《遥感原理与应用》实验指导书-20140506
《遥感原理与应用》实验报告一
《遥感原理与应用》实验报告一前言一、实验目的与任务《遥感原理与应用》是测量学科的基础课，也是一门实践性很强的课程，实验的目的一方面是为了验证、巩固课堂上所学的知识，另一方面是熟悉遥感平台的应用方法，培养学生进行遥感平台的基本操作技能，使学到的理论与实践相结合。
通过实验，培养学生的动手能力和严格的科学态度，以及爱护仪器、热爱劳动、热爱集体的良好思想。
二、实验内容与学时分配三、实验注意事项1.在实验之前，必须复习教材中的有关内容，认真仔细地预习实验，明确目的要求、方法步骤及注意事项，以保证按时完成实验。
2.每人必须认真、仔细地操作，培养独立工作能力和严谨的科学态度，同时要发扬互相协作精神。
3.实验应在规定的时间和地点进行，不得无故缺席或迟到早退，不得擅自改变地点或离开现场。
在实验或实习过程中或结束时，发现有损坏情况，应立即报告指导教师，同时要查明原因，根据情节轻重，给予适当处理。
四、实验成绩考核单个实验成绩由两部分组成：课程成绩 = 过程考核30% + 实验报告×70%。
实验一认识遥感影像并熟悉遥感影像处理软件一、实验目的1.掌握遥感影像的下载方式，了解相关平台。
2.掌握ENVI的基本视窗操作，能够进行系统设置，查看并理解遥感卫星影像的相关参数。
3.掌握使用ENVI进行遥感影像裁剪的方法和步骤。
4.了解遥感影像的格式，能够将遥感影像存储成特定格式。
5.掌握遥感影像的合成方法，包括真彩色合成和伪彩色合成。
二、实验原理1.图像裁剪图像裁剪的目的是将研究区之外的区域去除，常用的方法是按照行政区边界或者自然区划边界进行图像裁剪。
同时，还可以按照矩形，任意多边形，影像对其进行裁剪。
规则裁剪，是指裁剪图像的边界范围是一个矩形，这个矩形范围获取途径包括：行列号、左上角和右下角两点坐标、图像文件、ROI/矢量文件。
2.多波段组合以Landsat8 OLI传感器为例，多波段组合方式及用途如下表所示。
表1.1 Landsat8数据波段参数三、实验内容1.通过网络（如地理空间云等），免费下载一幅遥感影像。
《遥感原理与应用》教学大纲
遥感原理与应用一、课程说明课程编号：010517Z10课程名称：遥感原理与应用/Remote Sensing Principle and Application课程类别：专业教育课程学时/学分：48/3先修课程：数字图像处理适用专业：地理信息科学，地质工程教材、教学参考书：1.梅安新主编.遥感导论.北京：高等教育出版社.2010年；2.孙家炳主编.遥感原理与应用（第三版）.武汉：武汉大学出版社.2013年；3.吴俐民编著.卫星遥感影像专题信息提取技术与应用.成都：西南交通大学出版社.2013年；4.周廷刚主编.遥感原理与应用.北京：科学出版社.2015年；5.彭望琭主编.遥感概论.北京：高等教育出版社2002年。
二、课程设置的目的意义该课程是地理信息科学专业的核心必修课程，主要目的是使学生掌握遥感的基本概念、基本原理和方法，并熟悉遥感在各领域中的简单应用，培养学生对遥感技术及其应用方面的兴趣，增强学生创新意识和创新思维，提高实际动手能力和创新能力。
通过本课程的学习，为学生进一步学习《遥感影像分析》、《地理国情监测》、《空间数据挖掘》和《毕业设计/论文》等课程奠定基础。
三、课程的基本要求知识：掌握遥感成像的物理基础；掌握地物光谱的基本特征；熟悉1-2个主要遥感软件的基本操作；能完成遥感影像基本处理；掌握遥感图像解译的基本原理与方法；掌握遥感在各领域的简单应用。
能力：熟悉主要遥感软件的特点与功能，具备应用遥感软件进行遥感影像处理的能力；具备利用遥感影像进行地理空间信息获取、处理、分析、理解与应用的基本能力；掌握文献检索、资料查询及运用现代信息技术获取相关信息的基本方法，具有一定的归纳分析、撰写论文、参与学术交流的能力；具有良好的科学思维和科学方法，具有创新意识和协同攻关能力和科学研究的初步能力。
素质：既能独立工作，又具有团队协作精神，适应竞争学会合作；具有良好的心理承受能力及科学的工作心态；具有良好的自学能力和独立解决问题的能力。
遥感原理与应用实验教学大纲
6、遥感技术的应用：通过在测绘、地质、资源环境、水利四个领域的应用实例，掌握在不同行业遥感应用的具体解决方案和技术措施。
（三）安排方式：实验以班级为单位在学院计算机房进行。
四、场地与设备
1、实践场地：院机房
2、所用设备：计算机及遥感图象处理软件ENVI
五、考核与成绩评定
通过实验学生应该掌握的能力和应完成的主要工作：
1、独立完成软件的安装与设置；
2、独立完成图象数据的下载、属性数据的输入、转换等；
3、独立图象处理的各个环节；
4、完成成果的输出和实验报告书写。
根据以上成果的提供和学生独立完成的数量和质量，按照优、良、中、及格和不及格给出学生综合成绩，记入学生该门课的平时成绩。
六、实验大纲说明
本实验属于课堂实验，要求学生运用所在章节学习内容完成相应的遥感图象处理实验，巩固所学的理论知识。
