高空间分辨率影像和多光谱影像融合的研究
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。
3.3 Pansharping融合Pansharping算法用于高分辨率全色影像和多光谱影像的融合生成高分辨率彩色影像，此方法要求全波段影像和多波段影像同平台、同时间（或间隔很短）获得。
基于SIFT的高分二号全色与多光谱影像配准算法
基于SIFT的高分二号全色与多光谱影像配准算法基于SIFT（尺度不变特征转换）的高分二号全色与多光谱影像配准算法，是一种用于将高分二号全色影像与多光谱影像进行配准的方法。
全色影像通常具有很高的空间分辨率，而多光谱影像则具有较高的光谱分辨率。
通过将这两种影像进行融合，可以得到既有高空间分辨率又有高光谱分辨率的影像数据，对于地物的提取和分析具有重要的作用。
全色与多光谱影像的配准问题成为了遥感图像处理中的一个重要研究方向。
SIFT算法是一种用于图像特征提取与匹配的方法，具有尺度不变性、旋转不变性和仿射不变性的特点。
在SIFT算法中，首先通过高斯金字塔方法计算图像的尺度空间，然后在每个尺度空间中通过差分高斯函数对图像进行滤波，得到关键点。
在得到关键点之后，通过主曲率来确定关键点的主方向，进而计算关键点的特征向量。
通过比较特征向量之间的欧氏距离来进行特征匹配。
在高分二号全色与多光谱影像的配准算法中，首先需要对全色影像和多光谱影像进行尺度空间的计算和特征向量的提取。
然后，通过比较全色影像和多光谱影像的特征向量之间的欧氏距离，找到最佳的匹配点对。
通过计算匹配点对之间的变换矩阵，将全色影像与多光谱影像进行配准。
该算法具有以下特点和优势：1. 尺度不变性：SIFT算法使用尺度空间来提取特征向量，具有很好的尺度不变性，可以适应不同尺度的影像数据。
2. 抗干扰性：SIFT算法通过特征向量之间的欧氏距离来进行特征匹配，可以有效地抵抗噪声和干扰。
3. 计算效率高：SIFT算法通过高斯金字塔来计算尺度空间，可以有效地减少计算量，提高计算效率。
4. 高精度：SIFT算法通过特征匹配和变换矩阵计算，可以得到高精度的配准结果。
基于SIFT的高分二号全色与多光谱影像配准算法具有很好的性能和效果，能够有效地实现全色影像和多光谱影像的配准。
通过该算法可以提高遥感图像处理的精度和效率，为地物提取和分析等应用提供了可靠的数据基础。
多光谱融合技术
多光谱融合技术多光谱融合技术是一种将不同光谱图像融合成单一图像的方法，以便在多个光谱带中同时获取信息。
这种技术被广泛应用于遥感、医疗影像、材料检测等领域。
以下是关于多光谱融合技术的详细介绍。
一、背景与意义在遥感领域中，传统的单一光谱成像技术已经无法满足人们对地物识别、环境监测等方面的需求。
为了获取更多地物信息，人们开始研究多光谱成像技术。
多光谱成像技术利用不同的光谱带，可以捕捉到地物的不同特征，如颜色、纹理等。
然而，单一的多光谱图像往往不能满足所有应用需求，因此需要将不同多光谱图像融合成单一图像，以便更好地提取地物特征、提高地物识别的准确性。
二、研究现状目前，多光谱融合技术已经得到了广泛的研究和应用。
其中，一些常见的多光谱融合方法包括：基于波段组合的融合方法、基于变换域的融合方法、基于深度学习的融合方法等。
1.基于波段组合的融合方法基于波段组合的融合方法是最简单的一种多光谱融合方法。
它通常将高分辨率的单波段图像与低分辨率的多光谱图像进行组合，以得到高分辨率的多光谱图像。
