改进的IHS-NSCT融合算法研究.doc

1、北京市中级专业技术资格评审申报论文1申报论文（中级）题目改进的IHSNSCT融合算法研究年月日单位XXXX（XX）遥感技术有限公司姓名申报专业摄影测量与遥感北京市中级专业技术资格评审申报论文2摘要摘要SAR影像与光学影像是遥感的两个重要数据类型。将SAR影像与易于解译的光学影像融合，不仅可以提高解译水平，还可以增强纹理细节信息。在多云、多雾的困难地区，SAR影像还可以弥补高质量光学影像难获取的缺点。但是由于两者的成像机理、几何特征、辐射特征以及分辨率都不尽相同，因此融合还存在很大的困难和挑战。针对传统IHSNSCT融合方法在SAR与光学影像融合方面的局限性，提出了改进的加权IHSNSCT融合算

2、法，该方法在低频信息和高频信息部分分别采用标准差和能量作为融合判据。低频部分低频子影像中，哪个影像的像素区域标准差大，相应低频融合影像系数即为这个影像对应像素的区域均值；高频部分高频子影像中，哪个影像的像素区域加权能量大时，这个影像对应位置的影像系数在生成高频融合影像系数时加权值就大。该算法能融合更多信息，较好区分噪声与边界信息，表达边缘轮廓信息。通过实验将改进的加权IHSNSCT融合算法与PCA算法、BROVEY算法、小波算法以及传统IHSNSCT算法进行对比，用定量指标评价表明改进的加权IHSNSCT融合算法相对于其他四种算法，融合效果更佳。关键字SAR影像；光学影像；融合；NSCT；低频

3、系数；高频系数北京市中级专业技术资格评审申报论文3目录摘要2目录31绪论411引言412光学影像与雷达影像融合的意义42改进的IHSNSCT融合算法521NSCT算法5211非下采样金字塔结构NSP5212非下采样方向滤波器组NSDFB622改进的IHSNSCT融合算法7221低频部分8222高频部分93融合实验及评价1031实验数据1032实验结果1133实验评价124结论15参考文献16北京市中级专业技术资格评审申报论文41绪论11引言光学影像是通过被动式传感器所获取的影像。光学遥感使用光学技术，其工作波段是目前遥感中前最常见的波段。光学影像反映的信息内容主要有波谱信息、空间信息和时间信息

4、。波谱信息表现为已经量化的辐射值。影像像元值间接反映了地物的波谱特征，不同的地物一般都有不同的像元值，遥感影像解译中识别不同地物的一个重要标志就是影像的像元值差异12。合成孔径雷达SYNTHETICAPERTURERADARSAR技术是近20年以来发展起来的一种极有发展潜力的空间观测技术。SAR是主动式传感器，是一种可以全天候、全天时工作的主动式微波遥感成像系统3。雷达影像记录的是地物后向散射回波信号的振幅和相位。雷达影像信息内容上，由于地物目标所处的位置、地质结构、表面形态和介电常数等不同，对雷达波束的反应是不一样的。同时，不同雷达波段、不同的频率、振幅、初相及极化方式、入射角等也会使地物产

5、生不同的反应，因而在图像上形成不同的色调和纹理46。12光学影像与雷达影像融合的意义1光学影像是通过日光照射到地物后反射的光谱信息来表现地物特征。而SAR影像不同于光学影像的是成像机理，SAR影像是主动发射微波脉冲，然后接受后向散射回波。因此，人们对光学影像更容易进行解译。但是，SAR影像能提供很多光学影像提供不了的数据。例如，城市区域的定位在SAR影像上就更容易识别11。除此之外，利用极化信息的不同组合可以提取出更多的信息。SAR对几何结构特征高度敏感，相对光学数据能够突出地物，比如洪水区域或北京市中级专业技术资格评审申报论文5者市区的人为建筑等。此外，极化信息能很好的区别出植被等的生物学特

