matlab图像融合评价,基于Matlab的遥感图像融合效果的客观评价方法

1引言图像融合是遥感图像应用和分析的一种重要的手段,特别是当前遥感技术的迅速发展,多源遥感数据的获取变得越来越方便,多源图像之间融合的意义也就显得越来越重要。将高分辨率的图像和低分辨率多光谱图像进行融合,已成为遥感应用研究领域的重要主题。研究者们从各个不同的应用领域,提出了多种不同的图像融合方法,诸如IHS变换法、PCA变换法、Brovey变换法、多分辨率小波分析法等[1,2]。然而融合层次多种多样,融合技术千差万别,如何评价融合效果,即如何评价融合图像的质量,是图像融合的一个重要步骤[3,4]。因而,有必要需要寻找一种比较客观评价融合图像效果的方法,使计算机能够自动选取适合当前图像的、效果最佳的算法,从而为不同场合下选择不同的算法提供依据。虽然很多学者对上述融合效果评价作了大量研究工作,但对具体的实现过程介绍得比较少。另外,虽在一些常用的遥感图像处理软件(如ErdasImag-ine)中可以实现一些融合方法,但是较难对融合图像作出准确的、客观的评价。随着计算机性能的不断提高,人们逐渐发现工程上的许多问题可以通过计算机强大的计算功能来辅助完成。如此一来,Matlab软件强大的数值运算核心开始被关注。针对上述问题及数字图像的矩阵表示,本文借助Matlab强大的矩阵运算能力和丰富的图像工具箱函数,提出了遥感图像融合效果的客观评价方法并给出利用Matlab语言编制实现评价指标的通用程序。2遥感图像融合质量客观评价目前,对于融合图像的评价仍然没有统一的标准,对融合结果的分析应该根据融合图像的特点、性质和融合的目的来选择评价指标。由于不同融合方法产生的光谱失真可能会导致不可靠的判别和应用,根据图像融合前后目视判别对比作出定性评价,无疑是最简单、最直接的评价方法;但是主观性太强,较大程度依赖于评价者的经验和专业水平,存在不确定性,还需借助数学工具来定量评价不同图像融合方法的性能。对于多光谱和高分辨图像融合效果的客观评价,应综合考虑空间细节信息的增强与光谱信息的保持,一般采用以下三类统计参数[5-7]:21反映亮度信息的指标如图像灰度均值(),定义为式(1):v=1MNMi=1Nj=1F(i,j)(1)22反映空间细节信息的指标如标准差()、均方根误差(RMSE)、信息熵(EN)、交叉熵(CEN)和清晰度(G),各指标分别定义如式(2)(6):=Mi=1Nj=1R(i,j)-2MN(2)RMSE=Mi=1Nj=1R(i,j)-F(i,j)2MN(3)EN=-Li=1pilog2pi(4)LCEN=-i=1pilog2piqi(5)G=1MNMi=1Nj=1(Ix2+I2y)2(6)23反映光谱信息的指标如扭曲程度(D)、偏差指数(Din)、空间频率(SF)和相关系数(C),各指标分别定义如式(7)(10):D=1MNMi=1Nj=1F(i,j)-R(i,j)(7)Din=1MNMi=1Nj=1F(i,j)-R(i,j)R(i,j)(8)RF=1MNMi=1Nj=2F(i,j)-F(i,j-1)2CF=1MNNj=1Mi=2F(i,j)-F(i-1,j)2(9)C=Mi=1Nj=1(R(i,j)-R)(F(i,j)-F)Mi=1Nj=1(R(i,j)-R)2Mi=1Nj=1(F(i,j)-F)2(10)另外,根据图像融合后噪声是否得到抑制,还有峰值信噪比(PSNR)和等效视数(m),分别定义如式(11)(12):PSNR=101gL2RMSE2(11)2m=2(12)上述各公式中:设R为源图像,R为融合图像;M、N为图像的行列数;L为图像灰度级数,单色图像一般为