测绘与空间地理信息
GEOMA TICS &SPA T I AL I N FORMA TI ON TECHNOLOGY
Vol .32,No .2Ap r .,2009
收稿日期:2009-02-10
基金项目:国家自然科学基金项目(40771195)资助
作者简介:姜 芸(1980-),女,黑龙江哈尔滨人,在读硕士研究生,主要研究方向为遥感影像数据处理及3S 技术应用。
通讯作者:臧淑英(1963-),女,黑龙江哈尔滨人,教授,博士生导师,理学博士,出站博士后,主要从事地理信息系统和土地利用/土
地覆盖变化的研究工作。
多源遥感影像数据融合技术研究
姜 芸1
,臧淑英1
,王 军
1,2
(1.哈尔滨师范大学地理信息系统实验室,黑龙江哈尔滨150025;2.国家测绘局黑龙江基础地理信息中心,黑龙江哈尔滨150086)
摘要:简述了多源遥感影像融合概念以及融合过程、三种融合层次及其优缺点;描述了常用的融合方法及步
骤;探讨了遥感影像评价的主客观标准,并总结了多源遥感影像融合需进一步研究的关键技术,为类似的研究提供借鉴。
关键词:多源遥感影像;数据融合;融合算法;数据预处理;评价指标中图分类号:TP75 文献标识码:B 文章编号:1672-5867(2009)02-0046-05
Research on the Technology of M ulti -source Re mote Sensi n g
I mage Dat a Fusi on
J I A NG Yun 1
,Z ANG Shu -ying 1
,WANG Jun
1,2
(1.G I S Lab of Harb i n Nor ma l Un i versity,Harb i n 150025,Ch i n a;2.He ilongji a ng Geo ma ti cs Cen ter of SBS M ,Harb i n 150086,Ch i n a)
Abstract:It su mmarized the multi p le s ource re mote sensing i m age fusi on concep t as well as the fusi on p r ocess,three kind of fusi on levels,and the advantages and de merits .Then it described the commonly used fusi on method and the step.It als o discussed the subjec 2tive and objective standard f or re mote sensing i m age assess ment .Finally,it su mmarized the key technol ogies in further research f ormul 2ti p le s ource re mote sensing i m age fusi on,p r ovided the reference f or si m ilar research and app licati ons .
Key words:multi -s ource re mote sensing i m age;data fusi on;fusi on arithmetic;data p retreat m ent;evaluati on index
0 引 言
目前,随着遥感技术的发展,由各种卫星传感器获取的同一地区的多源影像数据越来越多,使得遥感系统能够为用户提供同一地区的多空间分辨率、多光谱分辨率、多时间分辨率的海量数据
[1]
。因此,如何把多源海量数
据尽可能地作为一个整体来综合应用,从而充分、有效提取各种类型的综合信息,克服遥感影像自动解译中单一信息源不足的问题,即采用遥感数据融合技术,已成为当前遥感研究的热点问题之一。
多源数据融合是指把来自多个传感器和信息源的数据进行联合(ass ociati on )、相关(coorelati on )、组合(combi 2
nati on )和估值的处理,产生比单一信息源更精确、更完
全、更可靠的估计和判决,以获得满足某种应用的高质量
信息
[2]
,完成一个单一传感器独自所不能进行的推理。
本文将探讨多源遥感影像融合结构及相关技术。
