遥感毕业设计论文遥感融合技术
智能遥感卫星毕业设计论文
智能遥感卫星毕业设计论文引言本文描述了一项关于智能遥感卫星的毕业设计论文。
该毕业设计旨在开发一种能够利用遥感技术收集地球表面数据的智能卫星系统。
通过分析这些遥感数据，我们可以实现地球环境的监测和变化的预测。
本文将介绍设计的目的、设计的关键特点以及主要的实施方法。
设计目的本毕业设计的目标是设计一种智能遥感卫星系统，以收集地球表面的遥感数据。
通过该卫星系统，我们可以实现对地球环境的监测和变化的预测。
这有助于提高环境保护、自然灾害预警和资源管理等方面的能力。
设计特点该智能遥感卫星系统具有以下关键特点：1. 自主操作：卫星系统通过自主操纵自身位置和姿态，以实现对地球各个地区的遥感数据收集。
自主操作：卫星系统通过自主操纵自身位置和姿态，以实现对地球各个地区的遥感数据收集。
2. 高分辨率图像：卫星搭载高分辨率的光学传感器和雷达系统，可捕捉到地球表面的细微变化。
高分辨率图像：卫星搭载高分辨率的光学传感器和雷达系统，可捕捉到地球表面的细微变化。
3. 实时数据传输：卫星通过高速数据传输通道，将收集到的遥感数据实时传输至地面接收站。
实时数据传输：卫星通过高速数据传输通道，将收集到的遥感数据实时传输至地面接收站。
4. 数据处理与分析：卫星系统配备强大的数据处理和分析能力，能够对收集到的遥感数据进行快速准确的处理和分析。
数据处理与分析：卫星系统配备强大的数据处理和分析能力，能够对收集到的遥感数据进行快速准确的处理和分析。
5. 自动化任务规划：卫星系统可以通过智能算法进行任务规划，最大程度地提高数据收集效率。
自动化任务规划：卫星系统可以通过智能算法进行任务规划，最大程度地提高数据收集效率。
实施方法为了实现以上设计特点，本毕业设计将采用以下主要实施方法：1. 卫星硬件设计：设计并制造一种小型化、高稳定性的智能遥感卫星，包括光学传感器、雷达系统和通信设备等。
卫星硬件设计：设计并制造一种小型化、高稳定性的智能遥感卫星，包括光学传感器、雷达系统和通信设备等。
基于ENVI的多源遥感影像数据融合毕业设计论文
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；AbstractFast 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]。
遥感07-毕业设计题目(选)
学生 于博洋 臧 博
许海蓬 赵 强
修明军 王 旭 牟 磊 李敬德 吴廷博 张焕雪 姬景龙 段 宁 李文君 姜 建 王玉叶 纪晓华 孙云晓 侯典吉 吴 垒 田会龙 高明刚 任仲亮 耿晓庆 王孔华 王吉振 张 岩
宋 晓 刘明旭 刘钊君 谢小伟 李 兴 李 帅 孙常峰 张 超
郑明振 曲家杰 赵冠雄 张 辰
指导教师 江涛 江涛 江涛 江涛 江涛 江涛 江涛 王志勇 王志勇 王志勇 王志勇 王志勇 战丽丽 战丽丽 战丽丽 战丽丽 战丽丽 王仁礼 王仁礼 王仁礼 王仁礼 王仁礼 王萍 王萍 王萍 王萍 孙林 孙林 孙林 孙林 孙林 孙林 蔡玉林 蔡玉林 蔡玉林 蔡玉林 蔡玉林 朱红春 朱红春 朱红春 朱红春 朱红春 许君一 许君一 许君一 许君一 许君一 许君一 朱金山 朱金山 朱金山 朱金山 朱金山 朱金山 朱金山
选题来源 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 生产 科研 科研 生产 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 科研 研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 工程实际 理论研究 科研项目 工程实际 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目 科研项目
基于ENVI的多源遥感影像数据融合毕业设计论文
基于ENVI的多源遥感影像数据融合毕业设计论文多源遥感影像数据融合是利用不同传感器或不同时间获取的遥感影像数据，通过一系列的算法和技术手段将它们融合到一起，从而获得更准确和全面的地物信息的过程。
在传统的遥感数据融合方法中，主要使用的是线性代数和统计学的方法，如主分量分析（PCA）、变化检测（CD）和波段比值（BR）等方法。