6、征的各个阶段79。2融合光学与SAR影像必要性的另一个方面是用于多云雾地区。尽管很多问题可以直接用光学数据就可以解决，但是这种影像的有效性并不能保证。实际上，光学影像受天气的影响很严重，在许多多雨潮湿的地区，由于乌云的覆盖使得光学影像不再可用。结合我国实际情况，我国有三分之二的国土面积上常年被云、雨覆盖，在这些地方很难实时获取高质量光学影像，但是SAR影像却很容易获得10。而且，在一些紧急情况下，比如自然灾害时的地震，海啸等，快速获取数据是一个至关重要的环节。在这些情况下，光学影像中获取的传统信息便可与SAR影像相结合，即使是在不同时间获得的不同分辨率的影像也可融入SAR影像中1115。基于以

7、上原因，本篇论文提出了一种新的SAR影像与光学影像的融合算法，即基于一种新的统计方法的NSCT融合算法。这种算法不仅能够加强空间和纹理信息，以及光学影像中的特征信息，提高影像利用率，而且对视觉解译和制图都很有帮助。2改进的IHSNSCT融合算法21NSCT算法非下采样CONTOURLET变换（NONSUBSAMPLEDCONTONRLETTRANSFORMNSCT），故名词义，是从CONTOURLET变换发展而来的。改进的地方在于NSCT变换去掉了CONTOURLET变换中的所有下采样环节16。211非下采样金字塔结构NSPNSP是具有平移不变形的滤波器结构，其分解过程类似于拉普拉斯金字塔分解

8、。用于对影像进行多尺度分解。NSP由高通滤波器和低通滤波器组成，且生成的影像能够实现很好的重构1719。NSP分解是通过迭代二维双通道非下采样滤波器组实现的，当分解尺度为J时，NSP冗余度为J1。NSP下一级分解中所使用的低通和高通滤波器是分别对前一级的低通和高通滤波器进行上采样得到的，即对上一尺度低频信号经上采样后的低通滤波器进行低通滤波，得到塔式分解后的低频信号；对上一尺度低频信号经上采样后的高通滤波器进行高通滤波，得到塔式分解后的高频信号。图像经J级分解后，得到J1个与源影像相同尺寸大小的自带影像，其分解过程见图21。通常非下采样滤波器采用MAXFLAT滤波器20,26。北京市中级专业技

9、术资格评审申报论文6图21两层NSP分解过程FIGURE32TWOLEVELNSPDECOMPOSITION图21为两层金字塔分解，X为输入影像，X0为低频子影像，Y1和Y2为高频子影像。本文实验时采用两层NSP分解。212非下采样方向滤波器组NSDFBNSDFB用于进行NSCT的平移不变多方向分解，DFB由双通道扇形滤波器组和重采样相结合组成，它将二维频率平面分割成多个具有方向性的契形结构。NSDFB则是通过消除DFB的下采样环节，只对滤波器进行上采样得到。NSDFB可对每个尺度下的高频信息进行方向分解，并且得到的每个子影像与原影像都具有相同的大小，因此是一种冗余分解2124。图22为两层N

10、SDFB结构。分解的方向子带数目以2倍递增。通常非下采样滤波器采用DMAXFLAT7滤波器25。图22两层NSDFB结构FIGURE22TWOLEVELOFNSDFBCONSTRUCTIONXY0Y1Y2Y3XX0Y1Y2北京市中级专业技术资格评审申报论文7图22中，X为输入影像。Y14为方向分解子影像。本文实验时采用一层NSDFB分解，因此分解后为双通道子带。即每进行一次NSDFB方向分解，会得到两幅高频子影像。由于没有下采样环节，NSCT除了具有CONTOURLET变换的优点外，还具有以下两个优势平移不变形及更高的冗余度。平移不变性保证了NSCT变换的低频子带中不会混淆有高频信息，具有更强

11、的方向选择性；而更高的冗余度则保证了影像经下采样变换后得到的各个子带中的视觉特征及信息更加完整2627。NSCT算法的流程为图23NSCT算法流程FIGURE23THEFLOWOFNSCTMETHOD图23中，X为输入影像，Y0为唯一的低频子影像，Y1和Y2均为高频子影像。图中展示了两层NSCT分解。即首先对原始输入影像利用NSP进行第一级分解，得到低频影像和高频影像，然后再对高频影像利用NSDFB进行方向分解，完成一次NSCT变换。第二层NSCT变换是对第一层生成的低频影像继续进行分解得到的。最终生成三组影像。22改进的IHSNSCT融合算法本文将IHS与NSCT相结合实现融合算法，其算法流