1 多源数据融合的基本理论
1.1 多源影像信息特点
1)冗余性
多源影像包括大量的冗余信息,其融合结果使得系统具有较强的容错性、可靠性、健壮性,减少了不确定性,提供了更高的检测精度,同时,也可以消除不相关的噪声影响,提高检测能力。
2)互补性
从多个不同类型的传感器获得的图像,可以得到更多的互补信息,融合的结果使得多种数据优化整合,提供更多更丰富的信息
[3]
。
不同传感器在观测和处理信息时对其他信息有依赖关系。
1.2 多源影像融合的层次
多源遥感影像数据从层次上可分为:像素级(特征提取之前)、特征级(属性说明之前)和决策级(各传感器属性说明之后)(见表1)。融合的层次决定了对多源原始数据的预处理程度,是信息融合研究的重要问题之一。
1)像素级融合
像素级融合是指像素之间的直接数算,把每个像素孤立地看待,通常是一些简单变换域中的替换和空间域的逻辑或代数运算(包括差值/梯度/比值算、加权运算、多元回归或其他数算)。
优点:最大限度地保留了源图像的信息,在多传感器图像融合三个层次中精度最高,同时也是特征级和决策级融合的基础。
缺点:处理的数据量较大,对图像配准的精度要求高,要求达到一个像素。
2)特征级融合
特征级影像融合属于中间层次上的融合,是对源图像先分别进行预处理和特征(边缘、形状、轮廓、纹理等)选择和提取,然后将其进行综合分析和处理,以实现对多传感器数据的分类、汇集和融合。通过特征级影像融合可以在原始影像中挖掘相关特征信息、增加特征信息的可信度、排除虚假特征、建立新的复合特征等。
优点:实现了可观的信息压缩,加速了图像的解译过程,便于实时处理。由于所提出的特征直接与决策分析有关,因而融合结果能最大限度地给出决策分析所需要的特征信息。
缺点:有些信息会损失,降低了融合的精度。
3)决策级融合
决策级融合是最高层次的信息融合,它是在对影像特征提取基础上,在获得有关区域特征、空间结构、目标状态等决策信息后,再对这些多信息源的图像数据进行融合处理,决策级融合包含了检测、分类、识别和融合这几个过程。其难点是分类特征组合与表达的机理难以量化与统一,这将是今后图像融合的主要发展方向。
优点:①通信及传输要求低;②容错性高;③数据要求低,对传感器的依赖性和要求降低;④分析能力强,能全方位有效反映目标及环境的信息,满足不同应用的需要。
缺点:对预处理及特征抽取有较高要求,所以决策级图像融合的代价较高。
表1 融合层次性能比较
Tab.1 The co m par ison of perfor mance am ong d i fferen t fusi on levels
融合性能信息量信息损失容错性抗干扰性对传感器
依赖性
融合方法预处理分类性能系统开放性
像素级大小差差大难小好差特征级中中中中中中中中中决策级小大好好小易大差好
1.3 数据融合的结构
从数据流形式上来看,数据融合结构可分为3种:并联型数据融合、串联型数据融合、混联型数据融合[2]。
1)并联型结构
并联型数据融合是指所有传感器数据都输入到同一个数据融合中心,原始数据经过匹配处理变换到同一坐标平面,并采用相同的坐标单元分量来处理,通过数据关联来确定观测数据的类型。
优点:结构简明、设计容易、处理简单。
缺点:系统鲁棒性差,中心融合节点一旦损坏,整个系统就不能正常工作,同时对数据通信带宽要求较高,在输入数据量很大时,要求数据融合中心的处理速度快。
2)串联型结构
串联型数据融合是指先将两个传感器数据进行融合,再把融合结果与另一传感器数据进行融合,依次进行下去,直到将所有传感器数据都进行融合为止。
优点:具有系统生存能力强、融合节点之间通信量相对较小等多种优点。
缺点:在对单个数据源进行目标位置、运动速度等估计,生成状态矢量后有信息丢失,特别是原始数据中包含关于信号精度的信息,其在状态矢量中可能仅是近似显示,因此没有并联型数据融合结构精度高。
3)混联型结构
混联型数据融合结构系统包括并联型和串联型数据融合,是并联和串联的综合。对于给定的数据融合应用,没有最佳结构,实际选择时须考虑计算机资源、可用通信宽带、期望精度等因素。
2 融合流程及方法
2.1 融合的基本流程
多源遥感信息融合有三个核心处理步骤,即影像预处理、影像融合和融合效果评价。融合的具体流程如图1所示。
2.2 融合的基本要求