主要培养学生综合运用所学知识、实验方法和实验技能分析、解决问题的能力。
本实验是“遥感原理与应用”课程的课程实验，所以欲完成本实验，还要参照“遥感原理与应用”课程教学大纲。
《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)。
遥感原理与应用实验报告
遥感原理与应⽤实验报告《遥感原理与应⽤》课程Remote Sensing Principle and Application实验报告适⽤专业：遥感科学与技术、测绘⼯程、地理信息系统学期：2016-2017（1）专业班级：测绘⼯程13-4班学⽣姓名：盼学号： 20137018指导教师：⽥静⿊龙江⼯程学院·测绘⼯程学院2016年10⽉⽬录实验⼀ENVI软件安装与基本功能操作 (2)实验⼆影像的地理坐标定位和校正 (18)实验三图像融合、镶嵌、裁减 (28)实验四遥感图像分类 (35)实验项⽬实验⼀ENVI软件安装与基本功能操作实验⽇期2016年10⽉19⽇实验地点实验楼612同组⼈数1⼈实验类型□传统实验现代实验□其他□验证性综合性□设计性□其他⾃⽴式□合作式□研究式□其他⼀、实验⽬的熟悉遥感数据图像处理软件ENVI的安装过程，了解ENVI基本信息、基本概念及其主要特性。
对ENVI操作界⾯有⼀个基本的熟悉，对各菜单功能有⼀个初步了解，为后⾯的实验作好准备。
⼆、实验仪器设备1．硬件环境：计算机⼀台；2．软件环境：WindowsXP操作系统、ENVI4.7软件等。
三、实验原理、内容及步骤实验原理、内容：（1）遥感图像处理软件ENVI界⾯总体介绍；（2）ENVI软件能识别的图像类型介绍；（3）各种图像⽂件的打开。
实验步骤：1. ENVI的安装。
2. 遥感图像处理软件ENVI界⾯介绍。
启动ENVI后,出现主菜单条,⼀共12项：File：⽂件操作。
⽀持众多的卫星和航空传感器。
⽀持80多种图像以及⽮量数据格式的输⼊，⽀持多种格式图像⽂件的直接输⼊。
可输出的格式包括：栅格格式和⽮量格式。
Basic Tools：基本图像⼯具。
提供了多种ENVI功能的⼊⼝。
这些功能对于处理各种数据类型都是很有⽤的。
主要包括数据的调整、图像统计/分析、变化检测、波段运算、图像分割、图像掩膜。
Classification：图像分类⼯具。
《遥感原理与应用》实验报告
《遥感原理与应用》实验报告实验报告：遥感原理与应用一、实验目的通过实验了解遥感的基本原理，掌握遥感技术的基本应用方法。
二、实验仪器和材料1.遥感软件：ENVI、ERDAS、IDRISI等2.遥感数据：卫星遥感影像数据三、实验内容1.遥感影像地理信息提取通过遥感软件导入遥感影像数据，利用图像处理方法提取地理信息，如土地利用类型、植被覆盖度等。
2.遥感影像分类利用遥感影像数据进行分类分析，将影像中的不同对象或地物进行分类，如建筑物、农田、水域等。
3.遥感影像变化检测利用不同时间的遥感影像数据进行变化检测，观察地物变化的情况，如城市扩张、植被变化等。
四、实验步骤1.打开遥感软件，导入遥感影像数据。
2.使用图像处理方法提取地理信息，如选择适当的阈值进行植被覆盖度的提取。
3.利用分类分析方法将影像中的不同对象进行分类，可以使用最大似然分类方法或支持向量机分类方法等。
4.比较不同时间的遥感影像数据，通过图像差异分析方法进行变化检测。
五、实验结果通过实验，我们成功使用遥感软件导入遥感影像数据，并提取了植被覆盖度等地理信息。
同时，我们还使用分类分析方法将影像中的不同对象进行了分类，得到了建筑物、农田、水域等分类结果。
最后，我们通过比较不同时间的遥感影像数据，成功进行了变化检测，观察到了城市扩张和植被变化的情况。
六、实验感想通过这次实验，我们深入了解了遥感技术的基本原理和应用方法。
遥感技术具有非常广泛的应用领域，如环境监测、农业管理、城市规划等。
遥感影像数据可以提供大量的地理信息，通过图像处理和分类分析可以提取出有用的地理信息，同时通过变化检测可以观察到地物的变化情况。
掌握遥感技术对于我们理解地球变化、环境保护和资源利用具有重要意义。
总结：通过这次实验，我们不仅学习到了遥感技术的基本原理和应用方法，还亲自进行了实验操作，掌握了使用遥感软件进行遥感影像地理信息提取、分类分析和变化检测的基本技能。
希望今后能够将所学的遥感知识应用到实际工作中，为地球环境的保护和资源的利用做出贡献。
遥感原理与应用实验报告.doc
遥感原理与应用ENVI初步学习和影像增强处理一、实验目的1、初步学习ENVI 软件和掌握其基本操作；2、了解遥感图像处理的基本原理、流程以及软件系统的基本构成和功能；3、理解和掌握影像增强处理的基本内容，包括直方图的概念、生成方法，理解直方图所反映的图像性质；4、了解图像增强和滤波的多种方法，掌握直方图均衡、分段线性拉伸、密度分割、平滑、锐化、边缘增强的方法；5、掌握了改善遥感图像视觉效果的有效方法。
