留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于WT-MB方法的OLI图像融合——以宁夏回族自治区吴忠市的OLI图像和P5图像为例

郭小丹

郭小丹. 基于WT-MB方法的OLI图像融合——以宁夏回族自治区吴忠市的OLI图像和P5图像为例[J]. 华南师范大学学报(自然科学版), 2019, 51(4): 76-85. doi: 10.6054/j.jscnun.2019069
引用本文: 郭小丹. 基于WT-MB方法的OLI图像融合——以宁夏回族自治区吴忠市的OLI图像和P5图像为例[J]. 华南师范大学学报(自然科学版), 2019, 51(4): 76-85. doi: 10.6054/j.jscnun.2019069
GUO Xiaodan. Remote Sensing Image Fusion Based on the WT-MB Method: A Case Study of the Landsat 8 OLI Image and the CBERS-04 P5 Image of Wuzhong City, Ningxia Hui Autonomous Region[J]. Journal of South China normal University (Natural Science Edition), 2019, 51(4): 76-85. doi: 10.6054/j.jscnun.2019069
Citation: GUO Xiaodan. Remote Sensing Image Fusion Based on the WT-MB Method: A Case Study of the Landsat 8 OLI Image and the CBERS-04 P5 Image of Wuzhong City, Ningxia Hui Autonomous Region[J]. Journal of South China normal University (Natural Science Edition), 2019, 51(4): 76-85. doi: 10.6054/j.jscnun.2019069

基于WT-MB方法的OLI图像融合——以宁夏回族自治区吴忠市的OLI图像和P5图像为例

doi: 10.6054/j.jscnun.2019069
基金项目: 

国家自然科学基金项目 41361044

西藏自治区自然科学基金项目 2016ZR-MY-01

详细信息
    通讯作者:

    郭小丹,实验师,Email:38494748@qq.com

  • 中图分类号: TP753;P237

Remote Sensing Image Fusion Based on the WT-MB Method: A Case Study of the Landsat 8 OLI Image and the CBERS-04 P5 Image of Wuzhong City, Ningxia Hui Autonomous Region

  • 摘要: 为解决Landsat 8 OLI多光谱图像和CBERS-04 P5全色图像的融合问题,设计了一种基于WT-MB变换的融合方法;以宁夏回族自治区吴忠市的图像融合为案例,从定量评价、目视判读评价和SVM分类精度评价3个方面比较WT-MB变换方法与GS、PCA、MLT、Brovey变换方法的融合效果,然后以总体精度和Kappa系数评判融合图像的分类精度.实验结果表明:WT-MB变换方法在增强融合OLI图像的空间结构信息的同时,更有效地保持原OLI图像的光谱信息,提高了图像分类精度,能够更准确地服务于环境遥感监测.
  • 图  1  吴忠市的OLI多光谱图像

    Figure  1.  The multi-spectral OLI image of Wuzhong City

    图  2  吴忠市的P5全色波段图像

    Figure  2.  The panchromatic P5 image of Wuzhong City

    图  3  5种变换方法的融合结果

    Figure  3.  The fusion results of the five transformation methods

    图  4  样区1的5种方法融合结果

    Figure  4.  The fusion results of the five transformation methods in 1# zone

    图  5  样区2的5种方法融合结果

    Figure  5.  The fusion results of the five transformation methods in 2# zone

    图  6  典型地物的光谱曲线

    Figure  6.  The curve of spectrum of typical objects

    图  7  5种变换融合图像的SVM分类结果

    Figure  7.  The SVM supervised classification results of five fused images

    表  1  Landsat 8 OLI图像的主要参数

    Table  1.   The spectral bands of the Landsat 8 OLI

    波段号 波长范围/nm 辐射分辨率/bit 空间分辨率/m
    1 433~453 12 30
    2 450~515 12 30
    3 525~600 12 30
    4 630~680 12 30
    5 845~885 12 30
    6 1 570~1 650 12 30
    7 2 110~2 290 12 30
    8 500~680 12 15
    9 1 360~1 390 12 30
    下载: 导出CSV

    表  2  图像融合前、后图像光谱保持性能对比

    Table  2.   The gray average difference and gray root mean square error for fusion images

