基于ENVI的多源遥感影像数据融合
存档日期：存档编号：
本科生毕业设计（论文）
论文题目：基于ENVI的多源遥感影像数据融合
姓名：董建
系别：环境与测绘系
专业：测绘工程
年级、学号： 11 测绘 118324107
指导教师：林卉
江苏师范大学科文学院印制
摘要
在世界遥感技术领域极速发展的情况下，对于用卫星传感器来观测和获取某一地域遥感影像数据的方法越来越多，此时多时相、多平台、高光谱和高分辨率卫星等影像数据大量涌现，并且在有关地学的多个领域都用到了这些影像数据。多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有效的途径之一。并且在不同的学科范畴都涉及到多源遥感影像数据融合技术，因此该技术被不断地完善与推行。而当前在世界上对该技术还尚未形成一套完善的理论与方法，于是目前在遥感领域研究的一个重要的研究技术就是周密处理与剖析遥感信息。
本文基于ENVI对多源遥感影像数据融合的研究。第一章介绍了遥感影像数据融合的基本理论知识和本论文内容研究的背景和意义，以及国内外目前对遥感图像融合技术的发展现状。第二章是对数据融合三个层次（像素级融合、决策级融合和特征级融合）的对比介绍，像素级融合、决策级融合和特征级融合，另外还展示了每个层次数据处理流程图。第三章对像素级融合中加权融合法变换、Brovery 变换、IHS变换和PCA变换等融合方法进行了分析比较。第四章介绍了融合的评价指标（主观评价、客观评价）。第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的进行融合实验，对实验结果进行分析，总结出这四种融合方法的特点和适用范围，得到更准确，更可靠、更安全的估计和判断，为相关工作提供帮助。
关键词：数据融合；ENVI；IHS变换；PCA变换；评价指标；多源遥感影像；
Abstract
Fast development in the field of remote sensing technology in the world, with satellite sensors to measure and obtain a regional method of remote sensing image data is becoming more and more this time multi temporal, multi platform, hyperspectral and high-resolution satellite , and in the study of the image data used in these areas. Multi-source remote sensing image fusion technology in dealing with how to make a variety of discriminating the use of remote sensing image is kept their important characteristics and objects, and at the same time its limitations will be shrunk to a minimum is one of the most effective way. And in different disciplines category involves multi-source remote sensing image data fusion technology, thus being constantly perfected and the implementation of the technology. And the current in the world and also with the technology has not yet formed a perfect theory and method, so the current research in the field of remote sensing is an important research techniques careful processing and analysis of remote sensing information.
This article is based on ENVI of multi-source remote sensing image data fusion research. The first chapter introduces the basic theoretical knowledge of remote sensing image data fusion and the content of this thesis research background and significance, as well as the present situation on the development of remote sensing image fusion technology at home and abroad. Second chapter on three levels of data fusion (pixel level fusion and decision level fusion and feature level fusion) contrast, pixel level fusion and decision level fusion and feature level fusion, it also shows the data processing flow chart of each level. The third chapter of weighted fusion method in pixel level fusion transformation, Brovery transformation, IHS transform and PCA transform fusion method are analyzed and compared. The fourth chapter of the fusion evaluation (subjective evaluation and objective evaluation). Fifth chapter through to the Quickbird multispectral image of 4, 3, 2 band and Quickbird panchromatic image 1 band data fusion experiments, analysis of the experimental results, summarized the characteristics of the four fusion method and the applicable scope, get more accurate, more reliable and safer estimates and judgment, to offer help for related work.
