遥感入门图像融合

遥感图像的融合处理1整理ppt图像融合处理

当代航天遥感系统已能为用户提供高空间分辨率、高波谱分辨率和高时间分辨率的海量图像。如何将同一地区的各种遥感图像的有用信息融合在一起是遥感应用研究的课题之一。从二十世纪70年代的航天遥感应用的研究和实践表明：由于在可见光和红外波段，各类植被的响应大都互相重叠。因此，单用一种多光谱图像进行分析，要解决土地覆盖、耕地和森林资源监测、军事侦察等问题是不可能的。

2整理ppt因而进入二十世纪80年代，开始有人研究遥感图像融合的方法。图像数据n图像数据1图像数据2…图像配准像素级融合融合影像图像数据n图像数据1图像数据2…特征提取特征关联融合特征描述图像数据n图像数据1图像数据2…特征提取决策级融合融合目标属性目标识别遥感卫星影像融合的三个层次象素级融合特征级融合决策级融合3整理ppt像素级图像融合

像素级融合是最低层次的图像融合，它将经过高精度图像配准后的多源影像数据按照一定的融合原则，例如局部能量原则、局部梯度或信息熵的原则，进行像素的合成，生成一幅新的影像。融合的目的在于提高图像质量，提供良好的地物细节信息，直接服务于目视解译，自动分类。高空间分辨率的全色影像和高光谱分辨率的高光谱影像的像素级融合影像具有一般具有以下性质（Wald,1997）：融合影像应当和高空间分辨率的影像尽可能保持一致；

融合影像的光谱特性应当和高光谱影像尽可能保持一致；

融合影像的空间分辨率被降解到低分辨率时，必须和原来的影像保持一致。

4整理ppt目前在遥感图像融合中常用的像素级融合方法代数法基于彩色空间变换的影像融合法基于主成分分析的影像融合法基于高通滤波影像融合法基于小波变换影像融合法5整理ppt1.代数法

代数运算融合方法多用于同类遥感器不同时相图像的融合,或低分辨率的多光谱图像与高分辨全色图像的融合。根据应用要求，选择好参与融合的波段数据，与全色图像几何配准后，进行逐点像元亮度值的数学运算。6整理ppt第一种是逐点相加运算，运算通式为：

Mi’（x,y）＝Mi（x,y)＋P(x,y)+Bi

式中,Mi（x,y)为参与融合的i波段多光谱原图像数据;P(x,y)为参与融合的全色波段原图像数据;Mi’（x,y）为融合的i波段新图像;Bi为权函数.第二种是逐点相减运算，运算通式为：

Mi’（x,y）＝Mi（x,y)-P(x,y)-Bi第三种是逐点相乘运算，运算通式为：

Mi’（x,y）＝(Mi（x,y)*P(x,y)*Bi)/m7整理ppt代数法-相关系数加权法融合以SPOT全色影像与TM多光谱影像融合为例；融合步骤：

（1）对SPOT全色影像与TM多光谱影像进行图像配准；将多光谱影像进行重采样，使其大小和全色波段影像一致；（2）计算多光谱影像各波段与全色影像的相关系数：（3）按下式将全色波段图像的信息融合到多光谱图像各波段中8整理ppt2.基于彩色空间变换的影像融合法--彩色变换遥感图像融合方法的关键技术之一是彩色变换，下面首先简单介绍彩色变换。彩色变换又称为彩色编码，所谓彩色变换即为两种彩色模型编码系统之间的变换。彩色模型指的是某个三维彩色空间的一个可见光子集。它包含某个彩色域的所有彩色，彩色模型的用途是在某个彩色域内方便地指定彩色。由于任何一个彩色都只是可见光的子集，所以任何一个彩色模型都无法包含所有的可见光。

9整理ppt基于彩色空间变换的影像融合法首先，必须将图像进行严格的几何校正，使不同的遥感图像在几何上能完全匹配，并且分辨率一致。将多波段图像由RGB彩色系统变换到IHS彩色系统中；用高分辨率的图像代替I分量，进行彩色逆变换，就可以得到融合图像

10整理ppt基于彩色空间变换的影像融合法多光谱图像XS1多光谱图像XS2多光谱图像XS3重采样重采样重采样IHS正变换色调分量H饱和度分量S亮度分量IIHS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311整理ppt基于IHS变换的融合球体变换12整理ppt球体变换中RGB到HIS的转换算法

式中，R,G,B位于区间［0，1］；r,g,b位于区间［0，1］；M＝max［R、G、B］；m＝min［R、G、B]

注意：R、G、B中至少有一个值是0，与最大值的颜色对应，并且至少有一个值是1，与最小值的颜色对应。13整理ppt则在球体变换中：（1）I（亮度）的计算公式为：I的取值范围为［0，1］。（2）S（饱和度）的计算公式为：S的取值范围为［0，1］14整理ppt(3)H(色度)的计算公式为:H的取值范围为[0,360]15整理ppt圆柱体变换中RGB到HIS的转换算法16整理ppt17整理ppt3.基于PCA变换的融合

对低分辨率图像进行PCA变换后，以高空间分辨率图像代替第一主成分，进行反变换。18整理ppt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319整理ppt4.基于高通滤波影像融合法多光谱图像XS重采样高通滤波器低频分量高频分量反卷积运算全色波段图像PA高分辨率多光谱图像20整理ppt5.基于小波变换的图像融合

方法,对高分辨率图像进行多尺度小波变换,以低分辨率图像代替某一尺度小波变换的第一分量,进行反变换,从而实现图像的融合。21整理ppt基于小波变换的图像融合通过二维离散小波变换，将影像与一个低通滤波器和高通滤波器进行卷积运算以及隔行隔列重采样，从而分解为不同分辨率，不同尺度的分量；在某一尺度，影像被分解为四个分量，分辨率是上一尺度的一半。22整理ppt小波分解的一个例子ApproximationimageHorizontaledgeVerticaledgeCrossedge23整理ppt图像融合的例子参与融合的图像：1.30米分辨率TM多光谱影像2.10米分辨率SPOT全色影像24整理ppt10米全色影像和30米TM影像的假彩色图像放大一倍25整理ppt26整理pptIHS变换融合后和融合前图象比较27整理ppt基于小波变换的融合图像和原始低分辨率图像假彩色合成图28整理ppt小波变换融合假彩色合成图与低分辨率相同通道假彩色合成图29整理ppt4.基于小波变换的影像融合法

根据Mallet正交小波分解、重构理论，离散信号有如下的正交小波分解和重构公式。小波分解公式:

小波重构公式：

30整理ppt基于小波变换的影像融合法步骤将多光谱影像和高分辨率影像进行小波分解

将多光谱图像重采样成尺度大小一致的图像,并进行小波分解获得低频分量和高频分量;同时,将高分辨率影像也进行小波分解获得低频分量和高频分量。用高频分量和进行信息融合