面向林地信息提取的Pleiades-1影像融合算法評價分析

林　雪，彭道黎，黃國勝，王雪軍，胡　楊

(1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083；2. 國家林業(yè)局 調(diào)查規(guī)劃設(shè)計院，北京 100714)

?

面向林地信息提取的Pleiades-1影像融合算法評價分析

林雪1，彭道黎1，黃國勝2，王雪軍2，胡楊1

(1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083；2. 國家林業(yè)局 調(diào)查規(guī)劃設(shè)計院，北京 100714)

以Pleiades-1影像為對象，以探究其面向林地信息提取的融合算法選擇為視角，通過基于目視和定量特征分析、輔助面向?qū)ο蠓诸惙治龅姆椒?，為林業(yè)部門遙感影像大規(guī)模融合應(yīng)用提供參考。研究認(rèn)為Pansharp和Gram-Schmidt算法融合結(jié)果目視效果良好，各波段與原多光譜相關(guān)系數(shù)均高達(dá)0.8以上，清晰度與紋理增強(qiáng)明顯。兩種融合算法影像在不同林地層次信息提取能力各有優(yōu)勢，Pansharp融合結(jié)果在林地層次分類總精度可達(dá)86.55%，Gram-Schmidt融合結(jié)果則在森林類型層次具有最高的分類總精度78.76%。具體融合算法的選取需根據(jù)其應(yīng)用的信息提取層次而定。

林地信息提??；Pleiades-1影像；融合算法

影像融合是對影像數(shù)據(jù)高效利用的重要手段，影像像素級融合既可以有效利用全色波段提高影像空間分辨率又可以使影像兼具多光譜波段色彩信息豐富的特點。在遙感影像融合方法上學(xué)者進(jìn)行了許多研究：文獻(xiàn)[1-7]分別對Geoeye-1、WorldView-2、資源一號02C星、高分一號、QUICKBIRD、資源三號衛(wèi)星數(shù)據(jù)全色和多光譜數(shù)據(jù)進(jìn)行影像融合試驗并通過質(zhì)量評價選擇出適宜于影像的最優(yōu)融合方法；針對Pleiades-1衛(wèi)星數(shù)據(jù)，胡洋[8]等人采用多種方法進(jìn)行影像融合并通過影像質(zhì)量評價分析，認(rèn)為Pansharp融合能夠取得較好的效果。同時，我國在第一次全國地理國情普查中，使用Pleiades、WorldView-2、WorldView-1、QUICKBIRD等數(shù)據(jù)源，遙感影像的融合處理也采用Pansharp算法。

目前，我國已經(jīng)成功繪制全國林地“一張圖”，其通過遙感影像、全國林地落界數(shù)據(jù)、二類調(diào)查資料、基礎(chǔ)地理信息等多源數(shù)據(jù)集合，以林地界線為核心內(nèi)容，構(gòu)建我國林業(yè)有史以來可動態(tài)監(jiān)測、及時決策的林地資源管理系統(tǒng)[9]。其項目早期主要使用SPOT-5等遙感衛(wèi)星數(shù)據(jù)，在影像融合方式中選擇改進(jìn)的Brovey算法，而目前在林地變更調(diào)查中主要使用包括Pleiades衛(wèi)星影像的高分辨率遙感影像，數(shù)據(jù)源的改變對于影像融合算法也將有不同的適應(yīng)性，因此需要針對Pleiades數(shù)據(jù)選擇適宜的影像融合算法。

影像融合算法選擇依賴于影像質(zhì)量評價，傳統(tǒng)評價方法基本都采用目視分析與指標(biāo)定量分析相結(jié)合的綜合評價，缺乏行業(yè)應(yīng)用的針對性，適宜于城市地區(qū)影像的融合方式未必適合于進(jìn)行林地信息提取，影像質(zhì)量評價指標(biāo)難以定量反映不同融合影像針對林地信息提取的應(yīng)用效果。因此，本文選取5種常用的像素級影像融合算法針對Pleiades-1林區(qū)影像實例進(jìn)行融合試驗，通過目視分析、定量分析進(jìn)行影像融合質(zhì)量評價，并通過面向?qū)ο蠓诸惙椒ǚ治龇诸惥?，研究不同影像融合算法與林地信息提取的相宜性關(guān)系，最終選擇出適宜于Pleiades-1影像林地信息提取的影像融合算法，以期為林業(yè)行業(yè)高分辨率遙感影像批量融合處理、全國林地“一張圖”的更新提供參考。

