实验:遥感图像裁剪、镶嵌、融合

实验:遥感图像裁剪、镶嵌、融合
实验:遥感图像裁剪、镶嵌、融合

实验:遥感图像的拼接、裁剪

一、实习目的与要求

·掌握图像拼接的原理,以及两幅图像拼接的时候需要的条件,掌握拼接技术;

·学习通过ERDAS进行遥感图像规则分幅裁剪,不规则分幅裁剪的实验过程,能够对一幅大的遥感图像按照要求裁剪图像;

二、实验原理

·图像拼接(mosaic image)是具有地理参考的若干相邻的图像合并成一幅图像或一组图像,需要拼接的图像必须含有地图投影,必须有相同的波段数。在进行图像拼接时需要确定一幅参考影像,参考图像作为图像拼接的基准,决定输出图像的地图投影和象元大小和数据类型。

·在实际工作中,经常需要根据研究区域的工作范围对图像进行分幅裁剪,erdas中可以对图像进行规则分幅裁剪(rectangle subset)和不规则分幅裁剪(pdygon subset),根据实际的应用对图像选择不同的裁剪方式。

三、实验内容和实验过程

1.图像拼接实验步骤:

(1)启动图像拼接工具,在ERDAS图标面板工具条中,点击Data preparation→Mosaicc lmages→Mosic Tool,打开Mosaic Tool 视窗。

(2)加载需要拼接的图像,在Mosaic Tool视窗菜单条中,点击Edit→Add images或则

单击按钮,打开Add Images for Mosaic 对话框。依次加载窗拼接的图像wasia1_mss.img 和wasica3_tm.img(如下图)。

(3)设置输入图像的颜色纠正模式:Edit→Color Corrections,并在Use Histogram

Matching选项前打勾,并点开Seting按钮,出现界面(如下图)。(或者在按钮被选中,然后再下栏中选中按钮。也会出现如下图界面)。

只有颜色纠正模式处理好了,才不会出现明显的差异

(4)设置交叉区域匹配参数,点击Edit→Set Overlap Function,或者单击工具条中图标

设置图像关系,并在下一栏中单击Overlap Function图标,打开Set Overlap Function对话框如下图,设置交叉区域是否有边界线重叠和区域的函数类型,确定。

(5)运行拼接功能,并输出拼接结果图。点击Process→Run Mosaic菜单,或者在工具

条中选中,并在下一栏工具栏中选中,则跳出输入输出图像名称和路径。

(6)退出Mosaic工具,点击File close.打开viewer窗口进行比较拼接后的图像,分析结果。

2.图像分幅裁剪步骤:

(1)规则分幅裁剪:是指裁剪图像的边界是一个矩形,通过左上角和右下角亮点的坐标就可以确定图像裁剪的位置,具体如下:

①在ERDAS图标面板工具条中,点击DataPrep→subset Image,打开subset Image 对话框;

②在对话框中设置裁剪参数,要裁剪的影像、裁剪后的影像,裁剪的范围以及裁剪的波段数。裁剪范围的选择,在viewer窗口中打开需要裁剪的影像在影像单击右键选择inquire box通过移动矩形框到合适的裁剪位置后单击上面对话框中from inquire box按钮选择裁剪范围;

③设置输出选项:选择输出图层,如果是连续图层,则最首先和最后图层名称,中间用冒号连接。如果是不连续图层,则图层名后面用逗号隔开。

④参数设置好后单击ok按钮执行裁剪知道进度条运行完毕。

(2)不规则分幅裁剪:是指裁剪图像的边界范围是任意多边形,无法通过左上角和右下角的坐标确定裁剪位置,需要事先建立一个完整的封闭的闭合多边形,可以使AOI,也可以是Arcinfo的多边形,一般选择AOI,裁剪方法如下:

