节信息，特别是建筑物的边缘以及轮廓信息，如图3（c），不同实验区融合效果均较好。
HSV方法获得的影像颜色与原始影像差异较大，影像亮度较原始影像高，光谱保真度较低，其中图1（d）中植被色彩失真最为明显，影像的层次感得到一定程度增强。
PCA方法色彩也存在一定程度失真，主要为植被区域，水体、建筑和裸地色彩与原始影像较一致，影像的空间信息得到较大提升。
Pansharp方法融合结果在各类地物上与原始影像色彩较接近，在植被和水体保真度较高，但对于集装箱色彩保真较低，该方法对于影像空间细节信息有较大程度较高。
对比5种方法融合效果目视评价，都能较大程度提高影像空间细节信息，但Brovey和HSV对于色彩失真明显，Gram-Schmit、PCA和Pansharp方法色彩保真效果较好，但针对不同地物光谱保真效果存在差异。
图1 北京地区融合效果对比
图2 大连地区融合效果对比
图3 福州地区融合效果对比
在目视评价后，进一步采用5种定量图像评价指标对融合后图像进行对比分析，北京、大连和福州三个实验区指标计算结果分别如图4、图5和图6。
图4 北京地区融合效果评价指标
图5 大连地区融合效果评价指标
图6 福州地区融合效果评价指标
标准差反映图像灰度值分散程度，Pansharp方法标准差在各实验区均较高，且其标准差大于原始多光谱影像，故地物可分性较好；Gram-Schmit与PCA方法的标准差较Pansharp略低，但也较接近原始影像；HSV方法的标准差变化较大，不同实验区有所差异，在大连实验区标准差最大；Brovey方法的标准差在各实验区均较小，地物可分性较差。
信息熵衡量图像所含信息量大小，Pansharp 、Gram-Schmit、PCA的信息熵都较高，且均接近原始多光谱影像，说明这三种方法产生的图像信息都比较丰富，而HSV、Brovey方法所含的图像信息要比前面3种融合方法低。
平均梯度表示图像细节信息丰富程度，原始影像平均梯度最小，这是因为其空间分辨率较低，
其它4种融合方法影像空间细节细节信息得到增长，因此平均梯度较大，其中Pansharp方法的平均梯度最大，Gram-Schmit、PCA次之，HSV在各实验区变化较大，在大连实验区最高。
相关系数是衡量图像光谱保持能力的指标，Pansharp 、Gram-Schmit、PCA方法的相关系数差异较小，在北京和福州实验区Pansharp法相关系数高于其它两种方法，说明其能够较好地保持原有多光谱图像的光谱特征。Brovey在B1、B2波段的相关系数要比HSV稍高，而在B3波段的相关系数比HSV差。
扭曲程度指标是表示融合图像与原始图像的光谱差异，Pansharp 、Gram-Schmit、PCA方法的扭曲程度相对较低，其中Pansharp最小，说明这3种方法对影像光谱保真度较好。而Brovey、HSV的扭曲程度较大，其光谱保真度较低，图像融合效果差。
综合以上5个定量指标分析结果，PanSharp在地物可分性、图像整体信息量、局部细节信息和图像光谱保真度以及光谱相似性5个指标总体评价较好，Gram-Schmit与PCA在这5方面的能力次之，而HSV仅在地物可分性方面效果较好，Brovey融合后图像的信息丢失较多，尤其在图像光谱保真度和图像细节信息上。
采用Brovey、Gram-Schmit、HSV、PCA、和Pansharp 5种融合方法对GF-2卫星PMS影像全色和多光谱影像进行融合实验，并从目视效果和定量指标两个方面进行评价，得出以下结论：
1）从目视效果上Pansharp 、Gram-Schmit和PCA 3种融合方法较其它融合方法整体效果好。
2）从图像中地物的可分性来看，Pansharp效果比原始多光谱影像还要好。从图像信息量保持能力上，Pansharp 、Gram-Schmit和PCA融合方法在3个波段上都能保持较好的效果。在图像细节信息丰富程度上，PanSharp平均梯度指标优于其它融合方法。从光谱的保真度上看，PanSharp方法融合结果最能保持原始图像光谱信息。从光谱相似性来看，Pansharp 、Gram-Schmit和PCA的扭曲程度要小于Brovey和 HSV。
3）综合目视效果和定量指标2个方面评价，Pansharp融合方法整体效果较好，Gram-Schmit和PCA在影像的色彩保真上也具有较好的效果。
以上内容发表在2017年5月《科学技术与工程》第17卷第15期，作者中国遥感卫星地面站江威、何国金、 倪愿等。
相关阅读