！墨墨 Ｑ ！：璺！ ＣＮ ２２—１３２３／Ｎ 长春工程学院学报（自然科学版）２０１１年第１２卷第４期 Ｊ．Ｃｈａｎｇｃｈｕｎ Ｉｎｓｔ．Ｔｅｃｈ．（Ｎａｔ．Ｓｃｉ．Ｅｄｉ．），２０１ １．ｖｏ１．１２．Ｎｏ．４ ３５／４０ １２３一ｌ２７ 基于ＥＴＭ＋遥感影像的数据融合试验及分析评价 杨生吉 （福建省１９７地质大队地质勘查院，泉州３６２０１１） 摘 要：以泉州德化阳山一安溪潘田地区的ＥＴＭ＋ 遥感影像为基础数据，采用Ｂｒｏｖｅｙ、ＨＳＶ、Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ（ＰＣ）、Ｇｒａｍ—Ｓｅｈｍｉｄｔ和Ｗａｖｅｌｅｔ遥感 影像融合算法对Ｌａｎｄｓａｔ ＥＴＭ＋影像进行融合，并 就融合图像的空间信息、清晰度和光谱保真能力进 行评价。 关键词：遥感影像；数据融合；融合方法；融合效果 评价 中图分类号：ＴＰ７５１ 文献标志码：Ａ 文章编号：１００９—８９８４（２０１１）０４—０１２３—０５ ０ 引言 随着遥感技术和空间技术的不断进步，由不同 卫星传感器对地观测获取同一地区的多源遥感影像 数据（多传感器、多平台、多空间分辨率、多光谱和多 时相）急剧增加。如何充分提取这些海量遥感数据 信息，以及克服遥感影像自动解译中单一信息源不 足等问题，已经成为当前亟待解决的难题。针对这 一问题，２Ｏ世纪７Ｏ年代美国学者最早提出“数据融 合”的概念，并于２Ｏ世纪８Ｏ年始建立发展。 多源遥感影像数据融合是一种将同一环境或同 一对象的多源遥感影像数据进行综合的方法，以获 得满足某种应用的高质量信息，产生比单一信源更 精确、更安全、更可靠的估计和判读ｎＪ。多源遥感影 像数据融合从层次上可分为３级：像素级融合、特征 级融合、决策级融合瞳］。由于像素级融合是基于最 原始的遥感影像数据，能更多地保留影像的原始信 息，提供其他融合层次所不能提供的细微信息，因而 应用广泛。本文主要论述基于像素级融合层次上的 融合方法，并对各种算法进行分析和评价，归纳遥感 影像融合效果评价的方法，并给出结论。 收稿ｔ＝ｌ期：２０１１～１ｉ一０４ 作者简介：杨生吉（１９８５一），男（汉），山东临沂，助理工程师，硕士 主要研究遥感技术。 １影像融合方法 基于像素级的融合方法有代数法、Ｂｒｏｖｅｙ变换 法、乘积变换法、主成分变换法、ＨＩＳ变换法、最佳变 量替换法、Ｋａｌｍａｎ滤波法、小波变换法等，本文选取 以下５种方法进行论述：ＨＳＶ变换法、Ｂｒｏｖｅｙ变换法、 主成分变换法、Ｇｒａｍ－－Ｓｃｈｍｉｄｔ变换法、小波变换。 １．１ ＨＳＶ变换法 ＨＳＶ算法是一种颜色变换的融合方法，ＨＳＶ 颜色变换是把标准的ＲＧＢ图像变换为色度Ｈ （Ｈｕｅ）、饱和度Ｓ（Ｓａｔｕｒａｔｉｏｎ）和亮度Ｖ（Ｖａｌｕｅ）３幅 图像，然后用高分辨率的图像代替颜色亮度值Ｖ图 像，自动用最近邻、双线性或三次卷积技术将色度 （Ｈ）和饱和度（Ｓ）重采样到高分辨率像元尺寸，然后 再将Ｈ、Ｓ和Ｖ图像实施ＨＳＶ颜色变换的逆变换， 变换回ＲＧＢ色度空间得到融合影像。 