二、实验数据介绍ENVIdescription = {Bighorn Basin, Landsat TM, Calibrated to Reflectance}samples = 512lines = 512bands = 6header offset = 0file type = ENVI Standarddata type = 1interleave = bsqsensor type = Landsat TMbyte order = 0map info = {UTM, 1.000, 1.000, 277904.645, 4906894.331, 2.8500000000e+001, 2.8500000000e+001, 13, North, units=Meters}coordinate system string ={PROJCS["UTM_Zone_13N",GEOGCS["GCS_North_American_1927",DATUM["D _North_American_1927",SPHEROID["Clarke_1866",6378206.4,294.9786982]],PRI MEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Tra nsverse_Mercator"],PARAMETER["False_Easting",500000.0],PARAMETER["False _Northing",0.0],PARAMETER["Central_Meridian",-105.0],PARAMETER["Scale_F actor",0.9996],PARAMETER["Latitude_Of_Origin",0.0],UNIT["Meter",1.0]]} wavelength units = Micrometersz plot range = {0.00, 100.00}z plot titles = {Wavelength, Reflectance}band names = {TM Band 1, TM Band 2, TM Band 3, TM Band 4, TM Band 5, TM Band 7} wavelength = {0.485000, 0.560000, 0.660000, 0.830000, 1.650000, 2.215000}三、实验过程- 1 -A、初步学习初步学习遥感图像的输入/输出、波段组合及图像显示。
《遥感原理与应用》实验报告三
《遥感原理与应用》实验报告三实验五图像融合一、实验目的1.掌握多源遥感影像融合的概念和意义。
2.掌握遥感影像融合的原理和方法。
3.掌握使用ENVI进行图像融合的方法和步骤。
二、实验原理遥感影像融合技术采用一定的算法对同一地区的多源遥感影像进行处理，生成一幅新的图像，从而获取单一传感器所不能提供的某些特征信息。
例如，全色图像一般具有较高的空间分辨率，但光谱分辨率较低，而多光谱图像则具有光谱信息丰富、空间分辨率低的特点，为了有效的利用两者的信息，可以对他们进行融合处理，在提高多光谱图像分辨率的同时，又保留了其多光谱特性。
表5.1 融合方法三、实验内容以GS变换为例：1.打开多光谱图像和全色波段图像2.在工具箱中，选择Image Sharpening→Gram-Schmidt Pan Sharpening，在输入低分辨率多光谱对话框中，选择多光谱文件；3.在输入高分辨率多光谱对话框中，选择全色波段文件；4.在Pan Sharpening Parameters对话框中设定输出文件名和路径。
以Brovey变换为例：1.打开多光谱图像和全色波段图像，并将图像转变为无符号8bit数据，Raster Management→Masking→Stretch Data，在Data Stretching面板中Data Type选择Byte；2.在工具箱中，选择Image Sharpening→Color Normalized (Brovey)，在输入低分辨率多光谱对话框中，选择红、绿、蓝波段；3.在输入高分辨率多光谱对话框中，选择全色波段；4.在Color Normalized (Brovey)输出面板中选择重采样方式，并设定输出文件名和路径。
四、实验要求1.应用ENVI软件对遥感影像进行HSV变换融合。
2.应用ENVI软件对遥感影像进行Brovey变换融合。
3.应用ENVI软件对遥感影像进行PC变换融合。
4.应用ENVI软件对遥感影像进行GS变换融合。
- 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)。
遥感原理与应用实验指导书(第一版)实验一ENVI基本操作实验目的了解遥感图像处理软件ENVI的界面和基本操作。
实验内容ENVI基本功能操作，包括图像的打开、显示、增强等。
实验仪器、设备及材料ENVI遥感图像处理软件，示例遥感影像。
实验原理影像显示功能简介：二维视窗是显示栅格图像、矢量图形、注记文件、ROI 等数据层的主要窗口。
通过实际操作，掌握视窗菜单的主要功能、视窗工具功能。
图1 ENVI5.0主界面重点掌握ENVI5.0主菜单，ENVI5.0工具栏等基本功能。
实验步骤1、图像显示File->Open或者选择需要进行显示的数据文件。
2、数据管理File->Data Manager或者打开数据管理窗口。
数据列表数据详细信息波段合成列表3、工具栏4、右键菜单进行显示控制。
如改变RGB彩色显示波段，影像缩放，栅格数据密度分割与颜色表变换等。
实验二遥感影像几何校正实验目的遥感影像的几何校正处理（图像配准）。
实验内容⏹使用ENVI软件实现遥感图像的裁剪；⏹对裁剪后的影像进行多项式校正（配准）。
实验仪器、设备及材料ENVI遥感图像处理软件，示例遥感影像。
示例遥感影像包括：◆待校正航摄影像（西南交通大学犀浦校区2008年）参考影像（西南交通大学犀浦校区2006年Quickbird全色影像）实验原理多项式纠正回避成像的空间几何过程，直接对图像变形的本身进行数字模拟。
多项式的项数（即系数个数）N与其阶数n有着固定的关系：N=（n+1）（n+2）/2 根据纠正图像要求的不同选用不同的阶数，当选用一次项纠正时，可以纠正图像因平移、旋转、比例尺变化和仿射变形等引起的线性变形。
当选用二次项纠正时，则在改正一次项各种变形的基础上，还改正二次非线性变形。
如选用三次项纠正则改正更高次的非线性变形。
（一）利用已知地面控制点求解多项式系数；（二）遥感图像的纠正变换（三）数字图像亮度（或灰度）值的重采样采用适当的方法把某点位周围邻近整数点位上亮度值对该点的亮度贡献累积起来，构成该点位的新亮度值，这个过程即称为数字图像亮度（或图像灰度）值的重采样。
１）最邻近像元采样法取距离被采样点最近的已知像素的亮度作为采样亮度。
２）双线性内插法取（x,y）点周围的4邻点，在y方向内插二次，再在x方向内插一次，得到（x,y)点的亮度值f（x,y)。
３）双三次卷积重采样法取与计算点周围相邻的16个点，先在某一方向内插，再根据计算结果在另一个方向上内插，得到一个连续内插函数。
实验步骤第一步：打开并显示图像文件(1)选择主菜单→File→Open Image File，将“犀浦校区航片2008.tif”和“犀浦校区2006全色PAN.img”文件打开，并将他们显示在Display窗口中。
第二步：裁剪待校正影像图像裁剪的目的是将研究区之外的区域去除，常用的方法是按照行政区边界或者自然区划边界进行图像裁剪。
同时，还可以按照矩形，任意多边形，影像对其进行裁剪。
（1）选择主菜单→Basic Tools→Resize Data（Spatial/Spectral），在Resize Data Input File中选择待裁剪的影像，点击Spatial Subset，进入Select Spatial Subset面板。
（2）在Subset Using下方点击Image，进入Subset by Image面板。
通过调整红色矩形框的大小确定待裁剪区域后，点击OK。
回到Select Spatial Subset面板，点击OK。
（3）点击OK后进入Resize Data Parameters面板，选择重采样方式，文件存储路径。
点击OK后裁剪影像自动添加到可用波段列表中。
第三步：启动几何校正模块（1）选择主菜单→Map→Registration→Select GCPs：Image to Image,打开几何校正模块。
（2）选择显示裁剪后的文件的Display窗口为基准图像（Base Image），显示“犀浦校区航片2008.tif”的Display窗口为待校正图像（Warp Image），点击OK按钮，进入采集地面控制点窗口。
第四步：地面控制点（GCPs）选取(1)为了便于选择控制点，在Display#1和Display#2的主窗口（Image）中分别点击右键→Toggle→Display Cross-hair，显示十字靶框。
(2)在两个Display窗口中，移动方框的位置，寻找明显的地物特征点作为输入GCP（GCP一定要布置在影像纹理清晰易于定位的地方，如线状地物的交叉点或地物拐角上，GCP均匀分布在影像上。
）在两个Display窗口中的Image窗口粗略定位后，然后在Zoom窗口精确定位。
(3)匹配好特征点后，在Ground Control Points Selection 上，单击Add Point按钮，将当前GCP加入到列表中。
(4)用同样的方法继续寻找其余特征点，当选择控制点的数量多余3个时，会自动计算RMS。
Ground Control Points Selection上的Predict按钮可用，这时在基准图像上定位一个特征点，单击Predict按钮，待校正图像显示窗口中会自动预测匹配区域，适当调整一下位置，单击Add Point按钮，添加当前GCP。
随着GCP数量越来越多，预测点的精度会越来越精确。
(5)在Ground Control Points Selection 上，单击Show List 按钮，可以看到选择的所有GCPs。
(6)在Image to Image GCP List 上单击Options，选择Order Points by Error，所有的GCPs会自动按照RMS值由高到低排序。
(7)删除RMS过高的点或者将十字光标重新定位到正确位置，点击Image to ImageGCP List上的Update进行微调。
(8)反复调整GCPs，确保总的RMS值小于1个像素，点的数量足够而且分布均匀。
（ENVI提供3种几何校正计算模型：仿射变换RST；多项式模型Polynomial；局部三角网Triangulation。
应用较多的多项式模型需要确定多项式的次方数，如2次多项式或者3次多项式。
选择的次方数与最少的控制点相关的，计算公式为：最少控制点数=（n+1）*（n+2）/ 2,其中n为次方数。
如2次多项式最少需要6个控制点。
）(9)在Ground Control Points Selection 上，选择File→Save GCPs to ASCII，保存所选控制点。
第五步：选择校正结果并输出结果（1）在Ground Control Points Selection上，选择Options→Warp File（as Image to Map），选择待校正影像，点击OK后到Registration Parameter面板。
（2）在Registration Parameter中，默认投影参数和像元大小与基准影像一致。
（3）如上图所示，校正方法选择2次多项式（Polynomial），重采样方法为最近邻法，背景值为0，选择输出路径和文件名，后点击OK。
第六步：检验校正结果（1）同时在两个Display窗口中打开基准影像和校正后的影像，通过视窗链接（Link Displays）及十字光标或者地理链接（Geographic Link）进行关联。
在任意Display窗口中点击鼠标右键，分别选择Link Displays和Geographic Link后如下图所示（2）移动十字光标，目视检查校正结果是否符合要求。
实验注意事项思考题实习报告本次实习报告应该包括如下内容：1、一般多项式几何校正的原理与方法；2、数据处理的主要步骤及结果图件（影像裁剪与几何校正）；3、查阅文献资料，归纳总结目前常用的几何校正模型及其特点。
实验三遥感影像辐射处理实验目的遥感影像的辐射处理（辐射定标与辐射增强）。
实验内容⏹使用ENVI软件实现遥感影像的辐射定标处理；⏹使用ENVI软件实现遥感影像的融合处理。
实验仪器、设备及材料ENVI遥感图像处理软件，示例遥感影像。
示例遥感影像包括：◆Landsat8 OLI影像（成都地区2013年）◆Quickbird影像（全色+多光谱，西南交通大学犀浦校区2006年）实验原理遥感影像的像元值大多是经过量化的、无量纲的DN值，而进行遥感定量化分析时，常用到辐射亮度值、反射率值、温度值等物理量。
传感器（影像）辐射定标就是通过计算获得这些物理量的过程。
辐射定标是将遥感器所得的测量值变换为辐射亮度或地表反射率、表面温度等物理量有关的相对值的处理过程。
或者说，辐射定标就是建立遥感传感器每个探测器输出值与该探测器对应的实际地物辐射亮度之间的定量关系。
常用的辐射定标模型为线性模型：L gain DN bias=⨯+。
影像融合是将同一目标或场景的、并由不同传感器获得的，或用同种传感器以不同成像方式，或在不同成像时间获得的不同影像，融合为一幅影像。
在既保持多光谱影像辐射信息的同时又能提高影像空间分辨率的遥感影像处理方法。
影像融合有3个层次，分别是像素级（影像在经过严格的几何配准基础上进行逐像元运算处理而完成的融合处理）；特征级（考虑影像待识别要素的边缘、形状、纹理等特征，使要素信息在目标向量层次上得到更好的综合）和决策级（根据一定的准则和可信度，实现目标属性层次上的融合）。
主要的融合算法有KL变换、IHS变换、Brovey变换、Gram-Schmidt变换、CN变换及小波变换融合算法等。
实验步骤（1）Landsat8 OLI辐射定标在进行定量化的遥感应用之前，需要对原始影像进行辐射定标运算，目的是把图像上的DN值转为辐亮度或者是反射率。
在ENVI中一般有两种方式进行辐射定量运算，一种是利用利用计算公式，在ENVI中利用band math（波段运算）计算辐亮度或者反射率，另一种是利用ENVI自带的对特定传感器数据的定标工具（如Landsat TM、EOS MODIS等）。
根据NASA对于LandSat 8影像使用的相关说明文档“Landsat 8 Conversion to Radiance, Reflectance and At-Satellite Brightness Temperature ”(/landsat8.php)，可以根据下面的公式将DN值转化为大气层顶辐射亮度值、反射率和亮度温度。
