随着航天遥感技术的发展，以及光学、热红外和微波等大量新型卫星传感器对地观测的应用，获取同一地区的多种遥感影像数据越来越多。通常，同一传感器获得遥感影像的光谱分辨率较高时，其空间分辨率相对较低。因此，如何将不同传感器获得的遥感影像结合起来，实现其优势互补和冗余控制，已成为遥感领域需要解决的关键问题[1];而多源遥感影像数据融合技术的出现，则为这些问题的解决提供了一个合理、有效的新途径。
遥感图像融合是指在统一的地理坐标系中，将多源遥感图像按照一定的算法，生成一幅更能有效表示源目标信息的新图像的过程，其目的是综合单一传感器或不同类型传感器获取的不同分辨率遥感数据，消除冗余和矛盾，增强影像所表达信息的清晰度，提高数据的解译精度与可靠性[2]。影像融合技术目前在许多领域有着重要的应用，已成为当前遥感应用研究的热点问题。QuickBird是美国发射的高分辨率商业遥感卫星，可以获取0.61m空间分辨率的全色影像和2.44m空间分辨率的多光谱影像，是目前最常用的高分辨率影像数据，已广泛应用于农业、林业、遥感动态监测和海洋资源调查等多个领域。本文以QuickBird全色与多光谱数据为例，采用四种不同的融合方法进行实验，通过定性和定量评价，分析各融合方法的优劣，确定适合QuickBird数据的最佳融合方法。
1 影像融合方法的选取
根据信息表征层次的不同，多源遥感影像融合一般分为像素级、特征级和决策级三个级别[3,4,5]。其中，像素级融合是直接综合各遥感影像的像素点信息，融合后影像信息量损失最小，应用广泛，操作简单，融合技术也最为成熟。本文主要采用HPF变换、IHS变换、小波变换[6,7]和PANSHARP方法对影像融合进行研究。
1.1 HPF融合
HPF融合是空间滤波分析的一种算法，高通滤波对高空间分辨率影像用一个小的高通滤波器，以生成与空间特征信息相关的高频数据，这种数据按照像元对像元的方式被加到低分辨率波段数据中，从而达到将空间信息加到波谱信息中的目的。
1.2 IHS变换融合
IHS变换是一种影像显示、增强和信息综合的方法，其原理是RGB空间(由红R、绿G、蓝B三原色构成)与IHS空间(由亮度I、色调H、饱和度S三个变量构成)之间的变换，将RGB空间的图像分解成空间信息I、光谱信息H、饱和度S三个分量，属于色度空间变换;从IHS到RGB空间的变换，称为IHS反变换。该变换融合的基本步骤为：首先将多光谱影像进行IHS变换，得到HS图像，然后将变换得到的I分量用全色图像(I′)替换，最后将I′、H、S进行IHS反变换，生成融合后影像。
1.3 小波变换融合
小波变换融合是将多光谱影像的各波段和高分辨率影像均进行小波分解，得到LL(低频部分)、HL(水平方向的小波系数)、LH(垂直方向的小波系数)和HH(对角方向的小波系数)，然后根据具体需要和保持多光谱色调的程度，将分解后的两影像LL、HL、LH、HH部分分别融合，最后将融合后的LL、HL、LH和HH反变换重建影像，达到影像融合的目的。
1.4 PANSHARP融合
PANSHARP融合是加拿大新不伦瑞克大学测绘工程学院张云博士开发的一套融合算法，它使用自动影像融合算法，用来融合高分辨率全色和多光谱影像，从而得到高分辨率的彩色影像，通常称为全色锐化(PAN-SHARPING)。它是一种基于成熟的最小二乘法，在原始多光谱、全色和融合后影像间寻求最佳近似灰度值关系，以达到最佳的色彩表现能力。
2 融合效果的评价指标
影像融合效果的评价是融合过程中的关键点，其结果可以帮助人们选择适当的融合方法、改进现有融合算法或者研究新的融合算法等[8,9]。目前，遥感影像融合效果评价还没有形成统一的标准和方法，现阶段一般采用主观定性评价和客观定量评价指标相结合的方法[10]。
