遥感数据融合方法分析与评价综述
遥感影像融合评价方法
遥感影像融合评价方法1. 融合数据实验采用了北京1号32米多光谱数据（绿波段：523nm-605nm ；红波段：630nm-690nm ；近红外波段：774nm-900nm ）和CBERS 全色2.36米数据（波段范围：500-800nm ）。
2. 配准方法本次实验采用二次多项式法进行配准，选择20个控制点，配准精度达到0.266像素3. 融合方法原理目前遥感领域常用的影像融合方法有：比值变换（Brovey ）融合、乘积变换（Multiplicative ）融合、主分量变换（Principal Component ）融合、小波变换（Wavelet ）融合等多种方法。
主分量变换融合是将多光谱影像各波段的相同信息变换为第一主分量，各波段的独有信息被分配到其他波段，然后将高分辨率图像拉伸至与主分量有相近的均值和方差，最后将高分辨率图像替换主成分第一分量进行主分量逆变换完成图像融合。
乘积变换融合也是一种比较简单的融合方法，其方法即将两幅影像（多光谱和高分辨率影像）的对应像素相乘，得到最终的融合影像。
公式为：newBn D B n _=⨯公式中变量含义与上个公式相同。
该变换得到的结果使融合后图像的亮度值显著提高，但不受波段个数的限制。
Brovey 融合是较为简单实用的一种融合方法，其原理是将原有多光谱波段进行归一化处理之后与全色波段相乘得到新的融合波段，公式如下：[]new B D B B B B n _/1211=⨯+++[]new Bn D B B B Bn n _/21=⨯+++其中Bn (n=1,2,3…)为多光谱波段，D 为高分辨率波段，Bn_new 为融合后波段。
对RGB 影像来说，比值变换融合只能用三个波段多光谱影像与高分辨率影像进行融合，因此受一定限制。
小波变换融合是将多光谱影像的各波段和高分辨率影像均进行小波分解，得到LL （低频部分），HL （水平方向的小波系数），LH （垂直方向的小波系数）和HH （对角方向的小波系数），然后根据具体需要和保持多光谱色调的程度，将分解后的两影像LL 、HL 、LH 、HH 部分分别融合，最后将融合后的LL ，HL ，LH 和HH 反变换重建影像，达到影像融合的目的。
遥感图像处理中的图像融合方法与精度评价
遥感图像处理中的图像融合方法与精度评价遥感图像处理是一门研究如何获取、处理和应用遥感图像信息的学科。
遥感图像融合是其中的一个重要研究方向，它旨在通过将多个遥感图像融合为一个具有更高空间、光谱分辨率和更丰富信息量的图像，来提高遥感图像的解译和应用能力。
本文将探讨遥感图像融合的方法和精度评价。
一、遥感图像融合方法1. 传统融合方法传统的遥感图像融合方法主要包括像素级融合和特征级融合。
像素级融合是指将不同分辨率的遥感图像通过插值方法将其像素一一对应，然后对对应像素进行加权平均得到融合图像。
常用的插值方法有最邻近插值、双线性插值等。
这种方法简单易实现，但无法利用各个波段之间的相关性。
特征级融合是指通过提取多个图像的不同特征，然后将这些特征融合到同一个图像中。
常见的特征包括边缘信息、纹理信息、频谱信息等。
特征级融合方法可以更好地保留各个图像的特征，但对特征的提取和融合过程较为复杂。
2. 基于变换的融合方法基于变换的融合方法是指通过对多个遥感图像进行变换操作，然后将变换后的图像进行融合。
常见的变换包括小波变换、主成分分析、时频分析等。
小波变换是一种时频分析方法，可以将图像分解为不同频率和方向的小波系数。
通过对小波系数进行加权平均，可以实现遥感图像的融合。
小波变换融合方法能够提取图像的局部特征，能更好地保留图像的细节信息。
主成分分析是一种基于统计的方法，通过分析遥感图像的协方差矩阵，提取出图像的主要成分。
然后将这些主成分按照一定的权重进行线性组合，得到融合图像。
主成分分析融合方法可以更好地提取遥感图像的空间信息，对图像的纹理特征具有较好的保留效果。