Key words：Data Fusion；ENVI；IHS transform；PCA transform；Evaluation;Multi-source remote sensing image
目录
摘要 (Ⅰ)
Abstract (Ⅱ)
1 绪论 (1)
1.1 概述 (1)
1.2 选题研究的背景与意义 (1)
1.3 国内外研究现状 (2)
1.3.1 国外研究现状 (2)
1.3.2国内研究现状 (3)
1.4论文结构 (4)
2 多源遥感影像数据融合 (5)
2.1 层次分类 (5)
2.2 像素级融合 (5)
2.3特征级融合 (5)
2.4 决策级融合 (6)
3 影像融合的常用方法 (10)
3.1 融合常用方法分类 (10)
3.2 加权融合法 (11)
3.3 Brovery 变换法 (11)
3.4 IHS 变换 (11)
3.5 PCA变换 (13)
3.6方法比较 (14)
4 融合影像质量评价 (15)
4.1 主观评价 (16)
4.2 客观评价 (17)
4.2.1 均值 (18)
4.2.2 标准差 (18)
4.2.3 信息熵 (18)
4.2.4 平均梯度 (18)
4.2.5 相关系数 (18)
5 融合实验数据分析 (20)
6 总结与展望 (25)
6.1总结 (25)
6.2展望 (25)
7致谢 (27)
1 绪论
1.1 概述
在二十世纪七十年代美国最早提出了数据融合（Data Fusion）的概念，然而那时人们并没有对其足够重视，直到进入80 年代以后在军事中广泛应用直接促使其快速发展[1]。随后用于军用信息方面的融合系统被美国研发出来了，美国全军利用该技术进行目标辩别、目标追踪、形势估评和胁迫估计完善了军方的战略监视系统，在第一代信息融合系统下还研制出了大型的战争系统、小型的战术系统和海洋的监视系统技术，使得信息融合的可行性和有效性得到进一步的证明。
关于数据融合概念说法不一，很难给出数据融合的确切定义。比如美国宇航局在对其功能的方面描述数据融合是将多传感器和多源信息处理过程综合起来来展现和促进实体估计特征提高的能力[2]。军事上美国军队利用该技术进行目标辩别、目标追踪、形势估评和胁迫估计完善了军方的战略监视系统，以及使用该系统对分析战场局势危险情况和受到胁迫的程度实行恰当的详细评估[3]。Lucien在对信息的质量和真实性的研究下，将融合定义为：“为了产生单个信号在质量与可靠性方面都更好的，数据融合要将一组传感器的信息进行综合的处理”。1998 年L.Wald 对上述的定义进行了改善和补充，给出了更为普通的定义：从表达形式上将数据融合是一个框架, 然后对多源数据进行组织、关系联系和综合归纳是运用特定的逻辑推理用具来完成的,从而通过这些多源数据的共同作用会获得质量更高的信息。数据融合的方式、进程、方法、评价质量等方面都在该定义中给出了比较全面的概述[4]。
1.2 选题研究的背景与意义
遥感技术的数据特性具有庞大性。不同的波谱分辨率、空间分辨率和时间分辨率遥感图像由多种对地观察卫星不断地来提供。任何单一信息源在不同的遥感卫星成像原理和不同的技术条件限制下，都不能将目标对象特征全部展现出，在操作领域方面都会有一定的特指性和限制性，于是信息源单一的数据很难达到数据资源在信息监测方面的要求。随着遥感技术的飞速发展，怎么将所需数据资源信息在基于大量数据的数据库中充分显现出出来，迫使人们急切的寻找一种可以对各源数据进行综合利用的方法来对观测目标有一个更加清晰、全面和准确的解读与认识。图像融合为了获取比任一单一数据更加准确、更加充足的新图像则需要对多幅遥感图像数据中的同一目标
检测选用一定的算法来实现,。为了提高解译的精度指标、解译的可靠性以及它的使用频率我们可以用融合将多源信息进行总结归纳，来消除它们之间的冗余和抵牾。
冗余性、互补性、合作性是多源遥感影像数据所供应信息的三个最基本特征。影像对其环境或目标的表述，冗余性的体现为影像描述和解译的结果都是一样的，这样使目标的相关误差和不确定性大大减少，并且识别率和精确度也能相应被提供是该信息应用的一大优势；在遥感中相互独立的不同信息通过融合来互补彼此的缺陷度，这样大大增加了结果的可靠性，这就是互补性的主要内容；合作性顾名思义就是指不一样的传感器在勘测和处置自己获得的信息的时候不能单独的处理会对另外的消息有相互依赖性，这样使得各信息相互合作，从而可以各信息间的相互协调能力。
