25遙感數(shù)據(jù)融合技術(shù)及其在森林資源監(jiān)測(cè)中的應(yīng)用

1、遙感數(shù)據(jù)融合技術(shù)及其在森林資源監(jiān)測(cè)中的應(yīng)用一、多衛(wèi)星遙感數(shù)據(jù)融合的概念融合的概念開(kāi)始出現(xiàn)于70年代初期，當(dāng)時(shí)稱之為多源相關(guān)，多傳感器融合和數(shù)據(jù)融合。80年代以來(lái)，信息融合技術(shù)得到迅速發(fā)展，對(duì)它的稱謂亦漸趨統(tǒng)一，稱之為數(shù)據(jù)融合或信息融合。數(shù)據(jù)融合的概念，最早出現(xiàn)于軍事領(lǐng)域，美國(guó)國(guó)防部(1992)指出數(shù)據(jù)融合是一個(gè)對(duì)多源數(shù)據(jù)(信息)進(jìn)行多層次、多方面自動(dòng)檢測(cè)(detection)，聯(lián)合(association)、相關(guān)(correlation)、估計(jì)(estimation)和結(jié)合(combination)的過(guò)程。針對(duì)遙感數(shù)據(jù)融合，Pohl和Gendem指出數(shù)據(jù)融合是通過(guò)一定的算法將兩個(gè)以上的影像數(shù)據(jù)

2、結(jié)合在一起生成一個(gè)新的影像。Mangolini(1996)則將參與融合的數(shù)據(jù)擴(kuò)展到了非遙感數(shù)據(jù)并首次引入質(zhì)量(quality)來(lái)評(píng)價(jià)融合的結(jié)果，這在pohl和美國(guó)國(guó)防部的定義中是沒(méi)有的。Mangolini將融合定義一種方法、工具和手段的集合。Li等(1993)將融合定義為將一組遙感器數(shù)據(jù)結(jié)合(combination)并生成單一數(shù)據(jù)，該數(shù)據(jù)與原始數(shù)據(jù)相比應(yīng)有更好的質(zhì)量和可靠性(greaterqualityandreliability)。(霍宏濤，2001)對(duì)于多衛(wèi)星遙感數(shù)據(jù)，信息融合的定義可描述為(何國(guó)金等，1999)：將不同類(lèi)型傳感器獲取的同一地區(qū)的影像數(shù)據(jù)進(jìn)行空間配準(zhǔn)，然后采用一定的算法將各

3、影像數(shù)據(jù)中所含的信息優(yōu)勢(shì)或互補(bǔ)性有機(jī)地結(jié)合起來(lái)產(chǎn)生新影像數(shù)據(jù)的技術(shù)。這種新數(shù)據(jù)具有描述所研究對(duì)象的較優(yōu)化的信息表征，同單一信息源相比，能減少或抑制對(duì)被感知對(duì)象或環(huán)境解釋中可能存在的多義性、不完全性、不確定性和誤差，最大限度地利用各種信息源提供的信息二、數(shù)據(jù)融合的層次及其特點(diǎn)按信息抽象程度的不同，數(shù)據(jù)融合可劃分為像元極(Pixelbased)、目標(biāo)級(jí)或特征級(jí)融合(Featurebased)以及決策級(jí)融合(Decisionlevel)3個(gè)層次(何國(guó)金等，1999)。如下圖所示(C.POHL，1998)1PTWUJLevel1Tinaae1ri-linageifi.NIcaluneExtnictio

4、n)LevelImageIFcai圖1數(shù)據(jù)融合的三個(gè)層次(C.POHL，1998段的融合，在兩幅或多幅圖像實(shí)現(xiàn)空間配準(zhǔn)的基礎(chǔ)元的物理量加權(quán)求和，該值對(duì)應(yīng)為同便改善如分割與特征提取等處理效果。在該層次的象上,然后將其作用是增加圖像中的有用信息成分，以融合沒(méi)有信息損失，因此這種處理提供了一種最優(yōu)決策和識(shí)別性能。例如,美國(guó)陸地衛(wèi)光譜數(shù)據(jù)的象素級(jí)處理，可以識(shí)別病害莊稼的特征，而單特征級(jí)融合是在圖像特征提取(如光譜特征和空間特征等)誹段的融合。對(duì)于不素級(jí)在圖像預(yù)處理階或多幅圖像實(shí)現(xiàn)空間配準(zhǔn)的基礎(chǔ)可一坐標(biāo)上大的新圖像的像元值譜數(shù)據(jù)則不可能。同圖像進(jìn)行的特征提取，必須按照各自圖像上相同類(lèi)型的特征進(jìn)行融合處理

