HSV 与 Gram-Schmidt 影像融合方法比较分析

王小标，苟胜国，徐 鹏，邵 瀚

(中国电建集团贵阳勘测设计研究院有限公司，贵州 贵阳 550081)

1 引言

为获得多源遥感数据中的优势信息，采用遥感数据融合方法将多源遥感数据中光谱信息、空间分辨率和时间分辨率信息进行运算处理，得到聚各种优势信息于一体的融合影像，比未经融合原始影像具有更丰富的波谱、空间和时间等特征[1～3]。融合影像不仅具有低分辨率的多源时空信息，还具有高分辨率的高空间信息，是许多研究地学应用的基础，故研究人员和从业人员不断钻研开发先进的融合技术与方法，以提高融合技术的处理性能和融合后影像的高准确性[4～7]。地学研究是一门跨领域跨学科的交叉研究，因需求不同，景观的复杂性，输入数据集的时间和光谱信息变化，使得多源遥感数据是地学研究中不可或缺的基础数据，采用像元级的多源遥感数据融合方法对比分析应用研究是具有理论和现实意义的[8～10]。

2 研究区及数据

数据采用2014年354天 path=120，raw=38，多光谱空间分辨率为30 m，全色波段为15 m，重访周期 16 d的Landsat 8 OLI影像，来源于地理空间数据云网站(www.giscloud.cn)。实验区位于江苏省南京市的江宁区(图 1)，区域内土地利用类型多元化，地物类型丰富的特点适合进行影像融合实验。

实验选用了第 2、3、4 波段作为多光谱(图 2)，用第 8 波段作为全色波段，具体参数见表 1，其中多光谱已经过 FLAASH 大气校正。

3 实验方法

HSV 变换是一种先将RGB遥感影像数据变换到HSV空间，用高分辨率遥感影像替代颜色亮度值波段，采用重采样的方法将强度、色度和饱和度重采样到高分辨率影像像元大小，然后将融合后影像再变换回到RGB颜色空间的图像融合方法[11]。

图1 研究区

图2 实验数据(a：多光谱RGB 真彩色 b：全色波段)

表1 实验数据参数

Gram-Schmidt 变换是统计学中一种经常采用的多维线性正交变换，采用Gram-Schmidt变换对高光谱遥感影像多波段数据进行正交化处理，可以消除冗余信息[12]。首先，以低空间分辨率遥感影像为基础，模拟出一个波段全色影像。其次，把模拟出的全色波段当作Gram-Schmidt变换的第一分量对低空间分辨率遥感数据进行Gram-Schmidt变换。随后，将高空间分辨率的全色波段替换Gram-Schmidt变换后的第一个分量。最后，对替换后的数据集采用Gram-Schmidt逆变换，实现低空间分辨率遥感影像与高空间分辨率全色波段融合[13～15]。

4 实验结果

两种方法的融合结果(图 3)，不同地物的融合结果(图 4)。

(a)HSV 方法融合结果 (b)Gram-Schmidt 方法融合结果)

5 结果评价

5.1 定性分析

从图 2、3 中可知，HSV 融合结果的颜色比Gram-Schmidt 结果的颜色更加艳丽， 且与自然真彩色合成的影像效果更加接近，HSV 融合结果的解像力要略高于Gram-Schmidt 融合结果的解像力。同时 HSV 融合结果的细节信息在不同地类中比Gram-Schmidt 更加清晰。

5.2 定量分析

定量评价选取评价指标进行评价，评价指标采用灰度平均值、标准差和相关系数[16]对影像融合结果进行定量分析。其中，均值和相关系数用来衡量光谱信息的保真度；标准差用来评价高频信息的融合情况。评价指标描述如下。

图4 不同类型地物融合结果

(1)灰度平均值。该指标用于评价融合后影像平均亮度值，通常采用融合后影像均值与对应原始影像进行比较，用于评价融合后影像的光谱保真度。

(2)标准差。该指标用于评价融合后影像像元灰度值相对于平均值的离散情况，用于反映融合后影像的细节变化情况。

(3)相关系数。该指标用于评价融合后遥感影像与原始多波段遥感数据、全色波动之间相似程度，与前者比较的相关系数反映光谱保持性能，与后者比较的相关系数反映空间细节的变化程度(表2)。

表2 定量评价结果

从表2 中可知，Gram-Schmidt 融合结果均值变化较小，基本与原图像一致，而 HSV 融合结果均值变化较大。表现为 HSV 的平均值亮度高于 Gram-Schmidt，但后者的光谱保真性优于前者。从标准差来看，Gram-Schmidt 融合结果均比 HSV 结果大，前者对空间高频信息细节增加量大，清晰度越好。变换后 Gram-Schmidt 融合结果的相关系数优于 HSV，好于原始影像，但 HSV 的融合结果的相关性低于原始影像。

6 结论

综合定性和定量评价结果可知，Gram-Schmidt 融合方法更好地体现多光谱影像空间信息，使多光谱影像信息在空间上更为丰富。同时，与原始图像的相关系数较高，具有很好的光谱保持性。HSV 融合方法的平均亮度高于 Gram-Schmidt，更能显现影像的细节信息及纹理特征。因此，根据具体的需求选择合理的融合方法更具有现实性与可行性。