①建立AOI多边形区域,打开需要裁减的原始影像,在菜单栏中选择AOI工具如下图,

然后选择,后通过在需要裁减的范围内单击鼠标形成多边形(如下图)的裁剪区域,将AOI区域保存。

②在裁剪范围的输入时选择最下面的按钮AOI,再选择AOI来源从File或Viewer中得到

③设置输出选项:选择输出图层,如果是连续图层,则最首先和最后图层名称,中间用冒号连接。如果是不连续图层,则图层名后面用逗号隔开。

④参数输入后执行裁剪,后打开裁剪后图像查看。

实验三 遥感图像裁剪、镶嵌、融合

实验四遥感图像的拼接、裁剪、融合 一、实习目的与要求 ·掌握图像拼接的原理,以及两幅图像拼接的时候需要的条件,掌握拼接技术; ·学习通过ERDAS进行遥感图像规则分幅裁剪,不规则分幅裁剪的实验过程,能够对一幅大的遥感图像按照要求裁剪图像; ·掌握不同分辨率图像的特性,详细理解各种融合方法的原理,以及各种融合方法的优缺点,能够根据不同的应用目的合理选择融合方法,掌握融合的操作过程; 二、实验原理 ·图像拼接(mosaic image)是具有地理参考的若干相邻的图像合并成一幅图像或一组图像,需要拼接的图像必须含有地图投影也就是说图像必须经过几何校正处理,虽然所有的输入图像可以具有不同的投影类型,不同的象元大小,但必须有相同的波段数。在进行图像拼接时需要确定一幅参考影像,参考图像作为图像拼接的基准,决定输出图像的地图投影和象元大小和数据类型。 ·在实际工作中,经常需要根据研究区域的工作范围对图像进行分幅裁剪,erdas中可以对图像进行规则分幅裁剪(rectangle subset)和不规则分幅裁剪(pdygon subset),根据实际的应用对图像选择不同的裁剪方式。 ·分辨率融合是对不同分辨率的摇杆图像进行融合处理,使处理后的图像既具有较好的空间分辨率又具有多光谱特征,从而增加图像的可解译性。图像分辨率融合的关键是融合前两幅图像的配准以及融合方法的选择只有将不同空间分辨率的图像进行精确的配准才能达到满意的融合效果,而融合的方法的选择主要是由被融合图像的特性以及融合的目的进行选择的,同时需要对融合的原理有正确的认识。 三、实验内容和实验过程 本次试验主要包括遥感图像拼接、遥感图像分幅裁剪、遥感图像分辨率融合。下面分别介绍: 1.图像拼接实验步骤: (1)启动图象拼接工具,在ERDAS图标面板工具条中,点击Dataprep/Data preparation/Mosaicc lmages—打开Mosaic Tool 视窗。

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。

多聚焦图像融合方法综述

多聚焦图像融合方法综述 摘要:本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块,并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词:多聚焦图像融合;空域;频域;小波变换法;评价方法 1、引言 按数据融合的处理体系,数据融合可分为:信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支,是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为:“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”,其主要思想是采用一定的方法,把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合,是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像,便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中,其中,像素级的图像融合精度较高,能够提供其他融合方法所不具备的细节信息,多聚焦融合采用了像素级融合方法,它主要分为空域和频域两大块,即: (1)在空域中,主要是基于图像清晰部分的提取,有梯度差分法,分块法等,其优点是速度快、方法简单,不过融合精确度相对较低,边缘吃力粗糙; (2)在频域中,具有代表性的是分辨方法,其中有拉普拉斯金字塔算法、小波变换法等,多分辨率融合精度比较高,对位置信息的把握较好,不过算法比较复杂,处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数,对其进行处理,它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,

遥感影像图像处理流程

遥感影像图像处理(processing of remote sensing image data)是对遥感图像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌、特征提取、分类以及各种专题处理等一系列操作,以求达到预期目的的技术。 一.预处理 1.降噪处理 由于传感器的因素,一些获取的遥感图像中,会出现周期性的噪声,我们必须对其进行消除或减弱方可使用。 (1)除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上,成为周期性的干涉图形,具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑,代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。

