浅析多源遥感数据融合原理及应用
浅析多源遥感数据融合原理
摘要:
本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。
关键词: 遥感影像融合融合层次融合方法优缺点对比
目录
1、绪论 (1)
2、多源遥感数据融合的基本理论 (1)
2.1 多源遥感数据融合的概念 (3)
2.2多源遥感数据融合的原理 (4)
2.3多源遥感数据融合层次 (4)
2.3.1 像元级融合 (4)
2.3.2 特征级融合 (4)
2.3.3 决策级融合 (5)
3、多源遥感数据融合常用方法 (5)
3.1 主成分变换（PCT） (5)
3.2 乘积变换 (5)
3.3 Brovey比值变换融合 (5)
4、实验与分析 (6)
5、结语 (8)
参考文献 (9)
致谢 (10)
1、绪论
随着遥感技术的发展，光学、热红外和微波等大量不同卫星传感器对地观测的应用，获取的同一地区的多种遥感影像数据（多时相|多光谱、多传感器、多平台和多分辨率）越来越多。形成多级空间分辨率、时间分辨率和光谱分辨率影像序列的金字塔结构。通常，同一传感器获得的遥感影像的光谱分辨率较高时，其空间分辨率相对来说要低。因此如何将不同传感器获得的遥感影像结合起来，以实现优势互补和冗余控制，成为遥感工作者要解决的关键问题，也是未来遥感面临的重要问题。于是，遥感数据融合技术，以成为当前遥感研究的热点问题之一。
多源遥感数据融合的目的是将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提起的及时性和可靠性，提高数据的使用率。
简单地说，多源遥感数据融合的目的是：①简化图像处理。②便于图像特征提取。③实现图像压缩。④从概念上增强对图像信息的理解。
多源遥感数据融合的意义：单一遥感手段获取的信息具有一定的局限性和差异性。应用范围有限。多源遥感图像所提供的信息具有冗余性、互补性和合作性。多源遥感图像数据融合则是汇集这些多源遥感图像最有效的途径之一，通过同一地区不同数据源间的信息互补为多源遥感图像的处理、分析和应用提供最有效的应用，有力于减少单一信息源对被感知对象或环境解译中可能存在的不确定性、不完全性和误差，最大限度地利用各种数据所包含的信息做出决策。这样不仅扩大了个数据的应用范围，而且提高了分析精度、应用效果和使用价值。
2、多源遥感数据融合的基本理论
2.1 多源遥感数据融合的概念
美国国防部从军事应用的角度将数据融合定义为这样一个过程：把来自多个传感器和信息源的数据和信息加以联合、相关和组合，以获得精确的位置估计和身份估计，以及对战场情况和威胁及其重要程度进行适时的完整评价。目前，一般认为多源遥感影像数据融合是将同一环境或对象的多源遥感影像数据综合的方法和工具的框架，以获得满足某种应用的高质量信息，产生比单一信息源更精确、更完全、更可靠的估计和判决。因此，多源遥感影像数
据融合的数据源可来自各个层次，既可以是同一传感器的不同波段和不同时间获取的影像，还可以是来自不同处理水平的数据。
2.2多源遥感数据融合的原理
多源数据融合是把来自多个传感器和信息源的数据进行联合、相关、组合和估值的处理。产生比单一信息源更精确、更完全、更可靠的估计和判决，以获得满足某种应用的高质量信息，完成一个单一传感器独自所不能进行的推理。
相对于单源遥感影像数据，多源遥感影像数据所提供的信息具有以下特点：
（1）冗余性：表示多源遥感影像数据对环境或目标的表示、描述或解译结果相同。
（2）互补性：指信息来自不同的自由度且互相独立。
（3）合作性:不同传感器在观测和处理信息时对其它信息有依赖关系。
（4）信息分层的结构特性：数据融合所处理的多源遥感信息可以在不同的信息层次上出现，这些信息抽象层次包括像素层、特征层和决策层，分层结构和并行处理机制还可以保证系统的实时性。
2.3多源遥感数据融合层次
多源遥感影像数据融合从层次上可分为：像素级（特征提取之前）、特征级（属性说明之前）和决策级（各传感器数据独立属性说明之后）。
2.3.1 像元级融合
像元的融合方法主要是像元之间的直接数学运算，包括差值梯度比值运算、加权运算、多元回归或其他数学运算，如孙家柄等根据不同的应用需要，分别将TM与侧视雷达，TM与航片进行了加权融合。像元级融合的优点是最大限度的保留了源图像的信息，在多传感器图像融合三个层次中精度最高，同时也特征级和决策级融合的基础。但也存在一定的局限性如：处理数据量较大，对图像配准的精度要求高，要求达到一个像素。
2.3.2 特征级融合
特征级影像融合属于中间层次上的融合，是对源图像先分别进行预处理和特征（边缘、形状、轮廓、纹理等）选择和提取，然后将其进行综合分析和处理，以实现对多传感器数据的分类、汇集和融合。特征级融合可分为目标状态信息融合和目标特征融合。目标状态信息融合主要应用于多传感器目标跟踪领域；目标特征融合就是特征层联合识别，具体的融合方法仍是模式识别的相应技术，只是融合前必须先对特征进行相关处理，对特征矢量进行分类组合。
2.3.3 决策级融合