在实际应用中我们为了获得影像对环境或对象的解译正确，通常会结合并且应用影像数据各自的优势，多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有用的渠道之一，于是目前我们对遥感影像进行融合的探究刻不容缓。在信息处理方面多源遥感影像数据融合不单只是一种纯粹的处理数据的技术，而更多的表现是在对遥感信息实行综合管理和剖析的技术层次。该技术不单单能准确的为地理系统信息更新技术提供数据，并且还能促进目前与计算机相关的融合视觉信息技术的发展，以此对此研究已渐渐在遥感应用方面成为钻研的重点之一。
1.3 国内外研究现状
1.3.1 国外研究现状
在国外二十世纪七十年代美国最早提出了数据融合（Data Fusion）的概念，然而那时人们并没有对其足够重视，直到进入80 年代以后在军事中广泛应用直接促使其快速发展。基于遥感技术飞快发展的形势下，国外学者顺应着形势在对融合进行大批的探究和工作的前提下，最终得到了一些显著的研究成果。在某些国外的参考文献中提出当时影像融合的主要发展方向是对特征级和决策级融合的研究，比如对DS的证实推理、贝叶斯（Bayesian）的决策统计论述、推理模糊、自动适应空间权融合方法、鉴于分类决策树的融合方法和当时火热的神经网络的研究等。从应用程度上讲，相比其他两级的融合方法最先被投入使用并且使用的范围最普及的是像素级融合方法，所以我们要把大部分的精力都放在研究像素级融合方法的内容上。例如海顿第一次就在遥感影像融合中将以色彩空间为代表作的定位参数的IHS的亮度、色度、饱和度植入
到其中去，并且还运用高分辨率图像来提高对多光谱图像的处理效果。因为该方法融合的影像的算法简单并且在效果上该融合后的目视较好，所以该方法受到众多学者的认可，并且使它在生活中的应用更加普及，然而渐渐地人们发现影像融合后的光谱失真现象严重是该方法的最大缺陷。进而人们探寻可以将影像不同波段之间的相关性克服掉的影像技术，PCA法随之而生并饱受青睐，处理成像原理不一样的遥感图像之间的融合也运用到了该融合方法。国外学者Jia为了考证在维持光谱效果真实的方面PCA法是不是要比IHS法更突出，于是他将SAR影像与TM影像采取了融合实验。实验结果总的来讲PAC法更突出，但融合后目视的效果不佳也是该方法不可避免的缺点；基于小波变换的离散正交小波变换的图像融合算法，并进行分析，从小波融合图像的频率域的角度变换具有很好的频率，实现图像滤波的优点。在图像融合中做了大量的基于小波分解层的研究；
1.3.2 国内研究现状
我国对于遥感影像融合方法的研究相比国外来说相对较晚，其中主要原因有：首先国内相对自主的影像资源极其贫乏这样直接使有关影像融合的技术发展较迟；另外在需求方面国内的遥感技术相比国外要小的多这样就间接地对遥感融合技术诞生的萌芽产生了影响。
经过对国内许多参考文献的阅读掌握到目前我国关于特征级和决策级融合方法的钻研还正处在早期的起步阶段，例如关于分类的常用融合的方法是由焦子弟提出的；由陈东林等人提出的融合方法是一种如何准确地结合影像的光谱特征的处理方法；严冬梅钻研了怎样在具有典型性的路段中将某一特定区域提取出来生长的目标融合法；在证据推理方面方勇借此研究了多源遥感影像融合；肖刚对此基础上提出一种改进的“ISODATA”算法在通过对遥感影像的特征影像融合理论方面进行了具体的研究后；董晓冲等在基于遗传算法的基础上提出影像分级决策融合法等，并且研究的主要是怎么对像元级融合方法做出改良的方面内容。
在“863计划”和“第九个五年计划”中我国提出了目前国家着重探究的项目和着重的规划是信息融合技术，其中最关键的技术之一是高新技术产业范畴中的发展，计算机方面的技术以及航空航天技术的发展等。目前国内在探究多传感器图像融合方面处于领先者的组织主要有武汉大学、中科院遥感所、北京理工大学、西北工业大学、南京理工大学等。
总结上述情况我们可以得出，关于如何对遥感影像进行融合的方法方面，当下我国对此的研究必须还要增强，特别是在对光谱扭曲严重相对于像元级融合方法的这一问题的研究上，目前都还没有解决的方案还需要更近一步的研究。所以对于从影像融合应用的角度来讲，选择对像元级遥感影像融合方法的钻研，是非常有实际意义的。
