融合影像的质量评价

[摘要]目前图像融合的方法很多，为了评价融合影像质量和各种融合方法的优缺点，理论上必须具备一套客观的、全面的评价指标来综合评价不同融合方法的效果。本文研究了融合影像的主观和客观评价指标，并采用熵、平均梯度等指标评价不同融合方法得到的融合影像质量，并在实验中用这些指标对实验结果进行了全面评价。

[关键词]图像融合 熵 平均梯度 评价

[中图分类号]P237 [文献标识码]A [文章编号]1009-5349（2013）01-0125-01

引言

图像融合的方法很多，但缺乏对融合图像效果评价的方法来综合评价融合方法的效果。本文主要针对的是融合影像的质量评价研究，对于使用不同方法融合的影像来进行评价，主要采用客观评价的方法。研究的主要内容包括以下几部分：第一部分为遥感影像融合技术的概念；第二部分为像素级融合处理技术：选取几种影像融合的方法，然后利用ERDAS软件来进行数据的融合；第三部分为影像融合效果的质量评价方法；第四部分为融合影像评价方案的选择；第五部分为实验分析。

一、影像融合的概念

（一）遥感影像融合的定义

将传感器获取的影像数据进行预处理后，利用一定的算法将各影像中所包含的信息优势或互补性信息有机地结合起来，以产生新的数据，来获得对同一事物或目标的更客观、更本质的认识。从而大大提高融合影像的信息含量并使其在特征提取、分类、目标识别以及目视效果等方面更为有效。

（二）影像融合研究方向

目前通常的像素级影像融合方法主要包括：采用直接融合的方法（譬如加权融合法）、高通滤波法、基于影像金字塔形分解的融合方法、基于小波变换的影像融合法、比值融合法、Brovey变换融合法。本文主要采用的是主成分变化融合，乘积变换融合和比值变换融合法。

二、影像融合效果的质量评价方法

（一）影像质量的主观评价

通过人眼对于色彩具有强烈的感知能力对影像的评价，这是任何定量评价方法所无法比拟的。因此，通过主观定性评价，基本可以确定融合方法的可用性。

（二）影像质量的客观评价

1.影像均值。均值就是影像中所有像素的灰度平均值，它近似反映了影像的灰度分布情况。灰度分布情况接近的影像，均值也会比较接近。2.标准差。标准差反映了影像灰度相对于灰度平均值的离散情况，若标准差大，则影像灰度级分布分散，影像的反差大，可以看出更多的信息。标准差小，影像反差小，对比度不大，色调单一，看不出太多信息。3.信息熵。影像的熵是衡量影像信息丰富程度的一个重要指标，如果融合影像的熵越大，说明融合影像的信息量增加越多。4.清晰度。图像清晰度是反映图像对微小细节反差的表达能力，用来评价图像的清晰程度，一般采用平均梯度法来衡量。平均梯度越大，则图像的清晰度越高。

（三）影像质量的图形法评价

利用分布函数曲线与其源影像分布曲线的比较，可以判定该融合算法的空间信息的增加程度及光谱信息的保持程度。它既有客观评价方法特点，同时也具备主观评价直观的优点，评估人员通过观察分布函数曲线可以直接判定融合影像的质量。

三、影像融合效果质量评价实验

（一）定性分析与比较

分析得出：3种融合处理的影像在空间结构上都比原始影像清晰， 融合效果在光谱特征上，光谱变化最小的为ML、Brovery融合影像，而光谱变化最大的为PCA融合法。

（二）定量分析与比较

基于信息量的评价。ML融合影像各波段的熵和标准差明显高于原始XS影像，因此ML融合影像的信息量较XS影像信息量增大；而Brovery融合影像在3、4波段上的熵优于XS影像，在4、5波段上的标准差优于XS影像；融合后的PCA影像信息熵明显低于XS影像，因此信息量减少。

基于光谱保持特性的评价。PCA融合影像均值整体趋势与XS影像相同，但是在各个波段上的平均值都明显大于XS影像对应波段的平均值，这也可以从融合影像上体现出来，这与PCA算法有很大关系。从前述3.2.1信息量评价中可以发现：PCA融合影像的信息含量远远低于XS影像的信息量，这也可能是整幅影像色调变暗的原因之一；从实验结果上可以发现：PCA融合影像各波段均值整体趋势与XS影像相同，而Brovery融合影像各波段均值趋势与XS影像相差较大，并且PCA算法、Brovery算法融合影像整体均值明显高于XS影像各波段均值。实验可以显示整幅影像亮度强弱的顺序为：PCA>Brovery>ML>XS，这一亮度强弱顺序与均值关系完全相符合。

基于清晰度的评价。从影像各波段平均梯度值中可以看出：平均梯度值最高的为PCA融合影像，其次为Brovery融合影像，再次为而ML融合影像的平均梯度。

（三）评价方法的比较与分析

结合评价结果及其在评价过程中的发现，得出以下结论：

所有融合方法按照清晰度由高到低的顺序排列，依次为：PCA>ML>Brovery；所有融合方法按照光谱保持度由高到低的顺序排列，依次为：PCA>ML>Brovery；所有融合方法按照信息熵由高到低的顺序排列依次为：PCA>ML>Brovery.

四、结论

实验分析得出三种融合处理的影像在空间结构上都比原始影像清晰，而且融合后提供了更多的信息量，进而说明了融合的重要性；各种融合方法都能提高原始影像的空间分辨率，但是也对原始影像的光谱信息造成改变。在提高影像空间分辨率上较好的为PCA、Brovery融合影像，而ML融合方法效果不是很好，不宜作为分类的基础影像；融合影像在较好地提高空间分辨率的同时保持了影像的光谱特性，本文选用目视观察、定量分析两种方法对融合影像进行质量评价。