Skip to main content

全色锐化的基础知识

什么是全色锐化？

全色锐化使用分辨率较高的全色图像（或栅格波段）与分辨率较低的多波段栅格数据集进行融合。 最终生成一个具有全色栅格的高分辨率的多波段栅格数据集，该数据集中的两个栅格完全重叠。

全色锐化是一种辐射变换，对应的工具在栅格功能或地理处理工具中均有提供。 一些图像公司可提供相同场景下的低分辨率多波段图像和较高分辨率全色图像， 此过程用于提高空间分辨率，并使用高分辨率单波段图像提供视觉效果更佳的多波段图像。因此，可完全满足这些公司或其用户的需求。

全色锐化示例

全色锐化示例

全色锐化方法

有五种可用于创建全色锐化影像的影像融合方法：Brovey 变换；Esri 全色锐化变换；Gram-Schmidt 光谱锐化方法；强度、色调、饱和度 (IHS) 变换；以及简单均值变换。 每种方法在保持色彩的同时使用不同的模型提高空间分辨率，并且对其中一些模型进行调整以使其包含权重，从而包含第四波段（例如许多多光谱图像源中所具有的近红外波段）。 通过添加权重并启用红外组件，可以改善输出颜色的显示效果。

Brovey

Brovey 变换基于光谱建模，开发该变换的目的在于提高数据直方图高端和低端的视觉对比度。 该变换所采用的方法将各个重采样的多光谱像素乘以相应全色像素亮度与所有多光谱亮度总和的比值。 假定全色图像所跨越的光谱范围与多光谱通道覆盖的范围相同。

在 Brovey 变换中，常规方程使用红色、绿色和蓝色 (RGB)，并且使用全色波段作为输入来输出新的红色、绿色和蓝色波段，例如：

\(Red_out \space = \space Red_in \space / \space [(blue_in \space + \space green_in \space + \space red_in) \space * \space Pan]\)

但是，通过使用权重和近红外波段（可用时），为各波段校正的方程变为

\(DNF \space = \space (P \space - \space IW \space * \space I) \space / \space (RW \space * \space R \space + \space GW \space * \space G \space + \space BW \space * \space B)\)
\(\\Red_out \space = \space R \space * \space DNF\)
\(\\Green_out \space = \space G \space * \space DNF\)
\(\\Blue_out \space = \space B \space * \space DNF\)
\(\\Infrared_out \space = \space I \space * \space DNF\)

其中输出为

\(P \space = \space panchromatic \space image\)
\(\\R \space = \space red \space band\)
\(\\G \space = \space green \space band\)
\(\\B \space = \space blue \space band\)
\(\\I \space = \space near \space infrared\)
\(\\W \space = \space weight\)

Esri

Esri 全色锐化变换使用加权平均和附加的近红外波段（可选）来创建其全色锐化输出波段。 加权平均的结果可用来创建调整值 (ADJ)，随后将使用该值计算输出值，例如：

\(ADJ \space = \space pan \space image \space - \space WA\)
\(\\Red_out \space = \space R \space + \space ADJ\)
\(\\Green_out \space = \space G \space + \space ADJ\)
\(\\Blue_out \space = \space B \space + \space ADJ\)
\(\\Near_Infrared_out \space = \space I \space + \space ADJ\)

多光谱波段的权重取决于多光谱波段的光谱灵敏度曲线与全色波段的重叠程度。 权重是相对的，将在使用时进行归一化。 与全色波段重叠程度最大的多光谱波段应获得最大的权重值。 与全色波段完全不重叠的多光谱波段应获得权重值 0。 通过更改近红外权重值，绿色输出的鲜明程度会有所变化。

Gram-Schmidt

Gram-Schmidt 全色锐化方法基于一个通用的矢量正交化算法 - Gram-Schmidt 正交化。 此算法引入非正交矢量（如 3D 空间的三个矢量），然后对这些矢量进行旋转以使其正交。 如果是影像，则每个波段（全色、红色、绿色、蓝色和红外）对应于一个高维矢量（维度数量和像素数量相等）。

在 Gram-Schmidt 全色锐化方法中，首先要通过计算各 MS 波段的加权平均值创建低分辨率全色波段。 接下来，这些波段将使用 Gram-Schmidt 正交化算法去除线性相关性，并将每个波段视为一个多维矢量。 模拟低分辨率全色波段将用作第一个矢量，不可对该矢量进行旋转或变换。 此低分辨率全色波段随后会被高分辨率全色波段取代，所有波段都将转换回高分辨率。

一些常用传感器的建议权重如下（分别为红色、绿色、蓝色和红外）：

  • GeoEye - 0.6、0.85、0.75、0.3

  • IKONOS - 0.85、0.65、0.35、0.9

  • QuickBird - 0.85、0.7、0.35、1.0

  • WorldView-2 - 0.95、0.7、0.5、1.0

参考

以下专利介绍了此技术的详细信息：

Laben, Craig A., and Bernard V. Brower. Laben, Craig A., and Bernard V. Brower. Process for Enhancing the Spatial Resolution of Multispectral Imagery using Pan-Sharpening. US Patent 6,011,875, filed April 29, 1998, and issued January 4, 2000.

IHS

IHS 全色锐化方法可转换多光谱图像的 RGB、强度、色调以及饱和度。 低分辨率强度将替换为高分辨率全色影像。 如果多光谱影像包含红外波段，则在处理时需要考虑这个波段，通过使用加权因子将其减去。 用于得到更改的亮度值的方程如下：

\(Intensity \space = \space P \space - \space I \space * \space IW\)

随后图像从 IHS 转换回高分辨率的 RGB。

简单均值

简单均值变换法可对每个输出波段组合应用简单均值平均方程，例如：

\(Red_out= \space 0.5 \space * \space (Red_in \space + \space Pan_in)\)
\(\\Green_out \space = \space 0.5 \space * \space (Green_in \space + \space Pan_in)\)
\(\\Blue_out= \space 0.5 \space * \space (Blue_in \space + \space Pan_in)\)