5、，其使得能夠以高的置信度來(lái)提取有用的圖像特征，然后將獲得的特征影像通過(guò)統(tǒng)計(jì)模型或人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行融合，融合結(jié)果一般是分類(lèi)圖像。特征級(jí)融合比較適合于在象素級(jí)組合多源數(shù)據(jù)的等同數(shù)據(jù)不可能的情況下，而且比較簡(jiǎn)單，在許多情況下比較實(shí)用。（王淑等，2005；霍宏濤，2001）（3）決策級(jí)融合是高水平的融合。其按照應(yīng)用的要求首先對(duì)圖像進(jìn)行分類(lèi)，確定各個(gè)類(lèi)別中的特征影像，然后對(duì)得到的增值信息按一定的規(guī)則進(jìn)行融合處理。三種融合層次的比較如下表1（王淑等，2005）表1三種融合層次的特點(diǎn)比較（A、彖素級(jí)融：B、特彼級(jí)融V:C.決策級(jí)融介）融合層次信息損失實(shí)時(shí)性融合精度容錯(cuò)性抗干擾力T作量融合水平、丄小高差小

6、低勺丄要力I1中中中中數(shù)據(jù)數(shù)據(jù)的i!比值法、乘融合方法彳法變換等艮多如IHS而且正對(duì)變換法、P掠同算CA變換法出現(xiàn)的問(wèn):、Brovey1題如光譜1變換法、扭曲而出高三、數(shù)據(jù)融合的多衛(wèi)星遙感Wavelet變換法、波段現(xiàn)的各種改進(jìn)方法以及不同方法的組合等，使得數(shù)據(jù)融合沒(méi)有統(tǒng)一固定的模式可以參考。如果再考慮三個(gè)不同層次的融合，則數(shù)據(jù)融合的方法就更多，如表2（王淑等，2005）表2圖像融合的主要方法基于像素級(jí)代數(shù)法H【S變換法高通濾波法回歸模型法1、基于IHS變換的數(shù)據(jù)融合撫濃基于決策級(jí)基于知識(shí)融合）-5方濃模糊集合理論蹈可靠性理論貝葉斯估計(jì)法基于抽彼級(jí)貝葉斯估計(jì)）-5力濃爛法帶權(quán)平均法神經(jīng)網(wǎng)絡(luò)法,聚

7、類(lèi)分析:（D.AMARSAIKHAN,20IHS變換是數(shù)據(jù)融合中應(yīng)用感數(shù)組合成的RGB顏色空間是一物體顏色屬性描述系統(tǒng)，而IHS色度空間提取出物體的亮度I（Intensity）、色度H（Hue）、飽和度S（Saturation），它表述了人的視覺(jué)對(duì)色彩的感覺(jué)，如I表示強(qiáng)度和亮度（其包含空間信息），而H、S分別定義顏色的波長(zhǎng)和顏色的深淺程度（包含圖像的光譜信息）。因此，在基于IHS變換是數(shù)據(jù)融合中，常以高空間分辨率數(shù)據(jù)代替多光譜數(shù)據(jù)IHS變換變換后的I分量，然后進(jìn)行逆變換從而達(dá)到融合的目的。其一般過(guò)程如下泛的技術(shù)圖2HIS變換的算法很多，如球體變換、圓柱變換、三角變換、單六角錐變換等。這些方法的

8、基本思想都是類(lèi)似的，一般而言，對(duì)某種從RGB空間轉(zhuǎn)換到HIS空間的方法，只要保證變換后的H是一個(gè)角度、飽和度S和強(qiáng)度I相互獨(dú)立，并且這個(gè)變換是可逆的，那么該方法就是可行的(姚敏等，2006)，先參考霍宏濤(2001)和姚敏(2006)等文獻(xiàn)，以圓柱變換為例給出IHS變換及其逆變換(1)正變換。假設(shè)R、G、B均在0,1范圍內(nèi)取值I=(R+G+B)13min(R,G,B)S=1I=arcco(RG)+(R+G)/2(RG)2+(RB)(GB)i/2逆變換當(dāng)H在0120之間時(shí)R=I1+SCOS(H)cos(60。H)B=I(1S)G=3IRB當(dāng)H在120。240。之間時(shí)R=I1+SC0S(H一12Q