决策级融合是最高层次的信息融合，它是在对影像特征提取的基础上，在获得有关地区特征、空间结构、目标状态等决策信息后再对这些多信息源图像数据进行融合处理，决策级融合包含了检测、分类、识别和融合这几个过程。决策级融合是在信息表示的最高层次上进行融合处理。首先将不同类型传感器观测同一目标获得的数据在本地完成预处理、特征抽取、识别或判断，以建立对所观察目标的初步结论，然后通过相关处理、决策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。因此，决策级融合是直接针对具体决策目标，充分利用特征级融合所得出的各类目标特征信息，并给出简明而直观的结果。决策级融合除了实用性最好之外，还具有一个重要优点，即在一个或几个传感器失效时仍能给出最终决策，因而具有良好的容错性。当然对预处理及特征抽取有较高要求，所以决策级图像融合的代价较高。
3 、多源遥感数据融合常用方法
3.1 主成分变换（PCT）
主成分分析也称W-L变换，数学上称为主成分分析（PCA）。主成分变换是应用于遥感诸多领域的一种方法，包括高光谱数据压缩、信息提取与融合及变化检测等。它是将N个波段的低分辨率图像进行KL变换，将单波段的高分辨率图像经过灰度拉直，使其灰度的均值与方差和KL变换第一分量图像一致；然后以拉伸过的高分辨率图像代替第一分量图像，经过KL 逆变换还原到原始空间。经过融合的图像包括了原始二幅图像的高空间分辨率与高光谱分辨率特征，保留了原图像的高频信息。融合图像上目标的细部特征更加清晰，光谱信息更加丰富。这种融合方法也是目前遥感影像融合处理的主要方法之一,它克服了基于IHS 变换融合方法只能同时对3个波段多光谱影像进行融合的局限,可以融合多个多光谱波段, 在保持多光谱特性的能力上也较强,这种融合方法适用范围较广。
3.2 乘积变换
乘积性融合法是应用最基本的乘积组合算法,直接对两种空间分辨率的遥感数据进行融合,其运算法则为:Bi_new=Bi_m ×B_h式中:Bi_new 代表融合以后的波段数值；Bi_m 代表多光谱图像中的任意一个波段数值:B_h 代表高分辨率遥感数据波段值。将一定亮度的图像进行变换处理时,只有乘积变换可以使其色彩保持不变。
3.3 Brovey比值变换融合
Brovey 融合也称为色彩标准化融合,是美国科学家Brovey建立的一种模型并将其推广的, 是目前一种应用广泛的RGB彩色融合变换方法。该方法能够保留每个像素的相关光谱特
性, 并且将所有的亮度信息变换成高分辨率的全色影像融合。但由于Brovey影像融合对影像的要求比较高,为减少数据冗余和非光谱信息,融合前必须预先进行相关预处理和噪声滤波处理,采用Brovey 融合会导致光谱信息的失真。
4、实验与分析
数据来源：文中使用的影像数据主要来自ERDAS系统，位于
图4-1高空间分辨率图像 SPOT .img 图4-2多光谱图像 dmtm.img 原图
在 ERDAS 软件中对图4-1 和图图4-2 进行主成分变换、乘积变换和Brovey比值变换融合。所得到的成果图如下：
图4-3 主成分变换后成果图
图4-4 乘积变换后成果图
图4-5 Brovey比值变换融合后成果图
由成果图4-3、成果图4-3和成果图4-5可以看出：
采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般。与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。
5、结语
对于高空间分辨率全色影像和低空间分辨率多光谱影像的融合而言, 目的之一是获取空间分辨率增强的多光谱影像, 而且不应使原多光谱影像的光谱特征产生变化。但实际上, 通过融合多光谱影像空间分辨率增强, 必然会产生多光谱影像光谱特征或多或少的变化。为保证地物在原始影像数据可分离性经融合后仍保持不变, 即融合影像仍具有可分离性, 以适于计算机影像判读和分类等后续处理, 高空间分辨率全色影像和低空间分辨率多光谱影像融合时, 应该在保持原多光谱影像的光谱特性变化小, 以至人眼察觉不到或不影响计算机后续处理的前提下, 尽量提高多光谱影像空间分辨率, 满足实际应用的要求。
经过PCT融合的图像包括了原始两幅图像的高空间分辨率和高光谱分辨率特征，保留了原图的高频信息。融合图像上目标的细部特征更加清晰，光谱信息更加丰富。由于光谱信息的变化，使融合图像不能用于地物识别和反演工作。
乘积运算优点是对于大的地貌类型,如高起伏地区、荒漠区域类型增强效果是比较理想
的。缺点是光谱变化大, 纹理不如高分辨率影像清晰, 此类融合方法对于表现细碎地貌类型是不合适的。
Brovey 变换优点是多光谱图像的方空间分解为色彩和亮度成分进行计算, 锐化影像的同时能够保持原多光谱信息内容。缺点是只能抽取和选择多光谱影像中的三个波段参与变换, 使其他波段的信息丢失。不利于影像信息的综合利用。融合过程中包括归一化处理, 融合影像像元灰度值一般要比其他方法的小。没有解决波谱范围不一致的全色影像和多光谱影像融合的问题。
参考文献
[1]李德仁，摄影测量与遥感的现状及发展趋势[J]武汉测绘科技大学学报，2000，2.5（1）
1-5.
[2]刘卫光，图像信息融合与识别（M）.北京：电子工业出版社，2008.
[3]孙家柄，刘继琳，李军。多源遥感影像融合[J].遥感学报，1998，2（1）：47-50.
[4]魏冠军，杨世瑜．基于主成份变换的多源遥感数据融合[J]．兰州交通大学学报：自然科学版，2005，24(3)：57—60．
[5]赵英时. 遥感应用分析原理与方法[M ]. 北京: 科学出版社, 2003.
[6] 杨肖琪, 林嵩, 金斌, 等. 高分辨率卫星遥感数据的融合比较研究[ J]. 集美大学学报, 2005, ( 4): 338- 342.
