3期　　　　　　　　　　　　　林文娟等:　基于面向对象分类约束的融合方法研究　　　　　　　　　　　　　349

2.2　基于分类约束的影像融合算法

通常,采用全色影像和多光谱影像直接进行融

合时,由于全色波段的光谱信息较少,容易出现同谱异物现象,这会导致融合结果失真。然而,通过分类影像对全色影像的亮度值进行类别约束,可以在很大程度上减少同谱异物的地物,且减少融合过程中多光谱波段中混合像元的影响,使得融合结果中可以消除一些经常在地物边界出现的颜色失真现象,并且可以使地物的边界更加清晰。

括以下几个步骤:

1)叠加

,进行掩膜运算,分别提取全色影像上每个类别的所有像素。

2)统计直方图统计全色影像上每一类别的直方图,并对直方图中每类别的亮度值采用分水岭算法进行反算,求

出每个亮度值在全色影像中的空间位置(Xs,Ys)。

3)调整多光谱影像

利用求出的全色影像的空间位置(Xs,Ys)信息,对多光谱影像的每一个波段影像进行调整,即根据全色影像上相同亮度值的像素的空间位置分别到值,,Xs,,得到新的多光谱影像。

4)融合对新的多光谱影像进行色度饱和度明度变换后,将V分量与全色影像进行直方图匹配,再将匹配后的全色影像替换V分量,最后进行色度饱和度值逆变换得到融合结果。

算法的流程如图2所示

。

图2基于分类约束的影像融合过程

Fig.2Processesofimagefusionbasedonclassification.HSV:Hue2saturation2value

3　研究区域及数据

快鸟(QuickBird)是目前世界上商业卫星中空间分辨力最高、性能较优的一颗卫星。其影像数据的空间分辨力具体见表1,成像幅宽为16.5km×16.5km,轨道高度是450km,重访周期大约1～6day。从下表中可以看出,它的全色波段和多光谱波段光谱响应范围相同,这是提高色度饱和度值融合效果的前提条件之一。

本研究所用数据为2003年9月21日成像的南京地区QuickBird影像数据中的一部分。该区域

内地物特征多样,能很好地检验基于面向对象分类约束的融合方法的可行性。从全色波段中截取400pixel×400pixel范围的影像,再从多光谱波段

中得到相应范围的100pixel×100pixel的影像。由于这两块影像都来自于相同的传感器平台,较容易将它们配准好。采用最邻近法对多光谱影像进行重采样,使其与全色影像具有相同的空间分辨力。选择最邻近法是为了避免插值所引起的光谱退化,从而保留更多的原始多光谱影像信息,以保证下一步分类的精度。