    融合图像方法 band1 band2 band3 band4 band5 band6 band7 band9 HRMSE
    灰度均值 Hμ 灰度均值 Hμ 灰度均值 Hμ 灰度均值 Hμ 灰度均值 Hμ 灰度均值 Hμ 灰度均值 Hμ 灰度均值 Hμ
    原OLI多光谱图像 11 333 820* 10 936 1 047* 11 099 1 449* 11 646 2 354* 16 824 2 081* 15 626 3 297* 13 517 3 673* 5 121 187* 2 183**
    WF-MB变换融合图像 11 009 324 10 578 358 10 759 340 11 233 413 16 365 459 15 156 470 13 033 484 4 628 493 423
    MLT变换融合图像 10 895 438 10 489 447 10 612 487 11 124 522 16 284 540 15 071 555 12 945 572 4 599 522 512
    PCA变换融合图像 10 664 669 10 275 661 10 424 675 10 947 699 16 129 695 14 925 701 12 824 693 4 469 652 681
    Brovye变换融合图像 10 832 486 10 467 490 10 575 532 11 093 571 16 179 592 14 988 639 12 972 628 4 556 583 568
    GS变换融合图像 10 932 401 10 523 413 10 648 451 11 157 489 16 329 495 15 120 506 12 993 524 4 613 508 475
    注:OLI数据类型为16位无符号整型(Unsigned int), 灰度范围为0~65 535;*和**表示原单波段图像的标准偏差及其均方根差.
    下载: 导出CSV

    表  3  图像融合前、后图像清晰度评价

    Table  3.   The correlation coefficient average and correlation root mean square error for fusion images

    融合图像方法 单波段图像与P5图像的相关系数 Cρ Cρ-RMSE
    Band1 Band2 Band3 Band4 Band5 Band6 Band7 Band9
    原OLI多光谱图像 0.707 0.723 0.736 0.719 0.715 0.746 0.732 0.132 0.651 0.400 3
    WF-MB变换融合图像 0.900 0.900 0.910 0.892 0.891 0.887 0.885 0.521 0.848 0.195 9
    MLT变换融合图像 0.822 0.816 0.798 0.831 0.817 0.806 0.803 0.452 0.768 0.261 1
    PCA变换融合图像 0.854 0.867 0.801 0.801 0.794 0.782 0.785 0.421 0.763 0.271 6
    Brovye变换融合图像 0.848 0.859 0.825 0.858 0.842 0.839 0.842 0.466 0.797 0.274 8
    GS变换融合图像 0.891 0.890 0.901 0.885 0.882 0.882 0.873 0.490 0.837 0.209 4
    下载: 导出CSV

    表  4  PCA变换融合后分类混淆矩阵计算结果

    Table  4.   The confusion matrix of classification with the PCA transformation fusion method  

    土地利用类型 耕地 灌木林地 草地 荒草地 水体 高照度不透水面 低照度不透水面 沙地
    耕地 282 46 24 7 32 0 12 0
    灌木林地 49 226 34 23 15 3 4 3
    草地 33 47 313 59 26 12 23 16
    荒草地 10 16 42 232 3 33 13 54
    水体 16 12 8 3 192 0 42 0
    高照度不透水面 0 4 10 36 0 212 15 51
    低照度不透水面 12 19 15 22 42 17 161 21
    沙地 0 5 11 27 0 32 5 123
    合计 402 375 457 409 310 309 275 268
    下载: 导出CSV

    表  5  WT-MB变换融合后分类混淆矩阵计算结果

    Table  5.   The confusion matrix of classification with the WT-MB transformation fusion method  

    土地利用类型 耕地 灌木林地 草地 荒草地 水体 高照度不透水面 低照度不透水面 沙地
    耕地 347 21 11 4 13 0 7 0
    灌木林地 21 302 12 10 6 2 3 1
    草地 14 23 427 28 12 5 11 9
    荒草地 5 8 19 319 3 16 7 26
    水体 10 8 4 3 232 0 16 0
    高照度不透水面 0 3 5 14 0 277 8 21
    低照度不透水面 6 9 7 5 17 8 247 10
    沙地 0 3 5 10 0 11 3 171
    合计 403 377 490 393 283 319 302 238
    下载: 导出CSV

    表  6  5种方法融合结果的SVM监督分类精度

    Table  6.   The accuracy evaluation of SVM supervised classification with the 5 fusion algorithms

    各融合图像 总体分类精度/% Kappa系数 总体分类精度增加幅度/% Kappa系数增加幅度/%
    WT-MF变换融合图像 82.78 0.802
    MLT变换融合图像 68.14 0.630 21.49 27.30
    PCA变换融合图像 62.07 0.564 33.37 42.20
    GS变换融合图像 77.82 0.742 6.37 8.09
    Brovey变换融合图像 73.46 0.687 12.69 16.74
    下载: 导出CSV
  • [1] 牛安逸, 陈志云, 徐颂军, 等.基于LUCC的珠海淇澳岛生态系统服务功能价值动态评估[J].华南师范大学学报(自然科学版), 2016, 48(2):81-87. http://d.old.wanfangdata.com.cn/Periodical/hnsfdx201602013

