CN1244885C - 基于局部统计特性和彩色空间变换的遥感影像融合方法 - Google Patents

Abstract

一种基于局部统计特性和彩色空间变换的遥感影像融合方法，在对多光谱影像进行IHS变换的基础上，利用遥感影像的统计特性，对多光谱影像I分量进行低通滤波，同时对高空间分辨率的全色遥感影像进行高通滤波，通过局部窗口直方图匹配，把高分辨率全色影像的像素值按像素点的位置，逐像素进行灰度映射，得到融合后的I分量，再进行IHS逆变换，得到融合结果。本发明在很好地保持多光谱影像的光谱信息的同时，提高了多分辨率遥感影像的空间分辨率，融合结果不仅对地物特征更精确的描述，使它们更适合于各种应用，而且根据它们原始光谱标志，更容易解译。

Description

基于局部统计特性和彩色空间变换的遥感影像融合方法

技术领域：

本发明涉及一种基于局部统计特性和彩色空间变换(IHS变换)的遥感影像融合方法(LSC法)，是图像分析领域中的一项像素级图像融合方法，在农业、军事等领域中有着广泛的应用。

背景技术：

随着遥感技术的发展，现代遥感系统已能为用户提供多种高空间分辨率、波谱分辨率和时间分辨率的图像数据，遥感技术的应用逐步从单一传感器数据的分析应用转向多波段、多传感器、多平台、多时相、多分辨力数据的综合分析与应用。

高分辨率卫星影像的获取目前可以以两种不同方式进行：一种是高空间分辨率全色方式，另一种是高光谱分辨率的多光谱方式。全色影像的特征是具有很高的空间分辨率，特别适合于中比例尺制图应用和城市分析；多光谱影像提供地物丰富的光谱信息，适合于小比例尺专题制图(如土地用图制图)。为了将全色影像的高空间分辨率与低分辨率多光谱影像的基本光谱信息的各自优势富集起来，可将这两类影像进行融合，得到的影像应具有较高的几何信息内容，同时仍保持了良好的光谱信息质量。所采取的融合方法不应使原始多光谱影像的光谱特性发生畸变，保证在原始数据中光谱可分的那些目标在融合影像中仍然是可分的。这样的融合结果不仅允许对地物特征更精确的描述，使它们更适合于各种应用，而且根据它们原始光谱标志，更容易解译。研究证明，光谱信息的保留特别适用于植被分析和城市制图

将高空间分辨率的影像和多光谱影像(低分辨率)进行融合，这一技术中传统的方法有：IHS变换法、PCA(主成分分析)变换、HPF(高通滤波)方法等。在光谱信息保护方面，HPF方法融合效果比IHS变换法、PCA变换都要好。其基本思想是首先对多光谱影像进行IHS变换，然后将高分辨率影像中的几何信息逐像素地叠加到低分辨率影像中而进行融合。高分辨率影像的高通滤波分量，对应于影像空间的高频分量，叠加到低分辨率影像上，高分辨率影像的高几何信息内容在融合结果中显而易见。高通滤波法在融合过程中，直接用多光谱影像的I分量进行融合，使光谱信息发生了变化。融合影像的可以改进目视判读的效果，提高分类制图的精度，但是它不能用于地物识别和反演工作。

发明内容：

本发明的目的在于针对现有技术存在的不足，提供一种基于局部统计特性和IHS变换的遥感影像融合方法，在提高多光谱影像空间分辨率的同时，更好地保留多光谱影像的光谱信息。

为实现这样的目的，本发明技术方案的创新点在于：对多光谱影像进行IHS变换的基础上，利用遥感影像的统计特性，对多光谱影像I(强度)分量进行低通滤波，去除掉多光谱影像中的空间结构信息，保留多光谱影像中的光谱信息，同时对高空间分辨率的全色遥感影像进行高通滤波。通过对两幅经过滤波的遥感影像进行局部窗口直方图匹配，把高分辨率全色影像的像素值按像素点的位置，逐像素进行灰度映射，得到融合后的I分量，再进行IHS逆变换，得到融合结果。为了使融合影像尽可能保留原低分辨率多光谱影像的光谱信息，映射过程中局部窗口影像应保持原低分辨率多光谱影像的对应局部窗口的均值与方差。

