Landsat 8 OLI多光谱与全色影像融合算法的比较多光谱与全色影像融合算法的比较*
以Landsat8 OLI卫星遥感影像为数据源,以大伙房水库为研究区,采用Brovery融合法、NNDiffuse Pan
Sharpening融合法和Gram-Schmidt融合法对比研究了多光谱和全色数据的融合问题。经过定性和定量分析发
现,Gram-Schmidt融合法和NN融合法拥有更丰富的光谱信息,且光谱保真度最优的是Gram-Schmidt融合法。
针对Gram-Schmidt融合法,选取了水体边界线处的影像像元进行光谱分析,研究结果发现,融合后的水体边界
线呈现得更为清晰,有助于细化水体提取边界。
0 引言引言
图像数据融合是一个对多传感器的图像数据和其他信息的处理过程,重点是按照一定的规则或算法对那些在时空上冗余或互补的多元数据
作运算处理,获取较单一数据更精确、丰富的信息,生成具有新的空间、波谱时间特征的合成图像。按照融合水平从低到高,图像数据融合可
在像素、特征、决策层三个层次上进行
[1]
。目前基于像素的融合应用较为广泛,虽然涉及的数据处理量大,但它基于最原始的图像数据,能
更多地保留图像信息,具有最高的精度
[2]
。常用的像素级图像融合算法有HIS融合法、主成分变换融合法、Brovery融合法、Gram-schidt融合
法、小波变换融合法、NNDiffuse融合法等。针对这些融合算法,一些学者利用Quickbird
[3]
、Landsat 7 ETM+
[4]
、SPOT6
[5]
、高分一
号
[6]
、高分二号
[7]
等多分辨率传感器的多光谱与全色影像融合进行了研究,取得了显著的成果,但对 Landsat 8 卫星影像开展的研究较
少。
Landsat 8是由NASA发射于2013年的新型遥感卫星,集成了两个传感器,即陆地成像仪(OLI)和热红外传感器(TIRS)。OLI传感器共
有9个波段,为了与Landsat 7 ETM+波段保持数据一致性,Landsat 8的几个反射波段和ETM+的反射波段是相同的或非常接近的。然而,也有
若干OLI波段的宽度经过了改善,以减轻或避免在ETM+波段中出现的各种大气吸收特征的影响。例如OLI全色波段8被缩小,以提高植被和非植
被区域的对比度
[8]
。本文以Landsat 8数据为例,采用3种不同的算法对其多光谱和全色数据进行融合研究,并从定性和定量两个方面分析比
较这3种融合算法。对最佳融合算法,选取了水体边界线处的影像像元进行光谱分析,进一步研究融合效果。
1 影像融合方法和原理影像融合方法和原理
本文主要利用了传统的Brovery融合法、NNDiffuse融合法和Gram-Schmidt融合法,融合原理简要介绍如下。
1.1 Brovery变换变换
[[1]]
Brovery变换是通过对多波段数据进行归一化处理,再乘以高分辨率数据,如式(1)所示。在本次研究中,选取Landsat 8 数据中的中红
外、近红外、绿波段为R、G、B通道,选取同一时相的全色波段为高分辨率波段进行数据融合。
式中:DN
1~
DN
3
为多波段图像数据值;DNh为高分辨率图像数据值;DN
f1~
DN
f3
为结果值。
1.2 NNDiffuse变换变换
[[9]]
NNDiffuse Pan Sharpening(Nearst Neighbor Diffusion Pan Sharpening)图像融合算法由美国罗彻斯特理工学院(RIT)SUN W等人最
先提出。该方法首先建立低分辨率多波段数据与重采样后全色波段间(重采样后分辨率与多波段相同)的线性响应向量T,建立9个兴趣像元与
超像素区分布计算全色波段的像元差异系数N,结合差异系数N与多波段数据建立高分辨率多波段数据。ENVI5.2及其以后版本支持该融合算
法。它支持众多传感器类型,如Landsat 8、SPOT、WorldView-2/3及国产卫星等,融合结果能很好地保留色彩、纹理和光谱信息。
1.3 Gram-Schmidt 变换变换
[[10]]
评论0