1　研究數(shù)據(jù)及預(yù)處理

本研究區(qū)位于遼寧省朝陽市，位于120°29′～120°33′E、41°26′～41°29′N，研究范圍為5km×5km。按照國家級土地利用與覆被分類系統(tǒng)[10]，研究區(qū)土地覆蓋類型包括耕地、林地、城鄉(xiāng)工礦居民用地、未利用地4個一級地類，林地地類包含有林地、灌木林地、園地有林地3個二級地類，有林地地類中包含針葉林、闊葉林、混生林3個三級地類，地物類型豐富有利于試驗研究。

數(shù)據(jù)使用法國太空研究中心研制的新一代極限性能高分辨率小衛(wèi)星Pleiades-1遙感數(shù)據(jù)[11]，采集時間2013-09-12，全色波段空間分辨率0.5m，多光譜影像(RGB+NIR四波段組合數(shù)據(jù))空間分辨率2m,影像質(zhì)量良好。為保證影像融合的質(zhì)量，全色影像與多光譜影像對應(yīng)像元需保證較高的一致性，因此試驗數(shù)據(jù)在正射校正的基礎(chǔ)上，以1：5萬數(shù)字正射影像(DOM)數(shù)據(jù)作為參考對高分辨率全色影像進(jìn)行糾正，而后使用糾正好的高分辨率數(shù)據(jù)對低分辨的多光譜數(shù)據(jù)進(jìn)行配準(zhǔn)。

2　研究方法

2.1影像融合方法

研究采用高分辨影像應(yīng)用較多的5種像素級融合算法對Pleiades-1全色和多光譜影像進(jìn)行融合試驗：PCA(PrincipalComponentAnalysis)[12-13]，HPF(HighPassFusion)[14]，Brovey[15]，Gram-Schmidt[3]，Pansharp[16]。以上融合算法的步驟及原理已有大量研究并已發(fā)表，本文在此不做贅述。

Gram-Schmidt變換融合由ENVI5.0軟件實現(xiàn)，Pansharp融合算法基于PCIGeomaticaV9.1軟件平臺，其余融合算法均通過ERDASIMAGINE2013軟件平臺操作。由于Brovey變換融合多光譜影像只能由3個波段參與，因此本試驗選擇BAND2(G)，BAND3(B)，BAND4(NIR)與全色波段進(jìn)行融合，其余融合算法均采用四波段多光譜影像和全色影像融合。

2.2影像融合質(zhì)量評價方法

融合影像的質(zhì)量評價采用基于視覺效果的定性分析和基于數(shù)理統(tǒng)計的定量特征分析兩種方法。其中定性分析關(guān)注影像的整體亮度、光譜保真度、清晰度、空間紋理特征，這種方法簡單且具有主觀性，依賴于評價者的經(jīng)驗[17]。定量特征分析能減少對融合影像評價的隨機(jī)性使評價結(jié)果更客觀，研究中主要以整體影像特征和分地類紋理特征定量分析評價融合質(zhì)量。

通過融合影像均值、平均梯度、光譜相關(guān)系數(shù)、高頻信息融入度等指標(biāo)綜合分析影像融合的整體效果。為了更好地評價融合影像紋理特征，在研究區(qū)內(nèi)林地、耕地、城鄉(xiāng)工礦居民用地、未利用地四大一級地類中分別隨機(jī)選取30塊200像素×200像素的樣地分區(qū)統(tǒng)計熵值、二階矩紋理特征。

定量分析指標(biāo)[18-20]如下：

1)均值(v)：

3)光譜相關(guān)系數(shù)(C)：

4)高頻信息融入度(H):

5)方差(σ2)：

6)熵值(E)：

7)二階矩(SM)：

式中：M，N為圖像的行列數(shù)；F(i,j)為融合后影像的灰度值；R(i,j)為融合前多光譜影像的灰度值；vR，vF分別為融合前后兩幅多光譜影像的均值；P(i,j)為重采樣到融合后影像像元大小的全色影像的灰度值；vP分別為重采樣后全色影像的均值；Pi為影像中灰度值為i的概率密度；L為圖像灰度級數(shù)；G(Xi,j)為灰度共生矩陣元素。