[7]党安荣，贾海峰，陈晓峰，等．ERDAS IMAGINE遥感图像处理教程fM]．北京：清华大学出版社，2010．
[8]孔庆楠.多源遥感影像数据的融合方法探讨[J].测绘与空间地理信息2008,5(2):130-134.
[9]全斌，杨肖琪．多源卫星生态环境遥感数据的融合方法比较[J]．水土保持研究，2005，12(3)：123—124．
致谢
本篇论文虽然凝聚着自己的汗水，但却不是个人智慧的产品，没有导师的指引和赠予，没有父母和朋友的帮助和支持，我在大学的学术成长肯定会大打折扣。当我打完毕业论文的最后一个字符，涌上心头的不是长途跋涉后抵达终点的欣喜，而是源自心底的诚挚谢意。首先我要感谢我的导师崔老师对我的论文的构思以及内容不厌其烦的指导和悉心指点，使我在完成论文的同时也深受启发和教育，特别是他广博的学识、深厚的学术素养、严谨的治学精神和一丝不苟的工作作风使我终生受益，在此表示真诚地感谢和深深的谢意。
同时，我还想感谢我的父母，他们对我的养育之恩永生难忘，他们含辛茹苦把我养大，又供我读书，我真的很感激他们为我做的一切，我想对他们说句：“爸妈，我爱你们！”当然，我远离家乡在外求学，得到了很多同学的帮助和关心，我很感谢他们一直以来对我的无微不至的关怀。最后再一次感谢所有在毕业设计中曾经帮助过我的良师益友和同学，以及在设计中被我引用或参考的论著的作者，感谢学校三年来对我的栽培！
最后，向在百忙中抽出时间对本文进行评审并提出宝贵意见的各位专家表示衷心地感谢！
遥感影像融合处理方法
遥感影像融合处理方法 摘要：本文介绍了遥感影像数据融合技术，并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法，最后简要描述了融合评价的方式方法等。 关键词：遥感影像融合融合评价 1、前言 将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合，获得色彩信息丰富且分辨率高的遥感融合影像的过程，成为遥感影像融合。全色影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富，为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱影像。通过影像融合既可以提高多光谱影像空间分辨率，又能保留其多光谱特性。 2、遥感影像融合一般步骤 遥感影像信息融合一般流程主要分为两个阶段：图像预处理，图像融合变换。 图像预处理主要包括：几何校正及影像配准。几何校正主要在于去除透视收缩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；影像配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 3 常用融合方式 3.1 IHS融合 IHS（亮度I、色度H、饱和度S）变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据，合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度、色度、饱和度，它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。RGB颜色空间和IHS 色度空间有着精确的转换关系。IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。 3.2 小波融合 小波变换，基于遥感影像的频域分析进行的，由于同一地区不同类型的影像，低频部分差别不大，而高频部分相差很大，通过小波变换对变换区实现分频，在分频基础上进行遥感影像的融合，常用于雷达影像SAR与TM影像的融合。
浅谈多源遥感影像融合在图像分类中的应用
浅谈多源遥感影像融合在图像分类中的应用 武汉大学遥感信息工程学院201130259XXXX XX 【摘要】笔者结合SPOT影像与TM影像数据融合这一常用方法，简要阐述了多源遥感影像融合技术出现的现实要求、基本原理和主要步骤，从而体现了増维问题在遥感图像分类中的应用。 【关键词】多源遥感影像融合増维图像分类 1、技术背景 现代遥感技术正在向高光谱分辨率、高空间分辨率和高时间分辨率方向发展, 新型卫星传感器不断涌现, 已从单一传感器发展到多传感器, 在同一地区形成多级分辨率的影像金字塔。在遥感图像分类中，为了达到更好的效果，有时需要增加辅助数据即增加维度，其中常用的一种方法是将SPOT影像与TM影像进行数据融合，将SPOT的较高空间分辨率与TM的较高光谱分辨率等优势综合起来，弥补单一图像上信息的不足，不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分类的精度。 2、技术流程 2.1 多源遥感数据的预处理 由于太阳位置、角度条件、大气条件等因素的影响，遥感图像常表现为一定程度的失真和畸变，因此在多源遥感数据融合之前必须进行预处理。 首先应该选取适当的波段，对于TM影像，通常选用5、4、3（短波红外、近红外、红色）波段合成，这样有利于植被分类和水体判别。SPOT图像具有多光谱和全色两种模式，为了能跟TM图像的光谱特征更接近，通常采用多光谱的三个波段作为信息源。同时为避免不同时段地物的差异，TM和SPOT图像应采用近似同一时段的数据。 遥感图像有一定的几何误差，这就需要进行几何纠正。对于TM数据，纠正方法大致包括按影像获取时的姿态参数和投影系统参数按地图投影参数的变换纠正（粗纠正）和以影像和地形图选择若干同名点对，通过求解多项逼近式纠正参数（精纠正）两种。对于SPOT影像，可以从其磁带“头”文件中读出星历参数和姿态角变化率，进而计算影像中心行的外方位元素近似值，然后结合6个以上控制点采用间接校正法对原始图像进行几何和灰度重采样。 由于多源影像数据的几何、光谱、分辨率等特性有所不同，为了将多源信息有效融合，提取更多信息，必须进行有效的配准。比如对10m分辨率SPOT影像与30m分辨率的TM影像之间融合，就需要将TM数据放大至与SPOT单色波段空间分辨率一致，再分别寻找两幅图中的同名控制点，以SPOT影像为参考图，将TM影像对应到SPOT 影像上。 此外，多源遥感数据的预处理还包括辐射校正、去噪、边缘提取等。
遥感图像融合方法比较
