遥感影象融合效果的客观分析与评价.doc

1、遥感影象融合效果的客观分析与评价摘要：遥感图像融合技术作为遥感图像分析的一种有效手段，近年来已经得到了快速发展。目前，虽然已经存在许多经典的融合算法，但这些算法的融合结果会在不同程度上出现光谱失真、色调变异等现象。如何使得融合结果在具有较高的空间分辨率的同时，降低图像光谱失真程度，已成为现在遥感领域研究的热点问题之一。 关键词：遥感影响；融合效果；评价 中图分类号：P237 文献标识码：A 引言 随着遥感对地观测技术的快速发展，其空间分辨率、时间分辨率、光谱分辨率等多方面的性能都得到了很大的改善，实现了多波段、多角度、多平台的综合立体观测。遥感技术与众多专业模型相结合，其定量化的专题产品已在军

2、事国防、农业估产、矿物探测、灾害监测、气象预报、资源调查、城市规划、通信导航、环境污染、计算机视觉、医学图像分析等众多领域得到应用，推动了国民经济的快速发展。 然而，人们可以获取和利用的图像资源也随之急剧增加并呈现出多样性和复杂性，但是从任何单一传感器所获取的数据都存在自身的局限性，比如在几何特性、光谱特性和分辨率等方面，不能够全面的描述目标特性，往往难以满足实际应用的需求。如何综合利用不同平台的海量遥感数据，充分发挥各自优势，降低数据冗余度，获取比任何单一数据更准确、更丰富的图像信息，增强特征显示能力，提高图像分类精度，已成为当今遥感实用化的重要研究内容。 遥感图像融合的概念 图像融合是数据

3、融合中一个很重要的分支，是 20 世纪 70 年代后期才提出的一种新概念，并在 80 年代后才逐渐发展起来的一门新兴技术。图像融合是信息融合和图像处理的一个交叉的新学科，是指把那些在空间或时间上冗余或者互补的多源数据，按照一定的融合算法或规则，将不同传感器、不同方式、同一方式不同时相下获取的两幅或多幅图像的信息进行多方面、多级别、多层次的处理，利用其各自的优势，获取对同一目标对象更丰富、更精确、更可靠、可理解性更好、更高解译度和识别度、更适合人的视觉观察、模糊更少、更适合计算机的分类和识别的一幅新图像。 图像融合并不是不同数据之间进行简单的复合处理，更是为了突出有用的信息、强调对信息的优化利用

4、、消除无关的信息、改善对目标对象的识别能力、提高对图像的解译能力、改善应用范围和融合效果、减少图像的不完全性或误差，最大限度地利用各种数据源的信息做出最终的决策。 遥感图像融合效果评价方法 融合图像的效果评价是遥感图像融合处理中一项相当重要的步骤，通过对融合后的图像进行主观和客观评价，能够对融合算法的优缺点进一步的评估和分析，在算法缺点的基础上对该方法进行进一步完善和改进，使效果更佳。图像融合的效果评价是所有应用者最在意的一个问题。理想的情况是融合后的图像既有新的信息加入，又有原图像中有用信息的保留。但是，由于融合时所采用的算法的多样化、数据源的多样化、传感器成像机理不同、数据获取方式的不同、

5、融合目的不同等原因，使得遥感图像融合后的结果评价就变得很复杂。 目前，图像融合的效果评价是从定性和定量两个方面来进行的，又称为主观定性评价和客观定量评价，如图 1 所示，一般情况下都是在定性评价的基础上进行定量评价，然后计算出融合后的图像与原图像之间的相关统计量。 （图 1 遥感图像融合效果评价指标） 2.1、客观定量评价 图像融合结果的客观定量评价是采用一定的量化指标来评价融合效果的，它克服了人为的主观影响，对图像的评价更加科学、客观40。目前，常用的客观定量评价指标有很多种，根据评价指标的计算方法不同，一般可以分为下列三类： （1）基于单一图像统计特性的评价指标 1）信息熵（Entropy

