第 33卷第 4期
2008年 7月
测绘科学
Sc ience o f Survey ing andM app ing
Vo l�33 No�4
Jul�
作者简介: 徐胜祥 ( 1979�), 男, 硕
士, 讲师, 主要从事环境信息工程和
GIS应用研究, 主持或参与科研项目 4
项, 发表论文 10余篇。
E�m ai:l shengx iangxu @
w ebmail�hzau�edu� cn
收稿日期: 2007�03�08
基金项目: 孝感学院自然科学立项项
目 ( z2007010)
基于Matlab的遥感图像融合效果的客观评价方法
徐胜祥, 徐运清
(孝感学院生命科学技术学院, 湖北孝感 � 432000)
�摘 � 要� M atlab是一种基于向量的高级程序语言, 从本质上提供了对图像的支持。本文试图借助其图像处理工
具箱函数的支持从工程和实验角度出发, 探讨了利用 M atlab语言实现遥感图像融合效果的客观评价指标的方法。
文章首先将均值、
差、信息熵和峰值信噪比等评价指标进行了分类、定义, 然后设计融合实验来验证该方法
的可行性和正确性, 同时在 M atlab平台上给出了各评价指标的计算过程及数值。实验结果表明, 利用这些评价指
标作出的客观评价结果与主观评价结果是一致的。
�关键词� 图像融合; 客观评价; M atlab; 熵; 峰值信噪比
�中图分类号� TP751� � � � �文献标识码� A� � � � �文章编号� 1009�2307 ( 2008) 04�0143�03
DOI: 10� 3771 / j� issn� 1009�2307�2008�04�049
1� 引言
图像融合是遥感图像应用和
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
。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 E rdas Im ag�
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, M a tlab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 M atlab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 M atlab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] :
2� 1� 反映亮度信息的指标
如图像灰度均值 ( � ), 定义为式 ( 1):
v =
1
M � N �Mi= 1 �
N
j= 1
F ( i, j ) ( 1)
2� 2� 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):
� = �
M
i= 1
�N
j= 1
R ( i, j ) - � 2
M � N ( 2)
RMSE =
�M
i= 1
�N
j= 1
R ( i, j ) - F ( i, j ) 2
M �N ( 3)
EN = - �L
i= 1
p
i
log
2
p
i
( 4)
CEN = - �L
i= 1
pi log2
pi
qi
( 5)
� G = 1
M �N �Mi= 1 �
N
j = 1
( �I2x + �I2y )
2
( 6)
2� 3反映光谱信息的指标
如扭曲程度 ( D )、偏差指数 ( D in )、空间频率 ( SF )
和相关系数 ( C ), 各指标分别定义如式 ( 7) � ( 10):
D =
1
M � N �M
i= 1
�N
j= 1
F ( i, j ) - R ( i, j ) ( 7)
D in =
1
M � N �Mi= 1 �
N
j= 1
F ( i, j ) - R ( i, j)
R ( i, j)
( 8)
RF =
1
M �N �Mi= 1 �
N
j= 2
F ( i, j ) - F ( i, j - 1) 2
CF =
1
M �N �Nj= 1 �
M
i= 2
F ( i, j ) - F ( i - 1, j ) 2 ( 9)
C =
�M
i= 1
�N
j= 1
(R ( i, j ) - �R ) � (F ( i, j ) - �F )
�M
i= 1
�N
j= 1
(R ( i, j ) - �R ) 2 � �M
i= 1
�N
j= 1
(F ( i, j) - �F ) 2
( 10)
测绘科学 � � � � � � � � � � � � � � � � � � � � 第 33卷
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 = 101g
L2
RMSE2
( 11)
m =
�2
