城市绿地系统是城市生态系统的子系统，是城市中唯一有生命的基础设施，在改善城市生态环境和人居环境方面起着积极的作用^[1-2]。随着城市的不断扩大、人们生活水平的提高，城市绿地质量受到广泛的关注，城市绿地信息提取成为当下研究热点之一。遥感技术可为城市绿地信息的快速提取提供技术支持^[3-5]。

目前已有很多学者利用高分辨率影像进行城市绿地资源的调查与分析，沙晋明^[6]以陆地资源卫星TM影像为主要遥感信息源, 提取了1988年、2000年福州市典型样区内植被类型变化状况。姚静等^[7]利用TM影像，运用多种方法提取城市绿地信息均取得了很好的效果。陈利等^[8]利用缨帽变换融合WorldView-2影像，较好地提取了城市绿地信息。罗亚等^[9]研究了NDVI、RVI、DVI等不同植被指数在提取城市绿地信息中的精度问题。宋志明等^[10]利用TM影像对城市绿地进行分类，并结合景观生态学理论对广州市区绿地景观进行了专题研究。

在影像分类研究中，已有不少研究者首先将多光谱影像与全色影像进行融合，再利用融合后的影像进行信息提取，分析影像融合的效果。如王乐等^[11]从主观与客观评价指标两个方面对PCA、IHS、Brovey融合方法进行了对比。陈慧等^[12]从TM影像、TM与SPOT5融合影像、IKONOS多光谱影像，以及IKONOS融合影像中分类提取了城市绿地，结果发现IKONOS融合影像的分类精度最高。李霖等^[13]以ZY-3卫星影像为数据源，应用不同的融合方法对影像进行融合，并从提高空间分辨率和保持原始图像光谱信息两个方面进行融合效果分析，探讨了适用于ZY-3卫星农业区影像的融合方法。张海霞^[14]采用小波变换、小波和PCA相结合、小波和HIS相结合等遥感影像融合方法对Landsat7 ETM+多光谱与全色影像进行融合，并进行了土地覆盖分类研究。沈明霞^[15]利用HIS、PCA、Brovey及小波变换4种图像融合方法对南京地区ETM+遥感影像进行融合，并针对植被信息提取精度分析了影像融合的效果。目前，高分辨率遥感影像在城市绿地信息提取中的应用越来越广泛，但针对绿地信息提取，不同融合算法的影像融合效果还缺少系统研究。

本文将以WorldView-2与PL-1A影像为数据，利用GS (Gram-Schmidt)变换、PCA (主成分分析)变换、Ehlers (空间滤波)融合、Wavelet (Wavelet分析)、HIS变换5种方法对影像进行融合。在此基础上针对城市绿地信息提取，分别用目视方法和量化指标对融合影像的质量进行评价；同时利用面向对象基于规则方法分别基于多光谱影像和融合后的影像，提取绿地信息并进行精度评价。对不同影像融合算法的融合有效性进行系统深入的评价，可为城市绿地信息提取影像的融合工作提供技术支持。

1 研究区概况与数据源

本次研究选取了上海交通大学闵行校区与华东师范大学闵行校区为研究区。上海市闵行区坐落长江三角洲冲积平原，气候温和雨水充沛，为植被生长提供了有利的条件。自“十一五”以来该区以深入推进国家生态建设为目标，在上海市率先开展大规模绿化建设，绿化基础较好，绿化效果明显。上海交通大学和华东师范大学是该区内绿化发展较好、绿地分布较多的区域，以该区域为研究点进行影像融合，对城市研究绿地信息提取有较好的参考意义。

研究所用的数据包括WorldView-2、PL的多光谱影像与全色影像，其中WorldView-2影像的成像时间为2014年6月12日，空间分辨率分别为0.5 m；PL-1A影像的成像时间为2014年5月27日，空间分辨率分别为0.5 m。在影像融合之前已对各遥感影像进行几何校正、重采样等预处理，保证多光谱影像与全色影像对应像元的一致性。

2 研究方法 2.1 影像融合方法及质量评价 2.1.1 影像融合方法

本文采用GS变换、PCA变换、Ehlers变换、Wavelet变换、HIS变换5种融合方法对影像进行融合。其中GS变换对矩阵或多维影像进行正交变换, 消除多光谱波段之间的相关性，以达到消除冗余信息的目的^[16]。PCA变换用高分辨率波段替换多波段图像的第一主成分，提高了空间分辨率。Ehlers融合基于快速傅里叶变化滤波对全色波段锐化并用IHS变换来完成融合，既可保留高分辨率数据的空间信息，又有低分辨率数据的高光谱分辨率信息^[17]。Wavelet变换利用分解系数对低频图像和高频细节信息进行融合，该方法能在保留光谱信息的基础上提高空间信息。HIS变换属于色彩变换，原理是将RGB图像变换到HIS颜色空间，然后将高分辨率的图像代替HIS颜色空间中的亮度分量(Ⅰ分量)，并将新HIS图像变换到RGB颜色空间^[18]。

由于HIS变换只能融合3个波段，因此根据最佳指数OIF (optimum index factor)的数值大小来判断各种波段组合的优劣，OIF值越大波段融合效果越好。从表 1中可以看出，PL影像与WorldView影像4, 3, 1波段的OIF指数均最高，融合效果最好。

2.1.2 融合影像质量评价

本研究从定性和定量两个方面对影像融合的质量进行评价。其中，定性分析主要从视觉的角度，直观地分析不同融合方法影像光谱保真性和空间细节的表达能力。

定量分析是利用量化指标对影像融合效果进行评价的，减少了评价的主观性。本文通过计算灰度平均值、标准差、信息熵、平均梯度评价影像融合方法光谱信息的保真能力；利用相关系数评价融合影像对全色影像空间结构信息保持能力。各量化指标计算公式见表 2。

