CBERS－02B星HR高分辨率遥感数据融合研究分析

马士彬，安裕伦，张跃红

（1.贵州省六盘水师范学院 环境与资源科学系，贵州 六盘水553004；2.贵州师范大学 地理与环境科学学院，贵阳550001）

遥感技术已经迎来了三高时代，即高空间分辨率、高时间分辨率以及高光谱分辨率。国外已经发射的高空间分辨率数据卫星有Quick Bird，SPOT－5，IKONOS等，我国于2009年成功发射中巴资源卫星02B星，并搭载高分辨率数据传感器。对于高空间分辨率数据而言，其光谱分辨率一般较低。而遥感数据融合可将单一传感器的多光谱信息或不同类别传感器所提供的信息加以综合，改善遥感信息提取的及时性和可靠性，提高数据的使用效率[1]。已有的融合方法有IHS变换融合法[2]、PCA 变换融合法[3]、Brovey变换融合法[4]、小波变换融合法[5]、Pan sharp融合法[6]、Gram—schmidt融合法[7]等。本文采用目前较为常用且较容易实现的几种融合方法对CBERS－02B星HR数据的使用情况进行分析，比较各方法对CBERS－02B星HR数据的适用性，为CBERS－02B星HR数据的使用提供依据。

1 数据与方法

1.1 研究区与数据源

贵州省贵阳市地处贵州省中部黔中高原面中曹司盆地内，包含建筑、河流、公路、林地、耕地、水域等用地类型。

本文将CBERS－02B星 HR数据与CBERS－02B多光谱数据进行融合，并以SPOT－5 2.5m全色波段与10m多光谱数据融合的数据作为参考数据进行对比。

1.2 数据融合

本文采用Brovey变换、PCA变换、IHS变换、SVR变换4种方法进行融合研究。由于CBERS－02BCCD数据的2，3，4波段的光谱范围对应SPOT－5多光谱数据的1，2，3波段，同时Brovey变换只能对多光谱的3个波段进行融合，所以试验选取了CBERS－02B的2，3，4和SPOT－5的1，2，3波段分别参与融合（表1）。

表1 CBERS－02B和SPOT－5遥感数据基本参数

（1）PCA变换（主成分分析法）。PCA变换是建立在影像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，数学上又称K—L变换[8]。PCA变换的具体步骤为：多光谱波段经过PCA变换后，将全色高分辨率图像进行灰度拉伸，使其均值和方差与PCA变换的第一分量的图像一致；然后用拉伸过的高分辨率全色图像代替第一分量，最后经过PCA逆变换得到融合图像。

（2）Brovey变换。Brovey变换是一种对遥感数据进行融合的较为简单的方法。该方法通过归一化后的多光谱波段与高分辨率影像乘积来增强影像的信息[9]。其融合后的红（R）、绿（G）、蓝（B）3个波段结果如下：

（3）SVR变换。Zhang[10]在 Munechika所提出SVR方法的基础上又提出了一种改进型的SVR方法，用来进行全色和多光谱影像的融合。其步骤为：首先计算多光谱波段与全色波段之间的回归系数，然后根据回归系数和多光谱波段合成模拟高空间分辨率的全色影像，最后利用比值变换完成各波段的融合。其计算公式如下：

其中：XSPi——第i波段融合后灰度；PanH——高分辨率全色波段灰度值；XSLi——第i波段原始灰度值；PanLS——多光谱波段合成的全色波段灰度值；δi——高分辨率全色波段与多光谱波段XSLi间的回归系数[11]。

（4）IHS变换。IHS变换是目前应用十分广泛的一种RGB彩色融合变换方法。IHS变换首先利用正变换将多光谱图像从RGB三原色空间变换到IHS彩色空间，得到亮度I（Intensity）、色度H（Hue）和饱和度S（Saturation）3个分量；然后将高分辨率全色图像与分离出的亮度I分量进行直方图匹配，使其灰度的均值和方差与分量I图像一致；最后用匹配好的全色波段代替I分量，与分离出的H、S分量进行IHS逆变换，重新回到RGB空间。RGB系统与IHS系统转换的关系式为[12－13]：