消除尖峰噪声,特别是与扫描方向不平行的,一般用傅立叶变换进行滤波处理的方法比较方便。 (2)除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带,还有一些与辐射信号无关的条带噪声,一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2.薄云处理 由于天气原因,对于有些遥感图形中出现的薄云可以进行减弱处理。 3.阴影处理 由于太阳高度角的原因,有些图像会出现山体阴影,可以采用比值法对其进行消除。二.几何纠正

通常我们获取的遥感影像一般都是Level2级产品,为使其定位准确,我们在使用遥感图像前,必须对其进行几何精纠正,在地形起伏较大地区,还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正,此处不做阐述。 1.图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算,必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 (1)影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中,使其在空间位置能重合叠加显示。 (2)影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中,使其在空间位置上能进行重合叠加显示。2.几何粗纠正

图像融合的研究背景和研究意义

图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展,图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器,相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制,任何一个单一图像数据都不能全面反应目标对象的特性,具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来,相互取长补短便可以发挥各自的优势,弥补各自的不足,有可能更全面的反映目标特性,提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围,而且提高了分析精度、应用效果和使用价值,成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础,其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支,图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点,使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用,成为当前重要的信息处理技术,迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义:图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法,把

遥感图像裁剪与拼接

遥感图像拼接(镶嵌)与裁剪 一、实验目的与要求 图像镶嵌指在一定数学基础控制下,把多景相邻遥感图像拼接成一个大范围、无缝的图像的过程,在ENVI中提供了透明处理、匀色、羽化等功能。实验要求可以用ENVI解决镶嵌颜色不一致、接边以及重叠区等问题。 图像裁剪的目的是将研究之外的区域去除。常用的方法是按照行政区划边界或者自然区域边界进行图像裁剪;在基础数据生产中,经常还要进行标准分幅裁剪。ENVI的图像裁剪过程,可分为规则裁剪和不规则裁剪。实验要求学生们学会通过ENVI软件对下载的地区图像进行裁剪和拼接,将南京区域裁剪出来。通过本次实验,初步熟悉ENVI和ARCGIS软件,为今后环境遥感学习奠定基础。 二、实验内容与方法 1 实验内容 1)图像拼接:ENVI的图像拼接功能提供交互式的方式将没有地理坐标或者有地理坐标的多幅图像合并,生成一幅单一的合成图像。 2)图像裁剪:通常按照行政区划边界或自然区划边界进行图像剪裁,在基础数据生产中,还经常要进行标准分幅裁剪。

2 实验方法 1)图像拼接 最新ENVI提供了全新的影像无缝镶嵌工具Seamless Mosaic,所有功能集成在一个流程化的界面,它可以: ?控制图层的叠放顺序 ?设置忽略值、显示或隐藏图层或轮廓线、重新计算有效的轮廓线、选择重采样方法和输出范围、可指定输出波段和背景值 ?可进行颜色校正、羽化/调和 ?提供高级的自动生成接边线功能、也可手动编辑接边线 ?提供镶嵌结果的预览 使用该工具可以对影像的镶嵌做到更精细的控制,包括镶嵌匀色、接边线功能和镶嵌预览等功能。 2)图像裁剪 (1)规则分幅裁剪,是指裁剪图像的边界范围是一个矩形,这个矩形的范围获取途径包括行列号、左上角和右下角两点坐标、图像文件、ROI/矢量文件; (2)不规则分幅裁剪,是指裁剪图像的边界范围是一个任意多边形。任意多边形可以是事先生成的一个完整的闭合多边形区域,可以是一个手工绘制的ROI(感兴趣区)多边形,也可以是ENVI支持的矢量文件。

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;