12、程如图24。XY0Y1Y2NSDFBNSPNSPNSDFB北京市中级专业技术资格评审申报论文8图24本文算法流程FIGURE24THEFLOWOFTHEPROPOSEDMETHOD本文融合算法的过程可以分为三个步骤（1）首先将多波段光学影像进行IHS变换，得到相应的I分量、H分量和S分量。（2）将光学影像变换后得到的I分量与原始SAR影像分别进行NSCT分解，得到各自的低频子影像与高频子影像。（3）根据一定的融合规则，分别对低频部分和高频部分进行融合处理，然后将融合后的低频子影像与高频子影像进行NSCT逆变换，得到初步融合影像。（4）将初步融合影像代替光学影像中的I分量，并与光学影像的S分量、

13、H分量进行IHS逆变换，得到最终融合影像。本文算法的主要创新点在于NSCT算法中新的融合规则的提出。针对低频部分和高频部分，分别提出了基于统计规则的不同融合算法。低频部分和高频部分的融合规则分别定义如下。221低频部分首先计算影像标准差，然后根据标准差来确定低频融合系数。标准差值（STANDARDDEVIATIONSD）的大小可以代表影像区域的清晰程度或者模糊程度，标准差值越大，则代表影像区域越清晰，反之亦然2829。其计算公式为光学影像IHS变换S分量H分量I分量NSCT分解SAR影像融合规则融合后影像IHS逆变换最终融合影像北京市中级专业技术资格评审申报论文9其中，错误未找到引用源。为影像

14、均值。将两组或者更多的原始影像进行NSCT分解后，分别得到各自的低频部分，然后利用33的滑动窗口分别计算各自低频部分的标准差。哪一个像素值所在的低频部分的标准差值大，则将这个像素所在低频部分的均值作为融合后的低频系数。均值计算也是通过33的滑动窗口来实现的。低频部分的融合规则如下。222高频部分本文提出采用加权算法来计算区域能量。从中心像素点向四周扩散的55窗口中，权重依次降低，这样计算得到的区域能量就可以代表中心像素点的值。然后比较区域能量值，当子影像区域能量较大时，其在最终融合系数中所占比重就较大。通过这种方法，可以最大限度的保留影像边缘和细节信息。使得融合后的影像目视效果得到提高。高频系

15、数融合规则定义如下影像的全局能量计算公式为其中，C为每层NSCT分解后对应的高频系数85。影像的局部区域能量用一个55的滑动窗口来计算，公式如下其中，错误未找到引用源。表示在位置错误未找到引用源。处的能量值，W为权重系数，对55窗口中的区域给出了权重比例，定义如下对NSCT分解后得到高频系数计算局部能量，哪一个像素值所在的高频部分的局部能量值大30，则这个像素所在高频部分的系数在融合影像中所占的比重就会大。高频部分的影像融合规则为其中，权重系数错误未找到引用源。和错误未找到引用源。定义8788为北京市中级专业技术资格评审申报论文10式中，T为阈值，代表两张影像之间的匹配度极限值，一般情况下错误

16、未找到引用源。，错误未找到引用源。为影像A和影像B之间实际的匹配系数3132，计算公式如下3融合实验及评价除了将本文提出的算法进行融合实验外，还将对传统的五种融合算法进行实验对比。实验中采用的传统算法包括基于成分替换的融合算法PCA算法；基于幅度调制的融合算法BROVEY算法和基于分辨率分析的融合算法小波算法。同时，还将对传统IHSNSCT融合算法进行实验，将每组实验结果进行对比分析，得出结论。31实验数据图31机载SAR影像FIGURE31THEAIRBORNESARIMAGE图32机载光学影像FIGURE32THEAIRBORNEOPTICALIMAGE北京市中级专业技术资格评审申报论文1

17、1实验数据为德国慕尼黑地区机载AES1的SAR与光学影像，两幅影像获取时间相同，均为2000年5月。影像原始分辨率均为15M，大小均为19191489。如图31与图32所示，影像中大部分区域为农田。影像均已经过预处理和精确配准，可直接进行融合实验。32实验结果融合实验结果为图33PCA算法融合影像FIGURE33THEFUSIONIMAGEOFPCAMETHOD图34BROVEY算法融合影像FIGURE34THEFUSIONIMAGEOFBROVEYMETHOD北京市中级专业技术资格评审申报论文12图35小波算法融合影像FIGURE35THEFUSIONIMAGEOFWAVELETMETHOD