经过ＨＳＶ变换融合后，影像的纹理信息显著 提高，同时在色彩上基本保持了多光谱的影像色调， 保留了绝大部分的高空间分辨率影像的信息。但该 融合方法光谱信息损失较大，一次只能选择３个波 段作为融合的数据，原始数据利用率低。 １．２ Ｂｒｏｖｅｙ变换法 Ｂｒｏｖｅｙ变换融合也称为色彩标准化（Ｃｏｌｏｒ Ｎｏｒｍａｌｉｚｅｄ）变化融合，其原理是通过变换将ＲＧＢ 空间中显示的多光谱波段归～・化，然后与高分辨率 影像乘积来增强影像的信息［＝｛］。融合算法为： Ｄ Ｒ 一 ×Ｐ （１） ／、 一丽 ×Ｐ （２） Ｂ 一 ×Ｐ （３） 式中：Ｒ、Ｇ、Ｂ…分别为多光谱数据的红、绿、蓝波 段波长； Ｐ——全色波段波长； Ｒ 、 、既一融台后的Ｒ、Ｇ、Ｂ值。 ｌ２４ 长春工程学院学报（自然科学版） 该方法最大限度地保留了多光谱数据的信息， 一（图像）和高频细节／纹理信息（图像），同时又不丢失 定程度上既保持了多光谱数据的完整性又增强了 原信号所包含的信息［６］。但经过小波变换融合后的 影像，颜色信息并未与空间特征自然的结合在一起， 另外一些小目标波谱信息会丢失。 图像的细节。但融合过程中仅用到多光谱数据中的 ３个波段，对原始数据的利用率太低。同时，该变换 法还存在着融合图像受噪点影响大、高分辨率零星 细节保留过多等缺点。 ｌ＿３主成分变换法 ２融合算法评价指标 图像融合的目的就在于增加多光谱影像的空间 分辨率，同时保持原有的光谱信息 ］。图像融合的 一主成分分析（ＰＣＡ，Ｐｒｉｎｃｉｐｌｅ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌ－ ｙｓｉｓ）是离散（Ｋａｒｈｕｎｅｎ－－Ｌｏｅｖｅ）变换的简称，又称 Ｋ—Ｌ变换，是在统计特征基础上的（多波段） 正交线性变换［４］。该方法基于变量之间的相互关 系，在尽量不丢失信息的前提下，利用线性变换的方 法实现数据压缩。 个重要步骤就是对融合的效果进行评价。目前对 融合效果的评价主要分为主观定性评价和客观定量 评价。主观定性评价是通过目视效果来分析，简单 直观，但主观性会导致图像解译质量的下降。相比 而言，客观定量评价以统计学为基础，不受人为因素 的干扰，客观地反映了不同融合方法的优劣。常用 的评价指标有信息熵、标准差、平均梯度、偏差指数、 相关系数等。 ２．１基于信息量的评价 遥感图像的不同波段之间存在着很高的相关 性，通过ＰＣＡ变换，可以把多光谱图像中的有用信 息集中到数量尽可能少的新的主成分图像中，并使 这些主成分图像之间互不相关，从而大大减少总的 数据量，并使图像信息得到增强。但高分辨率影像 在替代第一主分量时，由于只是简单的代替，反主分 （１）信息熵 熵是衡量信息丰富程度的一个重要指标，一般 选用计算融合前后图像熵和联合熵的方法，来计算 信息量的大小。影像的熵值越大，图像所含的信息 越丰富，图像融合效果越好。 根据仙农（Ｓｈａｎｎｏｎ）信息论的原理，一副８ｂｉｔ 表示的图像ｚ的熵为： ２５５ 量合成因子的总方向会与原始方向有一定偏移量， 从而引起色调发生变化。 １．