9、P)cos(180PH)B=I(1S)G=3IRG當(dāng)日在240。360。之間時(shí)R=I1+Scos(H-24廳)cos(300，H)B=I(1S)G=3IGB在進(jìn)行HIS逆變換前，需要對(duì)高分辨率數(shù)據(jù)P如SPOT與強(qiáng)度分量I進(jìn)行處理，可以進(jìn)彳丁線性拉伸、直方圖匹配等。Pnew=aP+b，a,b可以通過(guò)最小乘得到即I=ap+b(S.iiTEGGI,等，2002)2、基于PCA變換的數(shù)據(jù)融合PCA變換是一種正交變換，在數(shù)學(xué)上稱為主成分分析，其目的是把多變量信息即多波段的圖像信壓縮或綜合在一張圖像上，而且對(duì)于新圖像來(lái)說(shuō)，各波段的信急所做的貢獻(xiàn)能最大限度的表現(xiàn)出來(lái)。為此須對(duì)原像素各波段亮度值作加權(quán)線性變換

10、，以產(chǎn)生新的像素亮度值。陳德超等，2001)多光譜遙感數(shù)據(jù)主成分的計(jì)算包括三個(gè)基本的過(guò)程(C.POHL等，1998)：(1)協(xié)方差(Covariancematrix，非標(biāo)準(zhǔn)化的主成分分析)矩陣和相關(guān)矩陣(correlationmatrix，標(biāo)準(zhǔn)化的主成分分析)，(2)特征值和及其特征向量的計(jì)算，(3)計(jì)算新的主分量利用主成分分析進(jìn)行數(shù)據(jù)融合包括兩種方法：(1)代替法，其一般過(guò)程如圖3，(2)將不同傳感器獲得的遙感數(shù)據(jù)形成一個(gè)多光譜文件，然后對(duì)該文件進(jìn)行主成分變換，從而實(shí)現(xiàn)多衛(wèi)星遙感數(shù)據(jù)的融合主成分分析的主要算法設(shè)X為具有p個(gè)波段，各波段有n個(gè)像元x1nx2nTOC o 1-5 h zxx111

11、2xxX=2】22xxxp1p2pn則X的離差矩陣Q和協(xié)方差陣S分別為（唐守正，1986）Qpxppxpn因?yàn)镼和S相差n倍，而特征向量不變，故可以從Q出發(fā)進(jìn)行主成分分析。設(shè)Q的特征值為（由大到小排列）九J，九卩，其所對(duì)于的特征向量為7,u2,，up。由，up所組成的矩陣uuu1121p1uuuU=1222p2uuu1p2ppp則新的主分量為：yyyy11121niyyyyY=U*X=21222n=2pxn:yyyyp1p2pnp2）代替法zzzz11121n1yyyyYZ=21222n=2pxn:yy.yyp1p2pnpXnew=U-1*YZ（ERDAS手冊(cè)）設(shè)Z為與X配準(zhǔn)的高空間分辨率數(shù)據(jù)

12、，并進(jìn)行了線性拉伸處理，現(xiàn)在以Z代替人即pxn（3）對(duì)多傳感器數(shù)據(jù)進(jìn)行PCA變換，同樣對(duì)X和Z進(jìn)行融合首先將X和Z組成一個(gè)信息的數(shù)據(jù)文件，如下XZ=x11x21x12x22x1nx2nxp1z11xpnzpnxp2z12然后，對(duì)XZ按(1)進(jìn)行主成分變換3、基于小波Wavelet就可以達(dá)到數(shù)據(jù)融合的目的。)變換的數(shù)據(jù)融合(1)小波小波是一個(gè)積分(平均)為0的函數(shù)。顧名思義小波就是小的波形，小是指它具有衰減性如局部非零，波是指它的波動(dòng)性，即正負(fù)相間的震蕩形式。設(shè)中(x)UL2(R)(L2(R)是平方可積的實(shí)數(shù)空間，即能量有限的信號(hào)空間)，當(dāng)中(X)滿足條件L(說(shuō)=0，即J氣加35(其中中()是中

13、(x)的傅立葉變換)時(shí)，我們R稱中(x)為基本小波(BasicWalvelet)或小波母函數(shù)(MotherWavelet)。中(x)經(jīng)伸縮a,平移b后得到(1)式：中(x)=1a|2中(-_b)a,ba(1)式中a為伸縮因子，b為平移因子并且a,bUR(a0),那么我們稱中(x)為小波(Wavelet)。a,b(2)小波變換小波變換是信號(hào)與小波函數(shù)的內(nèi)積，是對(duì)信號(hào)滿足一定附加條件的濾波，這種附加條件反映在小波函數(shù)的參數(shù)選取上。1xb設(shè)f(x)也是平方可積的，對(duì)于含有參數(shù)的小波函數(shù)中(x)=|a|2中()，它的連a,baa,b續(xù)小波變換定義為(2)式：1xbW(a,b)=Jf(x).|a丨2V(

