基于Kurtosis-IHS的遥感影像融合

《基于Kurtosis-IHS的遥感影像融合》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、380．一386．2014地质学刊第38卷第3期doj：10．3969／j．issn．1674—3636．2014．03．380基于Kurtosis—IHS的遥感影像融合余先川，熊利平，张立保。徐金东(北京师范大学信息科学与技术学院，北京100875)摘要：针对传统IHS遥感影像融合的光谱扭曲和易引入噪声问题，提出了一种基于Kurtosis．IHS的遥感影像融合方法：从多光谱图像强度分量与全色图像最优逼近的角度出发，迭代求解多光谱各波段图像融合系数，减少光谱失真；根据全色图像的峭度获取其细节分量，达到抑制噪声的目的；最后使用基于Kurtosis—IHS的融合公式得到融合结

2、果。实验选取2组实际遥感数据，结果表明，融合方法在CC、ERGAS、RASE、RMSE及SID5个光谱性能评价指标上均优于传统的IHS、PCA、DWT及NSCT融合方法，在第二组遥感影像融合测试中，Kurtosis．IHS方法比传统IHS方法的5个指标分别提高了41．80％、57．09％、57．1l％、57．11％、49．74％；在含噪环境下，融合方法的融合结果PSNR值均达到最大。所提出的Kurtosis—IHS方法优于传统的IHS融合方法，在提高空间分辨率的同时，具有较好地保持光谱信息及有效抑制噪声的优点。关键词：影像融合；全色波段影像；多光谱影像；IHS变换；峭度中

3、图分类号：P715．7；TP391文献标识码：A文章编号：1674—3636(2014)03—0380—070引言随着计算机技术、航空航天技术以及遥感技术的飞速发展，遥感影像向着高光谱、高分辨率、多时相(多源)方向发展，它们以不同的空间尺度、不同的时间周期、不同的光谱范围以及不同的扫描方式和极化方式，多方面地反映地物目标的各种特性，构成同一区域的多源数据(王爱玲等，2006)。然而，由于技术条件和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反映出全部特征，存在信息量不足的问题。与单源信息相比，多源数据存在互补性和冗余性，必须针对性

4、地消除冗余，以减少数据处理量，同时，必须对多源数据进行融合处理，以充分发挥各传感器数据的优势，提取更丰富、更可靠、更有用的信息。影像融合已经在自动目标识别、遥感、医学图像处理等领域有着广泛的应用(Ashrafetal，2012；Sapkaletal，2012；Zhangetal，2012)。多光谱遥感图像不同波段的融合，由于所融合的波段的不同或者波段数量的差异，信息量会出现不同程度的缺失或过量，会导致融合图像欠饱和或过饱和的现象(Kotwaletal，2013)。多光谱成像传感器充分利用地物在不同光谱区的反射特征可获得多个光谱波段的遥感图像，但其成像分辨率较低，清晰度差。

5、而全色成像传感器可获得高空间分辨率的全色波段遥感图像，但其光谱分辨率较低。如何综合利用多光谱遥感图像与全色波段遥感图像各自的信息优势，有效地对不同波段的信息融合，获得具有高空间分辨率和高光谱分辨率的融合图像是当前遥感影像数据处理领域中的研究热点(Pohletal，1998)。目前常用的多光谱影像与全色影像融合方法包括：IHS变换(IHS)(Carperetal，1990)、Brovey变换(Pohletal，1998)、主成分变换(PCA)(pohletal，1998)、离散小波变换(DWT)(Lietal，1995)、曲波变换(Curvelet)(张强等，2007；Ch

6、oietal，2005)、非负下采样变换(NSCT)(杨粤涛等，2011)以及独立成分分析方法(ICA)(Yuetal，2012)等。其中IHS融合方法因其简单、快速的优点而得到广收稿日期：2014-03—04；编辑：陆李萍基金项目：国家自然科学基金项目(41272359，61071103)，教育部博士点基金(20120003110032)，中央高校基本科研业务费专项资金(2012LZD05)资助作者简介：余先川(1967一)，男，教授，博士生导师，主要从事影像处理、数学地质、空间信息处理等研究．E-mail：yuxianchuan@163，corn第38卷余先川等：基丁

7、Kurtosis—IHS的遥感影像融合泛应用。IHS方法可以有效地提高融合影像的空间分辨率，同时由于IHS方法使用全色图像替换分量，未能均衡地使用全色图像信息以及多光谱图像信息，容易造成所引人的全色图像信息过量以及多光谱图像信息不足的问题，在视觉上的表现就是所获得的融合图像会有不同程度的光谱畸变，并且会引入全色图像所包含的噪声，在很大程度上降低了融合质量(Tuetal，2001；Wangetal，2005)。峭度(Kurtosis)是用来描述某变量所有取值分布形态陡缓程度的统计量，因其在统计意义上是一个随机变量的非高斯性度量而