� 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 255; p i
表示源图像 R中灰度值为 i的概率密度, qi表示融合图像 F中
灰度值为 i的概率密度; �I
x
、�I
y
分别为 �和 �方向上的一阶
差分; R ( i, j )、F ( i, j) 分别为融合前后同一波段相同位置对
应像元的灰度值, �R 、�F 分别为融合前后两幅图像的均值。
融合质量评价的准则是: 对于同一组融合实验, 若某
种融合方法获得的融合图像的标准差较大、均方根误差相
对较小、熵相对较大、交叉熵相对较小、清晰度相对较大、
扭曲程度相对较小、偏差指数相对较小、空间频率相对较
大、峰值信噪比相对较高、等效视数相对较大, 则说明该
融合方法的性能相对较好。而对于一灰度图像, 如果均值
适中 (灰度值128附近 ), 则表明视觉效果良好。
3� 实验分析及Matlab实现
3� 1� 融合实验设计
为了验证本文提出的图像融合质量评价方法的可行性
和正确性, 本文利用 ERDAS8� 5的分辨率融合模块中提供
的 PCA变换、乘积变换、比值变换三种不同融合方法进行
了融合实验。实验所使用的遥感图像为 ERDAS软件附带的
低分辨率的 TM 多光谱图像 dm tm� img和高分辨率的 SPOT
全色图像 spo ts� im g, 两图像已经进行了精确的空间配准,
选取的实验区大小为 400 � 400像素。另外, 在融合过程的
重采样方法中, ERDAS提供了三种插值方法: 邻近点插值
法、双线性插值法和立方卷积插值法。因此, 还设计了在
PCA变换融合中分别选择三种插值方法作对比实验, 试图
从其图像的定量分析中选择效果最好的一种采样方法作为
融合实验中的重采样方法。
3� 2� Matlab中客观评价指标的实现
以计算源图像和 PCA变换融合图像为例说明在 M atlab
中实现上述客观评价指标的计算过程 [ 8]。
% 1) 读取融合前后图像数据
im gSpot = im read ( �spots� bmp�);
im gDm tm = im read ( �dm tm�bmp�);
im gPCA = im read ( �merge_ pca�bmp�);
[ row s, co ls] = size ( imgSpot);
% 2) 计算图像灰度均值、标准差
for i= 1: 3
v_ spo t ( i) = m ean2 ( im gSpot (: , : , i) ) ;
v _ dm tm ( i) = mean2 ( imgDm tm (: , : , i) );
v _ pca ( i) = m ean2 ( im gPCA (: , : , i) ) ;
std_ spot ( i) = std2 ( im gSpot (: , : , i) ) ;
std_ dm tm ( i) = std2 ( imgDm tm (: , : , i) );
std_ pca ( i) = std2 ( imgPCA (: , : , i) ) ;
end
% 3) 计算图像均方根误差、峰值信噪比
RM SE= 0; PSNR = 0;
for i= 1: row s
for j= 1: cols
for k= 1: 3
RM SE ( k ) = RMSE ( k ) + ( imgPCA ( ,i ,j k )
- im gDm tm ( ,i ,j k) ) 2^;
end
end
end
for k= 1: 3
RM SE ( k) = sqrt ( RMSE ( k) / ( row s* co ls) );
PSNR ( k) = 20* log10 ( ( 255 / ( RMSE ( k) ) ) );
end
% 4) 计算图像信息熵和交叉熵, 以红色单波段为例
[ counts1, x1] = im hist ( imgDm tm (: , : , 1) );
[ counts2, x2] = im hist ( imgPCA (: , : , 1) ) ;
for i= 1: 256
p ( i) = counts1 ( i) / ( row s* co ls);
q ( i) = counts2 ( i) / ( row s* co ls);
end
EN= 0; CEN= 0;
for i= 1: 256
if p ( i) > 0
EN = EN - p ( i) * log2 ( p ( i) );
if q ( i) > 0
CEN = CEN - p ( i) * log2 ( p ( i) /q ( i) );
end
end
end
��
限于篇幅, 这里仅列出图像灰度均值、标准差、均方
根误差、峰值信噪比、信息熵和交叉熵这 6个指标的计算
过程, 其他指标按照相应的数学公式定义也可容易地实现。
程序中 RGB图像其他波段的计算只需更改相应的波段参数