然而，这些方法在处理多源遥感影像数据时存在一些问题，如信息损失和空间分辨率失真等。
针对这些问题，基于ENVI的多源遥感影像数据融合方法在近年来得到了广泛的研究。
ENVI是一种功能强大的遥感图像处理与分析软件，提供了多种图像融合算法和工具，用于不同传感器和不同时间的遥感影像数据的融合。
本文将结合ENVI软件，探讨多源遥感影像数据融合的原理、方法和应用，以及存在的问题和未来的发展方向。
首先，多源遥感影像数据融合的原理是通过将不同传感器或不同时间获取的遥感影像数据融合到一起，利用各自的优势和互补性，提高地物信息提取的精度和可靠性。
常用的融合方法包括基于像素级的融合、基于特征级的融合和基于决策级的融合。
其中，像素级融合是通过对遥感影像数据进行像素级别的加权平均或逻辑运算，得到一个新的融合影像。
特征级融合是通过提取不同影像数据的特征，如纹理、形状和光谱等特征，进行特征融合和分类。
决策级融合是通过对不同影像数据的决策结果进行逻辑运算，得到一个新的融合决策图。
其次，基于ENVI的多源遥感影像数据融合方法包括像素级融合、特征级融合和决策级融合等。
在像素级融合中，ENVI软件提供了多种融合算法和工具，如加权平均法、模糊逻辑法和像素选择法等。
在特征级融合中，ENVI软件提供了纹理特征提取和形状特征提取等功能，可以用于提取不同影像数据的特征，并进行特征融合和分类。
在决策级融合中，ENVI 软件提供了逻辑运算和决策树等工具，可以对不同影像数据的决策结果进行逻辑运算和分类。
最后，基于ENVI的多源遥感影像数据融合方法在农业、环境、城市规划和土地利用等领域具有广泛的应用价值。
基于多源遥感数据的图像配准与融合技术指南
基于多源遥感数据的图像配准与融合技术指南引言遥感技术已经在各个领域得到广泛应用，尤其是在地理信息系统、环境监测、农业和城市规划等方面。
然而，不同数据源的遥感图像通常存在不同的误差和变换，这给图像配准和融合带来了一定的挑战。
本文旨在介绍基于多源遥感数据的图像配准与融合技术，并提供一些实用的指南和建议。
一、图像配准图像配准是指将不同数据源的遥感图像进行几何、空间和光谱变换，使其能够在同一坐标系和分辨率下比较或融合。
在进行图像配准之前，首先需要选择合适的参考影像和待配准影像。
然后，通过以下几个步骤进行图像配准:1. 特征提取首先对参考影像和待配准影像进行特征提取，常用的特征包括角点、线特征和纹理特征等。
可以使用SIFT（尺度不变特征变换）或SURF（速度增强的尺度不变特征变换）等算法进行特征提取。
2. 特征匹配将参考影像和待配准影像的特征进行匹配。
通常采用RANSAC（随机抽样一致性）算法去除误差匹配，得到更准确的对应关系。
3. 几何变换根据特征匹配的结果，通过几何变换方法对待配准影像进行几何校正，常用的方法有相似性变换和仿射变换。
相似性变换可以处理平移、旋转和比例变换，仿射变换可以处理更复杂的几何变换。
4. 像素插值在进行几何变换后，需要对待配准影像进行像素插值处理，以保证像素点之间的连续性。
二、图像融合图像融合是指将多源遥感图像的信息融合到同一幅图像中，以增强图像的视觉效果和信息提取能力。
常用的图像融合方法包括以下几种：1. 基于像素的融合将多源图像的像素按照一定的权重进行组合，常用的方法有加权平均法、最大像素法和PCA（主成分分析）等。
2. 基于变换的融合将多源图像进行频域或时域变换，然后将变换域的系数进行线性或非线性组合，还原成多源图像。
常用的方法有小波变换、多分辨率分析和拉普拉斯金字塔等。
3. 基于特征的融合提取多源图像的特征，然后将特征进行组合，构建融合图像。
特征可以是几何特征、光谱特征或纹理特征等。
《遥感原理与应用》实验报告——影像融合
《遥感原理与应⽤》实验报告——影像融合实验名称：影像融合⼀、实验内容1. 对TM 影像和SPOT 影像进⾏HSV 数据融合。
2. 查阅相关资料⽤envi 软件实现⼀种数据融合的⽅法，如Brovey 、PCA 等。
3. 利⽤均值、标准差、特征值等参数对上述两种⽅法的融合效果进⾏评价。
⼆、实验所⽤的仪器设备，包括所⽤到的数据电脑⼀台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM 影像数据lon_tm 和SPOT 影像数据lon_spot 。
三、实验原理1. 定义：图像（影像）融合是指将多余遥感影像按照⼀定的算法，在规定的地理坐标系中，⽣成新的图像的过程。