14、)dxfaR(2)其中：f(x)UL2(R)bRV為中(x)的復(fù)共軛。將上式改寫(xiě)成內(nèi)積的形式就是：Wf(a,b)=由小波變換的定義及需要滿足的條件Jv(x)dx二0保證了從W(a,b)恢復(fù)出f(x)，其小波逆變換為(3)式：1xbf(x)=C-1JW(a,b).|a12中().a-2dadbvfaI以上小波變換的一般定義。隨著Mallatl989年多分辨率分析(multiresolutionanalysis,MRA)(Mallat1989)算法(Mallat算法)的提出，小波變換開(kāi)始用于圖像融合。Mallat算法的主要思想是將能量有限信號(hào)空間L2(R)表示成一系列小波系數(shù)的疊加。對(duì)于兩個(gè)空間分

15、辨率不同的遙感數(shù)據(jù)，一旦小波系數(shù)確定，就可以獲得一個(gè)轉(zhuǎn)換模型來(lái)確定低空間分辨率圖像丟失的小波系數(shù)(C.POHL等，1998Oncethewaveletcoefficientsaredeterminedfor就可以獲得融合的圖像。thetwoimagesofdifferentspatialresolution,atransformationmodelcanbederivedtodeterminethemissingwaveletcoefficientsofthelowerresolutionimage)。另夕卜，多分辨率分析只是對(duì)低頻部分做進(jìn)一步分析，而高頻部分不予考慮。這樣小波逆變換基于小波變

16、換的數(shù)據(jù)融合一般技術(shù)路線和過(guò)程如下PanimagematchedtoRbandhistogram(1)PanimagePanimagmmatchedtoGbandhistogram4、Brovey變換法PanimagematchedtoBbandhistogramHHrhlrlhrllrhhghlglhgllghhehlblhbllb(3)hfTHI?lhrRhhghlglhgGhhbHLblhbBBrovey融合也稱為色彩正規(guī)化(Co得名。其算法如下:R|ornormalgtion)變扌換融合,由美國(guó)學(xué)者Brovey推II其中i三為:R、G、B三個(gè)通道，蟲(chóng)按fR,G,B),述為高空間分辨率1

17、圖像。是將多亡：丘promgsdecomposition,bandreplacementand.reversewavelettransform.光譜影像空間解為色度和亮度成分(羅彩蓮等，2005)，如對(duì)TM數(shù)據(jù)和SPOT數(shù)據(jù)融合而言，Brovey變換能夠保持TM數(shù)據(jù)原有的色調(diào)轉(zhuǎn)換至融合后的數(shù)據(jù)中(陳德超等，2005)。為了減少Brovey變換對(duì)圖像亮度的壓縮，陳德超等(2005)對(duì)Brovey融合算法進(jìn)行了改進(jìn)，提出了線性、非線性拉伸Brovey融合算法以及在此基礎(chǔ)上提出的基于信息特征的融合方法，并在信息提取中得到了較好的結(jié)果?，F(xiàn)歸納如下:(1)線性拉伸算法CF=3iP2)非線性拉伸算法F二a

18、Pa21I2其中a,a為系數(shù)123）基于信息特征的融合方法Pa2(Rinfo1info2)R=aiI(G+info3+info4)IPb2其中W1(z,j)=響maxR=M2,N2maxPc2B=c(R+info5+info6)iI其中info1,3,5可以是植被、裸地、水體等不同信息，info2,4,6可以是相同的信息如紋理等。這種融合方法，可以針對(duì)不同的要求，靈活改變信息特征提取的方法，不為變換公式所限。5、傅立葉變換法傅立葉變換是在頻率域進(jìn)行數(shù)據(jù)融合的方法。二維離散數(shù)據(jù)傅立葉變換及其正變換如下01呼12（做+vy）f（x,y）ex=0y=01112(ux+vy)11F(u,v)eznN2