2.1 主观定性评价
主观定性评价主要从色调、清晰度和地物纹理信息等方面对原始影像和融合后影像进行比较，判断融合后影像是否较好的保留了全色数据的纹理信息和多光谱数据的色彩信息，以及边缘信息是否有损失，从而对影像的融合效果有一个直观的认识。
2.2 客观定量评价
客观定量评价主要是基于数理统计分析方法进行的，通常采用均值、标准差、信息熵、平均梯度、相关系数和相对偏差等指标。
(1) 均值
均值是指图像中所有像素灰度值的算术平均值，反映了图像的平均亮度，若均值适中，则视觉效果较好。其计算公式为：
其中，M、N为图像长和宽的像素个数，F(i，j)为融合后图像第i行第j列的灰度值。
(2) 标准差
标准差反映了图像灰度相对于灰度均值的离散情况，用来衡量图像空间信息量大小;其数值越大，则图像灰度级分布越分散，图像的反差大，反映出的信息越丰富。其计算公式为：
(3) 信息熵
信息熵可以衡量图像信息丰富的程度，熵值的大小表示图像所包含的平均信息量，熵值越大，表示融合质量越好，图像所包含的信息越丰富。其计算公式为：
其中，为图像中第i级灰度出现的概率，L为图像的灰度级数。
(4) 平均梯度
平均梯度又称清晰度，反映图像细节反差程度和纹理变化特征，平均梯度值越大，表明图像越清晰，融合效果越好。其计算公式为：
(5) 相关系数
相关系数反映的是融合前后两幅图像光谱特征的相似程度，其数值越大，表明融合后图像与原始多光谱图像的相关程度越高，保留的光谱信息越丰富，融合效果也越好。其计算公式如下：
其中，A(i，j)为原始多光谱图像第i行第j列的灰度值，f和a分别为融合后图像与原始多光谱影像的均值。
(6) 相对偏差
相对偏差表示融合后图像与原始图像平均灰度值的相对差异，以反映融合后图像与原始图像在光谱信息上的匹配程度，相对偏差越小，表明融合后图像保留原始图像光谱信息的效果越好。其计算公式为：
3 实验结果与分析
本次研究所使用的数据为Geomatica2013试用版自带的样例数据，选择QuickBird全色和多光谱影像数据进行研究，影像范围为加拿大安大略省里士满山局部区域。其中，全色影像为0.6m空间分辨率，多光谱影像为2.4m空间分辨率。本文采用HPF变换、IHS变换、小波变换和PANSHARP融合四种方法，其中IHS变换只能进行3个波段的图像融合，以真彩色结果输出;而原始多光谱影像含有4个波段，为了保证融合结果波段的一致性，因而在融合之前先将原始多光谱影像进行波段组合，输出为只含3个波段的多光谱数据(见图1)。
影像融合之前，需要对多光谱影像进行配准，并保证配准的精度，因为影像配准的精度直接关系到影像融合的效果。本实验配准过程利用Erdas软件完成，总体精度在0.5个像元以内。将全色影像与配准后的多光谱影像分别利用上述四种方法进行影像融合，其实验结果如图2所示：
图1 融合前影像
图2 四种方法融合结果
3.1 主观定性分析
从目视效果来看，四种方法的融合结果在保留一定程度光谱信息的同时，均提高了影像的空间分辨率，融合后影像其分辨率、清晰度、光谱特征都得到较大提高。
在光谱特征方面，HPF和PANSHARP融合效果最好，较好的保留了原有数据的光谱信息;IHS融合产生了一定的光谱扭曲，整体色彩变化较大;小波变换融合基本上能够保持原有数据的光谱信息，但整体色调明显变暗。
在地物纹理方面，IHS变换和PANSHARP融合效果最好，其空间信息明显增强，融合后影像的细节和纹理信息最为清晰;HPF融合整体存在一定的分辨率损失，细节特征和地物纹理不够清晰;小波变换融合后，影像整体纹理细节有明显的丢失现象，这是因为其融合过程在一定程度上损失了高分辨率影像的细节信息。
3.2 客观定量分析
