© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 200821244(6) 北京师范大学学报(自然科学版)JournalofBeijingNormalUniversity(NaturalScience) 595 一种基于HSI和小波变换的遥感图像融合方法3刘建伟1) 宋梦馨2) 郭 平2)(1)西安工业大学数理系,710032,西安;2)北京师范大学图形图像与模式识别实验室,100875,北京)摘要 在对同一地区低分辨率的多光谱图像与高分辨率的全色图像的融合中,单独采用传统的HSI(hue2saturation2intensity)图像融合方法会出现颜色失真问题和传统的小波融合中存在分块模糊现象.为了改进融合效果,本文提出了一种新的融合方法,将HSI和小波变换进行有机结合,首先通过HSI变换获得多光谱图像的亮度成分,采用改进的基于主分量分析方法的融合规则将它与全色图像进行小波融合,得到新的亮度分量.将新的亮度分量进行增强处理后,进行HSI逆变换获得最终融合图像.实验结果证明,该方法不但提高了融合图像的空间分辨率,突出了目标的特征信息,而且更好地保留了原有多光谱图像的光谱性质.关键词 遥感图像融合;HSI;小波变换;主分量分析
3国家自然科学基金资助项目(60675011)通信作者收稿日期:20082042170 引言随着遥感技术的发展,多传感器图像融合技术已成为当前的一个研究热点问题[1].多传感器图像融合是一种先将不同类型传感器获取的同一地区的图像数据进行空间配准后,再采用一定的算法将各图像数据中所含的信息优势互补性有机地结合起来产生新图像的技术[223],融合后的图像更加符合人或机器的视觉特性,有利于后续的图像分析、目标检测、识别或跟踪[4].在多传感器图像融合技术研究中有一个重要内容就是将具有高空间分辨率的全色图像与低空间分辨率的多光谱图像进行融合处理,来增强图像的清晰度,提高图像解析性,突出目标的特征信息[5],获得一个具有高空间分辨率的多光谱图像,这在遥感应用、地形探测、环境研究和土地使用分析[4,6]等方面有重要的意义.目前的融合技术主要有加权平均融合[4]、HSI(hue2saturation2intensity)变换方法[7],Brovey变换[8]、主成分分析方法(principalcomponentanalysis,PCA)[5]、小波变换方法[122],以及这些方法的组合等[3,10].其中,HSI是应用最广泛的远距离传感器图像融合方法之一,并且作为一种标准的处理方法存在于许多商业包中[729].但是传统的HSI变换方法中在光谱信息和分辨率上不能同时得到较好的融合效果[6],由于扭曲了原始的光谱特性,产生了光谱退化[3],因此对HSI方法的改进很有意义.María等人[10]提出了改进的基于小波分解的HSI融合方法,此方法是将经小波分解后所提取的全色图像的高频分量融合到多光谱图像亮度分量经小波分解后的高频分量中.但是这种融合方法舍弃了全色图像经小波分解的低频成分,导致融合后分块模糊现象.另外,融合规则的选择也直接决定了最终的融合效果.传统的方法有取最大,取最小方法[11],取平均方法,和近些年来人们提出的基于边缘检测的方法[12]等.由于在决定融合算子的时候采用的都是固定的参数,不能够自适应的确定融合参数,因此所得到的融合效果不够理想.为了获得更好的融合效果本文提出一种新的融合方法.这种新的方法能够提高多光谱图像的空间分辨率,同时尽量保持多光谱图像的光谱特性.我们首先通过HSI变换获得多光谱图像的亮度成分,将它与全色图像进行小波融合,低频部分利用改进的PCA方法自适应确定小波低频图像的融合加权系数.为了获得更多的高频部分的细节信息,采用传统小波融合方法的思路,高频部分全部采用全色图像的高频部分,融合后得到新的亮度分量,将新的亮度分量进行增强处理后,与多光谱图像中的色调分量和饱和度分量进行HSI逆变换获得最终融合的图像.1 HSI图像融合为简化问题,对于多光谱遥感图像可以选择特定波段,转换成红、绿、蓝(RGB)图像.RGB三原色模型是目前常用的一种颜色模型,它是从物理学角度出发描述颜色,适于计算机定量处理颜色.另外一种广泛应用的颜色模型是HSI模型,其中H表示色调,S表示饱和度,I表示亮度.HSI模型中的三个分量H,S,I