6、） 如果要衡量图像信息量是否丰富信息熵是一个非常重要的指标，图像融合一个很重要的目的就是要增加图像的信息量，而熵值能反映出图像信息量的大小，因此，它常被用于对融合图像的定量评价。 根据香农在 1984 年提出的 Shannon 信息论的原理，信息熵的定义式如下： 其中，E 是图像的信息熵，L 是图像的总灰度级数，Pi 是灰度值为 i 的像素出现的概率，其范围是0，1，L-1。求得的信息熵越小，则说明融合后图像所携带的信息量越少，融合效果越不好；信息熵越大，则表明融合后图像所包含的信息量越丰富，保留了原图像更多的信息量；2）均值（Mean Value） 均值是指融合图像的像素值的平均值，对人的眼

7、睛则主要反映为图像的平均亮度，在遥感图像处理中均值代表的含义是地物的平均反射强度。均值的定义式如下： 式中，M、N 分别为图像的行数和列数，I（i，j）为图像中点（i，j）处的像素值的大小。如果图像的均值适中(灰度值大约为 128 时)，表示目视效果较好。 3）标准差（Standard Deviation） 标准差用来表示融合图像灰度值的分布状况，是根据均值间接求出的，标准差的具体公式如下： 式中，M、N 分别为图像的行数和列数，I（i，j）为图像在点（i，j）处的像素值的大小，为图像的均值。所求得的标准差值越大，就表示融合后图像灰度级的分布越分散，能够获得的信息量就越多，图像的对比度也相对较

8、大，视觉效果较好。 4）平均梯度（Average Gradient） 平均梯度又可称为清晰度，它是衡量图像清晰程度的一个相当重要的标准，能反映出图像融合过程中很微小的纹理变化。平均梯度的公式如下： 式中，M、N 分别为图像的行数和列数，f x、f y 分别为图像在 X、Y 方向上的差分量，I（i，j）为图像中（i，j）处所对应的像素值。根据公式所求得的平均梯度值越大，则表示融合后的图像清晰度相对越高，视觉效果就越好。 5）空间频率（Space Frequency） 空间频率 SF(Space Frequency)分为空间行频率 RF（Row Frequency）和空间列频率 CF（Column

9、 Frequency） ，空间频率主要反映了图像在空间域内的总体活跃情况，空间行频率反映的是图像在行这个方向上的总变化，空间列频率则主要反映的是图像在列这个方向上的总变化。空间行频率、空间列频率和空间频率的公式如下： 式中，M、N 分别为图像的行数和列数，RF、CF、SF 分别为图像的空间行频率、空间列频率和空间频率，IR（i，j）为融合结果中第 i 行、第 j 列的像素值。空间频率的值是行频率和列频率的均方根，它的值越大，说明图像在空间域内的总体活跃程度就会越高，图像的融合结果目视效果越好。 6）等效视数（Equivalent Number of Looks） 判断图像在融合后噪声是否抑制、

10、图像信息的保持度和图像边缘的清晰度都可以参考等效视觉指标，其定义式如下： 式中， 、Std 分别是融合图像的灰度均值和标准差。计算出的等效视数值越大，则表明该融合方法的信息保持度越好，噪声得到了较好的抑制，效果越好。 以上这 6 种指标都是通过比较图像融合前后的统计特性变化来评价融合图像效果的好坏，因为此类评价指标都是相对独立的，所以适用性非常广泛。然而，它也有自身的缺点，此类方法只是考虑某一个统计特征，而统计特征在很多时候并不是十分对应实际的主观评价效果的，因此有一定的局限性。 （2）基于原始图像的评价指标 1）相关系数（Correlation Coefficient） 相关系数用来描述所融

11、合的图像与原图像这两幅图像之间的相似程度，也称为光谱相似量，通过对比融合前后图像的相关系数的大小，能用来衡量融合后的图像光谱信息的保持能力。相关系数 CC 的公式如下：式中，M、N 分别为图像的行数和列数，IA（i，j） 、 IB（i，j）分别为原始图像 A 和融合结果图像 B 中第 i 行、第 j 列的像素值，分别为图像 A 和融合结果图像 B 的均值。所求得的相关系数值越大，则表示融合结果和原始图像的相似度越高，视觉效果越好。如果融合结果与原图像之间的相关系数近似于 1，这时候融合效果是最好的。 2）扭曲程度（Degree of Distortion） 扭曲程度可以直接反映出融合图像的失真

