6.2 基于IHS变换的图像融合在线视频

我们来学习IHS图像融合

将多光谱图像它的三个波段

构成的RGB分量经IHS变换后

可以将图像的亮度 色调 饱和度进行分离

变换后的I分量主要反映地物辐射

总的能量及其空间分布的特点

代表地物的空间几何特征

色调分量H代表地物的主要频谱特征

饱和度分量S表征色彩的纯度

由IHS彩色系统可知 明度I 色度H

与饱和度S等3种成分间的相关性很低

这就使我们能够对IHS空间中的3个分量

单独地进行处理

因此可将原始多光谱图像

从RGB空间变换到IHS空间

然后用高空间分辨率

或者是其它待融合图像代替I分量

最后再返回到RGB空间

这样融合的结果既保持了

原图像的光谱特征

又引入了新图像的几何特征

概括起来 IHS变换法图像融合的

基本原理是将原始多光谱图像

从RGB空间变换到IHS空间

然后用高分辨率图像的像元值代替I分量

最后再反变换到RGB空间

得到R’ G’ B’值

我们来再看一下IHS融合的处理流程

以高空间分辨率全色波段和

多光谱图像之间的图像融合为例

基于IHS 变换

进行图像融合的具体技术流程包括以下几个步骤

一 以高空间分辨率的全色图像为参考

对多光谱图像进行精确配准

二 将多光谱图像的空间分辨率

重采样到与高空间分辨率全色图像相同

三 选择多光谱图像的三个波段 RGB

对多光谱图像进行IHS变换

得到IHS三分量

四 用高空间分辨率的全色图像

取代多光谱图像IHS变换结果中的I分量

五 对替换后的三分量进行IHS反变换

得到RGB空间数据 即融合后的结果图像

IHS融合在遥感图像处理中应用较多

IHS融合可以提高

多光谱图像的空间分辨率

增强图像的特征

多用于特征差异大的数据间融合

在这些处理步骤当中

第一步融合图像的精确配准

是奠定融合结果好坏的最关键步骤之一

这里展示了将高分辨率的全色数据

和低分辨率多光谱数据进行几何精配准的结果

其中

左图是全色和多光谱图像

未配准前叠加显示效果

很明显 存在几个像元的偏移量

右图是全色和多光谱图像

配准后叠加显示效果

偏移现象已经消除了

第二步是将多光谱图像的空间分辨率

调整至与高空间分辨率图像

Pan 波段一样

我们也叫做多光谱图像的重采样

这里展示了SPOT5多光谱图像

空间分辨率显示效果 10 m

SPOT全色图像空间分辨率显示效果 2.5 m

处理过程中

将低分辨率图像重采样到

和高分辨率图像一样分辨率

保证像元的一一对应

第三步是对多光谱图像进行IHS变换

上一章我们介绍过IHS变换的具体算法

和变换公式

按照公式进行数值计算

即可得到IHS各分量

这里展示了SPOT多光谱图像

及其IHS变换后的三分量结果图像

左上 多光谱图像

右上 I分量

很明显 它承接了

原图像的亮度和纹理特征等等信息

左下 H分量

右下 S分量

第四步 使用全色影像Pan取代IHS

变换后的亮度图像I

第五步 对替换后的Pan v1 v2进行逆变换

得到RGB空间数据

即IHS融合后的结果图像

逆变换的算法和具体公式

可参考上一章知识点

这里展示的IHS融合结果图像

可以看出来 融合结果图像和原多光谱图像相比

色调 色彩 差别很大

很可能满足不了我们的应用需求

那么 到底问题出在哪里呢

我们来了解光谱扭曲的概念

融合结果图像和原始图像上

像元的灰度值差值的均值

称作是光谱扭曲度

光谱扭曲值D反映了融合结果图像

和原始多光谱图像

在光谱信息上的差异大小

值越小 表明差异越小

融合效果越好

虽然IHS融合方法

可以增强多光谱图像的空间细节表现能力

提高结果遥感图像的地物纹理特性

但同时也会带来光谱失真

实际上

直接用高空间分辨率全色图像

替换多光谱图像IHS变换后的I分量

然后进行反IHS变换得到融合结果

该处理步骤容易产生

融合结果图像的光谱特征

与原来的多光谱图像

光谱特征之间的差异 光谱扭曲

为了减轻这种差异

必须对上述算法加以改进

如何改进呢

我们来分析一下光谱扭曲产生的原因

我们看到 在IHS公式的变换的过程当中

有两个关键的公式处理

也就是有两个关键的算法

一个是IHS正变换

一个是IHS逆变换

在逆变换公式中

采用Pan替换I分量

其他地方都没有变化

所以我们看出来最核心的一个位置

就是替换这个位置

那么 进一步分析

对替换以后的Pan v1 v2

进行反变换的实质是什么

从公式中可以看出

融合结果图像的颜色值

等于在多光谱图像颜色值 R G B

基础上增加一个偏差值

这个 很关键

也就是说 融合结果图像RGB值

在多光谱图像RGB值基础上

增加一个偏差值

如果Pan图像和I分量图像不一致

偏差值的大小不均 空间上分布不均

则会导致光谱扭曲现象的产生

那么既然我们知道了问题所在

如何改进替换方案呢

下面我们来介绍一下

提升光谱保持性能方法之一

也就是直方图匹配

我们看到在融合过程的第四步

也就是不直接用全色图像 Pan

替换多光谱图像经过IHS变换后的I分量

而是先将Pan图像

同多光谱影像亮度分量 I分量

进行直方图匹配

生成与亮度分量具有相似

直方图特征的图像Pan’

然后用Pan’代替I分量

由Pan’ H S进行IHS反变换得到融合图像

我们来对比一下

直方图匹配后的不同效果

这里展示的是SPOT多光谱图像

经过IHS变换后的亮度分量（I）

SPOT全色图像

经过直方图匹配后的全色图像

下方对应为三个图像对应的直方图

很明显 经过直方图匹配处理后

全色图像的像元值分布情况

已经有了较大变化

和I分量图像比较接近了

我们来了解提升融合图像的

光谱保持能力的具体作用

上方展示的是

直方图匹配前的差值图像

直方图匹配后的差值图像

很明显 匹配后图像的差值图

其空间分布已经比较匀称

下方展示的是直方图匹配前的IHS融合

以及直方图匹配后的IHS融合结果

很明显 匹配后图像的融合结果

和原多光谱图像颜色很接近

这充分说明了

提升光谱保持能力的算法处理

发挥了非常好的作用

这里展示的是原始多光谱数据

和融合结果图像

没有进行直方图匹配处理

很显然

虽然空间分辨率提高了

但是光谱保持性能很差

这里展示的是原始多光谱数据

和融合结果图像

利用直方图匹配处理改良了融合算法

相比起来

空间分辨率提高了

同时光谱保持性能也很好