2. ⽬的：(1) 提⾼图像空间分辨率 (2) 改善分类(3) 多时相图像融合⽤于变化检测 3. 基本原理(1) HSV 变换法：HSV （hue, saturation, and value ：⾊调，饱和度，亮度值）。
⾸先将多光谱图像经HSV 变换得到H 、S 、V 三个分量。
然后将⾼分辨率的全⾊图像代替V 分量，保持H 、S 分量不变。
最后再进⾏HSV 变换得到具有⾼空间分辨率的多光谱图像。
(2) Brovey 变换法:对彩⾊图像和⾼分辨率数据进⾏数学合成，从⽽使图像锐化。
彩⾊图像中的每⼀个波段都乘以⾼分辨率数据与彩⾊波段总和的⽐值。
函数⾃动地⽤最近邻、双线性或三次卷积技术将3个彩⾊波段重采样到⾼分辨率像元尺⼨。
输出的RGB 图像的像元将与⾼分辨率数据的像元⼤⼩相同。
4. 评价指标 (1) 均值与标准差∑==ni i x n µ11 （公式1）()212∑=-=ni i µx σ（公式2）上述两个式⼦中，n 表⽰图像总的像素的个数，xi 为第i 像素的灰度值。
(2) 特征值设 A 是n 阶⽅阵，如果存在数m 和⾮零n 维列向量 x ，使得 Ax=mx 成⽴，则称 m是A 的⼀个特征值（characteristic value)或本征值（eigenvalue)。
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)1、绪论随着遥感技术的发展，光学、热红外和微波等大量不同卫星传感器对地观测的应用，获取的同一地区的多种遥感影像数据（多时相|多光谱、多传感器、多平台和多分辨率）越来越多。
形成多级空间分辨率、时间分辨率和光谱分辨率影像序列的金字塔结构。
通常，同一传感器获得的遥感影像的光谱分辨率较高时，其空间分辨率相对来说要低。
实验五-遥感图像的融合
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，图像越清晰选择如下图所示的三个波段选择分辨率高的为15的点击ok，Sensor选择landsat8_oil，Resampling选择三次方的Cubic Convolution，实现融合，选择输出路径为sssrong融合之后的图像如下图，可以发现图像清晰度提高，分辨率变高，图像质量变好五、实验心得多光谱数据与高分辨率全色数据的融合可以使遥感图象既具有较好的空间分辨率，又具有多光谱特征，继而达到增强图象质量的目的，可谓是一举两得。
这次实验虽然比较简单，但是一开始的时候还比较模模糊糊，甚至于连目的都不清楚。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要遥感图像融合是遥感领域中的关键技术之一。
随着遥感的快速发展，尤其是传感器技术的发展，信息融合在遥感中发挥着越来越重要的作用。
本文首先对遥感技术及遥感信息融合进行简要概述，接着从技术基础、原理及优缺点等方面对常用的遥感图像融合方法进行了阐述，主要包含PCA融合、HIS融合和小波融合。
然后又介绍了如何评价融合的结果，提出了一些量化的评价方法。
最后在传统图像融合方法的基础上提出了新的融合方法，如基于PCA与IHS融合的新的图像融合方法，并通过实验验证分析了新方法的可行性。
关键词：遥感，遥感图像融合，PCA融合，HIS融合ABSTRACTRemote Sensing Image Fusion is one of the key techniques in the Remote Sensing(RS) domain.With the rapid development of the RS,information fusion has been playing an increasingly important role.After a brief introduction to the RS Technology and RS information fusion,this paper describes the multi-spectrum image fusion in detail,with the emphasis on the PCA Fusion,the HIS Fusion and the Wavelet Fusion approach,whose mathematical foundation,principle and