４ Ｇｒａｍ—Ｓｃｈｍｉｄｔ变换法 Ｇｒａｍ—Ｓｃｈｍｉｄｔ变换类似于ＰＣＡ变换，它可 以对矩阵或影像进行正交变换，消除多光谱波 段之间的相关性［５］。 Ｇｒａｍ—Ｓｃｈｍｉｄｔ变换与ＰＣ变换的区别是 ＰＣＡ变换后信息在主成分之间重新分布，第一主成 Ｈ（ｚ）一一 ：Ｐｆ１ｏｇ２Ｐｆ ｆ＝０ （４） 式中： ——输入的图像变量； 分包含的信息量最多，而Ｇｒａｍ—Ｓｃｈｍｉｄｔ变换后各 分量只是正交，所包含的信息量相差不大，这样可以 Ｐ ——图像像元灰度值为ｉ的概率。 （２）标准差 改进ＰＣＡ变换中信息过分集中的问题。同时 标准差反映了图像灰度相对于灰度平均值的离 散情况。图像的标准差定义为： Ｇｒａｍ—Ｓｃｈｍｉｄｔ变换对融合波段的数量没有， 且能保持融合前后图像波谱信息的一致性。 １．５小波变换法 （５） ２Ｏ世纪９Ｏ年代，小波变换开始在遥感影像融 合领域中应用。作为一种新的数学工具，小波变换 是介于函数的空间域和频率域之间的一种表示方 法。该方法采用非线性关系来融合不同类型的图像 数据，克服了其他基于线性关系融合方法的不足。 式中：ｍ， ——像元的行列数； ．２７ ——图像灰度值； “——图像灰度值均值。 ２．２ 基于清晰度的评价 小波变换具有变焦性、信息保持性和小波基选 择灵活性等优点。经小波变换可将图像分解为一些 具有不同空间分辨率、频率特性和方向特性的子信 影像的清晰度可采用梯度和平均梯度来衡量。 平均梯度反映了图像对微小细节反差变化的速率， 可用来评价图像的清晰程度。一般来说，平均梯度越 大，图像越清晰。其表达式为： 号（图像）。该变换能够将一信号分解为低频信息 ｇ一 ＝ 丽一 备 ＋（Ｄ（ｉ，Ｊ）一Ｄ（ｉ，Ｊ＋１）） ２ （６） 杨生吉：基于ＥＴＭ＋遥感影像的数据融合试验及分析评价 式中：Ｄ（ｉ， ）——遥感图像的第ｉ行、 列的灰度值； Ｍ、Ｎ——分别为遥感图像的总行、列数。 ２．３ 基于光谱保真能力的评价 （１）偏差指数 偏差指数是指融合影像与低分辨率影像差值的 绝对值与低分辨率影像值之比。偏差指数反映了融 合影像与原始图像光谱信息熵的匹配程度。其数学 表达式： Ｂ～一 （７） 式中： 和 ——分别表示原始影像和融合影 像的灰度值。 （２）相关系数 图像的相关系数反映了原始图像和融合图像的 相关程度，可用来表示多光谱信息的改变程度。如果 相关系数接近１，则两幅图像的相关性非常强。其数 学表达式： ，Ａ、 ｃＤｒｒＩ百Ｊ一 ∑∑［（五．Ｊ一 （Ａ））（ 一“（Ｂ））］ ｉ一１ ｊ＝１ （８） Ｖ／ ∑∑［ｆ １』一１ （ ｆ．ｊ一“（Ａ）） （ｚ 一“（Ｂ）） ］ 式中：Ａ、Ｂ——分别代表融合前后两幅影像； Ｘ 、ｚ ｆ’Ｊ——分别为影像Ａ和影像Ｂ的灰度值； Ｕ（Ａ）、 （Ｂ）——两幅图像的均值。 ３影像融合试验与分析评价 本文采用泉州地区ＥＴＭ＋影像（遥感影像来源 于美国马里兰大学数据网站），全色影像分辨率 １５ ｍ，多光谱影像分辨率３０ ｍ，ＥＴＭ＋影像全色波 段与多光谱波段来自同一传感器系统，具有相同的 太阳高度角和其他环境条件，影像获取时间一致，因 此这两种波段数据融合效果好。 ３．