12、程度，它是指融合结果与原图像二者的灰度平均值的差值，能用来描述不同类型的图像融合后的光谱变化程度，具体的公式如下： 式中，M、N 分别为图像的行数和列数，IR（i，j） 、I（i，j）分别为融合后图像和原图像中第 i 行、第 j 列的灰度值。扭曲程度的值越小，则表示融合图像与原图像比失真程度越小，效果就越好；如果值越大，则说明融合后的图像光谱扭曲程度就越严重，在理想的状态下，DD=0。 3）偏差指数（Difference Coefficient） 偏差指数也称偏差度，它是表示融合图像和原图像这两幅图像之间的相对偏离差异，具体的公式如下： 式中，M、N 分别为图像的行数和列数，IR（i，j）为融

13、合图像在点（i，j）处的灰度值，I（i，j）为原图像在点（i，j）处的灰度值。偏差指数值越大，则表明融合图像和原图像在信息上的匹配程度越小，两幅图像之间偏离越大，在绝对理想的情况下，DC=0。 4）互信息量(Mutual Information) 互信息量也称为相关熵，用来度量两个变量之间的相关性，它反映了两幅图像相互之间的依赖性，具体的定义式如下： 式中，A、B 是要融合的两个图像，F 是融合后的图像，QABF (k，i，j) 是图像 A、B、F 的联合灰度直方图，QAB (i，j) 是原图像 A、B 的联合灰度直方图。所得互信息值越大，则就表明融合图像从原图像中所得到的信息量就越多，图像的

14、视觉效果就越好。 5）灰度变化指数（Gray Variance Index) 现有的融合方法最主要的一个缺陷就是融合图像的色彩扭曲，所以评价融合效果很重要的一点就是看融合图像能否较好地保留原多光谱图像的光谱信息，即光谱保持性能，对于以地物分类、识别为目的的融合进行评价特别重要。把融合前后的每一个波段的图像分别看作一个二维矩阵，分析图像在融合前后相应波段的像素灰度值的变化，即灰度变化指数，其公式如下： 式中，M、N 分别是图像的行数和列数，j、k 分别是矩阵 Pi 的行数和列数，j=1M，k=1N，灰度变化指数值越小，则表示融合后图像的光谱扭曲程度越小。 这 5 种指标主要是针对异源传感器融合图

15、像来说的，在某种程度上它能更客观、更全面地反映异源融合图像特性的变化，具有非常重要的利用价值。 选择评价指标的原则 图像融合效果评价指标的选取，大部分都是根据图像融合的目的来选择，进 而来比较融合效果和融合算法的优劣。从上文分析可以看出，现实中评价图像的融合效果是个较为复杂的过程。图像融合的算法有很多，想要客观地判断一种融合算法效果的好坏，要考虑以下几个原则： 从提高图像的清晰度上考虑 在图像融合的处理过程中，一般要求提高图像的边缘分辨率，也即是提高 图像的平均梯度（清晰度） 。对此，可用平均梯度、等效视数和空间频率作为评价指标。 从融合图像的光谱特性上考虑 要判断融合后的图像比起原图像的光谱

16、信息是否发生了改变，可以根据灰度变化指数、扭曲程度、偏差指数和相关系数这些指标来进行评价。 从提高图像的信息量上考虑 想提高图像的信息量，对图像进行融合处理是一个很有效的方法。通过对图像进行融合，能够获取到更多、更完整、更可靠的信息特征，对图像接下来的分析来说特别重要。要评价融合后图像的信息量比融合前是否有所提高，可采用信息熵、标准差和互信息量等指标作为评价标准。 随着信息融合技术、图像融合技术的快速发展，遥感图像融合技术的应用领域日趋扩大，很多学者已经在这方面取得了很大的成就，因为融合性能评价的结果可用来指导融合，并进一步提高融合效果和优化系统的配置，可以预见，随着传感器、人工智能、模式识别、图像处理、智能机器人等相关学科的不断深化，图像融合技术将会得到更深层次的发展和提高。 参考文献： 1李弼程,魏俊,彭天强. 遥感影象融合效果的客观分析与评价J. 计算机工程与科学,2004,01:42-46. 2朱卫纲,周荫清,徐华平,李春升. 遥感图像融合效果客观评价J. 火力与指挥控制,2010,02:1-5. 3周芳,王鹏波,李春升. 遥感图像融合效果评估方法J. 现代雷达,2013,03:19-23.