1 绪论 1.1研究目的及意义 20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。 遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。 遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。 1.2研究现状及发展的趋势 1.2.1研究现状 20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。 1）、融合结构 融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。 2）、融合的层次 图像融合可分为：像元级融合、特征级融合和决策级融合。 像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。 特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融合分为目标状态信息融合和目标特征融合。 决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。
浅析多源遥感数据融合原理及应用
浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比
目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)
实验五 遥感图像的融合
实验五遥感图像的融合 一、实验目的和要求 1.理解遥感图像的融合处理方法和原理； 2.掌握遥感图像的融合处理，即分辨率融合处理。 二、设备与数据 设备：影像处理系统软件 数据：TM SPOT 数据 三、实验内容 多光谱数据与高分辨率全色数据的融合。 分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。 注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。 四、方法与步骤 融合方法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。ENVI 里除了SFIM 以外，上面列举的都有。 HSV 可进行RGB 图像到HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB 色度空间。输出的RGB 图像的像元将与高分辨率数据的像元大小相同。 打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL 选择File>data manage，任意选择3个波段组合，查看效果
打开分辨率为30和15的图像
下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰
下面进行融合 点击工具栏中的Image Sharpening>Gram-Schmidt Pan Sharpening，在对话框中点击Spectral Subset…改变其波段 选择如下图所示的三个波段
多源遥感影像配准流程
多源遥感影像综合应用的一项重要的准备工作就是影像间的配准，特别是不同类型传感器在同一地区，不同时间，不同高度获取的影像间的配准。即运用一幅纠正过的带有地理信息的影像（主影像）与一幅未纠正的影像（从影像）进行配准，获取一系列同名点位。因为主影像是正射影像，因而这些同名点是具有大地坐标的同名点。同时这些同名点可以作为参考数据（保存在配准后生成的<从影像名>.ctp 文件中）用于对其他影像进行纠正。 在ArcMap中配准影像栅格数据可以通过扫描地图、航片及卫片来获取。扫描的地图通常不包含表明影像对应于地表何处的信息。从航空相片和卫星相片上获得的位置信息往往不适合执行分析，或者与其它数据对齐显示。与其它空间数据一起使用栅格数据，需要把栅格数据对齐或配准到地图的坐标系统。 配准栅格数据定义了它的地图坐标位置，即指定了联系数据与地球上的位置的坐标系统。 配准栅格数据使它能与其它地理数据一起被查看、查询和分析。 配准流程： 1、启动ARCGIS9，用键或者在图层处点右键添加数据，将所要的图象数据 添加近来。如图所示： 2、从“视图”→“工具条”→“影象配准”将影像配准的工具条调出来，如图， ， 调出工具条如下， 选择图的四个角的格网点进行配准处理，首先是左上角，如图：
使用“添加控制点”按钮添加第一个控制点，如图： 将左下角格网点放大以准确定位，如图。 点右键，输入XY坐标，根据地图格网坐标输入， 完成一个点，再按相同方法对其他三个角点配准。 4、电击查看连接表可以查看配准后的坐标残差看是否符合要求。
点击地理参考下的矫正，双线性内插，保存矫正图象。 5、将矫正后图象添加到图层覆盖矫正前的，从视图下拉菜单选择数据框属性 打开后如下： 将地图单位改为米，将坐标系统设为西安1980，
高分辨率遥感图像融合方法的比较正式
包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月
摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；
遥感卫星数据处理知识详解
北京揽宇方圆信息技术有限公司 遥感卫星数据处理知识详解 遥感技术自20世纪60年代兴起以来，被应用于各种传感仪器对电磁辐射信息的收集、处理，并最后成像。遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。 那对遥感图像处理可以达到什么目的呢？ ①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌； ②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的K 分和判释； ③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。遥感信息处理分为模拟处理和数字处理两类（见数据釆集和处理）。 遥感数据处理过程 多谱段遥感信息的处理过程是： ①数据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。 ②预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。 ③精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。