即可得出结果。
3� 3� 实验结果分析
为简便起见, 实验结果中所有得到的数据均取三个波
段的平均值作为各指标的值来比较。
1) 不同重采样方法的实验结果及分析
从融合图像的灰度均值、标准差、熵及与全色图像的
相关系数的综合分析中可知 (见表 1) , 三种方法中立方卷积
插值法的各指标值都比其它两种方法高, 说明其采样效果
最优。因此, 融合实验中均采用立方卷积插值作为统一的
重采样方法来比较各种融合算法的性能。
表 1� 不同重采样方法得到的 PCA变换融合图像统计参数
重采样方法 灰度均值 标准差 熵 与全色图像的相关系数
邻近点插值法 124�5051 53�5614 3�8748 0�7808
双线性插值法 124�4543 53�6320 3�8685 0�7805
立方卷积插值法 124�4841 53�8180 3�8775 0�7819
2) 不同图像融合方法的实验结果及分析
原始多光谱和全色图像及经 3种融合方法得到的融合
图像如图 1所示。从主观视觉效果上看, 三种变换融合方
法得到的多光谱图像均可使得在单个源图像中没有显示的
信息, 在融合图像中得到了补充, 各融合图像的空间分辨
率和光谱信息都有了较好的综合。从图像亮度和彩色失真
情况来看, PCA变换融合效果最优, 而采用比值变换融合
后图像的色调与原始多光谱图像的色调发生了较大变化。3
种融合图像的色彩丰富程度及清晰度肉眼难以区分 , 还需
结合客观评价分析得出最终的结论。
利用原始图像与各融合图像的 RGB三个光谱分量统计
得到的评价指标如表 2所示。从表 2中可以看出: 3种融合
方法中, 反映图像亮度信息的均值, 以比值变换最高, 说
明其融合图像视觉效果较好, 利于图像的目视解译 ; 从标
准差、信息熵、交叉熵和清晰度数据来比较, PCA变换融
合图像在图 1中所有的融合图像中质量最好, 这说明其融
合图像更好地反映了图像的细节特征, 这对于自动分类、
144
� 第 4期 � � � � � � � � � � � 徐胜祥等 � 基于 M atlab的遥感图像融合效果的客观评价方法
图 1� 源图像及三种变换融合结果图像
信息提取等都是十分有利的; 而从反映图像光谱信息的各
指标来看, PCA变换融合法得到的图像的扭曲程度、偏差
指数和空间频率相关系数都略小于比值变换且高于乘积变
换方法得到的图像, 而峰值信噪比和等效视数却高于其他
融合方法, 说明 PCA变换融合在降低了噪声的同时, 损失
了图像的光谱信息。这主要是由于在 PCA融合算法中只是
用高分辨率图像来简单替换低分辨率图像的第一主成分,
故会有低分辨率图像第一主成分分量中一些反映光谱特性
的信息损失, 因而使得融合结果图像的光谱分辨率受到较
大的影响。但综合分析上述各指标, PCA变换融合图像质
量还是优于其他两种变换方法。
表 2� 不同变换融合的质量评价指标对比
图像 均值 标准差 均方根误差 熵 交叉熵 清晰度
TM图像 134�7229 49�3148 3�0967 14�6091
SPOT图像 127�0704 55�5724 3�3762 36�3738
PCA变换 124�4841 53�6320 43�4777 3�9107 0�8523 27�3790
乘积变换 123�8514 47�3770 39�5882 3�7357 0�8580 18�6921
比值变换 125�5649 52�1486 47�4060 3�8775 0�8740 24�0061
表 2� (续 )
图像 扭曲程度 偏差指数 空间频率 相关系数
等效
视数
峰值信
噪比
TM图像 27�6390 7�6449
SPOT图像 68�6083 5�2284
PCA变换 33�0946 0�2613 45�3818 0�6721 6�8423 16�1888
乘积变换 28�4990 0�2169 38�2144 0�6979 5�3950 15�3902
比值变换 34�1866 0�2641 51�9922 0�5844 5�8019 14�6611
上述指标的统计参数的变化趋势与各种融合方法的理
论分析结果一致, 与人的视觉效果的变化一致, 说明这些
参数可以作为多光谱图像融合的客观质量评价准则。但在实
际应用时, 需要对这些评价指标进行综合比较, 从中选择
出容易与主观评价方法取得一致的、简单实用的、具有较
强抗干扰性和鲁棒性的客观评价指标来评价图像融合的
效果。
4� 结束语
该文在已有的评价方法的基础上对多光谱和高分辨图
像融合效果的客观评价指标进行了整理, 并按反映图像信
息的不同角度将它们分为三类, 同时在 M atlab平台上实现
了各评价指标的计算过程及结果。在 M atlab环境中利用图
像的统计特性, 可以比较方便和准确地分析图像的灰度级
分布情况及信息量携带情况。本文的实验结果表明 , 利用
这些评价指标作出的客观评价结果与主观评价结果是一致