利用Matlab软件编写程序对四种融合方法的结果进行计算，评价指标包括均值、标准差、信息熵、平均梯度、相关系数和相对偏差，详细统计结果如下表所示：
表1 不同融合方法统计结果
从表1中可以看出：在均值、标准差和相关系数三个指标中，HPF和PANSHARP融合方法效果较好，均值反映图像的平均亮度，标准差反映图像空间信息量的大小，说明融合后影像亮度适中，反映出的信息丰富，整体视觉效果较好;IHS变换和小波变换对应的指标值较低，说明融合后影像空间信息不够丰富，与原始多光谱影像的相关程度不高。在信息熵和平均梯度两个指标中，PANSHARP和IHS变换融合效果较好，说明融合后影像细节特征和纹理信息比较清晰;HPF融合对应的指标值最小，说明融合过程分辨率有所损失，影像清晰度不够。此外，小波变换的相对偏差最大，说明融合后影像与原始影像在光谱信息上的匹配程度较小。对于以上各项指标的分析，其结论基本与目视效果相吻合，说明选取这些指标对影像融合效果进行评价是合理、可靠的，能够在一定程度上准确、全面的反映出影像融合的质量。
4 结论
对QuickBird全色与多光谱数据，采用HPF变换、IHS变换、小波变换和PANSHARP方法进行影像融合实验，综合主观定性分析和客观定量分析，结果表明：四种融合方法各有优势，但综合所有指标来看，PANSHARP融合方法效果最好，其融合后影像不仅较好的保持了原有数据的光谱信息，而且空间信息得到明显增强，影像的细节特征和纹理信息也最为清晰。其余几种方法，HPF融合保留光谱信息的效果较好，但清晰度不够;IHS变换受波段的限制，融合过程会产生一定的光谱扭曲，但影像的纹理信息比较清晰;小波变换基本上能够保持原始数据的光谱信息，但融合过程在一定程度上损失了高分辨率影像的纹理、细节信息。在实际项目生产中，不同数据源的处理可能会选择不同的融合方法，但对于QuickBird高分辨率数据而言，综合考虑其光谱保真性、信息量和清晰度，PANSHARP为最佳融合方法。
参考文献：
[1]李德仁.摄影测量与遥感的现状及发展趋势[J].武汉测绘科技大学学报,2000,25(1):1-5.
[2]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003.
[3]贾永红,李德仁,孙家柄.多源遥感影像数据融合.遥感技术与应用,2000,15(1):41-44.
[4]李军,周月琴.影像局部直方图匹配滤波技术用于遥感影像数据融合.测绘学报,2000,29(2):132-136.
[5]Tahan i H, Keller J M.Information fusion in computer vision using fuzzy in tegral.IEEE Trans, SMC, 1990:367-378.
[6]党安荣,王晓栋,陈晓峰,等.ERDAS I MAGI NE遥感图像处理方法[M].北京:清华大学出版社,2004.
[7]刘哲,郝重阳,刘晓翔,等.多光谱图像与全色图像的像素级融合研究[J].数据采集与处理,2003,18(3):296-301.
[8]郭雷,李晖晖,鲍永生.图像融合[M].北京:电子工业出版社,2008.
[9]李伟.像素级图像融合方法及应用研究[D].广州:华南理工大学,2006.
[10]王海晖,彭嘉雄,吴巍,等.多源遥感图像融合效果评价方法研究[J].计算机工程与应用,2003,39(25):33-35.
作者介绍：刘茂国(1984- )，男，助理工程师，硕士，主要从事摄影测量与遥感技术应用方面的研究。
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
