摘 要： 針對(duì)現(xiàn)有融合方法存在的光譜信息和空間細(xì)節(jié)信息不能較好兼顧的問(wèn)題，提出了一種遙感圖像小波融合算法。根據(jù)高分辨率遙感圖像自身的空間尺度，采用多進(jìn)小波分析技術(shù)較好地解決了不同尺度遙感圖像空間細(xì)節(jié)的表達(dá)問(wèn)題，同時(shí)利用基于方向能量統(tǒng)計(jì)量的自適應(yīng)融合準(zhǔn)則較好地解決了融合中的光譜信息保留問(wèn)題。實(shí)驗(yàn)結(jié)果表明，該融合方法在保持全色圖像的高空間分辨率的同時(shí)，提高了融合圖像的光譜保持度。
關(guān)鍵詞： 高空間分辨率；圖像融合；多進(jìn)小波變換；方向能量統(tǒng)計(jì)量；光譜保持度
隨著傳感器技術(shù)的不斷進(jìn)步，遙感衛(wèi)星的空間分辨率不斷提高，數(shù)據(jù)源和圖像數(shù)據(jù)量的增多是當(dāng)前遙感技術(shù)發(fā)展的趨勢(shì)[1]。數(shù)據(jù)融合技術(shù)是提高數(shù)據(jù)利用率的有效方法之一，目前經(jīng)典的遙感圖像融合算法主要有IHS變換融合算法、PCA變換融合算法和小波變換融合算法等。IHS融合算法從人類的色彩感覺(jué)角度將表征空間分布的物理量I與表征光譜特征的物理量H和S分離出來(lái)，用全色圖像替換I分量后，經(jīng)IHS反變換得到融合圖像。但I(xiàn)HS融合算法將產(chǎn)生光譜失真現(xiàn)象。PCA變換作為一種統(tǒng)計(jì)學(xué)上的多維正交線性變換，通過(guò)研究R、G、B 3組數(shù)據(jù)的相互數(shù)學(xué)關(guān)系，經(jīng)統(tǒng)計(jì)變換，給出最大特征值對(duì)應(yīng)的特征向量，然后用全色波段來(lái)替換該特征向量。
小波變換興起于20世紀(jì)80年代中期，引起了信號(hào)處理和圖像處理領(lǐng)域的廣泛興趣。MALLAT首先將小波技術(shù)引入到圖像處理領(lǐng)域，DAVID首先利用小波技術(shù)實(shí)現(xiàn)了多光譜和全色的遙感圖像融合[2]，利用小波進(jìn)行圖像融合迅速成為研究熱點(diǎn)。基于小波分析的圖像融合算法主要是利用人眼對(duì)局部對(duì)比度的變化比較敏感這一現(xiàn)象，根據(jù)一定的融合規(guī)則，在多幅原圖像中選擇出最顯著的特征，并將這些特征保留在最終的融合圖像中，其缺點(diǎn)是融合圖像存在一定程度的振鈴效應(yīng)和空間細(xì)節(jié)丟失現(xiàn)象。
本文提出了一種自適應(yīng)的多進(jìn)小波變換圖像融合算法，根據(jù)全色圖像和多光譜圖像的空間分辨率關(guān)系分別設(shè)計(jì)了相應(yīng)的多進(jìn)小波分解方法，這種方法保留了圖像本身固有的尺度；根據(jù)融合數(shù)據(jù)源的不同特點(diǎn)，設(shè)計(jì)了兩個(gè)不同的小波系數(shù)特征統(tǒng)計(jì)量，減少了傳統(tǒng)二進(jìn)小波帶來(lái)的空間細(xì)節(jié)信息丟失和振鈴模糊效應(yīng)。
1 多進(jìn)小波變換
小波分析在圖像處理中具有非常重要的地位，它克服了傅里葉變換單一分辨率的缺陷，具有多分辨率分析的特點(diǎn)，同時(shí)在時(shí)域和頻域都有表征信號(hào)局部信息的能力。因此，基于小波分析的圖像融合算法是近年來(lái)研究的熱點(diǎn)。但是目前基于小波分析的圖像融合研究主要集中在融合規(guī)則方面[3]，這也是近年來(lái)像素級(jí)圖像融合研究的主流。
多進(jìn)小波分析是近年來(lái)發(fā)展起來(lái)的小波理論的一個(gè)重要分支。它在對(duì)稱性、光滑性和緊致性等方面都優(yōu)于二進(jìn)制小波；它將頻帶分解更細(xì)，為在不同的頻帶而采用不同的融合提供了有利條件，為融合算法提高了靈活性。多進(jìn)小波的基本構(gòu)造理論是多分辨分析。設(shè)M≥2，則平方可積空間L2（R）上的一個(gè)多分辨分析是滿足以下條件的閉子空間列：
2.3 算法具體步驟
本文的融合思路是：首先對(duì)多光譜圖像進(jìn)行IHS變換，將表征地表輻射能量和空間分布的物理量I分量與表征光譜信息的H和S分量分離開來(lái)；接下來(lái)進(jìn)行I分量與全色圖像的融合；然后進(jìn)行IHS反變換；最后得到融合圖像。