以上只是其中的两种常见的基于变换的融合方法，实际上还有很多其他的方法，如独立分量分析、稀疏表示等。
二、图像融合精度评价图像融合精度评价是指对融合图像质量进行定量评估的方法。
常用的融合图像质量评价指标有以下几种：1.谱信息准确度谱信息准确度评价主要针对于融合图像的光谱特征，常用的指标有谱变异性、谱角等。
遥感数据与测绘数据的融合与分析
遥感数据与测绘数据的融合与分析引言：当今社会，遥感技术和测绘技术在地理信息领域发挥着重要的作用。
遥感数据和测绘数据是两种不同的数据源，但它们可以相互融合，互补优势，进一步提高我们对地表信息的理解和分析能力。
本文将探讨遥感数据和测绘数据的融合与分析方法，以及在不同领域的应用。
一、遥感数据与测绘数据的定义与特点1. 遥感数据遥感数据是通过遥感设备对地表进行观测和记录的数据，在空间和时间维度上广泛覆盖。
遥感数据具有全球性、连续性和多源性的特点，可以提供大量的地表信息，如地物类型、植被覆盖、土地利用等。
2. 测绘数据测绘数据是通过地面测绘仪器和技术进行测量和记录的数据，通常是通过实地测量获取地表的各种属性信息。
测绘数据具有高精度、高度整体性和可靠性的特点，可以提供地表的准确位置、高程、形状等数据。
二、遥感数据与测绘数据的融合方法1. 基于像元的融合方法基于像元的融合方法是将遥感数据和测绘数据以像素为单位进行融合。
该方法主要包括直接组合法、加权平均法和逻辑运算法等。
通过像元级别的融合，可以综合利用遥感数据和测绘数据的信息，提高地物分类和识别的准确性。
2. 基于特征的融合方法基于特征的融合方法是将遥感数据和测绘数据的特征进行提取和匹配，然后进行融合分析。
常见的特征包括光谱特征、纹理特征和形状特征等。
通过特征级别的融合，可以进一步提取地表信息的空间分布和变化规律。
三、遥感数据与测绘数据的融合与分析应用1. 土地利用与覆盖分析通过融合遥感数据和测绘数据，可以获取土地利用和覆盖的详细信息，如耕地面积、森林覆盖率等。
这对于土地管理、生态环境保护和资源规划具有重要意义。
2. 自然灾害监测与评估遥感数据和测绘数据的融合在自然灾害监测与评估方面具有重要作用。
通过融合分析，可以及时获取灾区的具体范围、损失程度和恢复需求，为灾后救援和重建提供有力的支持。
3. 城市规划与管理在城市规划与管理领域，融合遥感数据和测绘数据可以提供城市的空间布局、建筑高度、道路网络等信息。
导航与遥感技术融合综述
3、基于决策级的融合：这种融合方法主要是将不同来源的遥感数据进行决策 级别的融合处理，从而对目标进行更准确的分类和识别。常用的融合算法包括 贝叶斯分类器、K最近邻（KNN）和人工神经网络等。
四、遥感数据融合技术的评价
遥感数据融合技术的评价主要包括以下方面：
1、精度评价：通过对融合后的遥感数据进行精度评估，可以了解融合算法的 优劣。常用的精度评估指标包括准确率、召回率、F1值等。
谢谢观看
1、高精度和高速率：随着应用场景的复杂性和动态性的增加，对通信导航融 合定位技术的精度和速率要求越来越高。未来的技术将进一步提高传输速率和 定位精度，以满足更多应用场景的需求。
2、多模态和多频段：未来的通信导航融合定位技术将朝着多模态和多频段方 向发展。这种技术能够在不同频段和不同调制方式之间进行切换，以提高抗干 扰能力和适应各种复杂环境的能力。
这种趋势的出现，不仅拓展了两种技术的应用领域，还为人类社会的发展带来 了诸多好处。因此，本次演示将重点探讨导航与遥感技术融合的应用及其相关 问题。
1、海洋环境监测
随着全球气候变暖和人类对海洋资源需求的不断增加，海洋环境监测变得越来 越重要。导航与遥感技术的融合为海洋环境监测提供了新的手段。利用卫星遥 感技术，可以大范围地获取海洋环境信息，如海面温度、海冰分布、海洋环流 等。同时，利用导航技术中的GPS和惯性测量单元（IMU）等设备，可以精确 地确定海洋污染物的位置和运动轨迹，为污染治理提供重要的数据支持。
