0 引言

光学遥感影像的富集是遥感科技进步和快速发展过程的中间产物,而影像融合是提高数据利用率的有效途径[1]。遥感影像融合技术就是将不同传感器获取的同一地区的遥感影像数据进行处理,主要包括几何纠正、正射纠正、影像配准,最后采用合适的融合算法将各遥感影像数据中所含的信息有效整合,提取出有用信息,克服单一影像的局限性,得到一幅包含更多信息的融合影像[2]。

如何提高融合结果的空间细节信息和光谱保持能力是影像融合的难点问题。对于多光谱影像和全色影像融合而言,融合影像分别与多光谱影像光谱相关度、全色影像信息融入度是考量融合质量优劣的关键。传统的影像融合算法如小波变换融合、HIS变换融合[3-6]等要求融合的影像的光谱响应范围一致,否则,融合后的影像会产生严重的光谱扭曲变形。单一的主成分分析(PCA)融合法利用降维,将影像信息集中在少数几个变量中,实现了变量间的去相关处理,但主成分分析变换依赖于各变量的测量尺度,变量降维后的信息量必须保持在一个较高的水平上,由于不能真正解决变量间的多重共线问题,以上条件往往不能实现,导致融合结果提升效果不大[7-8]。针对这些问题,本文提出了一种基于高通滤波(HPF)的主成分分析影像融合方法,引入高通滤波模块对全色波段影像进行卷积运算,提取出波段的高频信息同时弱化低频信息,最大限度地减少了全色波段低频信息对原始多光谱影像色彩的干扰,在增强融合影像空间信息的同时最佳维持了原始多光谱影像的光谱信息。

1 基本原理

1.1 PCA变换方法

PCA融合算法为:首先从原始多光谱数据获取影像数据的相关系数矩阵,通过相关系数矩阵计算特征向量和特征值,获得各主分量影像;然后采用直方图匹配的方法对全色影像与获得的多光谱影像数据第一主分量进行匹配,使两者的直方图一致;最后,利用直方图匹配获得的全色波段影像代替第一主分量,将它与其他主分量经K-L逆变换获得融合影像。融合影像保留了原始影像的主要信息,同时也降低了数据量,但一般会丢失掉部分原始影像的光谱信息。

1.2 高通滤波(HPF)融合原理

高通滤波(HPF)融合法是增强影像细节和纹理的一种常用融合方法。获取影像数据细节信息一般是通过对全色影像进行高通滤波处理来实现,采用高通滤波影像融合的目的之一就是通过提高影像高频细节信息,从而使影像的边缘结构信息更加明显。融合方法是提取出将高空间分辨率影像中的高频信息边缘、细节,叠加到低空间分辨率多光谱影像中,融合具体步骤是先对高分辨率影像进行高通滤波,来增强影像的高频信息,即增强全色波段影像中的边缘结构特征;然后对低分辨率多光谱影像进行低通滤波,来增强多光谱影像的低频信息,即多光谱影像的颜色信息(光谱信息),最后对前两步的结果加权求和,既可获得含有全色影像的高分辨率信息,又能获得含有多光谱影像的颜色信息的融合影像[9-10]。高通滤波融合计算公式(1)如下:

F(i)=MSS(i)⊗LPF*w1+

PAN⊗HPF*w2

(1)

式中,w1、w2为权重值,且w1+w2=1.0,MSS(i)为低分辨率多光谱影像i波段,LPF为低通滤波,PAN是高空间分辨率全色影像,HPF为高通滤波器,F(i)为原多光谱影像i波段经全色增强后的融合影像。高通滤波方法降低了全色影像中的低频噪声,其结果可用于多光谱的各个波段,它虽增强了空间细节,却常常限制了重要的结果信息,且光谱特征被扭曲。