④信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增 强、密度分割等。 ⑤信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编 辑，并绘制成各种专题图。 遥感信息处理方法和模型越来越科学，神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。 多源遥感数据融合 遥感数据融合技术旨在整合不同空间和光谱分辨率的信息来生产比单一数据包含更多细节的融合数据，这些数据来自于安放在卫星、飞行器和地面平台上的传感器。融合技术已成功应用于空间和地球观测领域，计算机视觉，医学影像分析和防卫安全等众多领域。 遥感数据处理的发展趋势 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。 这种发展主要表现在以下4个方面： 1. 1.多分辨率多遥感平台并存 2. 空间分辨率、时间分辨率及光谱分辨率普遍提高。目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m 的多种空间分辨率。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 1. 2.微波遥感、高光谱遥感迅速发展 2. 微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。 微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们
多源遥感图像融合光谱保真算法与评价研究
多源遥感图像融合光谱保真算法与评价研究 【摘要】：随着传感器以及相关遥感技术的发展，遥感图像应用到生活中的各个领域，但是遥感图像的多光谱和高分辨率面临着无法在同一张影像上同时生成这一技术瓶颈，因而学者们提出了各种传统图像融合算法用于弥补这一缺陷，但是融合后的图像一般都有严重的光谱扭曲失真，本文针对于这一问题参考归纳了现有的光谱保真算法的研究以及融合算法的有效性的评价机制，据此来评估以后图像融合的发展趋势。 【关键词】：图像融合光谱保真融合算法效果评价 1.引言 遥感技术经过二十多年的迅猛发展，各种面向复杂应用背景的多平台、多时相、多光谱和高分辨率卫星和机载遥感系统大量涌现，已被广泛应用于军事和民用领域（柴勇，2009）。遥感传感器的分辨率从最初的几十米提高到目前的几十厘米，如美国Geoeye 公司在2008 年发射的遥感卫星甚至把分辨率提高到0.41m。然而遥感图像分辨率不断提高仍然无法满足人们对遥感图像的空间信息和光谱信息的丰富性及准确性的要求。因为在遥感成像系统的设计中, 空间分辨率和光谱分辨率不可兼得, 有两个原因:(1)受遥感器的辐射度量特性的影响,传感器在感应来自目标物反射或辐射的电磁波的能力是有限的, 而多光谱成像系统的光谱带宽很窄,同样高空间分辨率系统的瞬时视场很小,总得牺牲其中的一个。( 2)传感器所能采集的数据量的限制, 以及从遥感卫星向地面站传输数据的能力的限制(李春华,2008)。 因此，遥感图像越来越多的用算法层面去进行处理，遥感图像融合应运而生。遥感图像融合技术是指将由多源通道所采集的同一目标的图像经过一定的处理，提取各通道的信息来复合多源遥感图像，综合形成统一图像或综合利用各图像信息的技术（王海晖，2003）。很多的图像融合算法，如IHS变换法，Brovey变换法，主成分分析法，高通滤波等传统的遥感图像融合算法得到了广泛的应用。但是融合后的图像一般都有严重的光谱扭曲失真。 基于这一缺陷,有学者提出了各种改进算法:传感器光谱响应函数SKF；基于统计原理的Gram-schmidt、PCI pansharp融合方法；小波变化的多分辨率分析与IHS变换叠加融合法以及其他算法.根据这些改进算法得出来的效果我们还需要更健全的评价机制来评估算法的效果, 常用的客观融合评价方法有标准偏差、平均误差、信息度量、清晰度、相关系数、对比
遥感图像融合
图像融合实验报告 一、实验目的 通过本实验熟练操作遥感图像处理的专业软件PCI，进行图像融合。二、实验内容 （1）、利用遥感图像处理的专业软件PCI的Xpace模块的Image Processing中的IHS 进行IHS变换处理； （2）、利用遥感图像处理的专业软件PCI利用Xpace模块的Image Processing中的 FUSE进行图像融合处理。 三、实验步骤 (一)生成Pix文件 先用ImageWorks Configuration打开B10.FST文件，在此之前先用记事本打开 查看其参数，将其参数填在相应位置，确定生成一个aux文件，并load第一 波段的图像即B10.FST。
将B10转为pix文件格式，并将其他波段（除了第八波段）都添加到这个pix 文件中，这里命名pix文件名为123-32.pix。
说明： B61，B62都为第六波段且为争议波段，这里选择一个即可，这里选的是B61 (二)HIS与RGB的转换 打开生成的pix文件 添加6个空通道，打开Xpace模块，进行IHS转换：在Image Processing（Pacages）中的IHS（Convert RGB to IHS）进行IHS正变换处理。将7，4，1波段转为RGB 到8,9,10空通道
加载图像，将7，4，1波段的与8，9，10通道的进行小窗口对比 换用第二种模型转换，将其与第一种模型进行比较
再添加6个空通道，利用RGB（Convert IHS to RGB）进行HIS逆变换处理，即将8,9,10通道的波段变回RGB模式 加载图像，将其与原来的7,4,1通道的合成图像进行比较 若是换第二种模型，将其转回去，得到的结果如下
遥感图像融合的应用研究