1、基于像素级的融合：这种融合方法主要是将不同来源的遥感数据进行像素 级别的融合处理，从而提高遥感图像的分辨率和目标识别能力。常用的融合算 法包括主成分分析（PCA）、独立成分分析（ICA）和小波变换等。
2、基于特征级的融合：这种融合方法主要是将不同来பைடு நூலகம்的遥感数据进行特征 级别的融合处理，从而提取出更多的目标特征。常用的融合算法包括支持向量 机（SVM）、随机森林（RF）和神经网络等。
遥感影像数据融合原理与方法
遥感影像数据融合原理与方法遥感影像数据融合是将不同波段或不同传感器的遥感影像数据融合在一起，以获取更全面、准确、可靠的信息。
它在农业、林业、城市规划、环境监测等领域具有广泛的应用。
下面将对遥感影像数据融合的原理和方法进行详细介绍。
一、遥感影像数据融合原理遥感影像数据融合的原理是通过将多个波段或多个传感器的影像数据进行组合，以获取多波段或多传感器数据的综合信息。
融合后的影像数据能够提供更多的数据维度和更丰富的信息内容，从而增强地物辨别能力和特征提取能力。
1.时空一致性：遥感影像数据融合要求融合后的影像数据在时域和空域上具有一致的特性，即不同时间或空间的影像数据融合后要保持一致性，以便进行准确的信息提取和分析。
2.特征互补性：不同波段或传感器的影像数据通常具有不同的特征信息，例如，光学影像可以提供颜色信息，而雷达影像可以提供物体的形状和纹理信息。
融合时要充分利用不同波段和传感器的特征互补性，使融合后的影像数据包含更全面、准确的信息。
3.数据一致性：遥感影像数据融合应保持数据的一致性，即融合后的影像数据应在不改变原始数据的情况下，能够反映出原始数据的真实信息。
在融合过程中要注意去除噪声和图像畸变等因素，以保持数据的一致性。
二、遥感影像数据融合方法1.基于像素的融合方法：基于像素的融合方法是将不同波段或传感器的影像数据进行像素级别的融合。
常用的方法有像素互换法和加权平均法。
像素互换法是将一个波段或传感器的像素值替换到另一个波段或传感器的影像上，以增加信息的表达能力。
加权平均法是对不同波段或传感器的像素值进行加权平均，得到融合后的像素值。
2.基于特征的融合方法：基于特征的融合方法是针对不同波段或传感器的特征进行分析和融合。
常用的方法有主成分分析法和小波变换法。
主成分分析法是通过对不同波段或传感器的影像数据进行主成分分析，提取出影像数据中的主要特征，然后将主成分进行融合。
小波变换法是利用小波变换来分析和提取不同波段或传感器的影像数据中的特征，然后通过小波系数的线性组合对影像数据进行融合。
遥感与测绘数据的融合与分析技巧
遥感与测绘数据的融合与分析技巧近年来，遥感技术的迅速发展和应用推广，为各行各业带来了巨大的变革和创新。
而在应用遥感技术中，与测绘数据的融合与分析是一项非常重要的任务。
本文将对遥感与测绘数据的融合与分析技巧进行探讨。
首先，我们来了解一下遥感和测绘数据的基本概念。
遥感是指利用航空器、卫星等遥感传感器，通过接收来自地球表面各种物理量的辐射信息，以实现对地表特征和目标物体的识别、提取和分析的技术手段。
而测绘数据则是通过地面测量、立体摄影和测绘仪器进行数据采集和处理，用以描述地理空间及其相关属性的信息。
融合遥感和测绘数据，可以得到更全面、准确的地理信息。
遥感数据具有较大的区域覆盖能力和时空连续性，能够获取大范围的地表信息，包括地貌、植被、水体等。
而测绘数据则可以提供高精度的地理空间信息，如地理坐标、高程数据等。
因此，将两者融合起来，可以实现对地理信息的多层次、多尺度的描述和分析。
在遥感与测绘数据的融合中，数据预处理非常重要。
首先需要对遥感和测绘数据进行坐标系统统一和投影转换，以保证数据的一致性和可比性。
其次，需要对遥感数据进行大气校正、辐射校正和几何校正，消除不同传感器和影像之间的差异。
同时，还需要对测绘数据进行去噪、滤波等处理，以提高其精度和可靠性。
