基于高通滤波的多光谱图像融合方法摘要：提出了一种基于高通滤波的多光谱图像与高空间分辨率图像融合的方法。该算法首先对高空间分辨率图像进行高通滤波，然后将滤波后的图像与HIS正变换后的强度分量进行融合处理，再进行HIS逆变换，得到最后的融合图像。通过将小波方法与HIS变换法的融合结果进行对比评价，表明了该方法在提高多光谱图像的空间细节表现能力和保持光谱信息上都有很好的效果。??关键词：图像融合；高通滤波；光谱保持；HIS变换：TP391文献标志码：A：1001－3695(2007)08－0218－02在某些情况下，由于受照明、环境条件、目标状态、目标位置以及传感器固有特性等因素的影响，通过单一传感器所获得的图像信息不足以用来对目标或场景进行更好的检测、分析和理解。图像融合可以有效地解决这些问题。所谓图像融合是指综合两个或多个源图像的信息，以获取对同一场景的更精确、更全面和更可靠的图像描述。图像融合充分利用了多个被融合图像中包含的冗余信息和互补信息。该融合图像应更符合人或机器的视觉特性，以利于对图像的进一步分析、目标的检测、识别或跟踪。图像融合作为一种有效的信息融合技术已经广泛应用于机器视觉、医疗诊断、军事和遥感等领域[1，2]。图像融合一般分为三级，即像素级、特征级和决策级。本文所指的图像融合是像素级图像融合。常用的图像融合方法有HIS变换法、PCA主成分变换法及小波变换法。HIS变换法是进行图像融合的常用方法之一,它能将不同传感器获取的数据或不同性质的数据融合在一起,从而提高图像的可判读性，使信息的提取变得更容易[3]。Hayden等人在1982年首次将HIS变换法应用于两种不同平台遥感数据源的融合。这种方法也被用于TM和SPOT全色图像数据以及SPOT多光谱和全色波段数据的融合[4]。HIS变换法要求参与融合的两组数据源的光谱响应范围要一致或相近；否则，融合后的图像会产生光谱扭曲变异[5]。针对参与融合的两组数据源的光谱响应范围不一致，本文提出了一种信息保持型融合方法――高通滤波融合算法。该算法能够使融合后图像的色彩与融合前多光谱图像的色彩一致。??1基于高通滤波变换的多光谱图像融合算法??本文主要研究将LandsatTM多光谱图像与高空间分辨率图像进行融合，以得到一幅同时具有高空间分辨率和多光谱信息的融合图像。为方便书写，将多光谱图像记为T，高空间分辨率图像记为P。??对地物识别而言，图像融合主要是获取低空间分辨率的多光谱信息(即低频信息)和高空间分辨率全色波段的空间信息(即高频信息)。常规的HIS变换法用于不同分辨率图像融合时，是通过图像替换(用高空间分辨率图像替换经HIS变换后的I分量)来实现的。融合时，高空间分辨率图像的空间信息和光谱信息均被融入融合后的图像，所以要使融合图像保持低分辨率多光谱图像的色彩，就要抑制全色波段图像的低频信息对融合后图像的干扰。由于高通滤波具有弱化全色波段低频信息的作用，在HIS变换前进行高通滤波[6，7]。??2实验结果及评价??本文分别采用传统HIS方法、小波方法和本文提出的高通滤波融合法对多光谱图像及高空间分辨率图像进行了融合实验。实验结果如图1所示：（a）为高空间分辨率图像P；（b）为多光谱图像T；（c）为小波变换融合法得到的图像；（d）为用HIS方法融合后的图像；（e）为运用本文方法融合后的图像。??通过主观目视的效果可以看出：图1(c)虽然光谱信息保持得还可以，但是细节很不清楚；(d)在细节方面稍好一些，但是却出现了方块效应；而(e)对本文的方法无论是细节信息还是光谱信息保持得都很好，而且没有方块效应和光谱失真的情况出现。??3结束语??本文提出了一种基于高通滤波变换的多光谱与高空间分辨率图像融合的方法。实验比较结果表明，该方法克服了传统小波和HIS方法的不足，取得了令人满意的融合效果。其不仅更好地提高了多光谱图像的空间纹理特性，而且更有效地保持了图像的光谱信息，是一种较理想的多光谱图像融合方法。??参考文献：??［1］HALLDL.Mathematicaltechniquesinmultisensordatafusion[M].Boston:ArtechHouse,1992.??［2］HALLDL,LLINASJ.Anintroductiontomulti??sensordatafusion[J].ProceedingsoftheIEEE,1997,85(1):6...