1.4 论文结构
本论文从研究多源遥感影像数据融合技术出发，以Quickbird多光谱影像和Quickbird全色影像为数据源，进行了以下的研究工作：
本论文共有六个章节，各章节描述的详细内容如下所述：
第一章为绪论，粗略的描述了本论文课题探究的背景和意义，目前国内外研究近况，以及本论文探究的基本内容。
第二章为遥感图像融合，图像融合三个层次像素级、特征级、决策级的比较，并描绘出三个层次的融合流程，对比出三个层次的优缺点。
第三章为像素级融合中的常用方法：加权融合法变换、Brovery 变换、IHS变换和PCA变换等进行了分析与比较。
第四章为数据融合的主观和客观的分析，对主观和客观分析进行描述主观分析的方法和客观分析的相关指标。
第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的融合实验总结出这四种融合方法的特点和适用范围。
第六章为结论和展望，通过研究得出的一些结论并通过此论文得到的心里体会再指出对以后的发展做出更大胆的假设。
2 多源遥感影像数据融合
2.1 层次的分类
人们根据数据的抽象层次效果将多源遥感数据分为三个等级即像素级（特征提取之前）、特征级（属性说明之前）、决策级（数据独立属性说明之后）【5】。
2.2 像素级融合
将经过空间配准好的影像按照某种独特的算法进行融合，这是像素级融合的主要内容，算法一般有加、乘、梯度、线性平均、比值和多元回归运算等，接着是对融合后的影像实行提取特征和说明属性的操作【6】。该融合的层次是最低的并且在倘若只知道原始数据层的情况下也可以对影像进行融合，对于多元图像的复合、图像剖析等处理都可以用该融合方法进行。像素级图像融合可以获得更大、更全面的信息量，并且为进一步的图像分析与理解提供依据。传感器的融合配准的准确度高，相比其他两个融合层次而言该融合独特之处在于它可以尽量的将一个对象的初始信息保留下来，而且其他两融合水平不能给予的微妙的信息它也具备，该融合的精度也很高。缺点是该方法对信息的处理量大，处理代价高、耗费时间长、高要求的校准精度、实时性差、抗干扰能力差[7]。由于像素级融合是图像融合的最低水平，大部分算法都集中在该水平，并能够更多的使图像保留着真实性，还有能给予其他层次不能给予的微观信息的独特优势，因而被广泛应用。
像素级融合的常用方法有：加权融合方法、Brovey变化方法、IHS 变换融合方法、主成分变换方法等。
图2-2为像素级融合的过程。
2.3 特征级融合
处于中层的融合是特征级融合，该方法流程是首先将通过校准后的数据来对影像特征进行提取，其次为了得到同一目标的特征向量要将这些数据实行综合处置和分析，这样每种传感器都能得到处理后的数据，然后在对这些数据进行融合，最终再进行图像的分类或目标的识别[8]。人们对目标状态的信息状况和特征的状况的融合是特征级融合主要探究的重要的两个内容。多传感器在如何对目标进行判读的领域主要应用的是目标状态信息融合。该融合系统处理流程为首先进行预处理，预处理完成后用
图2-2 像素级融合
Figure2-2 Flowing Chart of Pixel Level Data Fusion
2.4 决策级融合
处在最高层次上表示信息的融合是决策级融合，是指首先将配准后的数据先进行预处理、特征提取、识别的处理，然后再将目标初步识别结果与之相对应的传感器数据给出来，然后根据地物的不同特征得到图像分类结果，最后得出联合推理结果[10]。决策级融合是直接利用特征级融合后得到的各类目标特征信息来对具体目标进行决策，然后给出简单而明了结果的融合过程。所以，在此图像融合中相对其他的融合对配准图像的精度要求较低。不同的逻辑推理的方法，不同的统计方法以及信息理论可以用在此图像融合，因为对影像特征提取的预处理要求较高，所以此融合的处理代价较高。决策级融和方法在对图像有良好的实时性和容错性方面展现出了巨大的优势，该方法对融合的处理要求的时间段，怎样将分类特征的组合和量化和统一的机理难以表达缺点是该融合的主要缺点[11]。