traits are explored in turn.Finally in the traditional image fusion is proposed on the basis of a new fusion method based on PCA and HIS,such as the new image fusion method fusion,and through experiment verification analyzed the new method is feasible.Keywords：Remote Sensing,Remote Sensing Image Fusion,PCA Fusion,HIS Fusion目录1 前言 (1)1.1遥感图像融合方法研究目的与意义 (1)1.2图像融合的研究和发展现状 (2)1.3遥感融合技术亟待解决的问题 (3)2 遥感图像融合的基本理论 (6)2.1遥感图像融合的特点 (6)2.2遥感图像融合原理 (7)2.3图像融合的层次及其比较 (7)3 ERDAS IMAGINE 介绍 (11)3.1ERDAS IMAGINE软件图像处理特点 (11)3.2ERDAS IMAGINE软件中遥感影像融合具体过程 (12)3.2.1 选择融合的影像文件如图3.2 (13)3.2.2 选择多光谱文件用来进行融合的波段号（Layer Selection）.. 134 遥感图像融合方法 (14)4.1PCA变换 (14)4.2HIS变换 (14)4.3小波分析 (16)4.3.1 小波融合流程 (16)4.4各种方法的比较 (18)4.5融合方法评价准则 (19)5 遥感图像融合方法的改进 (21)5.1主成分分析与HIS变换的结合改进方法 (21)5.1.1 融合流程及实验分析 (21)5.1.2 常用评价参数 (22)5.1.3 客观评价 (23)5.1.4 主观评价 (24)6 结论 (26)致谢 (27)参考文献 (28)1 前言遥感图像融合就是将不同类型传感器获取的同一地区的图像数据进行空间配准，然后采用一定方法将各图像的优点或互补性有机结合起来产生新图像的技术。
它是遥感图像应用和分析的一种重要的手段，特别是当前遥感技术的迅速发展，多源遥感数据(多传感器、多时相、多波段、多平台、多分辨率)的获取变得越来越方便，多源图像之间融合的意义也就显得越来越重要。
将高分辨率的图像和低分辨率多光谱图像进行融合，已成为遥感应用研究领域的重要主题。
研究者们从各个不同的应用领域，提出了多种不同的图像融合方法，具有代表性的方法有：PCA(主成分分析)变换法、HIS变换法、多分辨率小波分析法[1]。
1.1 遥感图像融合方法研究目的与意义图像融合是将两个或者两个以上的传感器在同一时间(或不同时间)获取的关于某个具体场景的图像或者图像序列信息加以综合，生成一个新的有关此场景的解释，从而使融合的图像更适应人眼感知或计算机后续处理，如图像分割、目标识别等。
图像融合的目的是产生更可靠的数据并增加可用性，即数据可信度增加，不确定性减少，图像融合的主要应用体现在以下几个方面：1)提高空间分辨率图像融合可提高数据的空间分辨率。
如将高分辨率单色图像Spot—PAN与低分辨率多光谱图像LandSat—TM进行融合，在保留多光谱信息的同时，图像空间分辨率得到提高，这就意味着更多图像细节可以显示。
类似的还有SAR雷达图像和TM的融合，同样可以提高多光谱图像的空间分辨率。
2)图像增强综合来自多传感器(或者单一传感器在不同时间)的图像，获得比原始图像更高清晰度的新图像。
如将融合技术用于同一数码相机在不同时间拍摄的对同一对象的聚焦点不同的图像，可以获得比原始图像更加清晰的图像。
3)提高分类识别精度多源数据的复合可以显著提高图像分类识别的精度。
如利用微波图像和光学图像相的补互信息可以识别一些地物，光学数据是依靠地物在图像上的光谱特征来分类，然而一些具有相似的光谱响应的植被很难被分开，因此雷达图像可用作辅助数据来识别难以区分的植被类型。
在分类模型上，由于多源数据难以满足传统的概率统计模型的数据分布条件，因此人工神经网络模型和证据推理理论在此领域具有更大的应用潜力。
4)信息互补任何传感器都有自己的优势和不足。
如多光谱传感器数据的光谱信息丰富，但它易受云雾的遮挡而不能获得相应的地面结构信息。
有时地面的阴影也能产生解读的不准确性。