１研究区概况 试验区地处福建省泉州市北西方位３１５。，直距 约１２６．８ ｋｍ处，地跨安溪、永春、德化三县辖区。 研究区属于亚热带海洋性季风气候，终年温和，雨量 充沛，四季常青。年均气温２０．４℃，年平均降水量 为１ ６８５．９ ｍｍ，年平均无霜期３１７ ｄ，７月一９月份 为台风季节，易受台风或热带风暴登陆影响，常出现 暴雨和特大暴雨，影响频率约１～３次／ａ。 ３．２融合试验结果 借助于遥感处理软件ＥＮＶＩ ４．７，根据波段优 化组合原则选取了多光谱波的最优组合：ＥＴＭ＋５、 ４、３波段组合，实现了ＨＳＶ、Ｂｒｏｖｅｙ、ＰＣＡ、Ｇｒａｍ— Ｓｅｈｍｉｄｔ、Ｗａｖｅｌｅｔ图像融合，融合结果如下： １２５ 图１ Ｂａｎｄ５４３ 图２ ＨＳＶ融合 图３ Ｂｒｏｖｅｙ融合 图４ ＰＣ融台 １２６ 长春工程学院学报（自然科学版） ２０１１．１２（４） ３．３融合效果分析评价 （１）目视效果分析 从目视效果上看，经过以上几种方法融合之后， 图像的空间分辨率都得到一定程度的增加，同时也 提高了地物细节特征，更加易于提取和识别。 （２）定量分析及评价 在融合图像的基础上，分别计算各幅图像的信 息熵、标准差、平均梯度、偏差指数、相关系数，结果 如表１所示。从表１中可知，就融合图像信息量的 丰富程度而言，经过ＨＳＶ融合后的图像，其信息熵 图５ ＧＳ融合 和标准差是所有融合方法中最大的，说明经过ＨＳＶ 变换融合后，图像的空间信息量最为丰富；经过 Ｂｒｏｖｅｙ融合后的图像，其信息熵和标准差最小，说 明其拥有的信息量最低。就融合图像的光谱保真能 力而言，经过Ｗａｖｅｌｅｔ融合后的图像，其偏差指数和 相关系数是所有融合方法中最优的，所以最大程度 的保留了原始图像的光谱信息，而经过Ｂｒｏｖｅｙ融合 后的图像，其对应的偏差指数和相关系数是最差的， 说明经过该融合方法融合后，图像的光谱保真能力 最差。本文的ＰＣ变换和ＧＳ变换无论在空间信息 量的丰富程度还是对原始图像的光谱保真能力上， 图６ Ｗａｖｅｌｅｔ融合 都相差不大，融合效果非常接近。 表１ ５种不同融合方法的定量分析和比较 Ｂａｎｄ ３ ０．８５３ ０．５４７ ０．１１６ ０．１１６ ０．０７５ 偏差指数ａｎｄ ４ Ｂａｎｄ ５ Ｂ０．６１７ ０．７４４ １．３３６ ０．８０６ ０．０８５ ０．１０４ ０．０８６ ０．１０４ ０．０６１ ０．０７５ ０．７６１ ０．５３６ ０．１１０ ０．１１１ ０．０８８ ４结语 综合主观评价和客观评价可以得出以下结论： 各种融合方法都在一定程度上增强了原始影像 黧 盂 嚣 问 信息量最丰富，Ｗａｖｅｌｅｔ变换融合后的影像最大程 度地保留了原始影像的光谱信息，ＰＣ变换融合和 杨生吉：基于ＥＴＭ＋遥感影像的数据融合试验及分析评价 ｌ２７ ［７］李春华，徐涵秋．高分辨率遥感图像融合的光谱保真问 题［Ｊ３．地球信息科学，２００８（４）：５２０～５２６． ＧＳ变换融合无论在空间信息量的丰富程度还是对 原始图像的光谱保真能力上，都相差不大，融合效果 非常接近，Ｂｒｏｖｅｙ变换融合的效果较差。 目前，不同分辨率的多源遥感影像数据融合技 术已成为遥感领域的热点问题之一，但影像融合还 存在很多问题有待解决。