决策级融合的常用方法有：最大似然法，基于Dempster-Shafer理论方法，基于模糊集理论方法，基于BP神经网络方法等。
决策级融合流程如图2-4 所示。
图2 -3特征级融合流程图
Figure2-3 Flowing Chart of Feature Data Fusion
3个融合层次比较如表2-5 所示。
表2-5 3个融合层次比较
Table 2-5 The Comparison of Three Fusion Levels
融合的层次信息的抗干扰精度大容错性实时性优处理的融合水平
丢失量能力小能力劣工作量
像素级融合少弱大弱弱少差特征级融合适中适中适中适中适中适中适中决策级融合多强小强强多优
图2-4 决策级融合流程图
Figure2-4 Flowing Chart of Decision Level Data Fusion
3 影像融合的常用方法
在三个融合层次中最基础的融合是像素级融合，所以我们要对像素级进行融合，融合后才能为后两级融合提供相应的影像特征，实际中对影像的目视解译是该级融合层次的主要运用。在影像融合三个层次中像素级融合是钻研最为娴熟和有用的一级，目前对该融合已经有了一套充足有效的融合方法来描述它。本章主要的内容介绍像素级融合的主要方法。
3.1 融合常用方法分类
影像融合方法如图3-1所示。融合常用方法：加权融合方法、Brovery 变换方法、IHS变换方法、PCA变换方法等。
图3-1 像素级融合方法
Figure 3-1 The Method of Pixel Level Fusion
3.2 加权融合法
加权融和方法是基于像元，对全色和多光谱影像的波段进行灰度值的加权计算[12]。加权融合法按式（3-2）进行融合。
B L I L P H I H P A fused I ++=)(* (3-2)
fused I 为融合影像灰度值；A 、B 为常数；H P 、为权系数；H I 、L I 分别为高空间分辨率影像
和低空间分辨率多波段影像的像L P 素灰度值。权系数和常数的选取决定了融合影像效果的
质量。
3.3 Brovery 变换融合法
Brovery 变换融合的另一个说法为彩色标准化变换融合，该变换融合的主要目的
是如何将多光谱影像三个颜色的波段（红、绿、蓝）标准化，通过多光谱标准化和高
分辨率图像乘积的产品提高图像信息[13]。该方法最明显的特点是最大限度地发挥每个
像素如何对其光谱特性的保留以及如何将影像的光彩信息转变为高分辨率图像全色
信息的融合，将融合图像的视觉效应大大增强了。式（3-3）是Brovey 融合的定义公
式。
)/(*
I R P a n R =' )/(*I G Pan G ='
)/(*
I B P a n B =' 其中 3/)(B G R I ++= （3-3）
Pan 为调整大小后的全色光谱图像的对应值，R 、 G 、 B 分别代表了影像光谱数据的红色
光波段，绿色光波段，蓝色光波段。
3.4 IHS 变换
IHS 变换是一种成熟的空间变换算法，IHS(I 表示亮度；H 表示色调；S 表示饱
度)。把彩色影像的RGB(红、绿、蓝)变换成IHS,称为 IHS 正变换；由 IHS 变换成
RGB 称为 IHS 的反变换[14]。IHS 系统能够将影像的颜色的特征定量地描绘出来，
因此该变换在图像的数字化处置和理会中使用最为的广泛。我们在研究中要将RGB 空间与IHS空间的模型关系建立起来来实现RGB和IHS之间的转换。该变换方法通常有圆柱体变换、球体变换、单六角锥变换、三角形变换这四种形式。坐标系的选择和计算量是这些变换的主要区别。本文以圆柱体彩色变换和单六角锥彩色变换为例来比较RGB和IHS之间的正反变换如表3-4所示。
表3-4 圆柱体彩色变换和单六角锥彩色变换
Table 3-4 Color Transformation And Single Cylinder Pyramid Color Transformation 彩色
变换
正变换反变换备注
圆柱体变换
()B
G
R
I+
+
=
3
1
()C
B
G
B
G
R
H+
?
?
?
?
?
?
-
-
-
-
=
3
2
1
tan
GB
RB
RG
B
G
R
S-
-
-
+
+
=2
2
2
3
6
当?0≤H?