Conversion to TOA RadianceOLI and TIRS band data can be converted to TOA spectral radiance using the radiance rescaling factors provided in the metadata file:Lλ = M L Q cal + A Lwhere:Lλ= TOA spectral radiance (Watts/( m2 * srad * μm))M L= Band-specific multiplicative rescaling factor from the metadata (RADIANCE_MULT_BAND_x, where x is the band number)A L= Band-specific additive rescaling factor from the metadata (RADIANCE_ADD_BAND_x, where x is the band number)Q cal= Quantized and calibrated standard product pixel values (DN)Conversion to TOA ReflectanceOLI band data can also be converted to TOA planetary reflectance using reflectance rescaling coefficients provided in the product metadata file (MTL file). The following equation is used to convert DN values to TOA reflectance for OLI data as follows:ρλ' = MρQcal + Aρwhere:ρλ' = TOA planetary reflectance, without correction for solar angle. Note that ρλ' does not contain a correction for the sun angle.Mρ= Band-specific multiplicative rescaling factor from the metadata (REFLECTANCE_MULT_BAND_x, where x is the band number)Aρ = Band-specific additive rescaling factor from the metadata (REFLECTANCE_ADD_BAND_x, where x is the band number)Qcal = Quantized and calibrated standard product pixel values (DN)TOA reflectance with a correction for the sun angle is then:()()''cos sin SZ SE ρλρλρλθθ==where:ρλ = TOA planetary reflectanceθSE = Local sun elevation angle. The scene center sun elevation angle in degrees is provided in the metadata (SUN_ELEV ATION).θSZ = Local solar zenith angle; θSZ = 90° - θSEConversion to At-Satellite Brightness TemperatureTIRS band data can be converted from spectral radiance to brightness temperature using the thermal constants provided in the metadata file:21ln(1)K T K L λ=+ where:T = At-satellite brightness temperature (K)L λ = TOA spectral radiance (Watts/( m2 * srad * μm))K 1 = Band-specific thermal conversion constant from the metadata (K1_CONSTANT_BAND_x, where x is the band number, 10 or 11) K 2 = Band-specific thermal conversion constant from the metadata (K2_CONSTANT_BAND_x, where x is the band number, 10 or 11)ENVI5.0调用Band Math计算工具：定标参数（2）影像融合①在右侧Toolbox中查找工具Gram-Schmidt Pan Sharpening。