遥感影像预处理

遥感影像预处理 预处理是遥感应用的第一步,也是非常重要的一步。目前的技术也非常成熟,大多数的商业化软件都具备这方面的功能。预处理的大致流程在各个行业中有点差异,而且注重点也各有不同。 本小节包括以下内容: ? ? ●数据预处理一般流程介绍 ? ? ●预处理常见名词解释 ? ? ●ENVI中的数据预处理 1、数据预处理一般流程 数据预处理的过程包括几何精校正、配准、图像镶嵌与裁剪、去云及阴影处理和光谱归一化几个环节,具体流程图如图所示。 图1数据预处理一般流程 各个行业应用会有所不同,比如在精细农业方面,在大气校正方面要求会高点,因为它需要反演;在测绘方面,对几何校正的精度要求会很高。 2、数据预处理的各个流程介绍

(一)几何精校正与影像配准 引起影像几何变形一般分为两大类:系统性和非系统性。系统性一般有传感器本身引起的,有规律可循和可预测性,可以用传感器模型来校正;非系统性几何变形是不规律的,它可以是传感器平台本身的高度、姿态等不稳定,也可以是地球曲率及空气折射的变化以及地形的变化等。 在做几何校正前,先要知道几个概念: 地理编码:把图像矫正到一种统一标准的坐标系。 地理参照:借助一组控制点,对一幅图像进行地理坐标的校正。 图像配准:同一区域里一幅图像(基准图像)对另一幅图像校准 影像几何精校正,一般步骤如下, (1)GCP(地面控制点)的选取 这是几何校正中最重要的一步。可以从地形图(DRG)为参考进行控制选点,也可以野外GPS测量获得,或者从校正好的影像中获取。选取得控制点有以下特征: 1、GCP在图像上有明显的、清晰的点位标志,如道路交叉点、河流交叉点等; 2、地面控制点上的地物不随时间而变化。 GCP均匀分布在整幅影像内,且要有一定的数量保证,不同纠正模型对控制点个数的需求不相同。卫星提供的辅助数据可建立严密的物理模型,该模型只需9个控制点即可;对于有理多项式模型,一般每景要求不少于30个控制点,困难地区适当增加点位;几何多项式模型将根据地形情况确定,它要求控制点个数多于上述几种模型,通常每景要求在30-50个左右,尤其对于山区应适当增加控制点。

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。

ENVI中的融合方法

ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准,才可能得到满意的结果。对于融合方法的选择,取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有: ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似,下面介绍Brovey变换操作过程。 (1)打开融合的两个文件,将低分辨率多光谱图像显示在Display中。 (2)选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey),在Select Input RGB对话框中,有两种选择方式:从可用波段列表中和从Display窗口中,前者要求波段必须为无符号8bit。 (3)选择Display窗口中选择RGB,单击OK。 (4) Color Normalized (Brovey)输出面板中,选择重采样方式和输入文件路径及文件名,点击OK输出结果。 对于多光谱影像,ENVI利用以下融合技术: ?Gram-Schmidt ?主成分(PC)变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中,Gram-Schmidt法能保持融合前后影像波谱信息的一致性,是一种高保真的遥感影像融合方法;color normalized (CN)变换要求数据具有中心波长和FWHM,;Pansharpening融合方法需要在ENVI Zoom中启动,比较适合高分辨率影像,如QuickBird、IKONOS等。 这四种方式操作基本类似,下面介绍参数相对较多的Gram-Schmidt操作过程。 (1)打开融合的两个文件。

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

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

实验三-遥感图像的几何校正和裁剪

实验三、遥感图像的几何校正与裁剪 实验内容: 1.图像分幅裁剪(Subset Image) 2.图像几何校正(Geometric Correction) 1.图像分幅裁剪 在实际工作中,经常需要根据研究工作范围对图像进行分幅裁剪,按照ERDAS IMAGINE 8.4实现图像分幅裁剪的过程,可以将图像分幅裁剪为两类型:规则分幅裁剪,不规则分幅裁剪。 1.1规则分幅裁剪 (以c:\Program File\ IMAGINE 8.4\examples\lanier.img为例) 规则分幅裁剪是指裁剪图像的范围是一个矩形,通过左上角和右上角两点的坐标可以确定图像的裁剪位置,过程如下: 方法一: →ERDAS IMAGINE 8.4 图标面板菜单条:Main→Data Preparation(或单击ERDAS IMAGINE 8.4 图标面板工具条“DataPrep”图标) →打开Data Preparation 对话框