在数据融合过程中，可以采取多种方法和技术，如基于像素的融合、基于特征的融合、基于模型的融合等。
基于像素的融合是指通过对遥感和测绘数据像素级别的加权平均或逻辑运算，得到融合后的像素值。
基于特征的融合则是通过提取遥感和测绘数据中的特征，如纹理、形状、颜色等，再进行特征级别的融合。
基于模型的融合是利用统计模型、物理模型或数学模型，对遥感和测绘数据进行建模和估计，最终得到融合结果。
融合后的数据可以应用于许多领域。
例如，对于城市规划和土地利用管理，通过融合遥感和测绘数据，可以获取城市地貌、道路网络、建筑物分布等信息，用于城市规划的决策和优化。
对于环境监测和资源管理，融合后的数据可以提供土地覆盖变化、植被生长状况、水体污染等信息，用于环境保护和资源管理的评估和监测。
国内多源遥感数据融合研究综述
多源遥 感数 据 融 合 是 指 多 种 空 间分 辨 率 、 辐射 分 辨率 、 谱分 辨 率 和 时 间分 辨 率 的遥 感 数 据 之 间 波 以及遥 感数 据 和非遥 感 空 间数据 之 间 的信 息进 行多
层 次有 机组 合 匹配 的技 术 ， 括 空 间 几 何 配 准 和数 包
（ ａ ｒｔ ｎ） Ｉ Ｓ 换 是 将 多 光 谱 数 据 （ Ｔ Ｓｔ ａｏ 。Ｈ 变 ｕ ｉ 如 Ｍ、
维普资讯
山西水 土保持 科技
２０ ０ ８年第 ２期
ＮＯＡＡ
星 下 点 １ １ｋ ． ｍ， 远 离 星 下 点 ４ｋ ｍ
５
大范围资源 与环境 的监测与预报等 区划能力 中等 ， 但对植被
２ 多源 遥 感 数 据 融合 技 术 方 法 简 介
现在 遥感 影像 的种 类 繁 多 ， 本 可 以满 足 不 同 基 领 域 的应 用需 求 。但 是 ， 由于某些 原 因 ， 一 的遥 感 单 数据不 能够 较 好 地 反 映 地 物 信 息 ， 影 像 “ 物 异 如 同 谱 ” 同谱异 物 ” 导 致 分 类 精 度 的 下 降 等 ， 就 或“ 而 这
ＮＯ ２ ．
Ｊｎ ２ ０ ｕ ．０ ８
口 综 合 论述
国 内 多 源 遥 感 数 据 融 合 研 究 综 述
李菲菲 （ 北京林 业大学林 学院）
摘 要 ：本 文主要 针对 广泛 应 用的 多源遥 感数 据 融合方 法 ， Ｉ 如 ＨＳ变换 、 成 分 变换 、 主 小波 变换 法 、 经 神 网络 法等进 行 简要介 绍 。概括 了国 内学者 的主要 研 究成 果 ， 出 了遥 感 图像 融 合技 术 的 关键 是 图像 之 。
多源遥感数据融合研究综述
多源遥感数据融合研究综述张灵凯 于 良（江西理工大学，江西 赣州 ３４１０００）摘要：数据融合是提升遥感影像应用能力的重要手段。
本文介绍了遥感数据融合的三个层次，并总结了几种常用的遥感数据融合方法，最后总结了遥感数据融合的前瞻研究方向。
关键词：遥感；遥感影像；数据融合中图分类号：P258 文献标识码：A１．引言遥感技术的飞速发展，使得遥感系统能够为用户提供同一地区的多空间分辨率、多光谱分辨率、多时间分辨率的遥感影像。
如何利用好这些海量数据，尽可能更充分、有效利用这些数据是科研人员值得思考的一个问题。
多源遥感数据具有以下特点：（１）光谱信息丰富（２）覆盖面积大（３）空间分辨率较高。
融合的目的是将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。
融合的实质是在同一地理坐标系中，把多幅遥感图像数据按照一定的规则，生成一幅更能有效表示该目标的图像信息。
２．多源遥感数据融合方法2.1小波变换法小波变换（Ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ，ＷＴ）是一种全局变换，在时间域和频率域中都具有良好的定位能力。
小波变换法首先对需要融合的图像数据进行小波正变换，这样图像就被分解为高频和低频信息。
分别抽取分解后的高频信息和低频信息进行小波逆变换，生成融合图像。