进行多源遥感数据融合应 针对不同的区域特征、图像特点和应用目的，选择最 Ａｎａｌｙｓｉｓ ａｎｄ ｅｖａｌｕａｔｉｏｎ ｏｎ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｏｆ ｄａｔａ ｆｕｓｉｏｎ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ＥＴＭ＋ｉｍａｇｅ 佳的融合方法。 参考文献 ［１３韩玲，吴汉宁．ＴＭ与ＥＴＭ影像融合用于地质构造解译 ［Ｊ３．遥感信息，２００４（２）：３５—３７． ＹＡＮＧ Ｓｈｅｎｇ－－ｊｉ （Ｔｈｅ １９７ Ｇｅｏｌｏｇｉｃａｌ Ｐｒｏｓｐｅｃｔｉｎｇ Ｔｅａｍ ｏｆ Ｆｕｊ ｉａｎ Ｐｒｏｖｉｎｃｅ，Ｇｅｏ－Ｅｎｇｉｎｅｅｒｉｎｇ Ｉｎｖｅｓｔｉｇａｔｉｏｎ Ｉｎｓｔｉｔｕｔｅ，Ｑｕａｎｚｈｏｕ ３ ６２０ １ １。Ｃｈｉｎａ） Ａｂｓｔｒａｅｔ：Ｉｎ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ，ｗｅ ｃｈｏｏｓｅ ｔｈｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ＥＴＭ ｉｍａｇｅ ｉｎ ａｒｅａ ｆｒｏｍ Ｙａｎｇｓｈａｎ，Ｄｅ— Ｅ２－］Ｐｏｈｌ Ｃ，Ｇｅｎｄｅｒｅｎ Ｊ Ｌ Ｖ．Ｍｕｌｔｉｓｅｎｓｏｒ ｉｍａｇｅ ｆｕｓｉｏｎ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ：Ｃｏｎｃｅｐｔｓ，ｍｅｔｈｏｄｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１９９８，１９（５）：８２３—８５４． ［３３ Ｚｈｏｕ Ｊ．Ｃｉｖｅｏ ａ Ｄ Ｌ，Ｓｉｌａｎｄｅｒ ａ Ｊ Ａ．Ａ ｗａｖｅｌｅｔ ｔｒａｎｓ— ｆｏｒｍ ｍｅｔｈｏｄ ｔＯ ｍｅｒｇｅ Ｌａｎｄｓａｔ ＴＭ ａｎｄ ＳＰＯＴ ｐａｎｃｈｒｏ－ ｈｕａ ｔｏ Ｐａｎｔｉａｎ，Ａｎｘｉ ｉｎ Ｑｕａｎｚｈｏｕ ａｓ ｔｈｅ ｂａｓｉｓ ｄａ－ ｔａ．Ｗｅ ｃｈｏｏｓｅ ｆｕｓｉｏｎ ｍｅｔｈｏｄｓ ｓｕｃｈ ａｓ Ｂｒｏｖｅｙ， ｍａｔｉｃ ｄａｔａ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ。 １９９８，１９（４）：７４３—７５７． ＨＳＶ，ＰＣ，Ｇｒａｍ－Ｓｃｈｍｉｄｔ ａｎｄ Ｗａｖｅｌｅｔ ｔｏ ｍａｋｅ ｆｕ— ｓｉｏｎ ｔｏ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｏｆ Ｌａｎｄｓａｔ Ｅ＇Ｉ、Ｍ ． Ｔｈｅｎ ｗｅ ｍａｋｅ ａｎ ｅｖａｌｕａｔｉｏｎ ｏｎ ｔｈｅ ａｓｐｅｃｔｓ ｏｆ ｓｐａ— ｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ，ｃｌａｒｉｔｙ ａｎｄ ｓｐｅｃｔｒａｌ ｆｉｄｅｌｉｔｙ． ［４］李弼程．