龙源期刊网 https://www.sodocs.net/doc/4613437687.html, 遥感图像融合的应用研究 作者：付和 来源：《科技创新导报》2011年第09期 摘要:针对遥感测绘工程实际应用中的图像融合技术需求,本论文重点对遥感图像融合技术进行了分析研究,在简单介绍了遥感图像融合的基础上,重点对遥感图像融合实际应用进行了分析,探讨了面向特征信息的多源图像融合模型,并给出了遥感图像融合技术在遥感测绘工程中的实际应用,对于进一步提高遥感测绘工程的应用水平具有一定借鉴意义。 关键词:遥感测绘工程图像融合 中图分类号:P237 文献标识码:A 文章编号:1674-098X(2011)03(c)-0001-01 1 引言 本论文重点对多源遥感图像融合展开分析研究,以期从中找到可靠有效的遥感图像融合方法,并以此和广大同行分享。 2 遥感图像融合概述 图像融合是数据融合的一种重要形式。对于多源遥感数据,融合的定义可描述为:将不同类型传感器获取的图像数据经预处理后,采用一定的算法将各幅图像中所包含的信息优势或互补 性信息有机地结合起来,以产生新的数据,来获得对同一事物或目标的更客观、更本质的认识。从而大大提高融合图像的信息含量并使其在特征提取、分类、目标识别以及目视效果等方面更为有效。 按照数据抽象的三个层次,融合可分为三级,即象素级融合、特征级融合和决策级融合。 像素级融合是指将配准后的图像对象素点直接进行融合。例如,加、乘、梯度、线性平 均、比值、多元回归等运算。一般来说,融合的结果可以得到一幅信息含量更大、更全面的图像,有利于下一步的图像分析和理解。像素级融合对传感器配准的精度要求较高。其优点是保 留了尽可能多的信息,具有较高精度。缺点是处理信息量大、费时、实时性差。 特征级融合是指将经过配准的数据先进行特征提取,然后进行关联处理,使每一种传感器得到同一目标的特征向量,最后融合这些特征向量,进行图像分类或目标识别。一般来说,提取的特
遥感数据融合
遥感图像的融合 1、目的与要求 1、了解遥感图像融合的原理和方法 2、熟悉高、低分辨率的影像的融合步方法骤 3、掌握遥感软件中常用的遥感数据融合的步骤与方法 2、实验内容 选择ETM8波段的数据与假彩色合成波段的数据做融合处理。融合的方法主要是高、低分辨率遥感数据的融合。 数据要求：在融合之前，第8波段和合成波段数据都已经经过了几何校正和辐射校正等预处理。 3、实验步骤 1、空间分辨率融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”Resolution Merge”命令，打开“Resolution Merge”对话框。设置如下参数： 文件设置：高空间分辨率的输入图像、多光谱输入图像和输出文件。 融合方法的选择： ¤主成分变换法 ¤乘积变换法 ¤比值变换法 主成分变换法：
融合前融合后乘积变换法：
融合前融合后 2、IHS融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”Mod.IHS Resolution Merge”命令，打开”Mod.IHS Resolution Merge”对话框，在输入、层选择和输出3个页面中设置参数。
融合前融合后 3、高通滤波融合 选择“Erdas”面板菜单“Interpreter”->”Spatial Enhancement”->”HPF Resolution Merge”命令，
打开”HPF Resolution Merge”对话框,设置如下参数： R值：多光谱图像分辨率与高分辨率图像的分辨率的比值。通过它可以调整卷积核的大小和中心值。 Kernel Size:高通滤波卷积核的大小，有R值决定。 Center Value:卷积核的中心值。 Weighting Factor:权重影响因子。 2Pass Processing :二次滤波选项。当R值大于或等于5.5时，此选项才生效。
遥感图像融合技术的发展现状
遥感图像融合技术的发展现状及趋势 1 引言 多源图像融合属于多传感器信息融合的范畴, 是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像, 经过相应处理后, 再运用某种融合技术得到一幅合成图像的过程。多幅图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性, 提高图像的质量, 从而有利于对物理现象和事件进行定位、识别和解释。与单源遥感图像相比, 多源遥感图像所提供的信息具有冗余性、互补性和合作性。因此,将多源遥感图像各自的优势结合应用, 获得对环境正确的解译是极为重要的。多源遥感图像融合则是富集这些多种传感器遥感信息的最有效途径之一,是现代多源数据处理和分析中非常重要的一步。本文基于遥感图像融合的研究现状、分析了图像融合研究的困境和不足, 最后提出了未来的发展趋势和热点, 以期达到抛砖引玉的作用。 2 遥感图像融合研究现状 随着信息科学技术的发展, 在20 世纪七八十年代诞生了一个称为数据融合的全新概念。这一概念不断扩展, 处理的对象由一般的数据发展到数字图像。1979 年, Daliy 等人首先将雷达图像和LandsatMSS 图像的复合图像应用于地质解译, 被认为是最早的图像
融合。20 世纪80 年代, 图像融合技术逐渐应用到遥感图像的分析和处理中。90年代以后, 图像融合技术成为研究的热点, 并成为很多遥感图像应用的一个重要预处理环节。目前, 遥感图像融合已经发展为像素级、特征级和决策级3个层次, 如表1。需要指出的是, 融合层次并没有划分融合算法严格的界限, 因为本质上各个融合层次都是信息融合的范畴。像素级图像融合技术已被广泛研究和应用, 并取得了一定的成果。特征级融合是一种中等层次的信息融合, 利用从各个传感器图像的原始信息中提取的特征信息,进行综合分析及融合处理, 不仅增加从图像中提取特征信息的可能性, 还可能获取一些有用的复合特征, 尤其是边缘、角、纹理、相似亮度区域、相似景深区等。在特征级融合中, 对图像配准的要求不如像素级图像融合对配准要求那么严格。决策级图像融合是一种更高层次的信息融合, 其结果将为各种控制或决策提供依据。在进行融合处理前, 先对图像进行预处理、特征提取、识别或判决, 建立对同一目标的初步判决和结论, 然后对各个图像的决策进行相关处理, 最后进行决策级的融合。从特点来看,不同层次的融合各有优缺点, 难以在信息量和算法效率方面都同时满足需求。 表一:遥感图像融合三个层次的对比 融合层次融合算法特点
遥感图像融合