这种方法简单易用，但往往会造成一些信息损失。
2.基于变换域的融合方法基于变换域的融合方法是一种比较常用的多光谱融合方法。
它通常将多光谱图像进行变换，如傅里叶变换、小波变换等，然后将变换后的系数进行融合，以得到新的多光谱图像。
这种方法可以保留更多的信息，但计算量较大。
3.基于深度学习的融合方法基于深度学习的融合方法是一种比较新的多光谱融合方法。
它利用深度神经网络对多光谱图像进行处理，以得到更好的融合效果。
这种方法可以自动提取特征，避免人为设定特征的问题，但需要大量的训练数据。
三、实验与分析为了验证多光谱融合技术的有效性，我们在遥感影像和医疗影像等领域进行了实验。
实验结果表明，多光谱融合技术可以提高图像的分辨率和清晰度，增强地物特征的提取效果，提高疾病诊断的准确性。
具体来说，我们采用了基于波段组合的融合方法对遥感影像进行处理，得到了高分辨率的多光谱图像，并利用图像处理技术对图像进行分析和处理，提取了更多的地物特征信息。
多光谱和全色影像融合步骤
多光谱和全色影像融合步骤1.引言多光谱影像和全色影像是遥感领域中常用的两种影像数据，它们分别具有不同的光谱特征和空间分辨率。
为了充分利用两种影像数据的优势，我们可以采用多光谱和全色影像融合技术，将它们融合成一幅具有高空间分辨率和丰富光谱信息的影像。
本文将介绍多光谱和全色影像融合的步骤和方法。
2.多光谱和全色影像融合步骤多光谱和全色影像融合的步骤主要包括预处理、融合方法选择和后处理三个环节。
2.1预处理在进行多光谱和全色影像融合之前，我们需要对原始影像进行预处理，以确保融合结果的准确性和可靠性。
预处理包括影像的配准、辐射校正和大气校正等。
2.1.1影像配准影像配准是将多光谱和全色影像进行精确对齐的过程。
常用的配准方法包括特征点匹配、相位相关和控制点配准等。
2.1.2辐射校正辐射校正用于消除影像中的光照差异，使得不同影像之间具有一致的辐射特性。
常用的辐射校正方法包括直方图匹配法、直线拉伸法和大气校正法等。
2.1.3大气校正大气校正用于消除影像中由于大气介质的存在而引起的大气光照效应。
常用的大气校正方法包括大气点扩散函数法和大气透射率法等。
2.2融合方法选择选择适合的融合方法对于多光谱和全色影像融合的成功至关重要。
常用的融合方法包括基于变换的方法和基于分解的方法。
2.2.1基于变换的方法基于变换的方法通过对多光谱和全色影像进行变换，将它们融合到一个新的空间域或频域中。
常用的变换方法包括傅里叶变换、小波变换和主成分分析法等。
2.2.2基于分解的方法基于分解的方法通过对多光谱和全色影像进行分解，提取它们的特征信息，并进行融合。
常用的分解方法包括主成分分析、小波分解和非负矩阵分解等。
2.3后处理融合完成后，我们还需要进行一些后处理操作，进一步改善融合结果的质量和可视效果。
2.3.1锐化增强锐化增强是指对融合结果进行图像增强处理，以提高影像的细节和边缘信息。
常用的锐化增强方法包括拉普拉斯锐化和直方图均衡化等。
《遥感技术》实验报告
郑州大学水利与环境学院遥感技术实验报告（适用于地理信息系统专业）专业班级： ***********学生姓名： *******学生学号： ***********指导教师： ******实验成绩：***年***月实验一、遥感图像认知与输入/输出的基本操作一、实验要求1.了解遥感卫星数字影像的差异。
2.掌握查看遥感影像相关信息的基本方法。