    NIU A Y, CHEN Z Y, XU S J, et al. LUCC-Based dynamic evaluation of ecosystem service value in Qi'ao Island Zhuhai[J]. Journal of South China Normal University(Natural Science Edition), 2016, 48(2):81-87. http://d.old.wanfangdata.com.cn/Periodical/hnsfdx201602013
    [2] MARIAN V, ANDREAS B, FRANCOIS D, et al. Land cover change monitoring using Landsat MSS/TM satellite data over west Africa between 1975 and 1990[J]. Remote Sensing, 2014, 6(1):658-676. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=remotesensing-06-00658
    [3] 姜高珍, 韩冰, 高应波, 等. Landsat系列卫星对地观测40年回顾及LDCM前瞻[J].遥感学报, 2013, 17(5):1033-1048. http://www.cnki.com.cn/Article/CJFDTotal-YGXB201305001.htm

    JIANG G Z, HAN B, GAO Y B, et al. Review of 40-year earth observation with Landsat series and prospects of LDCM[J]. Journal of Remote Sensing, 2013, 17(5):1033-1048. http://www.cnki.com.cn/Article/CJFDTotal-YGXB201305001.htm
    [4] 于海洋, 闫柏琨, 甘甫平, 等.基于Grma Schmidt变换的高光谱遥感图像改进融合方法[J].地理与地理信息科学, 2007, 23(5):39-42. doi: 10.3969/j.issn.1672-0504.2007.05.009

    YU H Y, YAN B K, GAN F P, et al. Hyperspectral image fusion by an enhanced Gram Schmidt spectral transformation[J]. Geography and Geo-Information Science, 2007, 23(5):39-42. doi: 10.3969/j.issn.1672-0504.2007.05.009
    [5] 李存军, 刘良云, 王纪华, 等.两种高保真遥感影像融合方法比较[J].中国图象图形学报, 2004, 9(11):1376-1385. http://www.cnki.com.cn/Article/CJFDTotal-ZGTB200411017.htm

    LI C J, LIU L Y, WANG J H, et al. Comparison of two methods of fusing remote sensing images with fidelity of spectral information[J]. Journal of Image and Graphics, 2004, 9(11):1376-1385. http://www.cnki.com.cn/Article/CJFDTotal-ZGTB200411017.htm
    [6] 时海亮, 魏涛, 辛向军, 等.基于PCA和NSCT的多光谱图像和全色图像的融合[J].计算机工程与应用, 2012, 48(10):212-216. http://www.cnki.com.cn/Article/CJFDTotal-JSGG201210050.htm

    SHI H L, WEI T, XIN X J, et al. Fusion of multispectral and panchromatic images based on PCA and NSCT[J]. Computer Engineering and Applications, 2012, 48(10):212-216. http://www.cnki.com.cn/Article/CJFDTotal-JSGG201210050.htm
    [7] 赵丽玲, 孙权森.通过直方图中轴化提高融合图像光谱保真度[J].计算机应用, 2017, 37(2):559-563. http://www.cnki.com.cn/Article/CJFDTOTAL-JSJY201702045.htm

    ZHAO L L, SUN Q S. Increasing fusion image spectral fidelity by using midway histogram equalization[J]. Journal of Computer Applications, 2017, 37(2):559-563. http://www.cnki.com.cn/Article/CJFDTOTAL-JSJY201702045.htm
    [8] 柯宏霞, 高建平.一种基于KPCA和Brovey变换的遥感影像融合方法[J].重庆交通大学学报(自然科学版), 2019, 38(2):72-78. http://www.cnki.com.cn/Article/CJFDTotal-CQJT201902011.htm

    KE H X, GAO J P. A remote sensing image fusion method based on KPCA and Brovey Transform[J]. Journal of Chongqing Jiaotong University(Natural Science), 2019, 38(2):72-78. http://www.cnki.com.cn/Article/CJFDTotal-CQJT201902011.htm
    [9] 裔阳, 周绍光, 赵鹏飞, 等.基于正样本和未标记样本的遥感图像分类方法[J].计算机工程与应用, 2018, 54(4):160-166. http://www.cnki.com.cn/Article/CJFDTotal-JSGG201804026.htm