1.3 本文方法原理

首先对高分辨率影像在高通滤波模块上进行卷积运算,然后将滤波过后的影像与主成分变换后的第一主分量进行直方图匹配和加权平均运算;最后用直方图匹配过的高分辨率影像代替第一主分量与其他分量经K-L逆变换得到融合结果。

2 方法流程

基于高通滤波(HPF)的主成分分析(PCA)变换的融合不是直接对高分辨率影像进行空间信息提取,而是先对全色影像进行卷积运算,提取出高频空间信息,然后与第一主成分进行直方图匹配及加权平均运算,得到新的代替主成分,具体步骤如下。

本文算法的流程如图1所示。

图1 本文方法流程图

(1) 影像预处理

相关系数包括空间相关系数和光谱相关系数。空间相关系数是通过计算全色波段影像与融合影像之间的相关系数确定,系数越大,表示越多的全色波段的空间信息被融入相应波段中,影像清晰度也就越高。光谱相关系数是通过计算原始多光谱影像与融合影像的相关系数确定,系数越大,表示光谱保持的越好,定义为:

对卷积过后的全色波段影像(记为ρ′)进行辐射归一化校正,采用与P1分量进行直方图匹配的方法,并采用直方图匹配后的ρ′分量与P1主分量进行加权平均,记新的第一主分量为I。

对多光谱影像利用K-L变换,得出影像数据相关系数矩阵,通过相关系数矩阵计算出特征向量和特征值,得到去除了相关性、突出差异性的各主分量影像,记第一主分量为P1。

(3) 高通滤波运算

2.理论学习和技能培训。专业理论课程的学习以及专业技能全方位的训练所需时间跨度长，穿插在课内、延伸到课外，拓展到整个学习过程以及全方位的技能训练。分层、分类、多层面的理论学习和技能训练，可以不断推进人才培养的进程，最终实现人才培养的终极目标。

此后从11月23日，我国再发布了多起非洲猪瘟疫情，其中涉及北京市房山区青龙湖镇、琉璃河镇各一个养殖场，内蒙古自治区包头市昆都仑区一养殖户；湖北省黄石市阳新县一养殖户，天津市宁河区一养殖场，江西省九江市柴桑区一养殖场，陕西省西安市鄠邑区一养殖场，北京市通州区一规模养殖场，黑龙江省农垦总局北安管理局一野猪养殖场，四川省泸州市合江县一养殖户，陕西省西安市长安区一养殖户，北京市顺义区一种猪场，山西省临汾市尧都区一养殖户。其中，受到规模化养殖的影响，北京市通州、顺义、房山三个出现非洲猪瘟疫情的养殖场生猪存栏量最大，分别达到9835头、2461头和1325头。

利用一个5×5的高通滤波模板对全色波段影像PAN进行卷积计算,以增强影像的高频信息,抑制全色波段影像的低频信息,高通滤波模板式如下:

1.观念：培训中树立“互联网+培训”的培训观念。拓宽教与学通过互联网获取知识的方法、途径。引导学生把课堂学习和利用互联网学习有机结合起来，培养他们以互联网为载体进行创新学习、自主学习的能力。同时教师要教会学员借鉴，辨别真伪，把全面、科学、准确的网络资源教给学生。

(2)

(4) 替换第一主分量

(2) PCA正变换

(5)影像融合

将得到的新第一主分量I代替原第一主分量P1,然后与其他主分量进行PCA逆变换得到融合影像。

3 影像融合实验

3.1 数据源情况

本文用于融合实验的遥感影像为合肥的高分二号卫星影像,全色图像星下点分辨率为0.8米,其他区域为1米,多光谱分辨率为4米且包含红、绿、蓝、近红外4个波段。影像成像时间为2016年6月30日,实验截取了位于城区的某一公园作为研究区,大小为926×862像素,影像产品级别为高分二号传感器校正产品,不再需要进行几何粗校正,只需按照几何纠正,图像配准,图像融合顺序进行处理即可。

