多光谱图像处理

多光谱图像处理当前遥感数据的特点来源于不同传感器，具有不同的特点。数据量很大。数据之间存着互补性和冗余性。多光谱图像处理缨帽变换（TasseledCap）MSS图像TM图像指数计算（Indices）色彩变换（RGBIHS)色彩逆变换（HISRGB）光谱增强－缨帽变换MSS图像缨帽变换R1特征量：称为“亮度”，在数值上等于MSS四个波段的加权和，反映了地物总的电磁波辐射水平。R2特征量：称为“绿色物”，在数值上等于MSS6与MSS7的加权和再减去MSS4与MSS5的加权和，反映了植物的生长状况。R3特征量：称为“黄色物”，是MSS5与MSS7的加权和减去MSS4与MSS6的加权和。R4特征量：称为“其它”。TM图像缨帽变换R1特征量：称为“亮度”，在数值上等于TM图像六个波段的加权和，代表总的电磁波辐射水平。R2特征量：称为“绿度”，反映了可见光与近红外波段之间的差异。R3特征量：称为“湿度”，反映的是TM1,TM2,TM3,TM4波段与TM5,TM7波段之间的对比。光谱增强－指数计算（Indices）指数计算－矿物提取光谱增强－色彩变换（RGBIHS)IHS图像光谱增强－色彩逆变换（HISRGB）多光谱图像融合技术一对矛盾？空间分辨率与光谱分辨率不可得兼高空间分辨率图像具有低的光谱分辨率，相应的波段数较少（例如SPOT全色波段分辨率是10米）。多光谱图像往往具有低的空间分辨率（例如LandsatTM分辨率为30米）。如何解决矛盾？研究的内容充分利用各种类型的图像资源，获得同时具有较高光谱信息和空间分辨率的对象信息。定义是以图像为研究对象的数据融合，是指在同一时间，将同一景物的不同波段或来自不同传感器的两个或两个以上的图像进行处理，形成一幅合成图像，以获取更多的关于目标信息的图像处理过程。图像融合SPOT、TM图像各波段对应的波长TMSPOT融合处理SPOT-510米多光谱图像SPOT-55m全色图像多光谱与5mPAN融合图像融合的过程多源图像精确配准根据图像的特征及整合的目的选择合适的融合方法输出融合图像目前在遥感图像融合中常用的像素级融合方法基于彩色空间变换法（HIS变换法）基于主成分分析法（PCA法）代数法Brovey变换

基于高通滤波影像融合法基于小波变换影像融合法将多光谱图像的RGB彩色空间变换到IHS空间，即图像由R（红）G（绿）B（蓝）表示变换成I（亮度）H（色调）S（饱和度）表示。将全色图像和多光谱图像的I进行直方图匹配，用全色图像I’代替多光谱图像的I，即IHS→I’HS，多光谱图像的其它两项不变。多光谱I’HS反变换到RGB，即得到融合图像。基于彩色空间变换的影像融合法

－HIS变换法基于HIS变换的遥感影像融合多光谱图像XS1色调分量HHIS正变换高分辨率多光谱图像1全色波段图像PA重采样多光谱图像XS2多光谱图像XS3重采样重采样饱合度分量S亮度分量IHIS逆变换高分辨率多光谱图像2高分辨率多光谱图像30.5~0.59μm，20米0.61~0.68μm，20米0.78~0.89μm，20米0.51~0.73μm，10米IHS融合处高分辨率图像多光谱图像基于PCA变换的影像融合法对多光谱图像进行主成分分析，得到第一主分量，它包含原图像的大量空间信息，而原图像的多光谱信息主要保留在其它的分量中。将高分辨率图像拉伸，使其与第一主分量具有相同的均值和方差。用拉伸后的高分辨率图像代替第一主分量，与其余分量做逆PCA变换即可得到融合的图像。基于PCA变换的影像融合法流程图

多光谱图像XS1多光谱图像XS2多光谱图像XS3重采样重采样重采样PCA正变换第二主分量第三主分量第一主分量PCA逆变换全色波段图像PA高分辨率多光谱图像1高分辨率多光谱图像2高分辨率多光谱图像3基于主成分分析法融合（PrincipalComponent）算法计算主成分，将高分辨率的图像按照PC-1进行拉伸，并用之替换PC-1，最后进行主成分逆变换。优点这种方式使变换后的输出图像能够较好的保持原始多光谱图像的景物辐射特性。

这种融合模式多用于不同类型传感器融合或同一传感器多时相数据的动态分析，也可用于特征影像与地面调查数据的融合。

缺点保持辐射特性的准确性，是以高的计算量为代价的，占用较多的系统资源，因而它是最三种方法当中的较慢的一种。代数法（Multiplicative）算法优点该方法可以增强影像的细节反差，能够较好的突出城市地物。采用的是简单的乘积运算，因而运算最快并且占用系统资源最少，也是三种方法中的最简单的一种。缺点然而融合后的图像没有保持原始多光谱图像辐射特性，相反，能够增强亮度成分，对增强城市信息方法这种方法较好。基于Brovey变换的融合方法（BroveyTransform）算法[DNB1/DNB1+DNB2+DNBn]x[DNhighres.image]=NB1_new[DNB2/DNB1+DNB2+DNBn]x[DNhighres.image]=NB2_new优点该方法可以增强图像直方图中的两端区域的对比度，即影像低辐射区和高辐射区的细节反差，（比如阴影部分，水和高辐射区的城市城市地物）。在合成RGB图像中，低辐射区和高辐射区有较高的对比度。缺点不能保持原始图像的辐射特性。如果在分析的时候，原始图像的辐射特性比较重要的话，这种方法不适用。空间增强－分辨率融合处理由于高空间分辨率图像具有低的光谱分辨率，相应的波段数较少，而多光谱图像往往具有低的