→单击Subset Image按钮,打开Subset对话框 在Subset对话框中需要设置下列参数: →输入文件名(Input File):lanier.img →输出文件名(Output File):lanier_sub.img →坐标类型(Coordinate Type):Map →裁剪范围(Subset Definition):ULX、ULY、LRX、LRY (注:ULX,ULY是指左上角的坐标,LRX,LRY是指右上角的坐标,缺省状态为整个图像范围) →输出数据类型(Output Data Type):Unsigned 8 Bit →输出文件类型(Output Layer Type):Continuous →输出统计忽略零值:Ignore Zero In Output Stats →输出像元波段(Select Layers):2,3,4

图像融合算法概述

图像融合算法概述 摘要:详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词:图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言: 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论

如何在ERDAS中实现用矢量线界裁切遥感影像

总结一下利用Erdas和Arcgis来随意图形分割影像图: 影像图格式为tif随意图形格式随意(就当shape格式) 一:合并影像图: 由于影像图的分割需要,则要全部覆盖shape格式的边界。分Erdas和Arcgis两种合并法: Erdas合并:①打开Erdas,再打开viewer窗口(注意:再打开图层时,要将raster option的no stretch 和background transparent前打勾,这样图层就不会失真)。 ②打开需要合并的图:files of type选择,选择对应的的图层 ③在窗口viewer—raster—mosaic images,弹出mosaic tool窗口 ④在窗口mosaic tool—process—run mosaic,弹出窗口 ⑤在窗口output file nam选择files of type为tif格式,存放路径自己选择,点击ok完成 Arcgis合并: ①打开Arcgis(Arcmap), 加入要合并的图层 ②ArcToolBox—datamanagementtools—raster—mosaic或mosic to new rastevr 然后按需求选择input raster 和 output raster还有名称。 二:生成分割边界: ①先用arcmap打开shape图,选中shape边界 ②ArcToolBox—conversion tools—to coverage—feature to class coverage然后按需求选择input feature classse和在output coverage填入存储路径,点击ok完成,生成coverage格式。 ③然后在Erdas用窗口viewer打开coverage图和tif图。

(完整版)卫星图像处理流程

卫星图像处理流程 一.图像预处理 1.降噪处理 由于传感器的因素,一些获取的遥感图像中,会出现周期性的噪声,我们必须对其进行消除或减弱方可使用。 (1)除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上,成为周期性的干涉图形,具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑,代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声,特别是与扫描方向不平行的,一般用傅立叶变换进行滤波处理的方法比较方便。 图1 消除噪声前

图2 消除噪声后 (2)除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带,还有一些与辐射信号无关的条带噪声,一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。 图3 去条纹前

图4 去条纹后 图5 去条带前

图6 去条带后 2.薄云处理 由于天气原因,对于有些遥感图形中出现的薄云可以进行减弱处理。 3.阴影处理 由于太阳高度角的原因,有些图像会出现山体阴影,可以采用比值法对其进行消除。二.几何纠正 通常我们获取的遥感影像一般都是Level2级产品,为使其定位准确,我们在使用遥感图像前,必须对其进行几何精纠正,在地形起伏较大地区,还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正,此处不做阐述。 1.图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算,必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。(1)影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中,使其在空间位置能重合叠加显示。