不同类型遥感影像之间的融合处理,必须具备四个条件:①融合影像数据应包括不同空间和光谱分辨率;②融合影像数据应是同一区域;③影像应精确配准;④在不同时间获取的影像中,其内容没有大的变化。
74
第2期姜 芸等:多源遥感影像数据融合技术研究
图1 多源遥感影像融合基本流程图
F i g.1 The ba si c flowchart for m ulti resource
re m ote sen si n g i m age fusi on
2.3 常用的多源影像融合方法
传统常用的算法有:加权平均法、I HS变换法、高通滤波法、B r ovey变换法、主成分分析法、小波变换法等。下面将对常用影像融合算法进行概述说明。
1)加权平均法
加权平均法是对参加融合的源图像不做任何变换或分解,将对应像素的灰度值进行加权平均,合成一幅融合影像。
这种方法优点在于简单易行,适合实时处理,融合速度快,提高了融合图像的信噪比。缺点是平均融合实际上对像素的一种平滑处理,在提高图像信噪比的同时削弱了图像的对比度,在一定程度上使图像的边缘、轮廓变得模糊。并且当融合图像的灰度差异很大时,还会出现明显的拼接痕迹,不利于人眼识别和后续的目标识别过程。
2)I HS变换法
下面以高分辨率的全色图像Spot与低分辨率的多光谱图像Landsat T M融合为例,说明此融合方法的基本思路:
①把分辨率低的多光谱图像T M的R,G,B三个波段,转换到I,H,S空间,得到I,H,S三个分量。
②将高空间分辨率的全色图像Spot进行直方图匹配,使之与T M的I分量具有相同的直方图,然后用高分辨率全色图像Spot替代T M的I分量,得到I
new
。
③将I
new
,H,S转换回RG B空间,最后得到融合结果图像。
I HS变换法虽然实现简单,但也有局限性:①该算法要求替换I分量的高分辨率图像与I之间具有较大的相关性,但是实际中并不能满足,如果相关性差,即使进行了直方图匹配,也可能带来很大的光谱扭曲现象,得不到好的融合效果[4]。②只能选择多光谱图像的三个波段作为融合的数据,在一定程度上降低了高光谱、超光谱图像数据的利用程度。
3)高通滤波法(HPF)
高通滤波法是把高分辨率影像进行傅里叶变换从空间域变换到频率域,在频率域内对傅里叶图像进行高通滤波,获得图像的高频信息(细节和边缘等),然后将高频信息逐像素叠加到低空间分辨率多光谱影像上。
与I HS变换法相比,HPF融合很好地保留了原多光谱图像的光谱信息,但其不足之处在于融合结果受所选滤波器影响较大,如何选取滤波器是个难题。
4)B r ovey变换
B r ovey变换又称色彩标准化,是一种比较简单的融合方法,是由R.L.B r ovey建立模型并推广而得名。是将多光谱波段(红、绿、蓝)归一化,将高分辨率影像与多光谱各波段(通常取三波段)相乘完成融合。
与I HS变换法相比,B r ovey变换法简化了图像转化过程,又保留了多光谱数据的信息,提高了融合图像的视觉效果,但是B rvey变换法要求高分辨率全色波段和多光谱波段的光谱响应范围要一致或相近,从而了遥感数据的融合,存在着融合图像受噪点影响大、高分辨率影像零星细节保留过多等缺点。
5)主成分分析(PCA)法
主成分分析也称为Karhunen-l oeve(K-L)变换,此方法是在舍弃相关性较差的次要成分后,进行反变换所恢复出图像(如图2所示),是对原真实图像统计意义的
最佳逼近。
图2 基于PCA的影像像融合流程
F i g.2 I mage fusi on flowchart ba sed on PCA m ethod
优点:具有融合速度快的特点;经过融合的影像保留了原影像的高频信息,目标的细部特征更加清晰,光谱信息更加丰富。局限性:①高分辨率影像经过直方图匹配后虽然与第一分量具有高相似性,但融合后的影像在空间分辨率和光谱分辨率上会有所变化。②由于光谱信息的变化,使融合图像不能用于地物识别和反演工作。
6)小波变换法
小波变换的基本思想是对多源影像进行小波分解,分别得到影像的低频轮廓信息和原信号在水平方向、垂直方向、对角方向的高频部分的细节信息,并且每一次分解均使得信号的分辨率降为原来的1/2,然后在不同特征域内应用不同的融合规则进行融合,构成新的小波金字塔结构,最后进行小波逆变换,得到融合后的影像,其过程如图3所示。
优点:①多尺度、多分辨率的特点;②具有时域和频域的局部性;③具有方向性;④不产生冗余数据。
3 遥感数据预处理
3.1 波段优化组合
