IHS变换图像融合技术及融合图像评价参数的讨论[1]

论文导读:：本文运用几种HIS变换方法对同一地区的SPOT和ETM图像进行融合，并在此基础上提出了一种新的方法来减少图像的光谱损失。同时运用平均值、标准差、平均梯度、熵等参数对融合的结果进行了评价。结果表明本文提出的方法在图像的熵方面基本相同，但在平均梯度方面本文提出的方法最优。同时针对图像融合评价参数提出了一些看法。
论文关键词：IHS变换，HIS变换，图像融合

 

1 引言：

随着遥感技术的发展，现代遥感技术为对地观测提供了多空间、多光谱、多时相分辨率的海量遥感影像数据广泛的应用于各个领域。与单源遥感影像数据相比，多源遥感影像数据所提供的信息具有冗余性、互补性和合作性。^[1]由此可见，多源遥感影像数据融合不仅是一种遥感影像数据处理技术，而且是一种遥感信息综合处理和分析技术，是目前遥感应用研究的重点之一。一般来讲，一般情况下计算机论文，多光谱图像的光谱分辨率较高，但空间分辨率比较低。全色图像具有高空间分辨率， 但光谱分辨率较低。 为了增加图像信息提取的精确性和可靠性， 提高图像的解译能力，可以将低空间分辨率的多光谱图像和高空间分辨率的全色图像进行融合， 使融合后的多光谱图像在保留光谱特性的同时具有较高的空间分辨率。而HIS变换是一种最常用的多源遥感影像数据融合的方法，融合的影像在空间分辨率和清晰度上比原多光谱影像都有了一定的提高，且较大程度上保留了多光谱影像的光谱特征，有利于提高制图精度。Haydn 等(1982)^[2]首次将IHS 变换法应用于两种不同平台遥感数据源的融合 ，这种方法也被用于TM 和SPOT 全色图像数据以及SPOT 多光谱和全色波段数据的融合。 因此如何获得高清晰的图像已成为一个重要研究课题。本文提出了一种经过改进的HIS 变换法，从而获得更为清晰的图像。

2 研究区域和数据源

本文的研究区域为江西省抚州市市区。数据源为抚州市区2000年9月的ETM图像和SPOT图像cssci期刊目录。研究区域图像如下：ETM图像为Band 5、Band 4、Band 3波段合成。

图A 原始图像图B SPOT全色图像

3 试验方法与评价

3.1 传统的HIS变换

从RGB模型转换到IHS模型的变换就是IHS 变换。 而IHS 变换法的主要原理就是将多空间分辨率低的3波段图像经过HIS变换得到I（亮度） ， H（色度） ， S（饱和度） 三个分量， 然后将高分辨率的全色图像代替I 分量， 把它同H、S进行HIS 反变换得到具有高空间分辨率的多光谱图像。

3.3 低通滤波HIS变换

卷积运算进行图像平滑导致图像空间分辨率的降低, 是由于原始RGB 图像的空间信息与其它信息没有分离。如果在卷积运算前首先对原始RGB 图像进行HIS变换, 将空间分量I 分离, 只对色度H 和饱和度S 平滑,则不会引起图像空间分辨率的降低。因此钱永兰等提出一种改进的低通滤波变换^[3] 。首先对原始多光谱图像进行IHS 变换,将包含空间信息的I

分量分离, 只对色度、饱和度分量H、S 进行低频卷积运算, 得到新的H′、S′分量, 将I、H′、S′做HIS 逆变换, 得到新的多光谱图像。

3.4 直方图匹配HIS变换

直方图匹配是一种对数字图像进行增强的处理方法。 直方图匹配时对图像查找表进行数学变换计算机论文，使一幅图像某个波段的直方图与另一幅图像对应波段类似，即以一幅图像的直方图作为参照对象,去调整另一幅图像的直方图, 使之尽可能与参照图像保持一致。伍娟、卢凌^[4]提出不直接用全色图像代替TM 图像的I分量, 先将全色图像同TM 图像亮度图像( I 分量)进行直方图匹配, 生成与亮度分量具有相似直方图分布特征的图像I″,然后用I ″代替I 分量, 由I″,H , S 进行反变换得到融合图像。这种方法不仅可部分消除全色图像和TM 图像获取时光照条件差异和地形起伏的影响, 而且生成的图像与亮度图像相关性增大, 复合图像的光谱特征与原TM 图像的光谱特征接近。