3.2 定性分析

通过对图2、图3、图4的目视观测可以看出,利用3种方法得到的所有融合影像清晰度都比MSS影像有所提高。PCA方法清晰度虽有提高,但各区域影像均有较大光谱失真,色彩与MSS影像偏离较大;HPF方法在细节表现稍好一些,但色彩仍然偏亮,光谱信息保持的不是很理想;本文方法无论是在纹理细节还是光谱保持度上都表现最好,相对于前面两种方法,光谱失真最小,尤其在居民建筑区域,屋顶细节很明显,清晰度最高。

老祖听完回答，勃然大怒，令他们立即走开。子路和冉求碰了一鼻子灰，只得回去如实相告。孔子听后，叹了口气，亲自教授回话的方法。两人再次跑进西山，又见了范丹老祖。老祖问：“啥高？”“高堂父母。”“啥厚？”“情意最厚。”“啥香？”“饿急吃的东西香。”“啥臭？”“吃饱剩下的东西臭。”范丹老祖笑了，他从背上摘下破布袋，掏出七粒小米、几根干草递给子路和冉求，让他们快快回去。

图2 居民建筑区域融合结果对比图

3.3 定量分析

华尔街另一大投行美林证券也深陷次贷危机，到华尔街出手的也并非中投一家。美林是美国最大券商，公司当年第三季度的收入下降了94%，在次级抵押贷款相关领域遭受约79亿美元的账面损失，是美林6年来首次出现季度亏损，也是该公司93年历史上的最大季度亏损。当时有分析称第四季度美林的账面损失将超100亿美元，美林CEO斯坦·奥尼尔随后辞职。当年11月中旬，此前曾接手纽交所的约翰·赛恩接任美林CEO，着手引进战略投资者。

相较于其他地物区域,居民建筑区域局部光谱复杂,细节纹理变化明显,最能反映出融合影像效果优劣,故选取居民建筑区域,然后采用光谱扭曲度[11-12]、相关系数[13]、平均梯度[14]三个指标对实验区域进行定量评价。

图3 农田耕地区域融合结果对比图

图4 山区林地区域融合结果对比图

影像的光谱扭曲度直接反映了融合影像的光谱失真程度,是根据原始多光谱影像及融合影像的亮度值进行计算,定义公式为

中国水博园水环境建设中生态文明理念的应用…………………………………………… 徐 蔚，任根泉(6.24）

(2)

式中,N为整个影像的像元总数,r、l分别为行列号,和Grl分别为多光谱影像融合前后对应像元的灰度值,Di是融合前后光谱的差异值,因此该值越小越好。

分别对多光谱影像MSS和全色影像PAN进行几何精校正,然后将多光谱影像配准到全色影像,几何精校正采用二次多项式拟合,匹配精度控制在0.4个像素之内,配准使用基于区域平差方法。

(3)

式中，fi,l和gi,l分别表示融合影像和原始影像在(i,l)点的灰度值,分别表示两幅影像的灰度均值,系数越大越好。

平均梯度反映了影像微小细节表征能力,其值越大表征能力也就越强,其数学表达式为:

其中:F(i,l)表示影像第i行,第l列的灰度值,值越大表示影像越清晰。

但是没想到她猜错了，舅舅压根就不打算再认这门亲戚，对于她这个多年未见的外甥女，他只是诧异她“一哈子”就长大了。

(4)

表1是融合影像结果的平均参数对比,从表中可以明显看出本文提出的方法在光谱保持度和细节表征能力上都超过另外两种方法。

防治方法：一是种植抗病品种，各地应选用适合当地的抗病良种。二是切块时严格淘汰病薯。三是及时喷药防治，每亩施用70%丙森锌可湿性粉剂100～150克，在现蕾前和现蕾后各施用1次，中间相隔10天；从块茎膨大期开始，每亩施氟吡菌胺75～100毫升，连续施用3次，每次间隔10天。