遥感图像融合 问题描述1．遥感图像融合基本概念2．多传感器信息融合技术优点3．遥感图像融合层次的划分4．多源遥感数据融合的意义5．图像融合技术应用 解答1．遥感图像融合基本概念 遥感图像融合就是将多个传感器获得的同一场景的图像或同一传感器在不同时刻获得的同一场景的图像数据或图像序列数据进行空间和时间配准,然后采用一定的算法将各图像数据或序列数据中所含的信息优势互补性的有机结合起来产生新图像数据或场景解释的技术。这种新的数据同单一信源相比,能有效减少或抑制对被感知目标或环境解释中可能存在的多义性、残缺性、不确定性和误差,最大限度地提高各种图像信息的利用率,从而更有利于对物理现象和事件进行正确的定位、识别和解释。 2．多传感器信息融合技术优点 多传感器数据融合起源于上个世纪70年代初,至今己经经历了近30年的发展,成为一门具有比较完整的体系和丰富方法的学科。多传感器图像融合属于多传感器信息融合的范畴,是指按照一定的算法,将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像合成到一幅满足给定要求的图像中。单一传感器由于受由光的能量和衍射决定的分辨极限、成像系统的调制传递函数、信噪比三个方面的限制,要同时获得光谱、空间和时间的高分辨率是很难的。多传感器图像融合技术由于可以有效的利用多幅图像提供的互补信息和冗余信息,因此融合后的图像对场景的描述比任何单一源图像都更全面、精确。一般而言,使用多传感器信息融合技术具有以下优点： (1)可提高系统的可靠性和鲁棒性; (2)可扩展空间和时间上的观测范围; (3)可提高信息的精确程度和可信度; (4)可提高对目标物的监测和识别性能; (5)可降低对系统的冗余投资。 3．遥感图像融合层次的划分 多源遥感图像数据从层次上可分为:像素级(特征提取之前)、特征级(属性说明之前)和决策级(各传感器数据独立属性说明之后)。因此,图像融合就可相应地在像素级、特征级和决策级3个层次上进行,构成3种融合水平。融合的层次决定了对多源原始数据进行何种程度的预处理,以及在信息处理的哪一个层次上实施融合。多源遥感图像融合层次的问题,不但涉及处理方法本身,而且影响信息处理系统的体系结构,这是图像融合研究的重要问题之一。 (1)像素级图像融合
遥感图像融合质量评价方法
遥感图像融合质量评价方法 武坚李崇伟王积武李相全 (68011部队甘肃兰州 730020) 摘要：图像融合可为摄影测量与遥感提供高质量的遥感融合图像。遥感融合图像质量如何是图像使用者关心的一个重要问题。本文运用主观评价、客观评价、几何质量等三种评价方法对融合后的遥感图像的质量展开讨论。实践表明这些评价方法能够保证融合后图像高质量地应用于摄影测量与遥感生产。 关键词：主观评价客观评价几何质量质量评价 1．前言 摄影测量与遥感[1]是以数字影像为基础，来确定被摄物体的形状、大小、空间位置及其性质。遥感图像是摄影测量与遥感最原始、最基本的资料。高质量的遥感图像是完成摄影测量与遥感的基础。遥感影像融合[2]是将多传感器、多时相、多光谱和多分辨率影像的各自局部优势信息整合处理，以提供高分辨率、多光谱的单一图像，解决遥感影像解译过程中信息不足的问题。由此看出，图像融合可以为摄影测量与遥感提供高质量的遥感影像。 2．图像融合的评价方法 当前对融合后图像的质量评价主要是主观目视与统计相关信息参数相结合的办法，即：利用目视效果和信息熵、清晰度、平均梯度、偏差指数、均方根误差等参数统计分析，而对融合后图像的几何量测性则关注较少。对于摄影测量与遥感应用，几何精度是一个很重要的因素。本文结合摄影测量与遥感应用角度，来对分析融合后图像的质量做出评价。 站在通用图像处理角度，目前大多数对影像质量评价分为主观评价和客观评价，并结合起来使用。主观评价是通过目视观察进行分析，客观评价是利用图像的统计参数进行判定。严格意义上讲，融合图像的主客观评价应该是一致的，即图像的统计参数特征应该符合人眼的目视感觉。但由于遥感图像融合具有特殊性，它不仅仅要求提高融合图像的空间分辨率，而且要尽可能制约[2]。因此，对遥感融合图像的质量评价，应综合考虑空间细节的增强和光谱保持原始图像的光谱特征。此外，这两个要求在很大程度上是不太相容，相互信息的保持两个方面，利用图像的统计参数结合目视观察来分析与评价。 对于摄影测量与遥感而言，影像的几何质量（影像的可量测性）是很重要的一个因素，它将决定融合图像能否达到数字地形图生产的精度限差[4]。因此，从主观、客观、几何质量等三个方面对做出质量评价可以保证融合后图像高质量地应用于摄影测量与遥感生产。
遥感图像融合.
实习五、高分辨率遥感影像融合 一、实习目的 1. 学习 ERDAS IMAGINE软件中 Interpreter 模块的功能; 2. 掌握 ERDAS 软件中实现 IHS 融合的流程。 二、实习要求 1. 理解基于 IHS 变换的图像融合的原理; 2. 掌握 ERDAS 软件中色彩变换、色彩逆变换、基于直方图匹配的辐射增强以及多波段数据组合的操作方法; 3. 独立完成实习内容。 三、实习内容 将不同类型的遥感数据进行融合, 可以更好地发挥不同数据源的优势, 增强数据信息的质量, 更有利于综合分析。如在本实习中, 全色波段影像具有较高的空间分辨率, 而多光谱影像的光谱信息较为丰富; 为了充分利用这两种影像各自的优势,可以通过图像融合(将覆盖同一地区的全色影像和多光谱影像进行融合 , 使多光谱图像的空间分辨率得到提高, 同时又保留其较为丰富的光谱信息。运用 ERDAS 软件进行全色波段影像和多光谱影像的融合的基本操作包括: 1. 组合多光谱影像的 R 、 G 、 B 波段数据(Layer Stack 2. 色彩变换(RGB to IHS 3. 辐射校正(Radiometric Enhancement 4. 多波段数据组合(Layer Stack 5. 色彩逆变换(IHS to RGB