19、u=0v=0一般F（卩）為復(fù)數(shù)，可以寫(xiě)成F(卩)=R(卩),jl(卩)=F(卩)eje(卩)其中|F（冋=R2（p）+12（卩用為傅立葉頻譜，虹卩）=arctanR占）為相位角?，F(xiàn)參考K.K.MOHANTY文獻(xiàn)（2002）簡(jiǎn)要介紹傅立葉變換在圖像融合的方法。設(shè)x為多光譜數(shù)據(jù)，P為高空間數(shù)據(jù)，二者已經(jīng)空間配準(zhǔn)。小尺度（small-scale）即低頻變化在p中，這樣，在頻率域中用多光譜數(shù)據(jù)進(jìn)行融合，就會(huì)得到新的融合數(shù)據(jù)（Thesmall-scale（lowfrequency）variationsinthepanchromaticimage,whenblendedwiththesamespatial

20、wavelengthsfromamulti-spectralimageinthefrequencydomain,yieldamergedproduct）。設(shè)X、P為傅立葉頻譜圖像，M，N分別為高空間數(shù)據(jù)的行列數(shù)據(jù)，F(xiàn)(z,j)=R(z,j)Rmaxotherwzse4X(z/4,j/4)W1(z,j),P(z,j)%P(z,j)W=1-W(z,j)R(i,j)應(yīng)該為傅立葉頻譜圖？MMi22j6、各種方法的組合如IHS變換和小波變換的組合等等。四、融合后數(shù)據(jù)質(zhì)量的評(píng)價(jià)(王淑，2005)(1)圖像信息量增加，信息熵熵值的大小表示圖像所包含的平均信息量的多少，信息量增加是圖像融合最基本的要求,這可以

21、通過(guò)融合前后圖像信息熵的變化反映出來(lái)，圖像信息熵的含義為圖像的平均信息量。N【二i)I嘩p(i)(1)圖像融合前后差異:交叉熵交叉熵或稱相對(duì)熵，可以用來(lái)度量?jī)煞鶊D像間的差異,交叉熵越小，表示圖像間的差異越小。設(shè)標(biāo)準(zhǔn)參考圖像為R,融合后的圖像為F,則參考圖像R與融合圖像F的交叉熵為：L-12)均方根誤差融合圖像和標(biāo)準(zhǔn)參考圖像間的均方根誤差為:工工丨i二i二】MXS其中M、S分別為圖像的行列與列數(shù)圖像質(zhì)量的改進(jìn)：清晰度圖像質(zhì)量的改進(jìn)可以用平均梯度表示,它反映了影像的清晰程度,同時(shí)還反映出圖像中微小細(xì)節(jié)反差和紋理變換特征，其公式為：vG=盤(pán)乙習(xí)式中AxI-i.jllii.il分別為像元(i,j)在x

22、/y方向上的一階差分。光譜信息的繼承：偏差度Costantin等人用偏差指數(shù)(DifferenceIndex)1來(lái)反映融合后圖像與原始圖像在光譜信息上的匹配程度。例如高空可分辨率影像A與低空間分辨率多光譜影像B進(jìn)行融合生成影像C,偏差指數(shù)定義為融合后的圖像C與原始圖像B的差值的絕對(duì)值與原始圖像B的影像值的比值：ITIIn_lvy|:ij-biij|D_MNi=Ij=IB(i:j)如果偏差指數(shù)D較小，則說(shuō)明融合后的圖像C在提高了空間分辨率的同時(shí)，較好地保留了多光譜影像的光譜信息。其他方法可以自己定義四、在森林資源監(jiān)測(cè)中的應(yīng)用參考文獻(xiàn)1.J.H.PARKandM.G.KANG.Spatiallya

23、daptivemulti-resolutionmultispectralimagefusion,INT.J.REMOTESENSING,2004,VOL.25,NO.23,54915508王淑，王恒山，肖剛，多源遙感影像融合理論、技術(shù)和應(yīng)用，微型電腦應(yīng)用，2005，21(12):15何國(guó)金李克魯胡德永等，多衛(wèi)星遙感數(shù)據(jù)的信息融合:理論、方法與實(shí)踐，中國(guó)圖象圖形學(xué)報(bào)，1999，4(9):744750霍宏濤，數(shù)據(jù)融合技術(shù)在植被信息提取中的應(yīng)用研究，北京林業(yè)大學(xué)博士論文，2001D.AMARSAIKHANandT.DOUGLAS，DatafusionandmultisourceimageclassificationINT.J.REMOTESENSING,10SEPTEMBER,2004,VOL.25,NO.17,3529-3539姚敏等，數(shù)據(jù)圖像處理，浙江大學(xué)，機(jī)械工業(yè)出版社，2006陳德超，周海波，陳中原等，TM與SPOT影像融合算