基于上述分析，本文提出的基于內(nèi)容自適應(yīng)多進(jìn)小波融合算法步驟如下：
?。?）將多光譜圖像插值到全色圖像尺寸大小，重采樣方式采用雙線性內(nèi)插法，然后對(duì)其進(jìn)行IHS變換。
（2）對(duì)全色圖像和多光譜圖像進(jìn)行IHS變換后的I分量進(jìn)行小波分解。
?。?）分別對(duì)I分量和全色圖像的高、中、低頻小波系數(shù)進(jìn)行特征量統(tǒng)計(jì)并進(jìn)行比較。
?。?）一致性檢驗(yàn)。通過(guò)步驟（3）確定融合圖像的小波系數(shù)后，對(duì)不同頻帶的融合權(quán)值作進(jìn)一步的調(diào)整和加權(quán)，以保證不同小波頻帶具有連續(xù)的灰度變化和一致性的空間細(xì)節(jié)。
?。?）將融合后的圖像作為I分量，與多光譜IHS分量的H和S分量進(jìn)行IHS反變換，從而得到融合圖像。
該算法的步驟如圖3所示。
3 實(shí)驗(yàn)結(jié)果及性能分析
本文的實(shí)驗(yàn)數(shù)據(jù)為Ikonos和Quickbird高分辨率遙感圖像。全色波段和多光譜波段的分辨率之比為1：4。因此，選用支撐長(zhǎng)度為8的4進(jìn)對(duì)稱正交小波，小波基選用Daubechies8，對(duì)稱性保證了相位不失真。在全色波段中，圖像紋理是一種常用的空間信息，紋理特征依賴于提取紋理時(shí)所采用尺度的大小。圖像尺寸為1 170×920。圖4（a）為全色影像，圖4（b）為多光譜影像，圖4（c）為IHS變換融合，圖4（d）為傳統(tǒng)二進(jìn)小波融合方法，圖4（e）為本文所采用的方法。從實(shí)驗(yàn)融合效果的主觀質(zhì)量來(lái)看，IHS融合方法圖像的清晰度最高，但是光譜失真最大；DWT融合方法光譜保持度最好，卻存在一定的振鈴模糊；本文提出的方法圖像的清晰度較高，光譜保持度較高。
通過(guò)表2可以看出，雖然本文采用的方法在光譜的利用上沒(méi)有DWT算法好，但從總體評(píng)價(jià)來(lái)看，該融合方法改善了融合圖像的空間細(xì)節(jié)信息和光譜信息，從而提高了圖像的目標(biāo)識(shí)別率和光譜保持度。
基于方向能量統(tǒng)計(jì)量的自適應(yīng)多進(jìn)小波融合算法充分利用了高空間分辨率遙感圖像的空間細(xì)節(jié)特征、圖像邊緣和方向性特征信息，同時(shí)保留了多光譜圖像的光譜信息特征，有效地解決了IHS變換中融合圖像光譜信息丟失較多以及傳統(tǒng)二進(jìn)小波產(chǎn)生振鈴模糊效應(yīng)等問(wèn)題。
參考文獻(xiàn)
[1] RANCHIN T， WALD L. Fusion of high spatial and spectral resolution images： the ARSIS concept and its implementation[J]. Remote Sensing， 2000，66（1）：49-61.
[2] LI H， MANJUNATH B S， MITRA S K. Multisensor image fusion using the wavelet transform[J]. Graphical Models Image Process， 1995，57（3）：235-245.
[3] Wang Zhijun， ZIOU D， ARMENAKIS C， et al. A comparative analysis of image fusion methods[J]. IEEE Transactions on Geoscience and Remote Sensing， 2005，43（6）：1391-1402.
[4] WANGA L， SOUSAB W P， Gong Peng， et al. Comparison of Ikonos and Quickbird images for mapping mangrove species on the Caribbean coast of Panama[J]. Remote Sensing of Environment， 2004（9）：432-440.
[5] DAUBECHIES I.小波十講[M].李建平，楊萬(wàn)年，譯.北京：國(guó)防工業(yè)出版社，2004.
[6] 王智均，李德仁，李清泉.利用小波變換對(duì)影像進(jìn)行融合的研究[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào)，2000，25（2）：137-142.