3.5 改进的 HIS 变换

针对传统HIS变换法的清晰度不强的问题，本文提出一种改进方法，即不直接用高分辨率的全色图像代替多光谱的亮度（I）分量，而是用分辨率融合后的第一主成分代替亮度（I）分量。并进行高通滤波和直方图匹配。对H、S分量进行低通滤波后于第一主成分进行IHS反变换。具体步骤如下：

1.首先将高分辨率全色图像进行高通滤波，生成新图像SPOT′。

2.将原始图像进行主成分分析，生成PC1

3.将原始图像第一主成分PC1与新图像SPOT′进行直方图匹配得到PC1′

4.将原始TM图像进行IHS变换，提取H、S分量。

5.将H、S分量进行低通滤波生成H′、S′。

6.将PC1′、H′、S′进行IHS反变换，生成融合图像

4 试验结果与评价

下图中图C为传统HIS变换、图D为低通滤波HIS变换、图E为直方图匹配HIS变换、图F为本文提出的HIS变换。

图C 传统HIS变换图D 低通滤波HIS变换

图E 直方图匹配HIS变换图F 本文提出的HIS变换

图像融合结果的评价分为主观评价与客观评价。 主观评价是通过目视来比较分析； 客观评价是利用图像的统计特性参数来进行判定，下面简要介绍各种参数的定义及其物理含义。

1）图像均值 图像均值是像素的灰度平均值，对人眼反映为平均亮度。其定义为

式中：M，N 为像元的行列数。

2）标准差标准差(Standard Deviation) 也称均方差(meansquare error)标准差反映了图像灰度相对于灰度平均值的离散情况，若标准差大，则图像灰度级分布分散，图像的反差大计算机论文，可以看出更多的信息。标准差小，图像反差小，对比度不大，色调单一，看不出太多信息。

3）信息熵_[5] 根据仙农(Shannon)信息论的原理，一幅8bit 表示的图像x的信息熵为：

式中： x 为输入的图像变量， Pi 为图像像元灰度值为i的概率cssci期刊目录。熵越大，图像所包含的信息量越丰富

4）平均梯度 平均梯度可敏感地反映图像对微小细节反差表达的能力，可用来评价图像的清晰程度，同时还可以反映出图像中微小细节反差和纹理变换特征。其计算公式为

图像评价参数结果下表：

表1 图像评价参数结果

5 结论与分析

从目视解译结果来看，四种方法得到的图像中，传统变换得到的图像光谱损失比较严重，其他三幅图像光谱保持的较好。但是在一些细节方面余下的三幅图像有些细微的差别，低通滤波得到的图像最为接近原始图像，但是图像的空间分辨率没有得到加强。直方图匹配方法在提高了空间分辨率的基础上在图像水体方面得到了较为良好的效果计算机论文，但在裸地及城镇方面的效果不好。本文提出的方法在提高空间分辨率的基础上载裸地与城镇方面取得较好的效果，但在水体方面还有待加强。在本文中笔者引用相关系数来评价融合后图像光谱分辨率的损失情况，相关系数越大，光谱损失越小。反之则损失较大。结果如表2

从图像评价参数上来看，在图像的信息度来看，传统变换的熵值最小且小于原始图像，说明融合后的图像在信息度上远远不如原始图像。而其余融合图像的信息度都大于原始图像，说明在信息度上都有所提高，但本文提出的方法得到的融合图像在平均梯度方面远远大于其余图像。从而证明本文的方法在图像的清晰度上得到了较大的提高。
 

综上所述，笔者认为融合图像的熵和平均梯度不能够全面的评价融合图像的结果，特别是在融合图像的光谱信息上。通过本文提出的方法得到的图像在信息熵和平均梯度上都大于或基本等其他图像，但是在光谱信息上损失比较严重。笔者认为这是由于损失多光谱图像的光谱信息、过多的融合了全色图像的空间信息得到的结果。

参考文献：
1.贾永红.多源遥感影像数据融合技术[M].测绘出版社，2005.
2.Haydn R,Dalke GW, Henkel J, et al. Application of the IHS color transform to theprocessing of multisensor data and image enhancement [A]. In: Proceedings ofthe International Symposium on Remote Sensing of Arid and Semi2Arid Lands [C], Cairo, Egypt, 198
3.钱永兰等.IHS 变换与低通滤波相结合的遥感图像增强模型[J].农业工程学报，2007，4：162-165.
4.伍娟，卢凌，董静.基于IHS 变换与直方图匹配法的遥感影像融合[J].武汉理工大学学报，2004，2：41-42.
5.赵英时.遥感应用分析原理与方法[M].北京:科学出版社，2003.