多源图像融合ppt课件
合集下载
图像融合及应用ppt课件
Focus on right part
Focus on left part
28
Image taken using auto focus function
Fused image
二、图像融合简介
3、图像融合的基本流程
图像1 图像2 图像n
图像预处理
特征提取 图像配准
融合 评价
结果
29
主要内容
信息融合概述 图像融合简介 图像配准方法 图像融合方法 融合效果评价
1
2
3
4
5
6
主要内容
信息融合概述 图像融合简介 图像配准方法 图像融合方法 融合效果评价
7
主要内容
信息融合概述 图像融合简介 图像配准方法 图像融合方法 融合效果评价
8
一、信息融合概述
1. 什么是信息融合(information Fusion)？
数据融合技术是随雷达信息处理及C3I系统的发展而发展起来的。它
对各种数据源进行综合、过滤、相关、识别和融合，得出战场态势图、进 行态势威胁与判别，制定出作战行动方案，供指挥员决策参考。数据融合 的过程就是各种信息源处理、控制及决策的一体化过程。
C3I ——Command（指挥），Control（控制）、Communication（通信）， intelligence （情报）。Ｃ3I系统，1953年首先在美国研制和建立，由于其对提高 军队指挥效能和作战能力具有重要作用，因而受到世界各国高度重视 。
电视图像(TV/Visible Image) 红外/紫外图像(Infrared /UV Image)
合成孔径雷达(Synthetic Aperture Radar，SAR) 超声图像(Ultrasonic Image) 核磁共振(Magnetic resonance imaging,MRI) X-RAY,CT,PET 因此，红外图像融合包括与不同成像传感器图像的融 合，及不同波段的红外图像的融合。
图像融合技术模板.ppt
均是前一级图像低通滤波形成的：
Lr Lr
Gl (i, j)
(m,n)Gl1(2i m,2 j n)
mLr nLr
(1 l N ,0 i Rk ,0 j Ck )
7
精选文档
基于多分辨图像融合的实现
其中N为高斯金字塔分解的最大层数Rk 和Ck 分别为高
斯金字塔第l层图像的行数、列数，上式也可写为：
6
精选文档
基于多分辨图像融合的实现
Gaussian金字塔
高斯金字塔的构造过程简单概括为：先将底层图像
与窗口函数(m,n) 进行卷积,即低通滤波;再对卷积
结果进行降2下采样,并依次重复此过程即可得到图
像的高斯金字塔。高斯金字塔最底层即为原图像的
精确表示。
Gaussian金字塔图像多分辨结构中的每一级图像
A am, nm,nZ
满足： a2 m,n m,nz
4
精选文档
基于多分辨图像融合的实现
C (i) A
,
C(j) B
分别表示图像A和B的第i,j层分解系数
表示融合规则
C (i) F
表示融合系数
5
精选文档
基于多分辨图像融合的实现
基于多分辨率金字塔融合法
这是最早的一种基于变换域的方法。在这种方 法中原图像不断地被滤波，形成一个塔状结构。在 金字塔的每一层都用一种算法对这一层的数据进行 融合，从而得到一个合成的塔式结构，然后对合成 的塔式结构进行重构，最后得到合成的图像。合成 图像包含了原图像的所有重要信息；但这类方法产 生的数据有冗余，且不同级的数据相关。
9
精选文档
基于多分辨图像融合的实现
拉普拉斯金字塔分解过程分为四个步骤： (1)低通滤波（模糊） (2)下采样（缩小尺寸） (3)插值（放大尺寸） (4)带通滤波（图像相减） 完整的拉普拉斯金字塔定义如下：
遥感入门图像融合ppt课件
遥感图像的融合处理
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的关键技术之一是彩色变换， 下面首先简单介绍彩色变换。
• 彩色变换又称为彩色编码，所谓彩色变换即为两 种彩色模型编码系统之间的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的关键技术之一是彩色变换， 下面首先简单介绍彩色变换。