≤120时
()
??
?
?
?
?
?
?
?
?
?
?
?-
?
+
=
H
COS
H
COS
S
R
60
*
1
3
1
()B
R
I
G
S
B-
-
=
-
=3
1
3
1
当?
≤
≤
?240
120H时
??
?
?
?
?
?
?
?
?
?
?
?-
?
?
?
?
?
??
-
+
=
H
COS
H
COS
S
G
180
120
*
1
3
1
()G
R
I
B
S
R-
-
=
-
=3
1
3
1
当?
≤
?360
240H时
??
?
?
?
?
?
?
?
?
?
?
?-
?
?
?
?
?
??
-
+
=
H
COS
H
COS
S
B
300
240
*
1
3
1
()G
B
I
R
S
G-
-
=
-
=3
1
3
1
=
C当B
G≥
π
=
C当B
G<
单六角锥变换
m in
m in
m ax
m ax
-
=
=S
I
6/
5?
?
?
?
?
-
-
+
=
G
R
B
R
H当R=max，
G=min
h=0时R=I,G=T,B=P
h=1时R=Q,G=I,B=P
h=2时R=P,G=I,B=T
]
,
,
max[
max B
G
R
=
]
,
,
min[
min B
G
R
=
当S≠0时，令
h=()π/
3H
floor
6/1??? ??---=B R G R H 当R=max ，B=min 6/1??
? ??--+=B G R G H 当G=max ，B=min
6/3??
? ??---=R G B G H 当G=max ，R=min
6/3??
? ??--+=R B G B H 当B=max ，R=min
6/5??? ?
?---=G B R B H 当B=max ，G=min
h=3时R=P,G=Q,B=I h=4时R=I,G=P,B=I
h=5时R=I,G=P,B=Q
P=I(1-S) Q=I （1-S(H-h)) T=I(1-S(1-H+h)) 3.5 PCA 变换
主成分(PCA)变换也叫主元素分析，K-L 变换，它是为了获得一组相互没有关系
的综合指标来替代原来指标，所以它要将许多具备一定关联性的原始指标来重新的在
组合一下。在最小均方误差方面的意义上讲PCA 变换是一种最好的正交变换。主成
分变换在对低分辨率多光谱影像与高空间分辨率影像融合的过程为：首先用该方法对
多光谱影像采用主成分变换，变换后来求取各影像的主分量，最终得到融合后的影像。
主成分变换法融合流程如图3-5所示.。
3.6 融合方法比较
通过前面几种方法的介绍来对比一下它们的优缺点，如表3-6所示。
表3-6 各融合方法的比较
Table 3-6 The Comparison of Each Fusion Method
融合方
法 优点
缺点 加权融合法 信号分化重建的过程中不会使信息发生丢失和冗余，将多光谱图像在空间细节表达的方面能力进行有效地增强，来使图像的光谱特性在融
融合影像从总体看颜色信息没有和特
征空间自然地结合在一起的正如高通
滤波后的图像效果，此外也有一些目
标较小的光谱信息会丢失。
合的先后保持一致。
Brovery 变换融
合多光谱图像融合法变换空间分解为
颜色和亮度分量的计算，该方法不
仅能维持原光谱信息的内容还能将
影像进行锐化。
多光谱影像中只可选取三个波段进行
变换，这样综合利用信息不全还会是
信息的其他波段消失。标准化涉及的
融合过程中，在像素灰度值方面该融
合图像的结果比其他方法要小。
IHS 变
换IHS变换具有显着改善的纹理，和
颜色，基本保持多光谱影像多光谱
颜色。高空间分辨率影像的信息大
部分被保留了下来。
该方法会导致光谱信息缺失的现象更
加严重，因为此原因不能让所有的波
段数据都选择到融合中去，融合后的
数据利用率被降低。
主成分(PCA)变换该方法在多光谱图形的全部波段中
都可以适用，将多光谱影像的判别
和观测的本领也提高了，将多光谱
影像的光谱特征更好地被保留了下
来。
因用简单的替换来替代第一部分高分
辨率图像，反主成分因子的合成方向
会偏移原来的方向，造成色相变化。
各主成分经过该方法变换后会失去它
本有的物理特征，并且在容和区域的
选择上也异常敏锐。
图3-5 主成分变换法融合流程
Figure 3-5 Flowing Chart of PCA
4 影像质量评价
目前在对遥感影像的研究中，对某一个目标进行融合会有多种融合方法，不同的融合方法对应着不同的融合效果有好有坏，怎样才能知道融合效果的好坏，这时我们就要对融合结果进行有关影像质量的评价。
在多遥感器图像融合中，由于获取数据来源的方法，融合的方法也不一样，这样对评价的融合结果也不一样。但是目前人们在对融合后效果好坏评价的研究上投入了较少的精力，以定性与定量评价为主的多种统计分析方法是目前评价融合影像的最常用的方法。定性评价是通过视觉图像对比融合前后的变化，该方法受个人主观的影像因素较大。定量评价的评价内容的关键是图像所包含的信息量，以及在统计特性的基础上产生的信号的信噪比，客观评价的定义和分类精度[15]。主要评价方法如统计特征可以用均值，方差，标准差和统计值显示基于各种遥感图像融合方法的一般特征。影像的熵、交叉熵、联合熵是从影像包含的信息量角度来对结果进行剖析，比如我们常用仙农（Shannon）理论建议的信息熵来评价融合质量，基于信息熵的来源的交叉熵评价前、后两图像像素信息融合的相对差异，对于效果的总体评价是在多波段图像融合的联合熵；图像的清晰程度以及图像的之间的对比度和细节纹理是否变化有时也可用平均梯度来评价，也有学者在小波变换的基础上使用小波的平均能量融合来将在细节方面异常丰富的图像的系数都标示出来，在反映图像的分辨率和清晰的指标上它比其他的梯度更加能映射出该情况[16]。评价方法不仅有上面提到的几种方法还有其他的评价方法。融合图像对应于原始图像特征的一个粗略的评估后（空间或光谱）得到与融合图像之前和之后的相关程度。1999年何国金等人为了衡量融合前后光谱损失情况的大小而采用了对图像光谱扭曲值的研究方法[17]，他们为了从其他方面来对融合结果进行评价，从而选择了从融合后影像分类的精度以及影响对地面地物的辨识能力等方面来进行评价，这种评价指标有很大的实际意义，这会促进融合影像更加广泛的应用到其他领域中去。