智能图像处理技术［Ｍ］．北京：电子工业出版 社，２００４：２６９－－２８１． ［５３孟京辉，陆元昌，，等．遥感图像数据融合方法与评 价方法［ｊ］．河北农业大学学报，２０１０，３３（１）：９３—９７． ［６］王智均，李德仁，李清泉．利用小波变换对影像进行融合的 研究Ｄ］．武汉测绘科技大学学报，２０００，（２）：ｌ３７—１４２． Ｋｅｙ ｗｏｒｄｓ：ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ；ｄａｔａ ｆｕｓｉｏｎ；ｆｕ— ｓｉｏｎ ｍｅｔｈｏｄｓ；ｅｆｆｅｃｔ ｅｖａｌｕａｔｉｏｎ ｏｆ ｉｍａｇｅ ｆ１】ｓｉｏｎ ’Ｉ，，ｌｉｂ＇，ｌｌＩ，，＇，’’ｌ，ｌ＇’，Ｉ，ｍｌ＇’，ｌｉｐ，ｍｌｉｂ，＇＇，＇，，，＇＇＇＇＇ｌ’，ｍ，＇＇，，＇，，，，ｍｌｌ’＇’＇’，ｍ，＇ ’’，ｌ，ｍ，＇，＇＇＇＇ （上接第１１６页） Ｄｅｓｉｇｎ ａｎｄ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｇｅｏｌｏｇｙ ａｎｄ ｍｉｎｅ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍ ｂａｓｅｄ Ｏｉｌ ＡＲＭ ａｎｄ Ｕｂｕｎｔｕ ａｎｄ ｔｕｎｎｅｌ ｃｏｎｓｔｒｕｃｔｉｏｎ，ｔｈｅ ｒｅａｌ—ｔｉｍｅ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｐｒｏｄｕｃｔｉｏｎ ｉｓ ｎｅｅｄｅｄ ｆｏｒ ｓｅｃｕｒｉｔｙ．Ｂｙ ｕｓｉｎｇ ￥３Ｃ２４４０ ＡＲＭ ｍｉｃｒｏｐｒ０ｃｅｓｓｏｒ ａｎｄ Ｕｂｕｎｔｕ－ｂａｓｅｄ ｅｍｂｅｄｄｅｄ Ｌｉｎｕｘ ｏｐｅｒａｔｉｎｇ ｓｙｓｔｅｍ，ａｎｄ ｔｈｒｏｕｇｈ ＵＳＢ ｗｅｂｃａｍ ｆｏｒ ｌｉｖｅ ｖｉｄｅｏ，ｐｒｏｇｒａｍｍｉｎｇ ｃａｎ ｂｅ ｍａｄｅ ｂｙ ｐｒｏｇｒａｍｍｉｎｇ ｉｎｔｅｒｆａｃｅ Ｖｉｄｅｏ ４Ｌｉｎｕｘ ｉｎ Ｌｉｎｕｘ ｓｙｓｔｅｍ，ａｎｄ ｒｅｍｏｔｅ ｖｉｄｅｏ ｍｏｎｉｔｏｒｉｎｇ ｃａｎ ｂｅ ＳＨＥ Ｄｏｎｇ ａｃｈｉｅｖｅｄ ｗｉｔｈ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｒｅａｌ—－ｔｉｍｅ ｖｉｄｅｏ ｔｒａｎｓ．— （Ａｎｈｕｉ Ｔｅｃｈｎｉｃａｌ ｃｏｌｌｅｇｅ ｏｆ Ｉｎｄｕｓｔｒｙ ａｎｄ Ｅｃｏｎｏｍｙ，Ｈｅｆｅｉ ２３００５１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔｓ ｏｆ ｇｅｏｌｏｇｉｃａｌ ｍｉｎｉｎｇ ｍｉｓｓｉｏｎ，ｗｈｉｃｈ ｐｒｏｖｉｄｅｓ ａｎ ｉｎｔｕｉｔｉｖｅ ａｎｄ ｒｅｌｉａｂｌｅ ｍｅｔｈｏｄ ｆｏｒ ｓａｆｅ ｐｒｏｄｕｃｔｉｏｎ ａｎｄ ｓｃｈｅｄｕｌｉｎｇ． Ｋｅｙ ｗｏｒｄｓ：，ＡＲＭ；Ｕｂｕｎｔｕ；ｅｍｂｅｄｄｅｄ；ｍｏｎｉｔｏｒｉｎｇ
