[论文解读] Arithmetic and Frequency Filtering Methods of Pixel-Based Image Fusion Techniques

Firouz Abdullah Al-Wassai, N. V. Kalyankar+1 more|arXiv (Cornell University)|Jul 18, 2011

Advanced Image Fusion Techniques参考文献 46被引用 20

一句话总结

本文提出并评估了用于遥感领域基于像素的图像融合的算术与频域滤波方法，通过融合高分辨率全色（PAN）图像与低分辨率多光谱（MS）图像，生成高分辨率多光谱融合图像。该研究对比了Brovey变换、基于小波的融合方法以及高通滤波方法等技术，采用信噪比（SNR）、熵和NRMSE等定量指标，结果表明基于小波的融合方法在保持光谱与空间质量方面表现更优。

ABSTRACT

In remote sensing, image fusion technique is a useful tool used to fuse high spatial resolution panchromatic images (PAN) with lower spatial resolution multispectral images (MS) to create a high spatial resolution multispectral of image fusion (F) while preserving the spectral information in the multispectral image (MS).There are many PAN sharpening techniques or Pixel-Based image fusion techniques that have been developed to try to enhance the spatial resolution and the spectral property preservation of the MS. This paper attempts to undertake the study of image fusion, by using two types of pixel-based image fusion techniques i.e. Arithmetic Combination and Frequency Filtering Methods of Pixel-Based Image Fusion Techniques. The first type includes Brovey Transform (BT), Color Normalized Transformation (CN) and Multiplicative Method (MLT). The second type include High-Pass Filter Additive Method (HPFA), High-Frequency-Addition Method (HFA) High Frequency Modulation Method (HFM) and The Wavelet transform-based fusion method (WT). This paper also devotes to concentrate on the analytical techniques for evaluating the quality of image fusion (F) by using various methods including Standard Deviation (SD), Entropy(En), Correlation Coefficient (CC), Signal-to Noise Ratio (SNR), Normalization Root Mean Square Error (NRMSE) and Deviation Index (DI) to estimate the quality and degree of information improvement of a fused image quantitatively.

研究动机与目标

• 调查并比较遥感领域基于像素的图像融合中算术与频域滤波方法。
• 通过与高分辨率全色（PAN）图像融合，提升多光谱（MS）图像的空间分辨率，同时保持其光谱特性。
• 利用信噪比（SNR）、熵和NRMSE等定量指标评估各种融合技术的性能。
• 识别在光谱保真度与空间增强方面最有效的融合方法。
• 提供一个系统化的分析框架，通过多种客观指标评估图像融合质量。

提出的方法

• 应用算术组合方法，包括Brovey变换（BT）、彩色归一化（CN）和乘法方法（MLT），对PAN与MS图像进行像素级融合。
• 采用频域滤波技术，如高通滤波加法（HPFA）、高频分量相加（HFA）、高频调制（HFM）以及基于小波变换（WT）的融合方法，以增强空间细节。
• 使用标准差（SD）、熵（En）、相关系数（CC）、信噪比（SNR）、归一化均方根误差（NRMSE）和偏差指数（DI）对融合图像质量进行定量评估。
• 通过空间对齐PAN与MS图像，并应用像素级运算生成具有更高分辨率的融合图像（F）。
• 对PAN与MS图像应用小波变换，将其分解为子带，然后融合高频分量以保留纹理与边缘信息。
• 通过一致的性能指标集比较各方法的融合结果，以评估其有效性排序。

实验结果

研究问题

• RQ1 在空间与光谱保真度方面，哪种基于像素的融合方法——算术方法或频域滤波方法——能产生最高质量的融合图像？
• RQ2 不同算术方法（BT、CN、MLT）在提升空间分辨率的同时，如何比较其对光谱特性的保持能力？
• RQ3 与算术方法相比，频域滤波技术（HPFA、HFA、HFM、WT）在多大程度上提升了融合图像的质量？
• RQ4 SNR、熵和NRMSE等标准指标在客观量化融合多光谱图像质量方面的有效性如何？
• RQ5 基于综合定量评估，所评估的融合技术的相对性能排名如何？

主要发现

• 基于小波变换的融合方法（WT）实现了最高的信噪比（SNR）和最低的归一化均方根误差（NRMSE），表明其图像质量最优。
• Brovey变换（BT）方法表现中等，光谱保持可接受，但空间增强效果低于基于小波的方法。
• 高通滤波加法（HPFA）与高频分量相加（HFA）方法提升了空间分辨率，但引入了更高的噪声水平，表现为SNR值较低。
• 熵（En）值在基于小波的融合方法中最高，表明融合图像的信息含量和细节保留更优。
• 相关系数（CC）在WT方法中最高，证实融合图像与原始MS图像在光谱响应上具有最强相似性。
• 偏差指数（DI）表明，WT方法在所有评估技术中保持了最准确的光谱特性。