3.掌握遥感图像处理软件ERDAS的基本视窗操作及各个图标面板的功能。
4.了解遥感图像的格式，学习将不同格式的遥感图像转换为ERDASimg格式，以及将ERDASimg 格式转换为多种指定的格式图像。
5.学习如何输入单波段数据以及如何将多波段遥感图像进行波段组合。
6.掌握在ERDAS系统中显示单波段和多波段遥感图像的方法。
二、实验内容1.遥感图像文件的信息查询。
2.空间分辨率。
3.遥感影像纹理结构认知。
4.色调信息认知。
5.遥感影像特征空间分析。
6.矢量化。
7.遥感图像的格式。
8.数据输入/输出。
9.波段组合。
10.遥感图像显示。
三、实验结果及分析：简述矢量功能在ERDAS中的意义。
矢量功能可以将栅格数据转化为矢量数据。
矢量数据有很多优点：1.矢量数据由简单的几何图元组成，表示紧凑，所占存储空间小。
2.矢量图像易于进行编辑。
3.用矢量表示的对象易于缩放或压缩，且不会降低其在计算机中的显示质量。
四、实验结果及分析：简述不同传感器的卫星影像的特点和目视效果。
SPOT卫星最大的优势是最高空间分辨率达10m，并且SPOT卫星的传感器带有可以定向的发射镜，使仪器具有偏离天底点（倾斜）观察的能力，可获得垂直和倾斜的图像。
因而其重复观察能力由26天提高到1~5天，并在不同的轨道扫面重叠产生立体像对，可以提供立体观测地面、描绘等高线，进行立体绘图的和立体显示的可能性。
CBRES的轨道是太阳同步近极地轨道，轨道高度是778km，卫星的重访周期是26天，其携带的传感器的最高空间分辨率是19.5m。
应用ERDAS进行高分辨率卫星PAN和MS影像融合的探讨
当前 大 部 分 高 分 辨 遥 感 卫 星 ， Ｉ 如 ＫＯＮＯＳ 、
Ｑｕｃ Ｂｒ 、 ｏ ｙ— ｉ ｉ Ｇｅ Ｅ ｅｌ和 Ｗｏ ｌＶｉ 一 等 ， 既能 ｋ ｄ ｒ ｄ ｅ ２ ｗ 均
法 ， 括 主 成 分 变 换 融 合 法 （ ｃ 、 积 变 换 融 包 Ｐ Ａ） 乘 合法 （ ｌ ｐｉ ｔ ｅ 、 ｒｖ ｙ变 换 融 合 法 、 正 Ｍｕｔ ｌ ａｉ ） Ｂ ｏ ｅ ｉ ｃ ｖ 修 的色 彩空 问变 换 （ ＨＳ 融 合法 、 通滤 波 （ ｇ ＭＩ ） 高 Ｈｉｈ Ｐ ｓ ｉ ｅ ， Ｆ 融 合 法 、 波 变换 （ ｖ ｌｔ 融 ａｓＦ ｌ ｒ ＨＰ ） ｔ 小 ｗａ ｅｅ）
融 合法 共 计 ９ 方法 。在 湖南 省 土地 利用 变更 调 种 查 底 图制 作 、 沙 市 正 射 影 像 制 作 、 村 集 体 土 长 农
地 确权 调 查影像 补 充 制 作 等 生 产 项 目中 ， 及 到 涉
Ｉ ＫＯＮＯＳ、 ｕ ｉＢｉｄ Ｇｅ Ｅｙ Ｑ ｃｋ ｒ 、 ｏ ｅ一 １ Ｗ ｏ ｌＶｉｗ 一 、 ｒｄ ｅ
ＭＳ影像 的融 合成 为 高分 辨 率遥 感 影 像 应用 中 的
一
个 关 键 技 术 环 节 ［ ［ ［ 。 Ｅ ＡＳ Ｉ ＡＧ ］ ＲＤ Ｍ ］ —
Ｉ ＮＥ 软 件支 持企 业级 的地 理 空 间影 像 处 理 ， 年 近
来 ， 传统 影 像 融 合 技 术 的 基 础 上 ， 断 推 陈 出 在 不 新 ， 增 了 多 种 面 向 高 分 辨 率 遥 感 卫 星 全 色 新
应 用 Ｅ ＤＡＳ软 件 进 行 典 型 高 分 辨 率 卫 星 Ｐ Ｒ ＡＮ