其中，z (x_i, y_j)为影像上某一点的灰度值；p_i为灰度值为i的像素数与总像素之比；A (x_i, y_j)为原始pan影像的值；F (x_i, y_j)为融合影像的值。

2.2 绿地信息提取及精度评价

为了更全面地评价影像融合对绿地信息提取的影响，本研究分别利用融合前的多光谱影像和融合后的影像，进行绿地信息提取，通过计算绿地信息提取精度分析影像融合的有效性^[19]。为避免产生“椒盐效应”，提高分类精度，本研究基于面向对象的分类方法提取城市绿地信息，将研究区分为绿地区域和非绿地区域，并在原多光谱影像上选取ROI作为参考样本，计算混淆矩阵进行绿地信息提取精度评价。

3 结果分析 3.1 影像融合结果评价分析 3.1.1 定性分析

在融合影像中截取部分影像进行定性分析，如图 1、图 2所示。从整体上来看，无论是WorldView-2影像还是PL影像，5种融合变换方法所得融合影像的空间分辨率均有所提高。而在色彩方面，PCA融合影像整体色彩较暗，GS融合影像中绿地颜色与多光谱影像有明显的差别，HIS融合影像色调偏暗且有明显失真。利用5种融合方法对WorldView-2与PL影像处理所得效果不尽相同。对于WorldView-2影像来说，GS融合影像的空间分辨率最高，PCA、Ehlers、Wavelet变换次之，HIS变换空间分辨率最低。在光谱信息方面，Ehlers融合影像与多光谱影像的色彩最为接近，Wavelet变换也能取得很好的效果。对于PL影像来说，GS融合影像的空间分辨率最高，PCA变换与Ehlers变换也能有效地提高空间分辨率。Wavelet与HIS融合影像空间分辨率较差，在光谱信息方面，Ehlers与Wavelet融合影像的色彩与多光谱影像最为接近。

3.1.2 定量分析

从表 3中可以看出，对于WorldView-2影像，GS变换和PCA变换影像的灰度平均值几乎接近于原多光谱影像，其他3种融合方法则明显降低；GS变换和PCA变换融合后的影像方差相比多光谱影像增加明显，Ehlers变换、Wavelet变换和HIS变换融合后方差有所增加但增加较少；信息熵指标显示，各融合影像的信息熵均有所增加，其中GS变换增加值最高，其次是PCA变换、Ehlers变换、HIS变换、Wavelet变换；平均梯度的变换趋势与信息熵类似。通过相关系数分析可以看出，GS变换影像与全色影像的相关系数最高，高达0.95，其次是Ehlers变换和PCA变换。这说明GS变换、Ehlers变换和PCA变换对全色影像的空间结构保持较好，能有效利用全色影像来增加空间信息，其中GS变换影像融合方法效果尤其突出。

由表 4可以看出，对于PL影像，GS变换和PCA变换的灰度平均值最接近原多光谱影像，光谱信息保留程度最好。在方差、信息熵和平均梯度方面，5种变换影像的值较原多光谱影像均有所增加，其中最优秀的是GS变换。在相关系数方面，只有GS变换的相关系数超过了0.9。其他变换方法的相关系数均在0.9以下，其中最高的是PCA变换达到了0.89。总的来说利用GS变换所得到的PL融合影像的效果最好。

根据以上分析可以看出，对于WorldView-2影像，GS在光谱信息保持能力与空间信息保持能力上均最为优秀。PCA、Ehlers在光谱与空间信息两方面也能取得良好的效果，仅次于GS变换。Wavelet变换的光谱信息和空间细节信息都有较严重的失真。HIS变换光谱扭曲程度最严重，但空间细节信息也丢失最严重。PL影像上各融合方法的效果与WorldView-2影像类似：GS变换效果最好；PCA、Ehlers、Wavelet效果次之；HIS变换光谱扭曲程度最高且空间信息丢失严重，效果最差。

3.2 影像分类精度分析

利用面向对象的方法，基于多光谱影像和融合影像提取城市绿地信息后，在多光谱影像中随机选取绿地区与非绿地区域样本各100个，利用这些样本建立混淆矩阵，对上述各影像分类结果进行精度评定，分类精度见表 5、表 6。

从表 5、表 6中可以看出，无论是WorldView-2影像还是PL影像，除了HIS变换融合后的影像之外，其他所有方法影像融合后的绿地信息提取精度均比多光谱影像的分类精度高。在几种融合影像中，分类精度最高的是GS影像，其次是PCA变换。

通过上述分析可以得出，利用适宜的方法对影像进行融合，融合后的影像绿地信息提取精度明显高于多光谱影像，影像融合可以有效提高绿地信息提取精度。不同融合方法对分类精度有明显影响，融合效果好，光谱信息和空间信息保真性好的影像分类精度也明显较高。

4 结语

本文基于WorldView-2影像与PL影像，选取GS变换、主成分分析、Ehlers变换、Wavelet分析、HIS变换5种融合方法对影像进行融合，通过融合结果质量评价和绿地信息提取精度分析得到以下结论：

(1) 采用上述5种融合算法均能在保持光谱信息的基础上提高空间分辨率。对于WorldView-2影像，GS变换、PCA变换和Ehlers变换效果较好，其中GS变换影像在光谱信息保持、空间信息增强方面的能力均最强。对于PL影像，GS变换取得的效果最好且远优于其他4种变换。

(2) 不同融合影像上提取的绿地精度有明显差异。无论是WorldView-2影像还是PL影像，HIS融合影像的精度都最低且精度低于原多光谱影像。GS融合影像的精度最高，PCA、Wavelet、Ehlers次之。可见GS融合更适合于城市绿地信息提取的相关研究。