遥感实验五_影像镶嵌、裁剪、融合

遥感实验五数字图像处理 ------------图像镶嵌、裁切及融合 一、实验目的 学会图像镶嵌、图像裁切及图像融合等技术,通过实际影像的操作,制作可用于实际工作的某区域遥感图像,为下一次实验准备数据。 二、实验数据 某区域的遥感图像:11942E20000504.rar、11943E20010304.rar; 某区域的范围:xianyou.shp 三、实验内容及主要步骤 1、图像镶嵌 注:要镶嵌的两幅或多幅影像要求具有相同的投影信息,如果不同,则需要首先统一。ERDAS IMAGINE中提供了投影转换的工具,点击、选择Reproject Images;或者,也可以在ArcGIS的ArcToolbox中选择Projections and Transformations/Raster/Project Raster进行转换。以下以ERDAS IMAGINE 软件为例进行投影转换。 1.1.投影定义和转换 在ERDAS中,点击DataPrep,在下拉选项卡中点击Rejection Images,在Input File中输入需要进行投影转换的影像数据——福建某地区2000年5月30米分辨率的的多光谱影像(本例以TM4、3、2波段为例)。在Output File设置保存路径和输出文件名。在Categories中点击右侧的小地球标志进行投影定义。投影参数设置如下图1.1示,点击OK,完成投影转换。本图及以下各图均将WGS-84投影转换成Gauss Kruger投影。

同理,对裁切的多光谱小图进行投影转换,原理及步骤亦同上,图1.2示。 图1.2 对全色波段影像数据tm11942_8进行投影变换,原理同多光谱影像投影变换,但在erdas 中进行投影转化时由于在选择categories时,选择了南半球国家投影类别发生错误,结果显示为一“倒像”,故tm11942_8影像采用ArcGIS软件进行投影转换,转换目的主要是讲投 影信息中的Datum转成Krasovskv。

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。

遥感影像处理步骤

一.预处理 1.降噪处理 由于传感器的因素,一些获取的遥感图像中,会出现周期性的噪声,我们必须对其进行消除或减弱方可使用。 (1)除周期性噪声和尖锐性噪声 周期性噪声一般重叠在原图像上,成为周期性的干涉图形,具有不同的幅度、频率、和相位。它形成一系列的尖峰或者亮斑,代表在某些空间频率位置最为突出。一般可以用带通或者槽形滤波的方法来消除。 消除尖峰噪声,特别是与扫描方向不平行的,一般用傅立叶变换进行滤波处理的方法比较方便。 (2)除坏线和条带 去除遥感图像中的坏线。遥感图像中通常会出现与扫描方向平行的条带,还有一些与辐射信号无关的条带噪声,一般称为坏线。一般采用傅里叶变换和低通滤波进行消除或减弱。

2.薄云处理 由于天气原因,对于有些遥感图形中出现的薄云可以进行减弱处理。 3.阴影处理 由于太阳高度角的原因,有些图像会出现山体阴影,可以采用比值法对其进行消除。二.几何纠正

通常我们获取的遥感影像一般都是Level2级产品,为使其定位准确,我们在使用遥感图像前,必须对其进行几何精纠正,在地形起伏较大地区,还必须对其进行正射纠正。特殊情况下还须对遥感图像进行大气纠正,此处不做阐述。 1.图像配准 为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算,必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。 (1)影像对栅格图像的配准 将一幅遥感影像配准到相同地区另一幅影像或栅格地图中,使其在空间位置能重合叠加显示。 (2)影像对矢量图形的配准 将一幅遥感影像配准到相同地区一幅矢量图形中,使其在空间位置上能进行重合叠加显示。2.几何粗纠正