分 变换 后第 １主成 分 （ Ｃ ） 含 了多光 谱 波 段 的 Ｐ １包 大 多数 信息 ， 信 息量 要 比全 色 波 段 影像 的 信 息 其 量高， 当用 修改 后 的全 色 波 段 影 像 的灰 度值 替 代 Ｐ ， Ｃ１ 再进 行 反 变 换 得 到 的增 强 后 的多 光 谱 波 段
高空间分辨率与高光谱分辨率遥感数据融合研究
２ 实验数据 及融合方法
２ １实验数 据 ． 实 验 中高光谱 数 据采用 Ｈ ｐ ｒ ｏ ， ｙ ｅ ｉ ｎ 为方 便实验 ， 简化 计算 ，仅 从 Ｈ ｐ ｒ ｏ 感数据 的可 见光 与近 红 ｙ ｅ ｉｎ遥
外波 段 中选取 了 ５ 波段 参与融 合 实验 ，其 中波长 ０个
范 围为 ４ ６ ８ ｎ ￣９ ５ ４ ｎ ，光谱 分辨 率约 １ｎ 。 ２ ．２ｍ ２． １ｍ ０ ｍ 全色 影像 采用 Ｓ Ｏ Ｐ Ｔ５影像 。Ｈ ｐ ｒ ｏ ｙ ｅ ｉ ｎ与 Ｓ Ｏ ５数据 ＰＴ 特征 如表 １ 、２所示 。 对 Ｈ ｐ ｒｏ ｙ ｅ ｉｎ图像 ，在 Ｅ ｖ ４ ５下 ，采 用最 近邻 ｎ ｉ． 采样 法 ，将 其空 间分辨 率 拉伸 到 ５ ，并与 Ｓ Ｏ ｍ Ｐ Ｔ进行 了配准 ，配准后 的 Ｒ Ｓ在 ０ ５ Ｍ ． ｍ以下 。
Ｒｅ ｅ ｒ ｈｏ ｇ ｐａｉｌ ｎ ｇ ｐ ｃｒ ｌ ｓ ｌｔｏ ｍ ｏｅ ｓ ａｃ ｎ Ｈｉｈ Ｓ ｔａ ｄＨｉ ｈ Ｓ ｅ ｔａ ｏ ｕ ｉｎＲｅ ｔ ａ Ｒｅ Ｓ ｎｓｎ ｍ ａ ｅＦ ｓｏ ｅ ｉ ｇＩ ｇ ｕ ｉｎ
ＭＡＮ Ｗ ｎ ＣＨＥＮＳ ａ －ｉ ａｇ ｈｏ ｅ ｊ
光谱分辨率较难协调。在给定信噪 比的条件下，较 高光 谱分 辨率 （ 光谱 波 段 ）往 往 意味 着 不 能 同时 窄 具 有 高空 间分 辨 率 。 因此 ，相 对 于 高 空 间分辨 率 遥 感 而 言 ，航天 高光谱 遥 感 的 空 间分辨 率 还 不 能达 到 很 高 ｕ 。数 据 融合 就 成 了提 高 高光 谱遥 感 数据 空 间
塔 及 Ｃ ｒｅ ｌｔ变换 、Ｃｎ ｏｒ ｅ ｕ ｖｒ ｅ ｏ ｔｕ ｌｔ变换等 方法 ，分
波 段进 行融合 。
arcgis多光谱和全色影像融合步骤
arcgis多光谱和全色影像融合步骤一、引言多光谱和全色影像融合是一种常用的遥感图像处理技术，在地理信息系统（G IS）领域有着重要的应用。
本文将介绍在Ar cG IS软件中，利用多光谱和全色影像进行融合的步骤和方法。
二、准备工作在进行多光谱和全色影像融合之前，我们需要确保已经准备好以下内容：1.多光谱影像：多光谱影像通常包含多个波段，例如红、绿、蓝和近红外波段。
它提供了丰富的光谱信息，但空间分辨率较低。
2.全色影像：全色影像包含单一波段，即灰度图像。
它具有较高的空间分辨率，但波谱信息较少。
3.Ar cG IS软件：确保已经安装并打开Ar c GI S软件，以便进行后续的处理和分析。
三、多光谱和全色影像融合步骤下面是使用A rc GI S软件进行多光谱和全色影像融合的步骤：1.打开Ar cG IS软件并创建一个新的工作空间，用于存储融合后的影像数据。
2.导入多光谱影像和全色影像到Ar cG IS中，确保两个影像数据对应的坐标系统相同。
3.打开"图像增强"工具，选择"融合"选项，并指定多光谱影像和全色影像为输入数据。
4.根据实际需求，设置融合的参数，包括融合方法、权重、偏差等。
5.执行融合操作，等待处理完成。
6.融合完成后，可以进行一系列的后处理，例如直方图均衡化、空间滤波等，以提高图像质量和可视化效果。
7.最后，保存融合后的影像数据，并进行进一步的分析和应用。