本发明的遥感影像融合方法包括如下具体步骤：

1.对多光谱影像进行IHS变换，得到多光谱图像的I分量。在IHS空间中，保留H、S分量不变；

2.用高斯低通滤波器对多光谱影像I分量进行滤波，去除掉多光谱影像中的空间结构信息，保留多光谱影像中的光谱信息。在滤波过程中，对用于滤波的小窗口中的每个像素取不同的权值。权值是根据小窗口每个像素点与中心位置像素点的距离的大小，用高斯曲线拟合出来的，并进行归一化处理，归一化处理是为了保证滤波前后小窗口内的均值和方差没有太大变化；像素点远离小窗口中心像素点时用小的权值，反之用大的权值；

3.用高通滤波器对高分辨率影像进行滤波，高通滤波器窗口大小与步骤2中低通滤波器所用的窗口大小保持一致；

4.对两幅经过滤波的遥感影像的直方图进行匹配，完成影像的融合。匹配的过程就是把高分辨率全色影像的像素值进行灰度映射，得到融合后影像的I分量。在映射过程中，根据遥感影像的统计特性，使融合后局部窗口影像的I分量保持原低分辨率多光谱影像的I分量对应局部窗口的均值与方差；

5.把融合后的强度影像I′与原多光谱影的H、S分量经过IHS彩色逆变换，即可获得融合后的多光谱影像。

本发明的图像融合方法采用低通滤波器对低分辨率影像进行滤波，全色影像的局部均值和方差值与原始低分辨率光谱影像的相应值进行匹配，同时顾及了高分辨率全色影像的空间信息和低分辨率影像的原始光谱信息，融合影像高分辨率结构信息来自于高分辨率全色影像。融合的影像在很好地保持多光谱影像的光谱信息的同时，提高了多分辨率遥感影像的空间分辨率，融合结果不仅对地物特征更精确的描述，使它们更适合于各种应用，而且根据它们原始光谱标志，更容易解译。

具体实施方式：

为了更好地理解本发明的技术方案，以下对本发明的实施方式作进一步描述。各部分具体实施细节如下：

1.对多光谱影像进行IHS变换：

用常用的IHS变换方法对多光谱影像进行处理，把多光谱影像变换到IHS空间，得到多光谱影像的I、H、S三个分量；在IHS空间中，保留H、S分量不变，对I分量进行处理。

2.用高斯低通滤波器对多光谱影像I分量进行滤波

1)采用大小为w×h的窗口，根据公式(1)对多光谱影像进行滤波(实际计算中，窗口大小可以取为5×5、9×9、15×15等)。

$\stackrel{\‾}{L}(i,j;w,h)=\underset{i=1}{\overset{w}{\mathrm{\Σ}}}\underset{j=1}{\overset{h}{\mathrm{\Σ}}}\mathrm{\ω}(w,h)L(i,j;w,h)---\left(1\right)$

其中ω(i，j)是滤波采用的权值；L(i，j；w，h)是滤波前多光谱影像I分量的像素值； L(i，j；w，h)是滤波后多光谱影像I分量的像素值。

2)计算权值

按照以下的方法进行计算

(a)由公式： $F\left(x\right)=\frac{1}{\sqrt{2\mathrm{\&pi;}}}{\&Integral;}_{-\&infin;}^x{e}^{-\frac{t^2}{2}}\mathrm{dt}-\&infin;<x<+\&infin;$ 进行计算。根据小窗口每个像素点与中心位置像素点的距离的大小，用给出的公式拟合出小窗口每个像素的权值。对窗口中的每个像素取不同的权值，像素点远离中心像素点时用小的权值，反之用大的权值。

(b)为了保证小窗口的均值和方差没有太大变化，对权值进行归一化处理，即满足条件：

$\underset{i=1}{\overset{w}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{h}{\mathrm{\&Sigma;}}}\mathrm{\&omega;}(w,h)=1---\left(2\right)$

3.用高通滤波器对高分辨率全色影像进行滤波：

具体做法是：用滑动窗口(窗口大小可以取为5×5、9×9、15×15等)，按照下面的公式，对整幅图像进行滤波：

$\stackrel{\&OverBar;}{H}(i,j)=\frac{1}{w\&times;h}\underset{i=1}{\overset{w}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{h}{\mathrm{\&Sigma;}}}H(i,j)---\left(3\right)$