对图像融合效果进行的评价不仅可以被用来检验融合结果是不是成功，而且在对怎样提出新的融合方法也有巨大的推进作用；如若要对它实用的范畴供应事实理论的依据这时我们就可以将融合图像实行影像质量的评估；对各环节和因素的融合图像质量分析，改进或控制融合成像的方法和过程，是为了提高融合后的质量。有效性的
主观评价方法评价分为视觉效果和基于数理统计评价方法。ENVI（The Environment for Visualizing Images）是一种很完善的数字影像处理系统[18]。本文借助ENVI来对融合后个评价指标进行对比与分析。
4.1 主观评价
影像的主观评价就是通过人的主观思想来观察影像，并对影像的质量进行评价[19]。由于该方法就是通过人为的对图像信息进行判断所以该方法比较简单、便捷，在有些固定领域总应用非常广。评论融合图像是否配准就可以运用该方法，倘若没有配准好的话就会导致影像与影像之间有重叠影像的效果。我们经过对不同图像对比研究可以看出图像的光谱信息是不是丢失和缺真还有在信息进行空间传输时是不是重要的信息会丢失；确定在融合前后有关图像的纹理细节和图像颜色的讯息是否相同；确定融合图像的总体亮度与色调差别是不是合适，会不会有影响影像质量的现象出现如模糊的像遮上了一层雾或像打了马赛克一样；确定会不会对图像的清晰度产生影响以及评价后图像的边缘是不是还清晰等[20]。人眼对于主观评定法最大的优势是可以对图像上那些显著的地物如道路、田地、居民地、以及机场等可以直接比较还可以感知出地物色彩之间强烈的差异以及得到图像本身在空间中的分解力和清晰度的差异，另外在评价图像光谱特征的能力中是其他评价方法不可匹及的。这种方法是主观的，眼睛的感受程度通常都决定了融合图像的质量。
绝对、相对评价目前是主观评价内容中的两种主要的类型评价[21]。绝对评价的内容主要是由观察者事先依据规章好的评价尺度在结合上自己自身以前对于评价的经验在对影像进行评价是绝对评价的主要内容，有时为了指导观察者对影像的质量作出更合理的综合评价我们要提供一幅标准影像作参考。如表4-1所示“全优度尺度"是绝对评价中经常使用的评价尺度。
表4-1 融合影像质量主观评价的绝对评价
Table.4-1 Absolute Subjective Assessment of Fusion Images
影像判读质量影像判读质量的等级
质量极优的影像V级
质量优的影像IV级
质量良的影像III级
质量低的影像II级
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。
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。
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；
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)
利用ENVI软件进行遥感图像的融合和增强实习报告
遥感图像处理实习报告 实验内容：影像融合与增强 班级：测绘1102班 学号：13 姓名： 指导老师：陈晓宁、黄远程、竞霞、史晓亮 西安科技大学 测绘科学与技术学院 二零一三年一月 实习三影像融合与增强
一、实习内容： 1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点； 2.熟悉ENVI图像增强操作； 3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。 二、实习目的： 1.了解和认识各种图像融合方法的原理、内容及要点； 2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较； 3.学习利用ENVI软件进行各种图像增强处理操作； 4.学会定性、定量分析比较图像融合的差异。 三、实习步骤： 1.图像融合： 三波段融合： HSV和Color Normalized (Brovey)变换： 1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中； 2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1； 3）在ENVI的主菜单选择Transform → Image Sharpening → HSV； 4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。 5）从High Resolution Input File对话框中选择全色影像，点击OK。 6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；
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
遥感图像的假彩色合成
北京化工大学 学士学位论文 遥感图像的假彩色合成 姓名：刘晓璐 班级：信息与计算科学0304班 学号：200362102
