资源三号影像融合地质灾害调查范文

本站小编为你精心准备了资源三号影像融合地质灾害调查参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1．融合效果评价

融合的目的是为了弥补多光谱影像空间分辨率的不足，增加可判读性，为后续的信息提取提供基础，但融合后不可避免的会造成多光谱数据的信息损失。

1.1融合成果为合理比较基于Gram-SchmidtPan光谱锐化、Brovey变换、主成分（PC）变换、HSV变换这四种不同算法的融合效果，从研究区中选取了一块典型区域，并以321波段组合（真彩色）、实际分辨率（1∶1比例尺）显示后进行比较分析。图2-1、图2-2为原始影像，图2-3、图2-4、图2-5、图2-6分别为采用上述四种融合方法处理后的结果影像。

1.2定性评价在对资源三号多光谱影像及融合后成果影像进行R（3）G（2）B（1）真彩色合成后进行目视比较分析，从清晰度（分辨率）、纹理、色调三个方面开展了定性评价。清晰度：融合后的影像较原始多光谱影像分辨率有明显的提高，建筑物等的边界清晰可见，图像更加清晰、更易于判读；纹理：目视效果来看，融合后影像纹理信息没有被弱化，四种融合后的成果影像之间纹理信息差别不大；色调：除Brovey算法外，其余三种融合成果影像的色调相差不大。主成分（PC）变换与Gram-SchmidtPan光谱锐化最接近，都较好地保留了原始影像的色调信息。由于不存在理想的标准参考图像，简单而直接的定性评价往往具有一定的主观性，常会因人而异，可能导致产生不可靠的判别与应用，为此需要对融合成果进行客观的定量评价。

1.3定量评价在对四种融合成果进行定量评价时，本次研究主要选择了三种参数开展：①反映影像空间细节特性参数（均值、标准差、信息熵和平均梯度）；②反映光谱保持特性参数（偏差指数、相关系数）；③反映运算效率的参数（运算时间）。均值（AverageValue，AV）描述了图像像素值的平均大小，反映为图象的平均亮度，参见公式（1）。信息熵（InformationEntropy）：是在影像的表示上为偏离影像直方图高峰值灰度区的大小，用来衡量融合影像信息量丰富程度的重要指标[2]。对于灰度范围{0，1，…，N-1}的图像直方图，其熵的定义式如公式（3）所示，式中Pi为第i个灰度的出现概率。平均梯度（AverageDefinition）：可以反映微小细节的图像差异，被用来评价图像的清晰度。在一般情况下，平均梯度与清晰度成正比。计算公式见式（4），式中M、N为图像的行列数；h（i，j）为第i行、第j列对应像元的灰度值。偏差指数（DeviationIndex）：反映了影像融合前、后对应多光谱波段之间的光谱质量差异。计算公式见式（5），式中M、N为遥感影像的行列数；Ia（i，j）、Ib（i，j）分别为融合前、后同一波段相同位置第i行、第j列对应像元的灰度值。相关系数（CorrelationCoefficient）：反映多光谱影像融合前后在光谱特征上的相似性。其相似值越大，则表示融合后的影像对多光谱影像的光谱特征继承性越高。两幅图像的相关系数定义式如公式（6），式中M，N分别为图像行列数；Ia（i，j）、Ib（i，j）分别为融合前、后同一波段相同位置第i行、第j列对应像元的灰度值；Ia、IIb分别为原图像和融合后图像的均值。以上运算除偏差指数是由C++语言编写外，其余均由MATLAB语言编写。主要运算结果见表3-1。运算时间（OperationTime）：反映融合算法的运算效率。各算法用时：Brovey变换16.73s，GSpansharp29.48s，主成分（PC）变换42.75s，HSV变换10.06s。

在反映融合结果影像空间细节特性的参数中：灰度均值代表图像的平均亮度，均值适中的影像则直观效果良好；方差值越大，信息熵越大，信息量趋于越大、越丰富；平均梯度越大，图像趋于越清晰。在反映融合结果影像的光谱保持特性参数中：偏差指数越小，相关系数越高，光谱信息特征继承得越好。由表3-1各参数运算结果及各融合算法的运算时间可知：（1）融合结果影像信息量与清晰度都得到了大幅提升。GSpansharp与PC变换的均值较为接近，亮度适中，与定性分析一致。原始影像亮度较低，HSV变换灰度均值较高，亮度大。比较融合前后影像，信息量与清晰度有了较大的变化。（2）HSV变换融合影像细节特性最优。HSV变换融合结果影像方差与熵值最大、平均剃度值最大，其信息量最大、最丰富，图像最清晰，影像质量优于其他算法成果影像，Brovey变换融合成果次之，其余两种相差不大。（3）Gram-Schmidtpansharping融合影像特征信息保持特性最优。采用Gram-Schmidtpan光谱锐化方法融合后的成果影像计算得出的偏差指数最小，相关系数最大，失真最小、效果最好，最大程度地保留了原始多光谱影像的光谱特征信息和全色波段的纹理特征信息，综合评价优于其他三种算法，是适用于资源三号的高保真融合方法。PC变换次之，HSV变换的融合成果影像的光谱特征与纹理特征保留能力最差。（4）HSV变换融合运算效率为最高，Brovey变换次之，主成分（PC）变换为最低。（5）基于以上分析可知：针对特定的应用，可选择不同的融合方法进行处理，以更合理应用遥感影像数据。

2．资源三号遥感数据地质灾害解译

研究区内平川少而山脉多，地质环境复杂而脆弱，频繁的矿业开发活动及道路施工建设都在一定程度上造成了地质环境的破坏，据现有新闻资料表明，已发生多起地质灾害事故，如滑坡、泥石流、山体崩塌、地裂缝、地面沉降等，严重影响到研究区经济社会的可持续发展。因此，对于地质灾害防治工作必须予以高度的重视。基于ArcGIS的ArcScene模块，作者以DEM数据为基础，选择Gram-Schmidtpan光谱锐化融合结果影像影像和研究区地质图、矿权等数据，构建真实地表三维场景模型（图4-1），通过从多角度浏览图像上的不同场景，快速地识别目标地物的影像特征，进行地质灾害信息的目视判读[3]。本次研究共解译出3种类型的（潜在）地质灾害，包括滑坡、泥石流、不稳定斜坡（图4-2）。对室内解译结果进行野外验证后，进行了补充与修改。

3．结束语

（1）采用多种融合方法对资源三号的多光谱影像（5.8米）和全色影像（2.1米）融合，并对四种融合结果进行了定性和定量的综合分析，得出结论：融合后影像清晰度和空间分辨率都明显提高，其中采用Gram-SchmidtPan光谱锐化方法融合后的成果图像失真最小、效果最好，最大程度地保留了原始多光谱影像的光谱特征和全色波段的纹理特征信息。（2）基于ArcScene平台将资源三号数据的最佳融合成果与DEM相结合构建三维立体模型，为地质灾害信息的提取提供了有效的辅助工具。（3）结合研究区域的地质资料对研究区的地质灾害信息进行了研究分析，并开展了实地野外验证工作，对解译成果进行了修改与补充。地质灾害解译成果为研究区的地质灾害防治工作提供了有力的数据支撑。

作者：阴振声 独文惠 单位：山西省遥感中心