的。总之, 对遥感图像融合质量的评价目前还没有完全可
靠的客观标准, 真实反映融合质量的评价指标和方法还有
待探索。
在 M atlab平台上实现所提出的评价指标中, 均采用
的是由两幅源图像来进行融合。在实际应用中只要将其
做简单的扩展, 就可以应用于多幅源图像的融合。同
时 , 利用 M atlab提供的图像处理工具箱还可以应用于遥
感图像的空间和数学变换、图像增强及融合算法等
领域。
参考文献
[ 1] 刘哲 , 郝重阳 , 刘晓翔, 樊养余 � 多光谱图像与全
色图像的像素级融合研究 [ J] � 数据采集与处理,
2003, 18( 3) : 296�301�
[ 2] 李军 , 周月琴, 李德仁 � 影像局部直方图匹配滤波
技术用于遥感影像数据融合 [ J] �测绘学报, 1999,
28( 3): 226�231�
[ 3 ] Qu Quihong, Zhang Da l,i Yan P ing fan� Inform a tion
m easure for per fo rm ance of im age fusion [ J] � IEEE E�
lectronics Letters, 2002, 7 ( 38): 313�315�
[ 4] X� eas C S, Petrov icV� Ob jective im age fusion perform�
ance m easure [ J] � IEEE E lectron ics Le tters, 2000,
36 ( 4) : 308�309�
[ 5] 张炳智, 张继贤, 张丽 � 土地利用动态遥感监测中
多源遥感影像融合方法比较研究 [ J] � 测绘科学,
2000, 25( 3) : 46�50�
[ 6] 付炜 , 邢广忠 , 侯蓝田, 王文君 � 基于特征的遥感
图像信息融合模式研究 [ J] �测绘科学, 2004, 29
( 6) : 62�64�
[ 7] 王海晖, 彭嘉雄, 吴巍, 李峰 � 多源遥感图像融合
效果评价方法研究 [ J] �计算机工程与应用, 2003,
25: 33�37�
[ 8] 王家文, 李仰军 �M atlab7� 0图形图像处理 [ M ] �北
京: 国防工业出版社, 2006�
Objective evaluation m ethod of fusion performance for rem ote sen sing image based onM at lab
Abstrac t: M atlab is a prog ramm ing language based on vector, wh ich prov ides support to im age pro cessing in essence� F rom the
aspect o f eng ineer ing and expe rim entation, th is paper attempts to use its im age processing too lbox functions to discuss the ob jective e�
va luation me thod o f fusion perform ance for rem ote sensing im age bym eans o fM a tlab� F irstly, the eva luation param ete rs such as m ean,
standard dev iation, entropy, peak�to�peak s igna l�to�no ise ra tio are classified and de fined� And then the experim ents is designed to
prove the feasib ility and accuracy�M eanwh ile, the eva luation processing and va lue o f these param eters are g iven inM atlab� The test re�
su lts show that the objective eva luation conc lusion w ith these param eters is consistent w ith subjective resu lt�
K ey words: im age fusion; ob jective eva luation; M atlab; entropy; PSNR
X U Sheng�x iang, X U Yun�qing ( Co llege of B io log ical science and Techno logy o f X iaogan Univers ity, X iaogan 432000, China)
145