四、总结本文介绍了在Ar cG IS软件中进行多光谱和全色影像融合的步骤和方法。
通过将多光谱影像的波谱信息和全色影像的高空间分辨率结合起来，可以得到同时具有丰富光谱信息和较高空间分辨率的影像数据，为地理信息系统的分析和应用提供更准确和详细的数据支持。
注意：本文内容仅为演示和说明用途，具体操作需根据实际情况和需求进行调整和优化。
希望本文能对你在ar c gi s多光谱和全色影像融合方面的工作有所帮助！。
- 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)。
∑
δ( x - n ) a ∞ τ ) - n
∞
n=- ∞
Ⅲ(τ ) = τ
F{ Ⅲ( x
x
∞
n=- ∞
的时间域和频率域表达函数 。一个函数经过截 取 , 扫描探头的响应函数的平滑和按一定间隔采 样以后 , 在时间域 , 它的主值区间为 [ T
∑δ( x
2
,
T
2
] ,如
) τ (τ ω) = τ } = Ⅲ
200 × 185 。该组影像的特点是 : 有水体 ,SPO T 影
像中纹理清晰 ,地块边界明显 ,右下部分具有很多 小地物 ,而对应的 TM543 中没有这些小地物 , 有 助于评价融合效果 。由于 SPO T 影像和 TM543 影像的分辨率之比为 1 ∶ 3 , 因此在应用中算法的 分解水平取 2 , 它其实是用分辨率之比为 1 ∶ 4的 情况来近似分辨率之比为 1∶ 3 的情况 。多孔算法 的分解水平也取 2 , 在这种情况下 , 高分辨率的 SPO T 影像分解所得的小波面分量包含了 10m 到 40m 的 纹 理 细 节 , 相 应 的 TM543 反 映 了 小 于 30m 的地物 。试验结果如图 1 ( c ) 所示 。由图 1 可见 ,影像的细节得到明显的增强 ,而原来的波段 组合的颜色没有改变 ,这初步表明 ,笔者提出的影 像融合方法是成功的 。
文献标识码 :A
高空间分辨率影像和多光谱影像融合的研究
李平湘1 王智均1
(1 武汉大学测绘遥感信息工程国家重点实验室 ,武汉市珞喻路 129 号 ,430079)
摘 要 : 从卫星影像的成像过程出发 ,揭示了卫星影像所含信息的物理内涵 ,从频率域特性出发得出了高空间 分辨率影像和多光谱影像可以融合的物理基础 ,为寻找一种较好的融合方法提供了理论依据 。 关键词 : 影像融合 ; 物理基础 ; 小波变换 ; 抽样定理 中图法分类号 : TP751
3 结 论
本文从信号处理的角度 , 分析并证明了遥感 卫星影像是通过对信号的二维截取 、 响应和采样 形成的 。不同采样间隔的遥感影像包含了不同频 率段的信号信息 ,通过频率域分解和重建 ,可以把 不同遥感影像数据源的数据融合在一起 , 并保持 原来影像各自的特性 。小波变换因其特有的对频 率域正交分解的特性 , 是现有融合方法中最具潜 力的一个方法 , 它综合考虑了融合的技术目的与 遥感影像融合理论基础的结合 。 参 考 文 献
2 卫星影像频率域特性和卫星影像
融合的基础
影像融合实际上是二维图像信号的融合 , 为
表1 卫星信号形成的主要函数
Tab. 1 Major Formation Functions of Satellite Signal
序号
1
时间域
f ( t) ∏( t ) T
频率域
) × F(ω
ωT 2 ( ) ω sin 2
∞
Shah ( x ) = Ⅲ( x ) =
n=- ∞
∑δ( x
- n)
( 1)
它是一系列单位间隔排列的单位幅度的脉冲函 数 , 它的傅立叶变换为 : ( 2) F{ Shah ( x ) } = F{ Ⅲ( x ) } = Ⅲ(ω) 它的尺度变换特征为 :
F{ Shah ( x x ) ( ) τ (τ ω) ( 3) τ } = F{ Ⅲ τ } = Ⅲ
收稿日期 :2002 - 04 - 08 。 项目来源 :国家自然科学基金资助项目 (40023004) 。
PCA 主分量变换 [ 4 ] 、 乘积和线性复合 、 差值和比
值变换 、 Brovey 变换 、 HPF 高通滤波 、 分量置换 [1 ] [2 ] 法 和 ARSIS 转换 等方法 。总之 ,这些方法更 多的是从融合技术的角度寻找某种方法来满足不 同应用目的的融合技术 。然而 ,作者认为 ,一种好 的融合方法必须考虑影像所包含的物理基础 , 只 有基于物理基础设计的融合方法才具有针对性 。 因此 ,本文试图从卫星影像的成像过程出发 ,揭示 卫星影像所含信息的物理内涵 , 从而得出高分辨 率影像和多光谱影像可以融合的物理基础 , 为新 的融合方法提供理论基础 。
随着多种遥感卫星的发射成功 , 我们有了许 多可利用的多传感器 、 多时相 、 多分辨率和多光谱 遥感影像 。遥感影像的信息提取常常要求把多传 感器 、 多时相 、 多光谱和多分辨率影像进行融合分 析 ,以提取感兴趣的信息 。 许多研究工作己证明 , 把高空间分辨率影像 和多光谱影像融合起来 , 可以有效地把两种不同 传感器的优点结合在一起 , 提高对影像的信息分 析和提取能力 。影像融合的方法己被广泛应用于 地形测绘 、 地图更新 、 土地资源调查 、 森林资源调 查和保护及军事领域等 。特别在土地制图应用方 面 ,多种空间分辨率和不同光谱分辨率的影像特 性的 互 补 使 得 影 像 判 断 和 自 动 识 别 更 加 容 易 [ 1 ,2 ] 。 如 SPO T PAN 全色波段 ( 10m 分辨率 ) 和陆地卫星 TM 多光谱影像 ( 30m ) 的融合 , 能充 分利用 SPO T 的高空间分辨率的优势和 TM 多光 谱的优势 ,为自然资源的调查和监测提供非常有 效的手段 ,对不同传感器影像进行融合的研究揭 示了这种融合其实是低空间分辨率 - 高光谱分辨 率影像的光谱信息和高空间分辨率 - 低光谱分辨 率影像之间的融合[ 2 ] 。融合技术要求所用的融 合方法既要保持 SPO T PAN 全色波段 ( 10m 分辨 率) 的高分辨率特性 , 又要保持 TM 多光谱影像 ( 30m) 的光谱特性 ,即波段组合的颜色不被改变 , 才能实现融合的多种应用 。 目前已有许多方法通过利用高分辨率的全色 波段来调制低分辨率的多光谱影像 , 特别是对彩 色影像 , 如 R GB 假彩色合成 、 IHS 彩色变换[ 3 ] 、
(
2
t 1 t ) × ∏( ) f ( t) ∏( τ τ T t 1 t t ) × ∏( ) ( ) τ τ ] Ⅲ Δt T
) × [ F (ω
ω sin 2
sin (
2
ωT
sin (
)] )
ωT
2 2
)
ωT
3
[ f ( t) ∏(
) × { [ F(ω
ωT 2 ( ω sin 2 ]
ωT
2 2
∑δ(ω -
τ
n
) ( 7)
T ,而 N 此时在相应的频率域空间的主值区间为 [ - ωm ,
设采样点的个数为 N , 则采样间隔为 Δt =