图像融合算法的分析与比较

摘要:图像拼接技术一直是计算机视觉、图像处理和计算机图形学的热点研究方向。图像融合算法是图像拼接过程中非常重要的一个步骤,本文介绍了几种常用图像融合算法,并且结合实验对它们的进行了分析和比较。 关键词:图像融合;图像拼接 一、引言图像拼接(image stitching)技术是由于摄像设备的视角限制,不可能一次拍出很大图片而产生的。图像拼接技术可以解决由于相机等成像仪器的视角和大小的局限,不可能一次拍出很大图片而产生的问题。它利用计算机进行自动匹配,合成一幅宽角度图片,因而在实际使用中具有很广泛的用途,同时对它的研究也推动了图像处理有关的算法研究。图1 图像拼接流程图图像拼接技术的基本流程如图1-1所示,首先获取待拼接的图像,然后是图像配准和图像融合,最终得到拼接图。图像拼接技术主要包括两个关键环节,即图像配准和图像融合。图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取,在提取出的信息后寻找图像间的变换模型,然后由待拼接图像经变换模型向参考图像进行对齐,变换后图像的坐标将不再是整数,这就涉及到重采样与插值的技术。图像拼接的成功与否主要是图像的配准。待拼接的图像之间,可能存在平移、旋转、缩放等多种变换或者大面积的同色区域等很难匹配的情况,一个好的图像配准算法应该能够在各种情况下准确找到图像间的对应信息,将图像进行匹配。图像融合的任务就是把配准后的两幅图像根据对准的位置合并为一幅图像。由于两幅相邻图像之间存在重叠区域,因此,采用配准算法可以实现图像的对齐。然而图像拼接的目的是要得到一幅无缝的拼接图像[1]。所谓无缝,就是说在图像拼接结果中,不应该看到两幅图像在拼接过程中留下的痕迹,即不能出现图像拼接缝隙。由于进行拼接的两幅图像并不是在同一时刻采集的,因此,它们不可避免地会受到各种不定因素的影响。由于这些无法控制的因素的存在,如果在图像整合过程结束之后,只是根据该过程中所得到的两幅相邻图像之间的重叠区域信息,将两幅图像简单的叠加起来,那么,在它们的结合部位必然会产生清晰的拼接缝隙,这也就达不到图像拼接所要求的无缝的要求。如何处理图像整合过程中无法解决的拼接缝隙问题,实现真正意义上的无缝拼接,正是图像融合过程中所要解决的问题。对于重叠部分,如果只是简单的取第一幅图像或第二幅图像的数据进行叠加,会造成图像的模糊和拼接的痕迹,这是不能容忍的。图像融合就是要消除图像光强或色彩的不连续性。它的主要思想是让图像在拼接处的光强平滑过渡以消除光强的突变。二、常见的图像融合算法 1、平均值法令,,分别表示第一幅图像、第二幅图像和融合图像在点处的像素值,则融合图像中各点的像素值按式(4-1)确定。 (1) 式(4-1)中,表示第一幅图像中未与第二幅图像重叠的图像区域,表示第一幅图像与第二幅图像重叠的图像区域,表示第二幅图像中未与第一幅图像重叠的图像区域。取两幅图像的平均值的算法速度很快,但效果一般不能令人满意,在融合部分有明显的带状感觉,用眼睛能够观察出区别。本文以左图像所在的坐标系为参考坐标空间,将右图像经过变换矩阵向参考图坐标进行映射,由于双线性插值法在计算效率和精度方面可以达到一个很好的平衡,因此在变换过程中本文采用双线性插值。然后采用平均值法对图像重叠区进行融合,得到图2(a)和图2(b)。从图中可以看出由于采用本文的配准方法拼接出来的图像在拼接点处结合得很好,但是由于重叠区域采用了简单的平均值法来进行融合,有明显的拼缝。 (a) 校园广场图片(b)足球场图片图2 采用平均值法来对图像进行融合 2、重叠区线性过渡为了消除重叠区的拼缝问题,目前采用较多的是重叠区线性过渡的方法. 实现的具体方法是假设重叠区域宽度为l。取过渡因子是()。两幅图像重叠区的x轴和y轴最大和最小值分别为、和、,则过渡因子,重叠区的像

相关文档
最新文档