波段的组合优化要遵循两个原则:一是所选各波段
84 测绘与空间地理信息 2009年
图3 小波变换图像融合过程
F i g.3 I mage fusi on flowchart ba sed on wavelet
tran sfor ma ti on m ethod
的相关性要尽量的小;二是要选择信息量大的波段。评价波段组合的优劣,主要有目视判定和定量分析两个方法。目视判定法直接对波段组合后的影像进行主观判断;定量方法主要有最佳指数因子法(O I F)、雪氏嫡值法和其线性组合法等。
3.2 图像几何校正
图像几何校正是把遥感图像转换到某种地图上或投影到另一个图像坐标上去,使其符合地图投影系统的过程。其目的是使各种遥感图像与地形和地质图相互配准,便于对遥感图像进行分类识别和综合分析[5]。
几何校正可分为两种:
1)几何粗校正
根据卫星轨道公式将卫星的位置、姿态、轨道及扫描特征作为时间函数加以计算,来确定每条扫描线上像元坐标。
2)几何精校正
由于遥感器的位置及姿态的测量值精度不高,还需要利用地面控制点和多项式校正模型,进行几何精校正。
从遥感地面站获得的图像已经经过了粗校正,为了使遥感图像的几何精度符合要求,还须利用地面控制点作进一步进行几何精纠正和辐射纠正以消除这些影响,其配准误差不大于0.5个像元。
3.3 图像配准
图像配准就是对从不同传感器、不同时相、不同角度所获得的两幅或多幅影像在变换空间中寻找一种特定的、最优的变换,使影像达到某种最佳匹配的处理过程。
对于多源遥感图像而言,配准是指将来自同一目标区域、在相同时间或不同时间、不同视角、由相同或不同传感器获取的两幅或多幅图像数据在相同坐标系下进行空间位置的最佳叠合。几何校正与图像配准都需要选择足够的地面控制点,且需分布均匀,才能达到比较好的效果[6]。
4 多源影像融合评价体系
目前,对于融合图像结果的评价仍然没有统一的标准,传统的对于融合结果的评价分为主观评价和客观评价,一般结合起来使用。主观评价通过目视效果进行分析,客观评价利用图像的统计参数进行判定。
4.1 主观评价标准(见表2)
主观评价就是以人作为观察者,对图像的优劣做出主观定性评价。主观评价常用的方法是选择一组评价者给待定评价的图像进行打分,然后对这些打分者进行平均,获得一个主观评价分。
表2 评价标准表
Tab.2 The st andard of a ssess m en t 分数质量尺度妨碍尺度
5分非常好丝毫看不出图像质量变坏
4分好能看出图像质量变坏,并不妨碍观看
3分一般清楚地看出图像质量变坏
2分差对观看有妨碍
1分很差非常严重地妨碍观看
4.2 客观评价标准
主观评价易受到人的主观因素的影响,而客观评价能克服,因此只有建立定量评价方法和准则,才能对融合方法做出客观、科学的评价。但当前影像融合的客观评价也一直没有得到很好的解决,因为相同的融合算法,对于不同类型的图像,其融合效果不同;不同的应用要求,图像参数选择不同,选择的融合方法不同,其效果也不同。目前,常用的客观评价指标主要有以下几类:
1)均值与标准方差
均值是亮度的平均值;方差反映的是灰度值相对于均值的分散情况,方差值越大,表明图像的灰度范围越趋于分散,图像的信息量也越大。
μ=1
n
∑n
i=1
x i
σ2=1
n-1
∑n
i=1
(x
i
-μ)2
式中:n表示图像总的像素的个数,x
i
为第i个像素的灰度值。
2)信息嫡
图像信息嫡反映了图像携带信息量的多少,嫡值越大,说明携带的信息量越大。对于灰度范围{0,1,…,n-1}的图像直方图,其信息嫡定义为:
H=-∑
n-1
i=0
p i ln p i
式中:P
i
为灰度值等于i的像素数与图像总像素之比,n为灰度级总数。
3)清晰度
图像清晰度用梯度算法来衡量,图像的梯度由下式确定:
珔g=1
n
∑(ΔI2x+ΔI2y)/2
其中,ΔI
x
与ΔI
y
分别为x与y方向上的差分,n为图
94
第2期姜 芸等:多源遥感影像数据融合技术研究
像的大小,珔g 越大表明图像的清晰度越高。
4)灰度变化指数
灰度变化指数用来评价融合图像能否较好地保留融合前多光谱图像的色彩,也就是能否较好地保持融合前多光谱图像的光谱信息。其表达式为:
GV i =
1
m ×n
∑jk
D
2ijk
其中,j ,k 表示矩阵D i 的行列号,m ,n 分别为图像的行数和列数。
5)相关系数
