高光谱图像融合最佳波段选择方法

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。

基于光谱特征参数组合的高光谱数据矿物填图方法

第40卷第8期 地球科学 中国地质大学学报V o l .40 N o.8 2015年8月 E a r t hS c i e n c e J o u r n a l o fC h i n aU n i v e r s i t y o fG e o s c i e n c e s A u g . 2015d o i :10.3799/d q k x .2015.130基金项目:国家科技支撑计划课题项目(N o .2012B A H 27B 04). 作者简介:韦晶(1991-),男,硕士,主要从事定量遥感方面研究.E -m a i l :w e i j i n g _r s @163.c o m *通讯作者:明艳芳,E -m a i l :m y f 414@163.c o m 引用格式:韦晶,明艳芳,刘福江,2015.基于光谱特征参数组合的高光谱数据矿物填图方法.地球科学 中国地质大学学报,40(8):1432-1440. 基于光谱特征参数组合的高光谱数据矿物填图方法 韦 晶1,明艳芳1*,刘福江2 1.山东科技大学测绘科学与工程学院,山东青岛266590 2.中国地质大学信息工程学院,湖北武汉430074 摘要:受大气环境等因素的影响,高光谱遥感矿物识别难以达到较高的精度.为解决该问题,根据光谱吸收特征参数在大气变化中能保持相对稳定的特点,提出一种基于光谱特征参数组合的高光谱矿物类型识别方法.文中计算了多种光谱特征参数,通过最佳指数因子(o p t i m u mi n d e x f a c t o r ,O I F )优选特征参数组合,选定最佳特征参数组合,利用模式识别方法实现矿物识别.利用机载可见/红外成像光谱仪(a i r b o r n e v i s i b l e i n f r a r e d i m a g i n g s p e c t r o m e t e r ,A V I R I S )高光谱数据,在美国内华达州C u p r i t e 矿区进行了该方法的应用试验研究,并与前人矿物填图结果做了对比.结果表明:吸收波谷位置-吸收面积-吸收右肩位置(P -A -S 2) 光谱特征参数组合的矿物识别效果最优,整体精度达到74.68%.关键词:光谱吸收特征参数;遥感;矿物填图;机载可见/红外成像光谱仪数据;最佳指数因子;C u p r i t e 矿区.中图分类号:P 575.4;P 237 文章编号:1000-2383(2015)08-1432-09 收稿日期:2015-04-02 H y p e r s p e c t r a lM i n e r a lM a p p i n g M e t h o dB a s e do n S p e c t r a l C h a r a c t e r i s t i cP a r a m e t e rC o m b i n a t i o n W e i J i n g 1,M i n g Y a n f a n g 1*,L i uF u j i a n g 2 1.C o l l e g e o f G e o m a t i c s ,S h a n d o n g U n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y ,Q i n g d a o 266590,C h i n a 2.F a c u l t y o f I n f o r m a t i o nE n g i n e e r i n g ,C h i n aU n i v e r s i t y o f G e o s c i e n c e s ,W u h a n 430074,C h i n a A b s t r a c t :I n f l u e n c e db y t h ea t m o s p h e r i ce n v i r o n m e n ta n do t h e rf a c t o r s ,t h e m i n e r a l r e c o g n i t i o n w i t h h y p e r s p e c t r a lr e m o t e s e n s i n g i s d i f f i c u l t t o a c h i e v e a h i g h a c c u r a c y .T o i m p r o v e t h e a c c u r a c y o f t h em i n e r a l i d e n t i f i c a t i o nw i t h s u c h t e c h n o l o g y ,a h y -p e r s p e c t r a lm i n e r a l r e c o g n i t i o nm e t h o db a s e do ns p e c t r a l c h a r a c t e r i s t i c p a r a m e t e r c o m b i n a t i o n ,w h i c hc a n m a i n t a i nr e l a t i v e l y s t a b l e c h a r a c t e r i s t i c sw i t ht h ea t m o s p h e r i cc h a n g e s ,i s p r o p o s e d i nt h i s p a p e r .V a r i o u ss p e c t r a l c h a r a c t e r i s t i c p a r a m e t e r sa r e c a l c u l a t e d ,a n dt h eo p t i m a l c o m b i n a t i o no f t h e p a r a m e t e r s i ss e l e c t e dt h r o u g ht h eo p t i m u mi n d e xf a c t o r (O I F ),b a s e do n w h i c h ,m i n e r a l i d e n t i f i c a t i o n i s r e a l i z e dw i t h p a t t e r n r e c o g n i t i o nm e t h o d .B a s e do n t h e a b o v em e t h o d ,m i n e r a l t y p e i d e n t i f i c a -t i o n t e s t i s c a r r i e do u t i nC u p r i t em i n e o fN e v a d a ,w i t h a i r b o r n e v i s i b l e i n f r a r e d i m a g i n g s p e c t r o m e t e r (A V I R I S )h y p e r s p e c t r a l d a t a .T h e r e s u l t s a r e c o m p a r e dw i t h t h ew o r ko f p r e v i o u sm i n e r a lm a p p i n g ,i t s h o w s t h a t t h e c o m b i n a t i o n o f t h e s p e c t r a l c h a r -a c t e r i s t i c p a r a m e t e r s ,P -A -S 2(P i s a b s o r p t i o nw a v e t r o u g h p o s i t i o n ,Ai s a b s o r p t i o n a r e a ,S 2i s a b s o r p t i o n r i g h t s h o u l d e r p o s i -t i o n )c a n g e t t h eh i g h e s t i d e n t i f i c a t i o n p r e c i s i o n ,t h e o v e r a l l a c c u r a c y c a n r e a c h74.68%.K e y w o r d s :s p e c t r a l c h a r a c t e r i s t i c p a r a m e t e r ;r e m o t e s e n s i n g ;m i n e r a lm a p p i n g ;a i r b o r n e v i s i b l e i n f r a r e d i m a g i n g s p e c t r o m e t e r d a t a ;o p t i m u mi n d e x f a c t o r (O I F );C u p r i t em i n i n g a r e a . 利用遥感手段可以从广域空间尺度二 多时相尺度下实现矿物信息的快速识别,缩短矿物填图时间,提高效率.高光谱遥感由于具有波段连续二波谱分辨 率高的特点可以在矿物类型识别中发挥重要作用,且已经在局部区域矿物填图等工作中得到广泛的应用(甘甫平和王润生,2007;王润生等,2010). 然而由