SAR雷达数据纹理信息丰富，分辨率高，具有全天时全天候观测的优点，但易受地面起伏的影响，因此，不同类型传感器图像的融合可以弥补各自的不足，发挥各自的优势。
此外，图像的融合在特征提取、去噪、目标识别跟踪以及三维重建等方面也有着积极的作用。
1.2 图像融合的研究和发展现状图像融合技术最早是被应用于遥感图像的分析和处理中。
1979年，Daliy等人首先把雷达图像和Landsat-MSS图像的复合图像应用于地质解释，其处理过程可以看作是最简单的图像融合。
1981年，Laner和Todd进行了Landsat—RBV和MSS 图像数据的融合试验。
到80年代中后期，图像融合技术开始引起人们的关注，陆续有人将图像融合技术应用于遥感多谱图像的分析和处理，如多光谱遥感图像与SPOT卫星得到的高分辨率图像进行融合。
90年代以后，随着多颗遥感雷达卫星JERS-1，ERS-I，Radarsat等的发射升空，图像融合技术成为遥感图像处理和分析中的研究热点之一。
对遥感图像进行融合处理的目的主要有锐化、改善几何矫正、色彩矫正、改善分类特性、弥补某种图像中丢失的数据、检测／观测大地环境的变化等等。
其采取的融合方法主要有IHS变换、平均、加权平均、差分及比率、PCA、高通滤波等。
这些方法在进行融合处理时都不对参加融合的图像进行分解变换，融合处理只是在一个层次上进行的，因此均属于简单的图像融合方法。
80年代中期，人们提出了基于金字塔方法的图像融合方法，其中包括拉普拉斯金字塔、梯度金字塔、比率低通金字塔等，并开始将图像融合技术应用于一般的图像处理(可见光图像、红外图像、多聚焦图像等)。
90年代，小波理论的广泛应用，为图像融合提供了新的数学工具。
小波变换具有良好的时域和频域的局部性以及多分辨性，因此在多分辨率图像融合应用中，小波分析技术己经取代了传统的高斯—拉普拉斯金字塔技术。
人们针对传统的Mallat方法及选择不同的小波基函数和不同的融合算法进行了深入研究，取得了一些进展。
同时，对Atrous算法，基于第二代小波、基于树状小波以及基于小波包等的融合技术进行了深入的研究。
这使得图像融合技术的研究呈不断上升的趋势，应用的领域也遍及到遥感图像处理、计算机视觉、自动目标识别、机器人、医学图像处理等各个领域。
如在医学上，可通过对CT与核磁共振图像的融合，以帮助对疾病的准确判断；图像融合还可以用于计算机辅助显微手术。
另外，图像融合还可用于交通管理和航空管制。
图像融合技术在美、英等技术发达国家受到高度重视并己取得相当的进展，如在海湾战争中发挥很好作战性能的“LANTIAN”吊舱就是一种可将前视红外、激光测距、可见光摄像机等多种传感器信息迭加显示的图像融合系统。
美国TI 公司1995年底从美国夜视和电子传感器管理局(NVESD)获得将DSP为核心的图像融合设计集成到先进直升机驾驶(AHP)传感器系统的合同。
在20世纪90年代，美国海军在SSN一&91(孟菲斯)潜艇上安装了第一套图像融合样机，可使操纵手在最佳位置上直接观察到各传感器的全部图像。
1998年1月7日《防务系统月刊》电子版报道，美国国防部己授予BTG公司两项合同，其中一项就是美国空军的图像融合系统设计合同，此系统能给司令部一级的指挥机构和网络提供比较稳定的战场图像。
在医学发展方面，2001年11月25日30日在美国芝加哥召开了每年一度的RSNA北美放射学会年会，在会议上GE公司医疗系统部展销了其产品Discovery LS。
Discovery LS是GE公司于2001年6月刚推出的最新PET／CT，是世界上最好的PET(正电子发射断层扫描)与最高档的多排螺旋CT的一个完美结合，具有单体PET不能比拟的优势。
1.3 遥感融合技术亟待解决的问题遥感图像融合经过近二十年的发展,已经取得了非常广泛的应用。
但是还有一些问题亟待解决。
（1）完善遥感图像融合理论和框架对遥感图像融合理论和框架进行进一步完善。
目前遥感图像融合没有统一的融合模型,目前的融合模型大致可以分为空间域融合模型,颜色变换域融合模型和小波变换域融合模型三类。
寻求一种更广义的融合模型,为遥感融合确定广义的框架是一项非常有指导意义的工作。
（2）构建合理的融合评价体系面对海量的遥感数据,要实现对图像的自动判读和解译,评价是一个至关重要的环节。
然而,对遥感图像融合的评价是一个薄弱环节,建立更加合理的融合评价体系是构建遥感图像处理系统的一个非常重要的问题,迫切需要解决。