    YI Y, ZHOU S G, ZHAO P F, et al. Classification method of remote sensing image based on positive and unlabeled data[J]. Computer Engineering and Applications, 2018, 54(4):160-166. http://www.cnki.com.cn/Article/CJFDTotal-JSGG201804026.htm
    [10] 杜培军, 谭琨, 夏俊士.高光谱遥感影像分类与支持矢量机应用研究[M].北京:科学出版社, 2012.
    [11] 徐涵秋. Landsat 7 ETM+影像的融合和自动分类研究[J].遥感学报, 2005, 9(2):186-194. http://d.old.wanfangdata.com.cn/Periodical/ygxb200502011

    XU H Q. Study on data fusion and classification of Landsat7 ETM+ imagery[J]. Journal of Remote Sensing, 2005, 9(2):186-194. http://d.old.wanfangdata.com.cn/Periodical/ygxb200502011
    [12] 胡海平, 叶卉芳.自适应小波基与图像降噪[J].应用数学与计算数学学报, 2016, 30(1):156-164. doi: 10.3969/j.issn.1006-6330.2016.01.014

    HU H P, YE H F. Adaptive wavelet bases and image denoising[J]. Communication on Applied Mathematics and Computation, 2016, 30(1):156-164. doi: 10.3969/j.issn.1006-6330.2016.01.014
    [13] 马敏, 张彩霞, 陆成超, 等.基于小波变换的ECT图像处理[J].中南大学学报(自然科学版), 2016, 47(6):1947-1952. http://d.old.wanfangdata.com.cn/Periodical/zngydxxb201606017

    MA M, ZHANG C X, LU C C, et al. ECT image proce-ssing based on wavelet transform[J]. Journal of Central South University (Science and Technology), 2016, 47(6):1947-1952. http://d.old.wanfangdata.com.cn/Periodical/zngydxxb201606017
    [14] 吴一全, 陶飞翔, 曹照清.基于Log-Gabor小波和Krawtchouk矩的遥感图像分类[J].武汉大学学报(信息科学版), 2016, 41(7):861-867. http://d.old.wanfangdata.com.cn/Periodical/whchkjdxxb201607002

    WU Y Q, TAO F X, CAO Z Q. Remote sensing image classification based on Log-Gabor wavelet and Krawtchouk moments[J]. Geomatics and Information Science of Wuhan University, 2016, 41(7):861-867. http://d.old.wanfangdata.com.cn/Periodical/whchkjdxxb201607002
    [15] 于洋, 马超, 付迎春.多云雨城市地区Landsat多时相影像的大气校正反射率特征评估[J].华南师范大学学报(自然科学版), 2018, 50(1):77-84. http://d.old.wanfangdata.com.cn/Periodical/hnsfdx201801013

    YU Y, MA C, FU Y C. Atmospheric correction assessment of surface reflectance for multi-temporal Landsat images in cloudy and rainy urban areas[J]. Journal of South China Normal University(Natural Science Edition), 2018, 50(1):77-84. http://d.old.wanfangdata.com.cn/Periodical/hnsfdx201801013
    [16] 曾志远.卫星遥感图像计算机分类与地学应用研究[M].北京:科学出版社, 2004.
    [17] LILLESAND T M, KIEFER R W, CHIPMAN J W.遥感与图像解译[M]. 7版.北京:电子工业出版社, 2016.
    [18] 朱康, 贺新光.基于形态学和系数区域特征的遥感图像融合方法[J].计算机科学, 2013, 40(4):301-305. doi: 10.3969/j.issn.1002-137X.2013.04.066

    ZHU K, HE X G. Remote sensing images fusiong method base on morphology and regional feture of contourlet coe-fficients[J]. Computer Science, 2013, 40(4):301-305. doi: 10.3969/j.issn.1002-137X.2013.04.066
    [19] 樊舒迪, 胡月明, 刘振华.一种新的面向对象城市建筑物信息提取方法研究[J].华南师范大学学报(自然科学版), 2015, 47(6):91-97. http://d.old.wanfangdata.com.cn/Periodical/hnsfdx201506015

    FAN S D, HU Y M, LIU Z H. Research of information extraction of city building based on a new object-oriented method[J]. Journal of South China Normal University(Natural Science Edition), 2015, 47(6):91-97. http://d.old.wanfangdata.com.cn/Periodical/hnsfdx201506015
  • 加载中
图(7) / 表(6)
计量
  • 文章访问数:  1431
  • HTML全文浏览量:  577
  • PDF下载量:  33
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-08-01
  • 刊出日期:  2019-08-25

目录

    /

    返回文章
    返回