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,

基于小波变换的图像融合算法研究

摘要 本文给出了一种基于小波变换的图像融合方法，并针对小波分解的不同频率域，分别讨论了选择高频系数和低频系数的原则。高频系数反映了图像的细节，其选择规则决定了融合图像对原图像细节的保留程度。本文在选择高频系数时，基于绝对值最大的原则，低频系数反映了图像的轮廓，低频系数的选择决定了融合图像的视觉效果，对融合图像质量的好坏起到非常重要的作用。图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。 MATLAB小波分析工具箱提供了小波分析函数，应用MATLAB进行图像融合仿真，通过突出轮廓部分和弱化细节部分进行融合，使融合后的图象具有了两幅或多幅图象的特征，更符合人或者机器的视觉特性，有利于对图像进行进一步的分析和理解，有利于图像中目标的检测和识别或跟踪。 关键词小波变换；融合规则；图像融合

Image Fusion Algorithm Based on Wavelet Transform Abstract In this paper, the image fusion method based on wavelet transform, and for the wavelet decomposition of the frequency domain, respectively, discussed the principles of select high-frequency coefficients and low frequency coefficients. The high-frequency coefficients reflect the details of the image, the selection rules to determine the extent of any reservations of the fused image on the original image detail. The choice of high-frequency coefficients, based on the principle of maximum absolute value, and consistency verification results. The low-frequency coefficients reflect the contours of the image, the choice of the low frequency coefficients determine the visual effect of the fused image, play a very important role in the fused image quality is good or bad. MATLAB Wavelet Analysis Toolbox provides a wavelet analysis function using MATLAB image fusion simulation, highlight the contours of parts and the weakening of the details section, fusion, image fusion has the characteristics of two or multiple images, more people or the visual characteristics of the machine, the image for further analysis and understanding, detection and identification or tracking of the target image. Keywords Wavelet transform; Fusion rule; Image Fusion

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。

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；

浅谈多源图像融合方法研究

浅谈多源图像融合方法研究 图像融合已成为图像理解和计算机视觉领域中的一项重要而有用的新技术，多源遥感图像数据融合更是成为遥感领域的研究热点，其目的是将来自多信息源的图像数据加以智能化合成，产生比单一传感器数据更精确、更可靠的描述和判决，使融合图像更符合人和机器的视觉特性，更有利于诸如目标检测与识别等进一步的图像理解与分析。遥感图像融合的目的就在于集成或整合多个源图像中的冗余信息和互补信息，利用优势互补的数据来提高图像的信息可用程度，同时增加对研究对象解译（辨识）的可靠性。 标签：遥感图像图像融合几何纠正空间配准图像去噪 1前言 多源遥感图像融合就是将多个传感器获得的同一场景的遥感图像或同一传感器在不同时刻获得的同一场景的遥感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。 2多源图像融合的预处理 预处理的主要目的是纠正原始图像中的几何与辐射变形，即通过对图像获取过程中产生的变形、扭曲和噪音的纠正，以得到一个尽可能在几何和辐射上真实的图像。 2.1图像的几何纠正 图像几何校正一般包括两个方面，一是图像像素空间位置互换，另一个是像素灰度值的内插。故遥感图像几何校正分为两步，第一步是做空间几何变换，这样做的目的是使像素落在正确的位置上；第二步是作像素灰度值内插，重新确定新像素的灰度值，重采样的方法有最临近法、双线性内插法和三次卷积内插法。数字图像几何校正的主要处理过程如图1所示。 2.2图像的空间配准 图像数据配准定义为对从不同传感器、不同时相、不同角度所获得的两幅或多幅影像進行最佳匹配的处理过程。其中的一幅影像是参考影像数据，其它图像则作为输入影像与参考影像进行相关匹配。图像配准的一般过程是在对多传感器数据经过严密的几何纠正处理、改正了系统误差之后，将影像投影到同一地面坐标系统上，然后在各传感器影像上选取少量的控制点，通过特征点的自动选取或是计算其各自间的相似性、配准点的粗略位置估计、配准点的精确确定以及配准变换参数估计等的处理，从而实现影像的精确配准。