遥感图像的假彩色合成 摘要：遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内及其我国的许多政府部门，科研单位和公司得到了广泛的应用。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理技术也更加成熟；在应用上，结合了地理信息系统（GIS）和全球定位系统（GPS），向着更系统化，更定量化方向发展，使遥感数据的应用更加广泛和深入。 假彩色增强是将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。 本文的主要目的就是大遥感的多光谱图像用自然彩色显示。在遥感的多光谱图像中，有些是不可见光波段的图像，如近红外，红外，甚至是远红外波段。因为这些波段不仅具有夜视能力，而且通过与其他波段的配合，易于区分地物。 用假彩色技术处理多光谱图像，目的不在于使景物恢复自然的彩色，而是从中获得更多的信息。为了实现这样的目的，本文采用了MATLAB数学软件编程的方法以及运用Envi4.2 软件直接编辑图像这两种方法，并对其进行对比，得出最优的合成图像。 关键词：图像融合，假彩色合成，彩色增强，灰度级，RGB图像，
False color mapping for image fusion Abstract: A pixel-based color-mapping algorithm is presented that produces a fused false color rendering of two gray-level images representing different sensor modalities. The resulting images have a higher information content than each of the original images and retain sensor specific image information. The unique component of each image modality is enhanced in the resulting fused color image representation. First, the component of two original input images is determined. Second, the common component of each image. Third, the unique component of each image modality is subtracted from the image of the other modality. This step serves to enhance the representation of sensor-specific details in the final fused result. Finally, a fused color image is produced by displaying the images resulting from the last step through, respectively, the red and green channels of a color display. The method is applied to fuse thermal and visual images. The results show that the color mapping enhances the visibility of certain details and preserves the specificity of the sensor information. The fused images also have a fairly natural appearance. The fusion scheme involves only operations on corresponding pixels. The resolution of the input images. Before fusing, the contrast of the images can be enhanced and their noise can be reduced by standard image processing techniques. The color mapping algorithm is computationally simple. This implies that the investigated approaches can eventually be applied in real time and that the hardware needed is not too complicated or too voluminous(an important consideration when it has to fit in an airplane, for instance). Key words: image fusion, false color mapping, color enhances, gray-level, RGB images
三种图像融合方法实际操作与分析
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
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。
遥感图像融合的应用研究
龙源期刊网 https://www.wendangku.net/doc/6f184840.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.
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: