遥感影像像素级融合方法比较研究
遥感影像融合方法分析
遥感影像融合方法分析遥感影像的融合是对来自同一区域的多源图像数据进行综合处理，以获得对该区域更为准确、全面、可靠的影像描述。
由于遥感影像融合的这一特点，使得这一技术在遥感中有着很重要的作用，这一技术也成为近几年国际遥感界的研究热点。
本文研究了目前学术界提出的几种较为流行的影像融合算法，对它们的特点进行了分析，同时给出了影像融合的效果的评价准则。
标签：遥感；影像；融合引言随着遥感技术的发展，各种各样的传感器也不断出现，对于同一地区，我们可以得到用不同传感器获取的不同尺度、不同时相特别是不同光谱信息的遥感影像数据。
不同源的数据反映了区域的不同方面的特征，如何合理的综合利用这些多源数据，对于遥感应用十分关键。
显然，影像融合为我们提供了一个很好的途径。
影像融合就是将不同源的数据配准后变换到同一尺度、同一坐标系，然后采用一定的融合方法将各种数据的信息充分的结合起来，产生一种更适合应用的影像数据的新技术。
图像融合一般分为三个层次：①像素级融合。
像素级融合也称数据级融合，是指对传感器采集来的数据进行采集、分析和处理，生成目标特征而获得融合图像；②特征级融合。
是指对预处理和特征提取后获得的景物信息如边缘、形状、轮廓、方向、区域和距离等信息进行综合与处理；③决策级融合。
是指根据一定的准则以及每个决策的可信度作出最优决策，数据融合的容错能力即由此而来。
图像融合的算法有很多，传统的算法主要有：HIS变换的融合、小波变换融合、主成分变换融合、高通滤波变换法、比值运算法、Brovey变换法等等，最近也提出了一些新的或改进型的图像融合算法，比如Contourlet变换融合、基于HSV变换与atrous变换的图像融合、一种基于最大区域熵值的图像融合方法、基于小波包的融合等等。
下面本文将对其中一些算法进行介绍并分析。
1 目前较为流行的影像融合算法分析1.1 小波变换法1.2 Brovey变换法Brovery变换（Brovery Transform，BT）：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，该方法将多光谱各波段进行归一化，然后将高分辨率全色影像与归一化后的各波段相乘得到融合后的影像。
不同遥感影像融合方法的比较研究
ห้องสมุดไป่ตู้
国外 对数 据融合 的研究 起步较 早 ， ２ Ｏ世 纪 ７ Ｏ年 代提 出“ 数据 融 合 ” 的概念 ， ８ ０年代 建 立一 系列 技术 方法： 基 于像元 级 的融合方 法 ， 如 ＨＩ Ｓ变换 法 （ Ｄ ａ ｌ ｋ ｅ Ｇ Ｗ， １ ９ ８ ２ ； Ｗｅ ｌ ｓ ｃ ｈ ， １ ９ ８ ７ ： Ｊ ｉ ｍ， １ ９ ９ １ ） ’ 、 主成 分 变换 法（ Ｙ ｅ ｓ ｏ ｕ Ｈ， １ ９ ９ ３ ； Ｅ ｈ ｌ ｅ ｒ ｓ ． Ｍ， １ ９ ９ １ ） 。 ’ 、 高通滤 波 （ Ｃ ｈ ａ ｖ ｅ ｓ Ｐ Ｓ ， １ ９ ９ １ ； Ｌ ｉ Ｈ， １ ９ ９ ５ ） ［ ８ ， ９ ３ ． 基于特 征级 和决策级 融合， 如 贝 叶 斯估 计 （ Ｃ ｏ ｎ ｒ ａ ｏ ｎ Ｋ， １ ９ ８ ４ ） …、 聚类分析 （ Ｃ ｈ ａ ｖ ｅ ｓ Ｐ Ｓ ． Ｊ ｒ ， １ ９ ８ ３ ） 、 神 经 网络 （ Ｋ ｏ ｏ ｐ ｍ ａ ｎ ｓ Ｂ Ｎ， １ ９ ９ ３ ） ㈩ 等．
比值 变换 ， Ｈ Ｉ Ｓ变换 ， 小波 变换 的影像 融合 ． 通过 计算 亮度信 息 、 清 晰度 、 光谱 信 息、 信 息量 等定 量 评价 参数 ， 对融 合效 果进 行 定性和 定量 的评价 ． 实验 表 明 ， 不 同的 融合 方 法进行 融 合 时会 产 生不
同的效 果 ， 通过 多角度 的 定量评价 和 目视 定性评 价相 互验证 能够确 定评 价指标 的准确 性．
国外 的研 究相 比， 我 国在该 领域 的研究 还需要 加强 ． 多源遥 感影像 融合 的过 程分 为 影像 的空 间 配 准 和影像
SPOT-5遥感影像自身融合方法的比较研究
换、 主成分变换 、ｒ ｅ 变换 ３ Ｂｏ ｙ ｖ 种典 型的融合算法 ， ＳＯ 对 Ｐ Ｔ一５ 数字遥感影像的全色波段 和多光谱波段进行融合对比实验 ．
１ 图像 融合 方法
１１ ＩＳ ． Ｈ 变换 所谓 Ｉ Ｓ Ｈ 就是指将标 准 Ｒ Ｂ空间的图像有效的分解 为代表分空 间信息的明度（ ） Ｇ ， 和代表光谱信息色别（ 、 日）
摘 要 近年来 ， 遥感影像数据融合已成为学术界研究 的新热点 ． 作为在各个领域应用 日益广泛 的法国 ＳＯ 一 遥感卫星影 ＰＴ ５
像， 其全色波段空 间分辨率高 ， 多光谱 波段光谱信息丰富 ， 为了既保 留丰富的光谱信息又能提 高空 间分辨率 ， 本文 在对 Ｉ Ｓ变换、 Ｈ 主成分变换 、 ｒ ｅ 变换融合 ３ Ｂｏ ｙ ｖ 种传统像素级融合方法分 析、 归纳与算法实现研究 的基础上 ， Ｓ Ｏ ５ 对 Ｐ Ｔ一 全色波段 与多光谱波段进 行了图像融合实验 ， 并从光谱特征与空 间纹理特征两个方面对融合效果进行定性与定 量评价 ． 分析结果表明， ｒ ｅ 变换融合法光 Ｂｏ ｙ ｖ 谱退化最小 ， 同时也最大程度地保持了高几何分辨率全色波段 的空 间信息 ．
Ｍａ ． ０ ｒ ｒ２ Ｏ ７
Ｖ０ ． ２ Ｎｏ． １２ １
ＳＯ Ｐ Ｔ一５遥 感影 像 自身 融合 方 法 的 比较 研 究 ＊
邹 敏 吴泉源 曲 伟
பைடு நூலகம்
（ 山东师范大学人 口・ 资源与环境学 院，５０ ， ∥第一作者 ２ 岁 ， 硕士生 ） ２０ １ 济南 ４ ７ 男，
正交线性变换 ． 目的是把 多波段 的图像信息压缩或综合在一 幅图像上 ， 其 使各 波段信息 能最大 限度 的表现在新 的图像上 ． 其
过程为 ： 首先将多光谱 图像进行 主成分变换 ， 然后将 具有高分辨率 的全色波段 或其它数据 进行灰度 拉伸 ， 之 与第 一主成分 使
遥感影像像素级融合方法概述
遥感影像像素级融合方法概述摘要：本文介绍了6种不同的像素级遥感影像融合方法，并较为深入的探讨了几种融合方法的原理、实现过程和优缺点，并对几种融合方法进行了综合评价，得到了针对多光谱影像融合较好的方法，表明了不同传感器影像融合的潜力，同时论文也对融合影像的应用推广进行了初步的对比分析。
关键词：融合原理评价方法0 引言影像融合按照其水平和特点可以分为像素级、特征级和决策级融合[1]，本文讨论的是像素级的影像融合方法，像素级融合是对传感器的原始信息及预处理的各个阶段上产生的信息分别进行融合处理。
对不同卫星和不同传感器的遥感影像进行融合，可以取长补短，产生新的融合影像。
比较常见的影像融合是高分辨率全色影像和低分辨率多光谱影像的融合，生成的新的融合影像既具有全色影像的高分辨率，也一定程度上保持了多光谱影像的光谱信息。
目前比较成功的高分辨率商业卫星如QuickBird、IKONOS和SPOT5，都搭载有高分辨率全色和低分辨率的多光谱相机，能同时提供全色和多光谱影像，并提供两者的融合产品。
QuickBird、IKONOS和SPOT5的全色和多光谱影像分辨率之比都为1:4或1:2，而CBERS-02B星的全色和多光谱影像分辨率之比大约为1:8，虽然CBERS-02B星HR与CCD的融合影像能一定程度上保持HR的高空间分辨率和CCD的高光谱分辨率，但1:8的大比率给CBERS-02B星的全色和多光谱影像融合也带来了一些困难和问题，如全色和多光谱影像之间的配准精度难已保证、融合影像出现斑块效应等等。
1 像素级影像融合方法1.1 HSV融合方法 HSV融合方法属于一种颜色变换的融合方法，首先介绍一下HSV颜色变换，HSV颜色变换是把标准的RGB图像变换到为色度H (Hue)、饱和度S (Saturation)和亮度V (Value)图像。
HSV融合方法流程是对多光谱影像3个波段使用HSV颜色正变换为H、S和V三幅图像，然后用高分辨率影像替代H图像，最后对H、S和V图像实施HSV颜色变换的逆变换得到融合影像。
遥感影像分类算法及数据融合技术
遥感影像分类算法及数据融合技术随着遥感技术的不断发展，遥感影像分类成为了遥感数据处理的重要任务之一。
遥感影像分类算法的研究不仅能提高遥感数据的后续应用效果，也为资源调查、环境监测等领域提供了可靠的数据支持。
本文将主要探讨遥感影像分类算法的发展以及数据融合技术的应用。
一、遥感影像分类算法的发展遥感影像分类算法是指将遥感影像数据划分为不同的类别或类型的方法。
在遥感影像分类中，常用的算法包括传统的基于像元的分类算法和基于对象的分类算法。
1.1 基于像元的分类算法基于像元的分类算法是按照图像的像素信息直接进行分类判定的方法。
常见的基于像元的分类算法有最大似然法、支持向量机、随机森林等。
这些算法主要依靠像素的统计特性、频域分析等方法进行分类。
最大似然法是一种经典的分类算法，它基于像素的概率分布模型进行分类判定。
该方法利用已知训练样本的统计特征，计算待分类像素在每个类别中出现的概率，并选择概率最大的类别作为分类结果。
支持向量机是一种常用的监督学习算法，它通过找到一个最优的超平面将不同类别的样本间隔最大化来实现分类任务。
该算法具有强大的分类性能和泛化能力，广泛应用于遥感影像分类领域。
随机森林是一种基于决策树的分类算法，它通过构建多个决策树并对其结果进行投票来实现分类。
随机森林具有较好的鲁棒性和准确性，对于遥感影像的非线性分类任务有良好的效果。
1.2 基于对象的分类算法基于对象的分类算法是将邻域像素合并为对象，以对象为基本单位进行分类。
与基于像元的分类算法相比，基于对象的分类算法能更好地捕捉到地物的空间信息和上下文特征。
常见的基于对象的分类算法包括分水岭算法、形态学算法、区域生长算法等。
这些算法通常通过分割影像图像得到对象，然后通过计算对象的特征参数进行分类。
分水岭算法是一种基于区域的图像分割算法，它通过模拟灌水过程将图像分割为不同的区域。
分水岭算法具有较好的分割效果和边界保持能力，常用于遥感影像目标提取和分类。
如何进行遥感影像的数据融合
如何进行遥感影像的数据融合遥感影像的数据融合是将多源的遥感信息融合在一起，以提高遥感数据的空间分辨率和地物分类精度。
在综合利用多源遥感数据的基础上，实现对地表覆盖信息的准确提取和监测。
本文将从数据源的选择、融合方法的选择和数据融合的应用领域三个方面，探讨如何进行遥感影像的数据融合。
一、数据源的选择数据源的选择是进行遥感影像的数据融合的第一步，准确选择数据源可以保证数据融合的有效性和准确性。
1. 遥感影像数据遥感影像数据是进行数据融合的基础数据，可以通过卫星、航空摄影等方式获取。
选择高质量的遥感影像数据对融合结果有重要影响，因此在选择遥感影像数据时，要考虑数据的空间分辨率、光谱分辨率和时间分辨率等因素。
同时，还要注意遥感数据的几何校正和辐射校正情况，以保证数据的一致性和准确性。
2. 地面观测数据地面观测数据是进行遥感影像数据融合的重要补充。
常见的地面观测数据包括气象站观测数据、地面遥感观测数据等。
地面观测数据可以提供高时空分辨率的地表信息，与遥感影像数据融合可以提高地物识别的准确性。
二、融合方法的选择数据融合方法的选择是进行遥感影像数据融合的关键环节，不同的融合方法适用于不同的数据和应用场景。
常见的数据融合方法包括像素级融合、特征级融合和决策级融合。
1. 像素级融合像素级融合是将多源遥感影像数据的像元进行组合，生成高光谱或高光谱数据立方体。
常用的像素级融合方法有主成分分析、合成波段和带通滤波等。
像素级融合可以提高遥感影像的空间分辨率和光谱分辨率，对地物分类和变化检测具有重要意义。
2. 特征级融合特征级融合是将多源遥感影像数据的特征进行组合，提取地物的空间、光谱、纹理等特征。
常用的特征级融合方法有多特征组合、特征选择和特征转换等。
特征级融合可以提高地物分类的准确性和分类精度。
3. 决策级融合决策级融合是将多源遥感影像数据的分类结果进行组合，生成最终的分类结果。
常用的决策级融合方法有基于权重的融合、基于逻辑运算的融合和基于模型的融合等。
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。
- 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)。
该算法的主要步骤有 : ① 用低空间分辨率的多 光谱影像产生模拟低分辨率全色波段影像 ; ② 将模 拟影像叠加到多光谱上 ( 模拟影像是第一波段) , 然 后对重组后的多光谱影像进行 GS 正变换 ; ③ 用高 分辨率全色波段影像代替 GS 变换后的第一分量 ; ④ 对代替后的多波段影像进行 GS 反变换得到最终 融合影像 。 1. 4 主成分分析融合算法 主成分分析是在影像统计特征基础上进行的一 种多维 ( 多波段) 正交线性变化 。其目的是将输入波 段中共有的信息编制到第一主成分 , 而与其他任何 波段都不重叠的独特光谱信息被编制成其他的主成 分 ,再把全色数据拉伸使其和主成分第一分量有着 相同的均值和方差 , 并把全色数据代替第一分量进 行主成分逆变换 ,完成影像融合 。 其实现的步骤是 : 首先由多光谱影像数据求得 影像间的相关系数矩阵 , 由相关系数矩阵计算特征 值和特征向量 ,求得各主分量影像 ; 然后将全色影像 数据进行直方图匹配 , 使其与第一主分量影像数据 具有相同的直方图 ; 最后用直方图匹配生成的高空 间分解力影像来代替第一主分量 , 将它同其他的主 分量一起经逆变换 , 得到融合的影像 。主成分融合 流程图如图 1 所示 。
Research on the f ixel f usion methed of remote sensing image
ZHAN G Qing2he1 ,ZOU Zheng2ro ng1 , YU J ia2yong1 ,2
( 1. School of Info2Physicand Geo matics Engineering , Cent ral So ut h U niversity , Changsha 410083 ,China ;2. College of Civil En2 gineering , Hunan U niversity , Changsha 410082 ,China)
・3 7 ・
方面进行综合的定性和定量的评价 。
图2 原多光谱和全色影像及融合后影像效果分析比较图
2. 2 融合效果评价
遥感影像融合效果的评价 , 应综合考虑空间细 节信息的增强与光谱信息的保持 。因此 , 为更加客 观的定量和定性评价上述各种融合算法 。本文综合 利用反映亮度信息的评价参数 ( 均值 ,标准差) 、 反映
・36 ・
测 绘 工 程 第 17 卷
差、 相关系数 、 视觉效果等 4 个方面进行定量和定性 地评价 ,以探求一种适合 Q uickBird 图象的较好的 融合算法 。
( GS) 变换进行变换 。
1 遥感影像融合方法
1. 1 IHS 彩色空间变换融合法 I HS 变换法是遥感影像融合算法中最常用的
Gram2schmidt 算法是一种较新颖的像元级的
本研究所采用的数据源为 2005 年 12 月采集的
QuickBird 影像 ,其全色波段空间分辨率 0. 61 m ,多
光谱 2. 44 m 。先对全色和多光谱两幅影像实现精 确配准 ,以保证融合效果 。其中 IHS 彩色空间变换 融合方法和 Brovey 变化法采用光谱的 4 、 3、 2 波段 。
遥感影像像素级融合方法比较研究
张庆河1 ,邹峥嵘1 ,余加勇1 ,2
( 1. 中南大学 信息物理工程学院 ,湖南 长沙 410083 ;2. 湖南大学 土木工程学院 ,湖南 长沙 410082)
摘 要 : 遥感影像数据的融合对于利用影像进行的分类 、 特征提取和目标识别具有重要的意义 。文中阐述了 IHS 彩 色空间变换融合法 、 主成分分析法 ( PCA) 、 Brovey 法及 Gram2schmidt 法的算法实现 , 在此基础上对 QuickBird 全色 波段和多光谱波段进行融合实验 ,最后从信息熵 、 灰度均值 、 相关系数 、 标准差和视觉效果 5 个方面综合进行定量与 定性评价 。分析结果表明 ,IHS 整体上清晰 ,色调协调 ,保留了较多的空间信息 ,细节特征明显 ,质量较好 。 关键词 : 影像融合 ;QuickBird ; 定量评价 ; 定性评价 中图分类号 : TP751 文献标识码 :A 文章编号 :100627949 ( 2008) 0420035204
收稿日期 :2007207221 作者简介 : 张庆河 (1982～) ,男 ,硕士研究生 .