2.3面向?qū)ο蠓诸?/p>

面向?qū)ο蠓诸愂悄壳斑b感影像自動提取植被信息效果較好的一種方法，其突破了傳統(tǒng)分類以像元為單位、分類結(jié)果破碎化程度高、“椒鹽現(xiàn)象”嚴(yán)重的問題，通過多尺度分割得到多個相鄰像元組成的對象，并可利用對象的灰度信息、紋理信息、幾何信息等多元信息實現(xiàn)對目標(biāo)地物的提取。本研究基于eCogitionDeveloper8.6軟件平臺對Pleiades-1多種融合算法下融合影像進(jìn)行面向?qū)ο蠓诸?。分類結(jié)果與外業(yè)實地調(diào)查結(jié)果建立基于面積的混淆矩陣定量精度評估，評估指標(biāo)包括總體精度、生產(chǎn)者精度、使用者精度及Kappa系數(shù)。

3　結(jié)果與分析

3.1目視分析

從研究區(qū)域中截取一塊包含多種地類的子區(qū)域用于比較影像融合前后的目視效果(見圖1)。明顯可見，PCA算法融合結(jié)果在空間分辨率、紋理效果均沒有得到明顯提高，色調(diào)偏深林地與陰影界限不清，總體融合效果不理想。HPF算法融合影像較原始多光譜影像在清晰度、層次感均有提高，然而在色調(diào)上有較嚴(yán)重的改變，目視效果不佳。Brovey，Gram-Schmidt，Pansharp三種算法融合結(jié)果較原始多光譜影像在空間分辨率、空間細(xì)節(jié)上增益效果顯著，亮度適中色調(diào)自然，目視效果均在可接受范圍內(nèi)。Brovey融合影像中建筑物輪廓最為清晰，更利于提取建筑物邊界。Gram-Schmidt，Pansharp融合方法則能更有效增強(qiáng)植被區(qū)域?qū)哟胃泻蛯Ρ榷?，紋理更清晰，對耕地、林地以及林地陰影的邊界更具有可判讀性。因此，從目視提取林地信息的經(jīng)驗角度認(rèn)為Gram-Schmidt和Pansharp融合算法在林地信息提取上較PCA，HPF，Brovey算法更適合Pleiades-1影像融合應(yīng)用。

3.2影像整體特征分析

均值反映影像像素的平均灰度值即平均亮度，均值適中則色調(diào)自然。平均梯度反映影像的清晰度，其值越大表示影像層次越豐富、對比度越大。光譜相關(guān)系數(shù)反映影像光譜信息的保持性，相關(guān)系數(shù)越高說明融合對于原始影像光譜信息改變越小。高頻信息融入度反映融合影像波段與全色波段的相關(guān)性，其值越大表示融合影像更好的繼承了全色波段的空間信息特征。

統(tǒng)計融合前后影像各波段的4個指標(biāo)，結(jié)果見表1。Brovey，Gram-Schmidt，Pansharp3種算法融合影像各波段與原始影像均值接近，平均梯度增幅較大，除了Brovey融合結(jié)果的NIR波段外平均梯度增幅均在15%以上，說明其融合結(jié)果亮度適中，清晰度和對比度提高顯著。而HPF和PCA法融合結(jié)果較原始多光譜影像均值出現(xiàn)大幅下降，其中PCA融合結(jié)果各波段均值降幅都在50%以上，HPF及PCA融合結(jié)果四波段平均梯度均低于原始影像，說明光譜信息損失嚴(yán)重、清晰度改善甚少。與目視分析結(jié)論具有一致性，均值與平均梯度指標(biāo)在影像目視效果中有較為直觀的體現(xiàn)。