小波变换的优点有：（１）可以对任意波段进行融合（２）多尺度、多分辨率（３）不会产生冗余数据。
缺点：小波基选择较麻烦，融合速度不理想，容易产生较为明显的分块效应。
刘敬等对ＥＴＭ影像数据ＴＭ１、ＴＭ５、ＴＭ７与其全色波段进行小波变换融合，采用融合后的影像对土地利用进行分类，结果表明：经过小波变换后的图像弱化了内部纹理信息、增强了边缘信息，使得相同地物内部的土壤亮度噪声削弱而不同地物边缘差异得到增强，有利于计算机分类。
薛东剑等运用小波变换法、乘积运算法、ＩＨＳ彩色合成法对青川、平武县ＳＰＯＴ和ＴＭ地质数据进行融合，取得了良好的效果，多光谱图像的光谱信息能够显示出来，同时增强了空间信息量，提高了解译精度，弥补了单一数据源信息提取的不足。
- 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)。
波段数据融合的问题。如在传统的用 +,! 变换对高空间分 辨率全色影像与多光谱影像的融合中， 当有红外波段影像参 与融合时， 由于高分辨率全色影像不含红外波段信息， 因而 与强度分量的相关性弱， 使融合得到的多光谱影像灰度值同 原多光谱影像有较大的差异， 即光谱特征被扭曲， 从而造成
［D］ 解译困难 。为了最大限度地保留多光谱影像的光谱特征，
［&］ 法 。’() 变换有两个显著的特点： ! 它有效地把一幅彩色
。融合
后的影像同单一信息源相比， 清晰度得到提高， 能减少或抑 制环境解译中可能存在的多意性、 不完全性、 不确定性和误 差； 最大限度地利用了多种资料的不同特性， 使图像同时具 有较高的光谱和空间分辨率， 提高了图像的视觉效果； 改善 了几何精度、 图像特征识别的精度和分类精度， 有利于增强 多重数据分析和环境动态监测能力； 改善了遥感信息提取的
由于人眼对影像强度的分解力比色度和饱和度的分解 力高， 因此根据人眼视觉特性和 ’() 变换的特点， ’() 色彩变 换先将多光谱影像进行彩色变换， 分离出强度 (、 色度 ’ 和饱 和度 ) 三个分量， 然后将高分辨率全色影像 （ +.L） 与分离的 强度分量进行直方图匹配， 使之与 ( 分量有相同的直方图， 最后再将匹配后的 +.L 代替 ( 分量与分离的色度 ’、 饱和度 并按照 ’() 逆变换得到空间分辨率提高的融合影像， ) 分量， 即空间分辨率提高的多光谱影像。 此变换可用于相关资料的色彩增强、 地质特征增强、 空 间分辨率的改善， 分类精度的提高， 以及不同性质数据源的融
［$］ 这一过程称逆变换或反变换 。 :，
模的遥感应用研究提供了一个良好的基础。 遥感数据融合分为三级： 像元级融合、 特征级融合、 决策
［""］ 级融合 。像元级融合是一种低水平的融合， 它是直接在
采集到的原始数据层上进行的融合， 通常用于多源图像复 合、 图像分析和理解等。特征级融合是先对原始遥感影像信 息进行特征提取， 然后对特征进行综合分析和处理， 融合结 果能最大限度地给出决策分析所需要的特征信息。决策级 融合是一种高层次的融合， 它是在上述像元级和特征级融合 所提供的各类特征信息的基础上对图像信息进行识别、 分类 或目标检测， 并在获得有关区域决策信息后， 再对所获得的 专题图像进行融合处理， 它的融合结果直接为指挥、 控制、 决 策系统提供依据。本文主要论述现有的基于像元级遥感影 像的融合方法， 并对各种算法进行分析和评价， 归纳遥感影
［-.］
&
%
F ’（! !") ） F
(#(
&
其中 % # ( 或 % # -， !" 为高空间分辨率全色影像像元灰度
［C］ 值， 。 !") 为第 ) 红外波段的像元灰度值
-0)
;4=H%I 变换法
。/0 !1234 等用该方法对 !56& 和 &’
［--］
;4=H%I 变换是一种用来对来自不同传感器的数据进行融 合的较为简单的融合方法， 该方法是通过归一化后的多光谱
［)］ 比较理想的 。利用该融合方法还可以解决非同一波谱区
-0.