四、数据说明 本实习采用的数据为:西南交通大学犀浦校区 QuickBird 全色波段影像 xipu_QuickBird_pan.img,及多光谱影像 xipu_QuickBird_RGBNIR.img(于 2006年 11月获取。其中,全色波段分辨率为 0.6m , 4个多波段(B, G, R, NIR分辨率为 2.4m 。本实习中仅使用全色波段与 R 、 G 、 B 波段数据。 五、实习步骤 1. 将多光谱影像 xipu_QuickBird_RGBNIR.img的红、绿、蓝波段提取,进行多波段数据重组(假设生成文件为 rgb321.img ; 2. 对重组后的多光谱影像进行色彩变换,将多光谱影像(rgbnir321.img 从 RGB 彩色空间转换到 IHS 彩色空间(假设生成文件为 ihs.img ; 3. 以 ihs.img 的亮度分量(Intensity 为参量,对全色波段影像(pan.img 进行基于直方图匹配的辐射校正(假设生成文件 pan_cal.img ; 4. 用校正后的全色影像(pan_cal.img代替 ihs.img 的亮度分量(Intensity , 实现多波段数据的组合; 5. 对多波段数据组合后生成的文件进行色彩逆变换。 具体说明如下: (1组合多光谱影像的 R 、 G 、 B 波段数据 由于本实习中仅使用多光谱影像的 R 、 G 、 B 波段数据,故对这三个波段进行多光谱数据重组。 执行操作时, 在 ERDAS 控制面板工具条中单击“Interpreter” 图标, 在弹出的对话框中单击“Utilities” 选项, 弹出对话框, 再单击“Layer Stack” 选项, 打开“Layer Selection and Stacking” 对话框,如下图所示:
ENVI进行遥感影像融合的方法
ENVI进行遥感影像融合的方法 ENVI中的融合算法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。ENVI里除了SFIM以外，上面列举的都有。 （1）HSV可进行RGB图像到HSV色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB色度空间。输出的RGB图像的像元将与高分辨率数据的像元大小相同。 （2）Brovey锐化方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB图像的像元将与高分辨率数据的像元大小相同。 （3）用Gram-Schmidt 可以对具有高分辨率的高光谱数据进行锐化。第一步，从低分辨率的波谱波段中复制出一个全色波段。第二步，对该全色波段和波谱波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段。第三步，用 Gram-Schmidt 变换后的第一个波段替换高空间分辨率的全色波段。最后，应用Gram-Schmidt反变换构成pan锐化后的波谱波段。 （4）用PC 可以对具有高空间分辨率的光谱图像进行锐化。第一步，先对多光谱数据进行主成分变换。第二步，用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真。第三步，进行主成分反变换。函数自动地用最近邻、双线性或三次卷积技术将高光谱数据重采样到高分辨率像元尺寸。 （5）CN波谱锐化的彩色标准化算法也被称为能量分离变换（Energy Subdivision Transform），它使用来自锐化图像的高空间分辨率（和低波谱分辨率）波段对输入图像的低空间分辨率（但是高波谱分辨率）波段进行增强。该功能仅对包含在锐化图像波段的波谱范围内的输入波段进行锐化，其他输入波段被直接输出，不发生变换。锐化图像波段的波谱范围由波段中心波长和FWHM（full width-half maximum）值限定，这两个参数都可以在锐化图像的ENVI头文件中获得。 （6）SFIM（基于亮度调节的平滑滤波）融合是通过平滑滤波将高分辨率影像匹配到低分辨率影像，与小波变换相似，但其算法过程和计算时间比小波变换要显著简化。 这几种方法中SFIM和Gram-Schmidt方法保真效果最好，在ENVI里面，Gram这种方法还可以自动融合，操作比较简单。
遥感影像融合评价方法
遥感影像融合评价方法 1. 融合数据 实验采用了北京1号32米多光谱数据（绿波段：523nm-605nm ；红波段：630nm-690nm ；近红外波段：774nm-900nm ）和CBERS 全色2.36米数据（波段范围：500-800nm ）。 2. 配准方法 本次实验采用二次多项式法进行配准，选择20个控制点，配准精度达到0.266像素 3. 融合方法原理 目前遥感领域常用的影像融合方法有：比值变换（Brovey ）融合、乘积变换 （Multiplicative ）融合、主分量变换（Principal Component ）融合、小波变换（Wavelet ）融合等多种方法。 主分量变换融合是将多光谱影像各波段的相同信息变换为第一主分量，各波段的独有信息被分配到其他波段，然后将高分辨率图像拉伸至与主分量有相近的均值和方差，最后将高分辨率图像替换主成分第一分量进行主分量逆变换完成图像融合。 乘积变换融合也是一种比较简单的融合方法，其方法即将两幅影像（多光谱和高分辨率影像）的对应像素相乘，得到最终的融合影像。公式为： new Bn D B n _=? 公式中变量含义与上个公式相同。该变换得到的结果使融合后图像的亮度值显著提高，但不受波段个数的限制。 Brovey 融合是较为简单实用的一种融合方法，其原理是将原有多光谱波段进行归一化处理之后与全色波段相乘得到新的融合波段，公式如下： []new B D B B B B n _/1211=?+++ []new Bn D B B B Bn n _/2 1=?+++ 其中Bn (n=1,2,3…)为多光谱波段，D 为高分辨率波段，Bn_new 为融合后波段。对RGB 影像来说，比值变换融合只能用三个波段多光谱影像与高分辨率影像进行融合，因此受一定限制。 小波变换融合是将多光谱影像的各波段和高分辨率影像均进行小波分解，得到LL （低频部分），HL （水平方向的小波系数），LH （垂直方向的小波系数）和HH （对角方向的小波系数），然后根据具体需要和保持多光谱色调的程度，将分解后的两影像LL 、HL 、LH 、HH 部分分别融合，最后将融合后的LL ，HL ，LH 和HH 反变换重建影像，达到影像融合的目的。 在遥感图像的Gram_Schmidt 变换融合中,首先需模拟GS 变换正交向量的第一分量, 将高分辨率全色波段通过低通滤波或局域均值化处理,使其具有与多光谱图像相似的分辨率,然后取子集,并将其缩小到与多光谱图像相同大小。然后依次计算高光谱图像的正交向量。