18、图36传统IHSNSCT融合算法融合影像FIGURE36THEFUSIONIMAGEOFTHETRADITIONALIHSNSCTMETHOD图37改进的IHSNSCT融合影像FIGURE37THEFUSIONIMAGEOFTHEIMPROVEDIHSNSCTFUSIONMETHOD33实验评价首先进行目视评价，观察原始影像，由于分辨率较高，因此地物比较清晰。但是原始影像中有两处地方表现不同，一处为影像右上部分，在SAR影像中有表现，而在光学影像中没有任何特征。观察融合后影像，除小波算法没有融合成果外，其他四种算法均将此处表现了出来。如图38所示（A）原始光学影像（B）原始SAR影像北京市中级

19、专业技术资格评审申报论文13（C）PCA算法结果（D）BROVEY算法结果（E）小波算法结果（F）传统IHSNSCT融合结果（G）改进的IHSNSCT算法结果图38局部融合结果对比FIGURE38THECONTRASTOFLOCALFUSIONRESULT原始影像不同的第二处为影像左下部分，在光学影像中有地物特征，但是在SAR影像中地物特征分辨很不清晰，目视效果很差。如图39所示（A）原始光学影像（B）原始SAR影像北京市中级专业技术资格评审申报论文14（C）PCA算法结果（D）BROVEY算法结果（E）小波算法结果（F）传统IHSNSCT融合结果（G）改进IHSNSCT算法结果图39局部融合

20、结果对比FIGURE39THECONTRASTOFLOCALFUSIONRESULT观察图39中的各个区域影像，PCA算法与BROVEY算法融合效果不太理想，小波算法与传统IHSNSCT算法融合视觉效果较好，本文算法在地物边界、轮廓上表现最好。对融合结果进行综合分析，整体上，五种融合算法都能够综合原始影像中的信息，可以将原始影像中互补信息都融合到一起，其中，小波算法目视效果较差。其次，光谱方面，BROVEY算法融合结果影像中，右上角居民地部分有较大的光谱失真。融合影像具体定量指标见表31。表31融合结果定量指标TABLE31THEQUANTITATIVEINDICATORSOFFUSIONRE

21、SULTS北京市中级专业技术资格评审申报论文15影像指标均值标准差梯度熵空间频率PCA算法融合影像1271293633726281518135710488047BROVEY算法融合影像1254186592664279372136524484047小波算法融合影像1271431634012311706135223501248传统IHSNSCT算法融合影像1259483626221270643137887476324改进IHSNSCT算法融合影像1284836699332293758138405482473对比分析表31中的定量数据，小波算法融合的信息量最少，但是影像清晰度最好，而本文算法融合的信

22、息量最多，影像标准差最大，地物之间分辨明显。融合相同时相、相同分辨率、不同传感器之间的影像，可以综合影像信息量，将原始影像之间的信息进行互补，提高影像利用率。4结论多源遥感影像的融合具有很重要的应用价值，但是因为不同传感器之间成像原理、机制的不同，造成了融合上有很大的难度。本文在简要介绍了光学影像与SAR影像两种遥感数据类型的基础上，重点讲述了NSCT算法，并在此基础上提出一种改进的融合算法即基于一种新的融合规则的IHSNSCT融合算法，详细定义了低频信息和高频信息的融合规则。通过实验证明，本文提出的融合算法与传统的融合算法相对比，其综合融合效果为最佳。北京市中级专业技术资格评审申报论文16参

23、考文献1POHL,C,VANGENDEREN,JLMULTISENSORIMAGEFUSIONINREMOTESENSINGCONCEPTS,METHODSANDAPPLICATIONSJINTERNATIONALJOURNALOFREMOTESENSING,1998,1958238542曹广真多源遥感数据融合方法与应用研究D上海,复旦大学,20063SALMANASHRAFETALIMAGEDATAFUSIONFORTHEREMOTESENSINGOFFRESHWATERENVIRONMENTSJAPPLIEDGEOGRAPHY,2012,326196284董张玉,赵萍,胡文亮ASTER多光