主成份变换法
主成份变换是遥感数字图像处理中运用比较广泛的一
［(-］ 种算法 ， 是在统计特征基础上的多维 （多波段） 的正交线性
变换。主成份变换将各种光谱图像均视为一个随机变量。 融合时首先求他们的协方差矩阵的特征值和特征向量， 然后 将特征向量按对应特征值的大小从大到小排列并得到变换 矩阵， 最后对多光谱图像作变换， 并按应用的目的和要求取 前面几个图像进行融合。遥感图像的不同波段之间往往存 在着很高的相关性， 这可通过 5L" 变换， 把多波段图像中的 有用信息集中到数量尽可能少的新的主成份图像中， 并使这 些主成分图像之间互不相关， 从而大大减少总的数据量， 并 使图像信息得到增强。利用 5L" 变换就可以很方便地将影 像的结构信息通过第一主分量表达出来。由此可见， 5L" 变 换对影像编码， 影像数据压缩， 影像增强， 图像变化探测， 多
［(E］ 波段与高分辨率影像乘积来增强影像的信息 。以 $32>J3@
进行融合， 并将融合结果和原 &’ 影像进行分类比较， 发现融 合结果的分类精度较原 &’ 影像提高了 . 0 78 合， 使分类总精度提高了 C8 -0比值运算法
［-*］
。/4329:2 和
;<=>?%@@ 采用 +,! 变换方法对 !56& +#A 和 5"B 数据进行融 。
［FE］
。 线性复合与加权乘法
-0F
线性复合指对遥感影像资料进行加权运算， 从振幅上对 影像的结果进行突出处理， 从而达到影像效果的增强。乘积 运算就是将高分辨率波段与多光谱两个灰度矩阵进行矩阵 乘积。结果矩阵与多光谱矩阵差别很大， 直接反映在影像上 为光谱变化大， 纹理不如原分辨率波段清晰。 此类融合方法对于表现细碎地貌类型是不合适的， 但对 于大的地貌类型， 如高起伏地区、 荒漠区域类型增强效果是
［7］ 可以用于所有多光谱波段 。
比值运算是遥感图像处理中常用的方法， 它是两个波段 对应像元的灰度值之比或几个波段组合的对应像元灰度值 之比。此种运算经常用来发现变化图斑， 是动态监测的一个
［)， ((］ 有力工具 。利用比值运算可以扩大不同地物的光谱差
异。对两个不同时相的遥感影像进行比值运算的融合处理， 融合结果虽然使总体色调和纹理细节有所下降， 但是在变化 区域内的色调表示却异常突出和明显， 使一些细微、 独立的 变化都能够在融合结果中表现出来， 这是因为动态变化能够 引起融合影像的光谱特征、 纹理特征变异， 从而在融合结果 中突出显示出来。另外， 比值运算可以消除共同噪音， 消除
［"］ 像的优点或互补性有机地结合起来产生新的影像
!