表1 不同融合方法结果平均参数对比

方法光谱扭曲度光谱相关系数空间相关系数平均梯度PCA20.330.760.8022.74HPF18.200.820.8523.52本文方法17.530.850.8924.50

4 结束语

本文针对主成分分析变换影像融合过程中变量降维时信息损失较多的问题,提出了一种基于高通滤波的主成分分析变换融合方法。该方法首先对全色波段影像进行高通滤波,然后滤波后的影像与PCA正变换后的第一主分量进行直方图匹配、加权平均,得到新的代替主分量与其他分量进行PCA逆变换,得到融合影像。试验结果表明本文方法克服了传统PCA和HPF融合方法的不足,相比传统的方法在融合影像的光谱保持度和纹理细节表征上都取得很好效果,是一种较好影像融合方法。

随着光学遥感数据的富集以及国家商业卫星组网规划提出,针对高分辨率卫星影像的普及以及前期预处理方法的探究将面临更好应用前景。根据不同地貌特征及属性来选取合适的算法,挑选各算法的优点进行重组,生成一种特定的融合算法越来越成为影像处理的研究热点,但目前算法大部分还仅仅停留在像素级层面,缺乏特征级和决策级算法研究,另外针对算法没有统一的定量评价模型,这都是今后要研究的问题,最后试验数据只采用的高分二号数据,以后研究会全面覆盖国产卫星,为后续国产系列卫星影像处理提供支持。

参考文献

[1] 王力彦. 多源光学遥感影像融合方法研究[D]. 北京: 中国地质大学(北京), 2014.

[2] 董广军, 张永生, 戴晨光. 高分辨率遥感影像融合处理技术的对比分析研究[J]. 光学技术, 2006, 32(6):827-830.

[3] 黄先德, 周群, 王兴. 资源三号卫星全色与多光谱影像融合方法[J]. 测绘通报, 2015(1):109-114.

[4] 张宁玉, 吴泉源. Brovey融合与小波融合对QuickBird 影像的信息量影响[J]. 遥感技术与应用, 2006, 21(1):67-70.

[5] 王晓艳, 刘勇, 蒋志勇. 一种基于结构相似度的IHS与小波变换相结合的遥感影像融合算法[J]. 兰州大学学报(自科版), 2011, 47(5):1-6.

[6] 万智萍. 结合方向小波的多光谱与全色遥感影像融合算法[J]. 遥感技术与应用, 2014, 29(4):660-668.

[7] KARATHANSSI V,KOLOKOUSIS P,IOANNIDOU S. A Comparison Study on Fusion Methods Using Evaluation Indicators[J]. International Journal of Remote Sensing,2007,28(10):2309-2341.

[8] 孙萍, 邓磊, 聂娟. 一种基于区域分割的多尺度遥感影像融合方法[J]. 遥感技术与应用, 2012, 27(6):844-849.

[9] 吴连喜. 一种保持光谱特征的影像融合方法——高通滤波融合法[J]. 国土资源遥感, 2003, 15(4):26-29.

[10] EHLERS M. Multisensor Image Fusion Techniques in Remote Sensing[J]. ISPRS Journal of Photogrammetry and Remote Sensing,1991,46(1):19-30.

[11] SUN W, MESSINGER D. Nearest-neighbor Diffusion-based Pan-sharpening Algorithm for Spectral Images[J].Optical Engineering,2014,53(1):13-17.

[12] 左琛, 范文革. 资源3号卫星与SPOT 6卫星影像特征参数评定与比较[J]. 北京测绘, 2015(4):39-42.

[13] 孙攀, 董玉森, 陈伟涛,等. 高分二号卫星影像融合及质量评价[J]. 国土资源遥感, 2016,28(4):108-113.

[14] 李秀全, 陈竹安, 张立亭. 基于小波变换的遥感图像融合研究——以黄河三角洲地区为例[J]. 北京测绘, 2015(3):99-102.