相关系数可以用来度量两幅图像之间的相关程度。其表达式为:
C =
∑i,j
[(f
i,j
-μf )×(g i,j -μg )]
∑i,j
[(f
i,j
-μf )
2
]×∑i,j
[(g
i,j
-μg )
2
] 其中,f i,j 和g i,j 分别为(i,j )点的灰度值,μf 与μg 为两幅图像的平均灰度值。
5 多源影像融合关键技术及研究热点
虽然很多的学者对多源影像的融合已经进行了大量的研究,但是关键性的问题依然困扰着我们,还需要继续深入地研究。
1)图像配准方法的研究,特别是两幅/多幅图像自动
配准技术的研究及硬件实现与根据典型特征提取控制点的研究;
2)建立图像融合理论的统一框架的研究,数据融合
算法趋向于把知识理解和统计信息相结合,以及多传感器或多时相数据的特征融合处理,今后还将向智能化、实时化方向发展。
3)主观和客观相结合的融合图像质量评价标准和方
法的研究,融合性能评估,一直以来都是研究的重点,但始终很难找到一种通用的算法,今后的研究重点应放在针对不同的应用目的,研究一种或多种适宜的评估算法,该算法能够准确评价一种融合算法的性能,指出优化多
源遥感数据融合的策略
[8]
。
6 结束语
总体来说,多源数据融合还是一门新兴和迅速发展的领域,虽已开展了大量激动人心的研究,并在军事指挥和控制,机器人技术,图像处理,空中交通管制,医疗诊断,模式识别和环境监测中都得到了广泛应用,但是由于图像数据源的丰富性和复杂性,加之各类应用目的的不同,因此很难建立一个统一的图像融合理论和方法系统,每一种融合方法都有各自的局限性。图像融合涉及复杂的融合方法、概念、实时图像数据库技术和高速、大吞吐量数据处理软、硬件支撑技术,因此还需要进行大量的深入研究。
参考文献:
[1] 韩玲.基于信息融合的遥感图像处理方法研究[D ].西
安:西北大学博士学位论文,2005.
[2] 贾永红.多源遥感影像数据融合技术[M ].北京:测绘出
版社,2005.
[3] 刘卫光.图像信息融合与识别[M ].北京:电子工业出版
社,2008.
[4] 李晖晖.多传感器图像融合算法研究[D ].西安:西北工
业大学博士学位论文.2006.
[5] 赵正勇.针阔混交林T M 遥感图像自动分类识别技术研
究[D ].哈尔滨:东北林业大学硕士学位论文,2005.
[6] Kovacevic J,Vetterli M.Perfect reconstructi on filter banks
w ith rati onal sa mp ling fact ors [J ].I EEE Trans .on Signal Pr ocessing,1993,41(6):2047-2066.
[7] 姚敏.数字图像处理[M ].北京:机械工业出版社,2006.[8] 袁传武,柯尊胜,陈双田,等.多源遥感数据融合原理与
模型结构及应用[J ].西南林学院学报,2007,27(5):14
-17.
[9] 翁永玲,田庆久.遥感数据融合方法分析与评价综述
[J ].遥感信息,2003,(3):49-54.
[责任编辑:李 颖]
(上接第45页)
参考文献:
[1] 许小黔.基于M apGI S 地质图件数字制图技术[J ].西部
探矿工程,2006,18(1):94-96.
[2] 刘九亮.M apGI S 数字化制图的经验和技巧[J ].测绘通
报,2002,(8):61-63.
[3] 赵华甫,吴克宁,路婕,等.M apGI S 在编制土地开发整理
规划成果图中的应用[J ].国土与自然资源研究,2004,
(3):33-34.
[4] 李妩巍.MapGI S 在地质制图中的应用[J ].铀矿地质,
2005,21(6):370-375.
[5] 汪玉琼,赵传明.MapGI S 制图经验二则[J ].地矿测绘,
2003,19(2):39-40.
[6] 陶红.基于MapGI S 的西安地裂缝分析应用[J ].地球信
息科学,2005,7(3):34-38.
[7] 张世全,陈伟强,吴训伟,等.M apGI S 在土地开发整理项
目规划中的应用[J ].测绘科学技术学报,2007,(24):
41-46.
[8] 张淑环,张梅芬,黄朝晖.MapGI S 在数字制图及地质研
究中的应用[J ].青海国土经略,2007,(6):23-26.
[责任编辑:王丽欣]
5 测绘与空间地理信息 2009年下载本文