24、谱影像与资源二号全色影像融合研究J遥感技术与应用,2010,2511431485YUNZHANGUNDERSTANDINGIMAGEFUSIONJPHOTOGRAMMETRICENGINEERINGREMOTESENSING200466576616JENSENJRINTRODUCTORYDIGITALIMAGEPROCESSINGAREMOTESENSINGPERSPECTIVEJPEARSONEDUCATION,2005,31511727赵英时遥感应用分析原理与方法M北京科学出版社,20028雷琳多源遥感图像舰船目标特征提取与融合技术研究D长沙,国防科学技术大学,20089张寅玥多源遥感图像

25、像素级融合相关技术研究D秦皇岛,燕山大学,201110JIXIANZHANG,JINGHUIYANG,ZHENGZHAOETALBLOCKREGRESSIONBASEDFUSIONOFOPTICALANDSARIMAGERYFORFEATUREENHANCEMENTJINTERNATIONALJOURNALOFREMOTESENSING2010,3192325234511夏东坤P波段全极化SAR数据处理方法研究D合肥,中国科学技术大学,201112OTHMANSIDEK,SAQUADRIAREVIEWOFDATAFUSIONMODELSANDSYSTEMSJINTERNATIONALJOURN

26、ALOFIMAGEANDDATAFUSION,2012,3132113刘振华,张冰,于文震SAR图像与其他源图像融合算法现代雷达J2007,292565914杨景辉,张继贤,李海涛遥感数据像素级融合统一模型及实现技术J中国图象图形学报,2009,14460461415卢焱多源遥感影像融合方法研究J吉林大学学报地球科学版,2007,37增刊17617916李梅,张学雷多源遥感影像数据融合方法探讨J地理空间信息,2009,211311417肖玉环,黄伦春,刘晓燕等基于HIS变换的多源遥感影像融合方法研究J工程地球物理学报,2010,7224825218杨丽萍,陈发虎,颉耀文国内多源遥感影像信息融合

27、技术的新进展J遥感技术与应用,2007,22111612219牛凌宇多源遥感图像数据融合技术综述J空间电子技术,2005,11620杜超本,贾振红覃锡忠等基于NSCT的遥感图像模糊增强算法J计算机工程,2012,384188190北京市中级专业技术资格评审申报论文1721LINHAIJINGETALIMAGEMISALIGNMENTCAUSEDBYDECIMATIONINIMAGEFUSIONEVALUATIONJINTERNATIONALJOURNALOFREMOTESENSING,2012,33164967498122杨红卫高分辨率多源遥感影像融合与镶嵌、制图研究D兰州,兰州大学,2009

28、23龚建周,陈健飞多源遥感影像融合的图像质量评价及变化区域识别J广州大学学报自然科学版2009,86374224肖奥,陶舒,王晓爽等遥感融合方法分析与评价J首都师范大学学报自然科学版,2007,284778025孙晓霞,张继贤,高井祥等基于IHS变换和非下采样CONTOURLET变换的不同波段多极化SAR图像融合J测绘通报,2011,61426冯太平,闫仁武基于非抽样CONTOURLET变换的多聚焦图像融合算法J计算机技术与发展,2012,222576027廖宇一种基于NSCT分解的图像插值算法J计算机工程与应用,2012,48817618028YONGLI,GUANGHUASONG,SHUC

29、HENYANGMULTISENSORIMAGEFUSIONBYNSCTPCNNTRANSFORMC2011IEEEINTERNATIONALCONFERENCEONCOMPUTERSCIENCEANDAUTOMATIONENGINEERING20116101229JUANWANG,SIYULAI,MINGDONGLIIMPROVEDIMAGEFUSIONMETHODBASEDONNSCTANDACCELERATEDNMFJSENSORS,2012,125872588730FULIU,JINLI,CAIYUNHUANGIMAGEFUSIONALGORITHMBASEDONSIMPLIFIEDPCNNINNONSUBSAMPLEDCONTOURLETTRANSFORMDOMAINJPROCEDIAENGINEERING2012291434143831申晓华,杨国胜,张焕龙改进的基于区域能量的图像融合方法J弹箭与制导学报,2009,26427928132王刚,马美仲,赵英路等CURVELET变换域图像融合算法J仪器仪表学报,2008,29918411846