其中： H(i，j)是滤波后的高分辨率全色影像的像素值，H(i，j)是滤波前高分辨率全色影像的像素值，滤波用的窗口为w×h(可以取为5×5、9×9、15×15，与步骤2中的窗口大小保持一致)

4.对两幅经过滤波的遥感影像的直方图进行匹配，完成影像的融合。

通过局部窗口直方图匹配，完成融合。即把(i，j)位置上的高分辨率全色影像H(i，j)的像素值进行灰度映射，得到融合后的F(i，j)的像素值。计算采用以下的公式：

$F(i,j)=\frac{S{\left(F\right)}_{(i,j;w,h)}[H(i,j)-\stackrel{\&OverBar;}{H}(i,j;w,h)]}{S{\left(H\right)}_{(i,j;w,h)}}+\stackrel{\&OverBar;}{F}(i,j;w,h)---\left(4\right)$

其中S(F)_{(i，j；w，h)}，S(L)_{(i，j；w，h)}分别为以像素(i，j)为中心w×h窗口尺寸的融合后影像和低分辨率影像的局部标准差， F(i，j；w，h)是融合后影像的局部均值。

为了使融合影像尽可能保留原低分辨率多光谱影像的光谱信息，也就是说，融合影像中的低频成分与原低分辨率多光谱影像的低频成分相同或非常接近，融合后局部窗口影像应保持原低分辨率多光谱影像的对应局部窗口的均值与方差，即满足式(5)、(6)

S(F)_{(i，j；w，h)}＝S(L)_{(i，j；w，h)}                        (5)

F(i，j；w，h)＝ L(i，j；w，h)                              (6)

将式(5)、(6)代入式(4)中，得到如下的计算公式：

$F(i,j)=\frac{S{\left(L\right)}_{(i,j;w,h)}[H(i,j)-\stackrel{\&OverBar;}{H}(i,j;w,h)]}{S{\left(H\right)}_{(i,j;w,h)}}+\stackrel{\&OverBar;}{L}(i,j;w,h)---\left(7\right)$

5.把融合后的强度影像I′与原多光谱影的H、S分量经过IHS彩色逆变换，即可获得融合后的多光谱影像。

表1给出了HPF法和LSC法融合结果的偏差指数的比较。窗口尺寸为15*15。偏差指数用来反映融合后影像与原始影像在光谱信息上的匹配程度。如果偏差指数较小，则说明融合后的影像光谱信息保存得比较好。

从表中可以看出，LSC法得到的融合结果，各波段的偏差指数比用HPF法得到的融合结果要小得多。

表1：HPF法和LSC法融合结果的偏差指数的比较

	HPF	LSC
			R分量	0.55812	0.23094
G分量	0.58764	0.24377
			B分量	0.6572	0.28124

Claims (1)

1、一种基于局部统计特性和彩色空间变换的遥感影像融合方法，其特征在于包括如下具体步骤：

1)对多光谱影像进行IHS变换，得到多光谱图像的I分量，在IHS空间中，保留H、S分量不变；

2)用高斯低通滤波器对多光谱影像I分量进行滤波，去除多光谱影像中的空间结构信息，保留多光谱影像中的光谱信息，在滤波过程中，对用于滤波的小窗口中的每个像素取不同的权值，权值根据小窗口每个像素点与中心位置像素点的距离的大小，用高斯曲线拟合出来，并进行归一化处理；像素点远离小窗口中心像素点时用小的权值，反之用大的权值；

3)用高通滤波器对高分辨率影像进行滤波；

4)对两幅经过滤波的遥感影像的直方图进行匹配，完成影像的融合，匹配的过程就是把高分辨率全色影像的像素值进行灰度映射，得到融合后影像的I分量，在映射过程中，根据遥感影像的统计特性，使融合后局部窗口影像的I分量保持原低分辨率多光谱影像的I分量对应局部窗口的均值与方差；

5)把融合后影像的I分量与原来的H、S分量进行IHS反变换，得到融合结果。