圖1　融合影像目視對比

在光譜相關(guān)系數(shù)上，僅有PCA融合結(jié)果R波段為0.675，其余各融合結(jié)果波段與原多光譜波段相關(guān)系數(shù)均在0.8以上，表明各算法均能良好地保持原多光譜影像的光譜特征。在高頻信息融入度上，R，G波段高頻信息融入度高達(dá)0.9以上，B，NIR波段分別為0.851，0.586，Pansharp法融合影像更好的繼承了全色波段的空間信息，Gram-Schmidt算法次之。因此從影像整體特征指標(biāo)上分析，Pansharp融合算法能得到整體質(zhì)量更高的融合影像。

值得注意的是，作為植被反射率極高的NIR波段對于林地信息提取具有重要的意義，而不同算法下NIR波段高頻信息融入度均明顯低于其他波段，表明NIR波段在繼承全色波段的空間信息特征上具有相對的局限性，僅有Gram-Schmidt算法下NIR波段高頻信息融入度達(dá)到0.700，其余算法均低于0.600。由此推測Gram-Schmidt算法融合影像在林地信息提取可能具有更大的潛力，僅從影像整體特征分析難以判斷出更適合林地信息提取的影像融合方法。

3.3不同地類紋理特征分析

熵值表示影像所包含的信息量，熵值越大則影像空間細(xì)節(jié)豐富。從地類上看影像融合對于林地和城鄉(xiāng)工礦居民用地地類影像較原始多光譜影像的熵值增加最為明顯，對于耕地和未利用地地類中信息熵增益效果不佳，見圖2。在林地地類的融合結(jié)果中，Pansharp，Gram-Schmidt，PCA3種融合算法信息熵分別為1.13，1.07，1.03較遠(yuǎn)多光譜影像信息熵0.81提高均在27%以上，信息量改善良好。

圖2　熵值指標(biāo)統(tǒng)計

二階矩又叫能量，二階矩越小說明影像灰度分布均勻、紋理細(xì)致。如圖3所示，從地類上來看與熵值指標(biāo)具有相似性，以林地、城鄉(xiāng)工礦居民用地地類的二階矩增益較為明顯，耕地、未利用地地類融合影像二階矩增益不顯著。在林地中，Pansharp，Gram-Schmidt，HPF3種融合算法下影像的二階矩分別為0.37、0.41、0.44，較原始多光譜影像二階矩0.53均有顯著改善，其中Pansharp改善效率最高為30%。

圖3　二階矩指標(biāo)統(tǒng)計

綜合兩個紋理特征指標(biāo)，Gram-Schmidt，Pansharp算法均對紋理具有穩(wěn)定和顯著的改善，其中Pansharp在增益效果上更具優(yōu)勢，融合影像信息量最大，紋理最為細(xì)致。

3.4面向?qū)ο蠓诸惤Y(jié)果分析

為了探究各融合算法下的影像質(zhì)量及在林地信息提取上的應(yīng)用效果，本研究利用面向?qū)ο蠓椒ú捎枚喑叨确指詈妥钹徑诸惙▽υ级喙庾V影像及五種不同融合算法影像進(jìn)行分析，分類結(jié)果如圖4所示。

從原多光譜影像中隨機(jī)在耕地、林地、灌木林地、園地、城鄉(xiāng)工礦居民用地、未利用地中抽取約一成面積的樣本圖斑進(jìn)行外業(yè)實地核實，以此樣本作為相對真值與面向?qū)ο蠓诸惤Y(jié)果建立基于面積的混淆矩陣，分類精度見表2。

分析可得，Pansharp算法融合結(jié)果分類精度最高，總精度為86.55%，Kappa系數(shù)0.82，較原始多光譜影像分類精度提高約13%，其次是Gram-Schmidt、HPF及PCA算法，Brovey算法融合影像分類精度為69.89%低于原始多光譜影像分類精度73.65%，說明并不是所有融合算法都能增強(qiáng)影像信息提取的能力。在有林地信息提取精度上，Pansharp和Gram-Schmidt算法生產(chǎn)精度分別為88.53%，88.89%，用戶分別為91.84%，90.40%，較其他融合算法有明顯的優(yōu)勢，同時Pansharp在其余地類生產(chǎn)精度上均優(yōu)于Gram-Schmidt。說明對于有林地提取，Pansharp融合算法能獲得更高的總體精度。這一結(jié)果與上文目視分析、定量分析結(jié)論具有一致性，通過目視評價、影像整體特征分析以及紋理分析來評價融合結(jié)果的林地信息提取能力具有合理性。