遥感影像融合算法及分析
遥感影像融合是近几年国际遥感界研究的热点。在融 合方法上， 有一些经典的算法， 如各种比值和加权乘法 （ 123 、 高通滤波法 456789，"$$&；张炳智等， !###） :5;<8= 变换法、 （ >?6<8@， 李军等， 、 （ 123 "$$"； "$$$； 123 456789， "$$&） ’() 变换法 贾永红， 、 主成分分析 456789， "$$&； >65A85 B 1C 等， "$$#； "$$,） 法 （ 123 <56789， 金剑秋等， 。近年来， 小波变换融合 "$$&； !##!） 方法已用于多传感器影像数据 的 融 合 （ :5DE; F65GD8H / IDJ 王智均等， 哈斯巴干等， 。 ’() 变换是遥 "$$&； !###； !##!） A;5H， 感资料融合中较为常用的方法， 但有其缺陷。为此， 许多研 究者对 ’() 变换融合提出了多种改进算法， 哈斯巴干、 贾永 红、 王智均等结合小波变换对 ( 分量进行了改进， 最大限度 地保留了原多光谱影像的光谱信息。 !C" ’() 变换法 ’() 变换是基于 ’() 色彩模型和应用广泛的融合变换方
"
引言
遥感平台和传感器的发展， 使得遥感系统能够为用户提 供同一地区的多空间分辨率、 多光谱分辨率、 多时间分辨率 的海量影像资料。如何把这些多源海量数据尽可能地作为 一个整体来综合应用， 从而充分、 有效、 提取各种类型遥感影 像的综合信息， 克服遥感影像自动解译中单一信息源不足的 问题， 即采用遥感数据融合技术， 已成为当前遥感研究的热 点问题之一。 遥感影像融合是一种通过高级影像处理来复合多源遥 感影像的技术。它针对不同环境条件， 选择最佳的波段组合 和分辨率， 设计最适宜的时相叠加， 采用一定的算法将各影
［-D］ 或削弱地Байду номын сангаас阴影、 云影的影响等 。应该注意的是， 纹理特
征的变异不总是变化区域， 它还与诸如照度差异、 大气条件、 地面湿度及两图像间的几何配准精度等因素有关， 应与区域
［((］ 变化加以区分 。张炳智等在土地利用动态遥感监测的研
究中， 采用了比值运算法对多源遥感影像进行融合。张银辉 等 （-EE-） 采用比值图像方法分析了垦利县两个时相相应地物 在 &’)、 并选择耕地特征 &’F、 &’- 各波段耕地的光谱特征， 较为突出的 &’) 参与波段运算， 认为图像比值法对水体和稻 田的监测效果比较理想， 但无法监测出整个耕地的变化情 况
其融合后的红 （ #） 、 &’ -、 F、 ) 和 !56& 5"B 之间的融合为例， 绿 （K） 、 蓝 （ ;） 三波段结果图像如下： +,-.) * # 0123 （ +,-.- ’ +,-.F ’ +,-.)）/ +,-.F 4 # 0123 （ +,-.- ’ +,-.F ’ +,-.)）/ +,-.0123 5 # （ +,-.- ’ +,-.F ’ +,-.)）/ +,-.) 其中， 体现了影像的波谱信 （ +,-.- ’ +,-.F ’ +,-.)） 息， 0123 体现了影像的空间信息。 -07 高通滤波变换法 高通滤波 （+5/） 常用于影像纹理和细节处理方面。影像 的细节提取往往是通过高分辨率影像的高通滤波来实现的。 高通滤波变换的目的是提高影像高频细节， 突出影像线性特 征和边缘信息。高通滤波变换融合的实施： （ (） 对高空间分 辨率全色影像进行高通滤波， 以提取空间信息， 亦即提取原 影像中的线性特征和边缘特征； （-） 对低分辨率多光谱影像 进行低通滤波， 以提取低频信息， 即原始多光谱影像的概貌， 它代表了多光谱影像的光谱信息； （F） 对高通滤波和低通滤 波的结果求加权， 得到锐化了的影像。 高通滤波变换用下式定义： 61) #（ 7, / 80!)91 ）’（ 7+ / 1:;)61 ） 其中 7, 、 且 7, ’ 75 # ( < E， 75 为权， 80!)91 为低分辨率多光 谱影像 ) 波段的低通滤波的结果， 1:;)61 为高空间分辨率全 色影像 5"B 进行高通滤波的结果， 61) 为锐化了的输出影像。 高通滤波消除了高分辨率影像中的低频噪声， 且滤波的结果