式 ( 7 ) 表明 , 在时间域内一系列以 τ 为单位 间隔排列的单位幅度脉冲函数 , 它的傅立叶变换 1 是频率域以 τ为单位间隔排列的单位幅度脉冲函 数 。该函数通常用来对连续函数进行采样处理 。 1. 2 矩形脉冲信号函数[ 5 ] τ 1, | t | < 2 ( 8) ∏( t ) = 0 , 其他 它的傅立叶变换为 : ω τ ω τ 2E τ ( ) ( 9) F (ω) = E Sa( ) = ω sin 2 2 如果取 E 为 单 位 强 度 1 , τ 取 单 位 间 隔 1 , 则 ω τ ω 2 F (ω) = S a ( ) = sin ( ) , 它通常用来把连续 ω 2 2 函数截取为一区间函数 ( 可以看作为周期函数) 。
ωT
Δt Ⅲ(ω Δt) } ×
现了一光谱段的光谱信息 , SPO T 影像则包含了 更多的纹理高频信息 。可以通过一些算法对频率 域进行分解 ,然后把代表 TM 影像的光谱信息的 低频分量和代表 SPO T 影像的纹理信号的高频分 量有效融合在一起 , 这就是对卫星影像进行融合 的理论基础 。进行影像融合 , 在频率域进行比在
(a) SPO T 原始影像 (b) TM543 原始影像 (c) 基于小波变换的融合影像
图1 基于小波变换的影像融合过程及其结果
Fig. 1 Image FusionProcedure Based on Wavelet Transform
士论文 ] . 武汉 : 武汉测绘科技大学 ,1999
第 1 期 李平湘等 : 高空间分辨率影像和多光谱影像融合的研究 15
对于脉冲函数 , 有 : δ(δ( ax ) ) =
∞
1
| a|
δ(δ( x ) )
∞
n=- ∞
( 4) ( 5) ( 6)
Ⅲ( ax ) =
n=- ∞
δ( ax - n ) = ∑
∞
∑δ( a ( x
了便于理解 , 本文先从一维信号的特性出发 , 然后 再推广到二维图像的情形 。 以一维信号为例 , 假如地面信号的某一剖面 用 f ( t ) 来表示 , 它对应的频谱函数为 F (ω) 。表
1 表示了一个连续信号经过截取 、 响应 、 采样输出
n 1 )) = a | a|
n=-
否合适 ,在一定程度上说明了融合方法是否有效 。 如果没有充分考虑时间域和频率域的互动关系 , 融合的效果会受到限制 。小波变换由于具有 “数 学显微镜” 和聚焦的功能 ,因而能实现时间域和频 率域的步调统一 ,而且能把频率域进行正交分解 。 因此 , 小波变换在影像融合中越来越受到青睐 。 常用的果分辨率相差 3 倍或 5 倍 , 则应使用三进小波或五进小波 , 多进小波正是当 前小波研究的热点问题 [ 5～9 ] 。 利用本文推导的理论 ,作者进行了融合试验 , 试验选用了广东肇庆市的 10m 分辨率的 SPO T 影像 ( 如 图 1 ( a ) ) 和 同 样 地 区 的 30m 分 辨 率 TM543 多光谱影像 ( 如图 1 ( b) ) ,SPO T 影像大小 为 600 × 555 , 对应的 TM543 多光谱影像大小为
时间域进行更有效 , 因为前者把融合的技术目的 和遥感影像的频率域表现即融合理论基础结合起 来 。与经典的融合方法进行比较 , 现有的方法多 是在时间域对影像进行算术运算 , 没考虑处理影 像时相应频率域变化 。然而 , 不同的方法和处理 程序在频率域有不同的表现 , 这种频率域表现是