圖4　融合影像分類結(jié)果圖

表2　研究區(qū)地類分類精度對比　%

為了進(jìn)一步研究不同融合算法影像對有林地地類中森林類型信息提取效果，本研究對上一步中有林地地類進(jìn)行再次分割和最鄰近分類，分為針葉林、闊葉林、混生林3個三級地類，并以5種融合影像分類結(jié)果和多光譜分類結(jié)果正確分類的有林地重疊部分中的樣本作為相對真值樣本，與分類結(jié)果建立基于面積的混淆矩陣，分類精度見表3。

表3　研究區(qū)有林地內(nèi)分類精度對比　%

可見，Gram-Schmidt，HPF算法融合結(jié)果在有林地內(nèi)分類精度最高，總體精度分別達(dá)到78.76%、77.43%，Kappa系數(shù)分別達(dá)到0.66、0.64，其次是Pansharp，PCA算法，Brovey算法融合結(jié)果分類精度最低。闊葉林分類生產(chǎn)精度普遍高于針葉林，Gram-Schmidt，HPF，Pansharp，PCA算法均達(dá)到80%以上，混生林總體分類精度低，僅有Gram-Schmidt，HPF算法融合結(jié)果在生產(chǎn)精度及用戶精度均能達(dá)到50%以上。因此，在森林類型層次的林地信息提取中采用Gram-Schmidt融合算法更為適宜，在一定程度上證實Gram-Schmidt算法融合影像在林地信息提取具有潛力的推測。

4　結(jié)束語

針對面向林地信息提取的遙感影像融合算法選擇問題，在采用目視與定量特征分析的傳統(tǒng)影像質(zhì)量評價基礎(chǔ)上，輔助面向?qū)ο蠓诸惲值匦畔⑻崛⌒Ч治?。?jīng)上述研究，得出以下結(jié)論：①面向林地信息提取的Pleiades-1影像融合算法需根據(jù)應(yīng)用的具體層次選擇融合算法，在有林地層次的信息提取中Pansharp算法較為適宜，在森林類型信息提取則采用Gram-Schmidt更為有效；②傳統(tǒng)的目視及定量指標(biāo)分析具有一定的合理性，然而其難以針對各融合結(jié)果不同層次林地信息提取能力做出比較、只能推斷應(yīng)用效果不能量化林地信息提取精度也成為傳統(tǒng)分析的局限所在，然其可作為林業(yè)部門大批量影像融合時篩選融合算法的初選方法，最終通過林地信息提取試驗定奪影像融合算法。

[1]楊智翔，徐佳，何秀鳳.Geoeye-1全色與多光譜影像融合方法[J].光電工程，2011，38(5):120-125.

[2]陳春華，蘇逸平，鄒崇堯.WorldView-2 遙感影像融合方法實驗研究[J].地理空間信息，2013，11(6):72-74.

[3]董金芳，袁媛，高蓓,等. 資源一號02C星遙感影像融合分析[J].地理空間信息，2015，13(1):36-38.

[4]陳金鳳，程乾. 高分1號融合光譜特征提取杭州灣河口沿岸濕地典型植被信息方法研究[J]. 杭州師范大學(xué)學(xué)報(自然科學(xué)版)，2015，14(1):38-42.

[5]許康，盧剛，郭雪瑤，等. 基于資源三號衛(wèi)星遙感影像的城市綠地提取[J].測繪與空間地理信息，2015,38(5):85-88.

[6]邢穎，劉奧東. 基于QUICKBIRD的遙感影像融合[J]. 哈爾濱師范大學(xué)(自然科學(xué)版)，2014，30(4):60-63.

[7]王華斌，李國元，張本奎,等. 資源三號衛(wèi)星影像融合算法對比分析[J]. 測繪科學(xué)，2015，40(1):47-51.

[8]胡洋，習(xí)曉環(huán)，王成,等.Pleiades衛(wèi)星影像融合方法與質(zhì)量評價[J]. 遙感技術(shù)與應(yīng)用，2014，29(3):476-480.