直接在采集的原始数据层或其变换数据层上进行的 融合 ,是为了补充 、 丰富和强化融合影像中的有用信 息 ,使融合影像更符合人或机器的视觉性 ,更有利于 对影像的进一步分析与处理 。像元级融合算法可分 为以光谱域为主的融合和以空间域为主的两类 。目 前光谱域主要的融合算法有代数运算法 、 Brovey 变 换、 I HS 变换法 、 主成分变换法 ; 空间域主要的算法 有高通滤波 、 基于平滑滤波的融合 、 Gram2 Schimdt 变换法 、 合成变量系数法以及现在热门的小波分析 法等 。 因此 ,本文采用像素级 I HS 彩色空间变换融合 法、 Brovey 融合算法 、 Gram_ schmidt 融合算法以及 主成分分析融合算法 , 分别实现 Q uickBird 全色波 段和多光谱波段的融合 。并从信息熵 、 均值及标准
信息熵
7. 483 7. 623 7. 473 7. 748 7. 474 7. 580 7. 491 7. 494 7. 505 7. 112 7. 490 7. 579 7. 552 7. 481 7. 488 7. 140
均值
54. 996 39. 681 57. 899 129. 973 156. 749 106. 319 105. 160 155. 809 125. 908 152. 530 154. 206 111. 278 111. 658 155. 639 125. 207 153. 273
第 17 卷第 4 期 测 绘 工 程 Vol. 17 №. 4 2008 年 8 月 EN GIN EERIN G O F SU RV E YIN G AND MA PPIN G Aug. ,2008
波段与高分辨率影像相乘来增强影像的信息 。此方 法融合采用的计算公式为 R = pan 3 ban d 4 / ( ban d 2 + ban d 3 + ban d 4 ) ,
G = pan 3 ban d 3 / ( ban d 2 + ban d 3 + ban d 4 ) , B = pan 3 ban d 2 / ( ban d 2 + ban d 3 + ban d 4 ) . ( 4)
算法之一 。它将遥感影像从 R GB3 种颜色组成的 彩色空间转换到以 I HS 作为参数的色彩空间 ,然后 将高分辨率全色波段与 IHS 色彩空间的 I ( 亮度) 波 段进行直方图匹配 ,并代替 I 波段与 H 、 S 波段通过 IHS 逆变换得到最终的融合影像 。其变换公式表 示为 1 1 1 3 3 3 I R 1 1 2 ( 1) v1 = G , 6 6 6 v2 B 1 1 0 2 2
影像融合是指把来自不同传感器或同一传感器 下不同尺度的同一场景的两幅或多幅影像 , 采用一 定的算法生成一组新的信息或合成影像 , 以提高影 像的清晰度和可识别性 , 获得单一影像所不能提供 的特征信息 。遥感影像的融合不仅能将具有不同空 间分辨率 、 波谱分辨率和时间分辨率的影像全部纳 入统一的时空内 ,实现多种信息资源的相互补充 ,还 能改善遥感图象目标识别的准确率和提高遥感图象 的综合分析精度 。影像融合技术已成为当前遥感应 用分析的热点 。 影像数据融合按照融合的水平及特点 , 可以分 为像元级 、 特征级 、 决策级融合方法 。像元级融合的 优点是保留了尽可能多的信息 , 提供了其他融合层 次所不能或者难以提供的细微信息 。像元级融合是
Abstract : The f usio n of remote sensing image is very significant for image classificatio n , feat ure abst ractio n and target recognitio n. In t his paper , t he algorit hms’ implementatio n of IHS t ransform , p rincipal co mpo2 nent analysis ( PCA ) , Brovey t ransfo rm and Gram2schmidt t ransform have been st udied met hodically. A nd t hen , panchro matic band and multi2spect ral band of QuickBird are used to assess t he qualit y of t hese f usio n algorit hms. Finally , fo r assessing t he qualit y of t hese images af ter f usio n , informatio n ent rop y , t he gray scale mean value , correlatio n coefficient , standard deviatio n and visio n effect are generally applied to quan2 titative assessment and qualitative evaluatio n. The result indicates t hat IHS t ransfo rm has a harmo ny hue , bet ter qualit y and p reserve mo re spatial detail s. Key words :image f usio n ; Q uickBird ; quantitative assessment ; qualitative evaluatio n