高光谱遥感综述

高光谱遥感及其发展与应用综述 摘要：高光谱遥感是20世纪80年代兴起的新型对地观测技术。文中归纳了高光谱遥感技术波段多、波段宽度窄，光谱分辨率高，数据量大、信息冗余，“图谱合一”等特点，具有近似连续的地物光谱信息、地表覆盖的识别能力极大提高、地形要素分类识别方法灵活多样、地形要素的定量或半定量分类识别成为可能等优势，简单介绍了高光谱遥感在国外及国内的发展情况。在此基础上，概述了高光谱遥感在地质矿产、植被生态、大气科学、海洋、农业等领域的应用。 关键词：高光谱遥感；发展；应用 1高光谱遥感 高光谱分辨率遥感是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据。它的基础是测谱学。测谱学早在20世纪初就被用于识别分子和原子及其结构，20世纪80年代才开始建立成像光谱学。它是在电磁波谱的紫外、可见光、近红外和中红外区域，获取许多非常窄且光谱连续的图像数据的技术。成像光谱仪为每个象元提供数十至数百个窄波段光谱信息，能产生一条完整而连续的光谱曲线。 1.1高光谱遥感的特点 （1）波段多，波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。 （2）光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。 （3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线，即所谓的“谱像合一”。（4）数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。 （5）数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。 1.2高光谱的优势 高光谱遥感的光谱分辨率的提高，使地物目标的属性信息探测能力有所增强。因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势: (1)蕴含着近似连续的地物光谱信息。高光谱影像经过光谱反射率重建，能获取地物近似连续的光谱反射率曲线，与地面实测值相匹配，将实验室地物光谱分析模型应用到遥感过程中。 (2)地表覆盖的识别能力极大提高。高光谱数据能够探测具有诊断性光谱吸收特征的物质，能够准确区分地表植被覆盖类型、道路的铺面材料等。

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。

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

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

图像融合的方法研究

东北大学 研究生考试试卷 考试科目：现代信号处理理论和方法______________ 课程编号：_______________________________ 阅卷人：_________________________________ 考试日期：_________ 2011年11月24日________________ 姓名：________________ 朱学欢 _______________________ 学号：____________ 1101139 ___________________ 注意事项 〔?考前研究生将上述项目填写清楚 2?字迹要清楚，保持卷面清洁 3?交卷时请将本试卷和题签一起上交 东北大学研究生院

基于MATLAB的图像融合方法 姓名：朱学欢学号：1101139 一、图像融合算法 数字图像融合(Digital Image Fusion)是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。由于不同模式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象。正是由于这一特点，图像融合技术现已广泛地应用于军事、遥感、计算机视觉、医学图像处理等领域中。 数字图像融合是图像分析的一项重要技术，其目的是将两幅或多幅图像拼接起来构成一副整体图像，以便于统一处理，该技术在数字地图拼接、全景图、虚拟现实等领域有着重要应用。虽然Photoshop等图像处理软件提供了图像处理功能，可以通过拖放的方式进行图像拼接，但由于完全是手工操作，单挑乏味，且精度不高，因此，有必要寻找一种方便可行的图像融合方法。Matlab具有强 大的计算功能和丰富的工具箱函数，例如图像处理和小波工具箱包含了大多数经典算法，并且它提供了一个非常方便快捷的算法研究平台，可让用户把精力集中在算法而不是编程上，从而能大大提咼研究效率。 在图像融合中，参加融合的源图像是由不同的传感器或者是同一传感器在不同时刻得到的，所以在进行融合之前需要对图像进行配准和一些预处理操作。在本实验中所提到的参加融合的图像都是经过了配准了的，图像融合的过程可以发生在信息描述的不同层。 聚九左边杵范It (b) 寓M用僱竝舍技倉遵胯于勲钟机 (?) AW CT图倬ex詹M阳图偉側玄乌b的*售丼髭 圈1-5图俅融令校*摩匿単上的庭周 1、图像融合算法的层次分类 图像融合系统的算法按层次结构划分可分为信号级、像素级、特征级和决策级。 信号级融合： 是指合成一组传感器信号，目的是提供与原始信号形式相同但品质更高的信号。

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