式中：I——亮 度；H——色 度；S——饱 和 度；v1，v2——中间变量。

2 融合效果对比与分析

2.1 光谱信息对比分析

本文选用灰度平均值、标准差、信息熵、相关系数4个可反映空间信息的指标进行评价。其中：（1）灰度平均值。为像素的灰度平均值，对人眼反映为平均亮度。融合前后图像对应波段的像素灰度值的变化程度越小，说明光谱保持性能越好。（2）信息熵。图像的熵值是衡量图像信息丰富程度的一个重要指标。一般来说，融合图像的熵越大，表示所包含的信息越丰富，融合质量越好。（3）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，可用来评价图像的空间信息量的大小。标准差越大，则灰度级分布越分散，图像的反差大，地物间可分性高。（4）相关系数。融合图像与源图像的相关系数能反映两幅图像光谱特征的相似程度，即融合方法保持光谱特性的能力[11，14－15]。

本文采用PCA、Brovey、SVR、IHS共4种变换法进行融合，然后采用灰度平均值、标准差、信息熵等指标进行比较。从目视比较的角度分析，本文采用的4种融合方法的融合结果在空间信息上均有所改善，并在一定程度上能够保持光谱信息。PCA变换法融合的图像色调较亮，其中水体颜色有一定程度的失真；Brovey融合法所得图像整体色调适中，但城区较暗（图1c、1d）。SVR变换所得图像整体色调偏淡，尤其是绿地植被，但建筑和水体的色调适中；IHS变换在光谱保持方面较优越，但图像色调较原始多光谱数据变换较大（图1e、1f）。

SVR变换法在方差、信息熵和灰度均值等空间信息评价因子中的值均高于其他融合方法，说明SVR变换法在空间信息增强方面以及图像的细节效果较好。另外从影像各波段的相关系数来看，SVR变换法和IHS变换法在光谱保持方面效果最好。经IHS变换法融合的图像的灰度平均值最接近于多光谱图像的原始值，说明它在保持光谱特性的能力上综合效果最好（表2）。

表2 两种影像数据的不同融合方法所得融合结果的统计值

通过图1和图2的对比，从目视的角度可以看出，CBERS－02B星融合数据总体色调较暗。城区纹理信息丰富，植被的细节信息能够得到比较明显地反映。定量分析发现，各波段信息熵的值均小于SPOT影像融合数据，表明CBERS－02B星影像融合数据的整体质量低于SOPT数据；灰度均值与原始影像差距较小，能够较好的保留原始影像的光谱信息；各波段方差值较小，仅为SPOT数据的1／4，表明CBERS－02B星融合数据的地物可辨别能力低于SPOT数据。CBERS－02B星融合影像各波段与原始影像的相关系数较高，与SPOT数据接近。

与SPOT数据对比，CBERS－02B星影像融合数据的4项指标值均较低，其原因为：

（1）原始多光谱影像的信息熵过低，均值不超过5.5，造成最终融合影像的质量偏低。

（2）原始影像灰度值低，CBERS－02BCCD数据2—4波段的灰度均值仅为SOPT数据1—3波段灰度均值的49.01%。

图1 不同融合方法的CBERS－02B星影像

图2 不同融合方法的SPOT－5影像

2.2 空间纹理信息对比分析

采用简单的高通滤波分别对CBERS－02B星全色波段数据和融合后的多光谱波段进行数据滤波，并计算二者的相关系数，相关程度越高表明空间纹理保持越好。滤波器采用3×3的sharpen Edge Filter模板[16]。