[9] 肖鵬峰，劉順喜，馮學(xué)智,等.基于遙感的土地利用與覆被分類系統(tǒng)評述及代碼轉(zhuǎn)換[J].遙感信息，2003(4):54-58.

[10] 徐偉，樸永杰. 從Pleiade剖析新一代高性能小衛(wèi)星技術(shù)發(fā)展[J].中國光學(xué)，2013，6(1)：9-19.

[11] 孟京輝，陸元昌，劉剛，等. 基于ETM+遙感圖像的圖像融合試驗及評價方法[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版)，2010，34(1)：69-72.

[12] 趙英時. 遙感應(yīng)用分析原理與方法[M]. 北京: 科學(xué)出版社，2003.

[13] 鄭著彬，李俊，任靜麗.HPF圖像融合技術(shù)在大理市遙感影像中的運用探討[J].云南地理環(huán)境研究，2007，19(6)：96-98，104.

[14] 竇聞，陳云浩，何輝明. 光學(xué)遙感影像像素級融合的理論框架[J]. 測繪學(xué)報，2009，38(2)：131-137.

[15] 李霖，佘夢媛，羅恒.ZY-3衛(wèi)星全色與多光譜影像融合方法[J]. 農(nóng)業(yè)工程學(xué)報，2014，30(16)：157-165.

[16] 王樂，牛雪峰，魏斌，等. 遙感影像融合質(zhì)量評價方法研究[J].測繪通報，2015(2)：77-79.

[17] 陳超，秦其明，王金梁，等. 農(nóng)地遙感圖像融合質(zhì)量評價方法比較[J]. 農(nóng)業(yè)工程學(xué)報，2011，27(10)：95-100.

[18] 王曉綿，姜蕓. 高分一號遙感衛(wèi)星影像融合及質(zhì)量評價方法研究[J].測繪與空間地理信息，2015,38(8):178-179.

[19] 李曉娟，宮兆寧，劉曉萌，等.ENVI遙感影像處理教程[M]. 北京：中國環(huán)境科學(xué)出版社，2007：387-402.

[20] 徐勝祥，徐運清. 基于Matlab的遙感圖像融合效果的客觀評價方法[J]. 測繪科學(xué)，2008，33(4)：143-145.

[責(zé)任編輯：李銘娜]

Evaluation analysis of fusion algorithms for Pleiades-1 data oriented to extraction of forestland information

LIN Xue1，PENG Daoli1，HUANG Guosheng2，WANG Xuejun2，HU Yang1

(1.CollegeofForestry，BeijingForestryUniversity，Beijing100083，China；2.Survey&PlanningInstituteofStateForestryAdministration，Beijing100714，China)

BaseonthePleiades-1data,theoptimalfusionalgorithmisselectedintheperspectiveoftheextractionofforestlandinformation.Thefusionimagesarecomparedandanalyzedbyusingbothvisualjudgmentsandstatisticalmethod.Furthermore,theobject-orientedclassificationmethodisusedtoevaluatetheperformanceofthefusionmethodsatinformationlevel.Thispaperissupposedtoprovidethereferenceforlarge-scaleimagefusionapplicationinforestryindustry.TheresultindicatesthatPansharpandGram-Schmidtfusionimageshavegoodvisualeffect,strongabilityofspectralpreservationwiththecorrelationcoefficientupto0.8highspectralfiedelityandcleartexture.Intermoftheclassificationaccuracy,eachfusionalgorithmhasanadvantageinextractionofforestlandinformationofdifferentlevels.Pansharpfusionimagehashighestoverallaccuracy(86.55%)atforestlandlevel,andGram-Schmidttransformationissuperiortothatofotherfusionalgorithmsatforesttypelevel(78.76%).Specificfusionalgorithmshallbechosendifferentlyfromitsapplicationlevels.

extractionofforestlandinformation；Pleiades-1data；fusionalgorithm

10.19349/j.cnki.issn1006-7949.2016.11.004

2015-10-14

國家948計劃資助項目(2015-4-32)；科技部科技基礎(chǔ)性工作專項(2013FY11160_1)；林業(yè)科學(xué)技術(shù)成果推廣項目(2015-02)

林雪(1991-)，女，碩士研究生.

TP751

A

1006-7949(2016)11-0018-07