在CBERS－02B星同源数据融合过程中，PCA和SVR两种变换都有较强的高频信息保持能力，尤其是PCA变换后各波段与全色波段的相关系数都在0.9以上；相比较IHS变换过程中空间纹理细节丢失最严重。各波段间比较，4波段在4种融合方法中的值最小，表明在融合过程中近红外波段的高频细节导入效果相对较差（表3）。

表3 CBERS－02B融合影像波段高频细节与CBERS－02BHR影像高频细节的相关系数

3 结论

（1）通过分析可知，SVR变化法更适合CBERS－02B星同源数据融合，其信息熵、灰度均值、方差值均高于其他变换法，在保留高空间分辨率的同时更好的保留原始多光谱数据的光谱信息，同时高通滤波后与全色波段的相关系数较大，纹理清晰，地物可辨别能力强；融合过程中近红外波段的高频信息导入效果相对较差。

（2）通过与SPOT－5数据进行对比分析，发现CBERS－02B星的同源数据融合，最终影像的各指标值均低于SPOT－5同源数据融合影像，其原因主要是由于CBERS－02B星多光谱数据的光谱信息和空间分辨率过低。所以在CBERS－02B星HR数据使用时，应考虑选用其他来源的多光谱数据进行融合。

本文只做了CBERS－02B星同源数据的融合方法及融合影像质量的分析研究。随着遥感技术的发展，融合技术的不断更新，应进一步验证更多的融合方法对CBERS－02B星HR数据的适用程度。同时应进行CBERS－02B星HR数据与其他多种来源多光谱数据的融合实验，以最大程度发挥CBERS－02B星HR数据的作用。

[1]贾永红，孙家柄.多源遥感影像数据融合[J].遥感技术与应用，2000，15（1）：41－42.

[2]Harris J R.HIS transform for the integration of radar imagery with other remotely sensed data[J].PE＆RS，1990，36（2）：1631－1641.

[3]Ehlers M.Multisensor image fusion techniques in remote sensing[J].ISPRS Journal of Phtogrammetry and Remote Sensing，1991，46（1）：9－30.

[4]Zhou J.A Wavelet Transform Method to Merge Landsat ETM＋ and SPOT Panchromatic Data[J].Int J.Remote Sensing，1998，19（4）：743－757.

[5]Zhang Zhong.Categorization of multiscale－decomposition－based Image Fusion Schemes with a performance study for a digital camera application[J].Proceeding of the IEEE，1999，87（8）：1315－1326.

[6]Zhang Yun.A New Automatic Approach for Effectively Fusing Landsat 7as well as IKONOS Images[C].IEEE／IGARSS′02.Toronto，Canada，2002.

[7]甄静，何国金.高分辨率遥感影像融合存在的问题及改进措施[J].遥感信息，2005（5）：45－48.

[8]孙丹峰.IKONOS全色与多光谱数据融合方法的比较研究[J].遥感技术与应用，2002，17（1）：41－45.

[9]许榕峰，徐涵秋.ETM＋全色波段及其多光谱波段图像的融合研究[J].地球信息科学，2004，6（1）：99－102.

[10]Zhang Y.A new merging method and its spectral and spatial effects[J].Int.J.Remote Sensing，1999，20（10）：2003－2014.

[11]谭永生，沈掌泉，贾春燕，等.中高分辨率遥感影像融合研究[J].遥感技术与用，2007，22（4）：536－542.

[12]覃征，鲍复民.数字图像融合[M].西安：西安交通大学出版社，2004.

[13]刘廷祥，黄丽梅，鲍文东.基于 CBERS－02B和 SPOT－5全色波段的图像融合纹理信息评价研究[J].遥感技术与应用，2009，24（1）：103－108.

[14]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（25）：33－37.

[15]王奇，李杏朝，李俊杰，等.CBERS－02B星 HR 与 CCD影像融合研究[J].遥感技术与用，2008，23（4）：468－471.

[16]朱述龙，朱宝山，王红卫.遥感图像处理与应用[M].北京：科学出版社，2006：42－44.