• 彩色变换又称为彩色编码，所谓彩色变换即为两 种彩色模型编码系统之间的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
多源图像融合技术及其遥感应用：02_图像融合技术(彩色-实时)
d x(t) Ax(t) D E x(t) HC(t) F x(t)S(t)
dt
‐ x(t)：增强细胞的响应； ‐ A ：衰减常数； ‐ D：细胞基底活性；
‐ E、F：极化常数，或者称作 Nernst 电势。
侧向并联中心-环绕受域的神经网络动力学方程
---
-
+
ON对抗系统细胞响应 xk i, j
• 可见抑制型红外神经元——只对单独的红外刺激响应, 同时伴 有红外刺激时放电显著减弱
基于神经动力学的图像融合算法
• 六种双模式细胞发挥着不同的作用，例如
‐ “或”细胞和增强细胞，可以有助于响尾蛇感知在可 见光波段清晰可见同时具有较高热辐射的目标，比如 温血动物
‐ 抑制细胞，则是对热中性或者冷视觉物体产生最佳响 应，例如池塘边的蛙类等冷血生物。
• 稳态响应
空间常数 σc、 σs 影响着细胞对细节的探测能力 空间常数大，对细节的探测性能低，但全局颜色表现能力提高 空间常数小，可以提供更好的细节探测能力
1
2
2 c
m,n
I (i m,
j
n) exp
m2 n2
2
2 c
ON对抗细胞：
x (i,
j)
H C(i, A C(i,
j) S(i, j) S(i,
j) j)
OFF对抗细胞：x (i,
j)
H C(i, j) S(i, j) A H C(i, j) S(i, j)
1
2
2 s
I (i
p,q
p,
j q) exp
p2 q2
2
2 s
神经网络动力学方程的理解
xk
i,
j
Ck i, j Sk i, j A Ck i, j Sk i, j
dt
‐ x(t)：增强细胞的响应； ‐ A ：衰减常数； ‐ D：细胞基底活性；
‐ E、F：极化常数，或者称作 Nernst 电势。
侧向并联中心-环绕受域的神经网络动力学方程
---
-
+
ON对抗系统细胞响应 xk i, j
• 可见抑制型红外神经元——只对单独的红外刺激响应, 同时伴 有红外刺激时放电显著减弱
基于神经动力学的图像融合算法
• 六种双模式细胞发挥着不同的作用，例如
‐ “或”细胞和增强细胞，可以有助于响尾蛇感知在可 见光波段清晰可见同时具有较高热辐射的目标，比如 温血动物
‐ 抑制细胞，则是对热中性或者冷视觉物体产生最佳响 应，例如池塘边的蛙类等冷血生物。
• 稳态响应
空间常数 σc、 σs 影响着细胞对细节的探测能力 空间常数大，对细节的探测性能低，但全局颜色表现能力提高 空间常数小，可以提供更好的细节探测能力
1
2
2 c
m,n
I (i m,
j
n) exp
m2 n2
2
2 c
ON对抗细胞：
x (i,
j)
H C(i, A C(i,
j) S(i, j) S(i,
j) j)
OFF对抗细胞：x (i,
j)
H C(i, j) S(i, j) A H C(i, j) S(i, j)
1
2
2 s
I (i
p,q
p,
j q) exp
p2 q2
2
2 s
神经网络动力学方程的理解
xk
i,
j
Ck i, j Sk i, j A Ck i, j Sk i, j
图像融合PPT课件
精选2021最新课件
14
3.1 彩色空间和彩色变换（续4）
这个锥体表示：
人们在最暗时和最亮时对颜 色的分辨能力较差, 中间亮度 时分辨能力最强。
实际上：
对于某些颜色, 人眼对其分辨 能力随亮度而加强, 直到极亮 时才急遽减少。
传统色度学著作常用来表示颜色的锥体
精选2021最新课件
15
3.1 彩色空间和彩色变换（续5）
Dempater-shafer推理法
决策级 专家系统 神经网络 Bayes估计 模糊聚类法 可靠性理论 基于知识的融合法
Dempater-shafer推理法
精选2021最新课件
8
2.2 基于像素的图像融合技术
分为波谱域变换、空间域变换、算术运算3类。
光谱域变换首先将多光谱波段转换到另一光谱域,并用全 色高分辨率图像替换其中的相关波段,然后通过反变换回 到原始光谱域,主要包括IHS(明度、色调、饱和度)变换、 主成分变换、Gram Schmidt变换(简称GS变换)等。
基于像元级的 小 差 融合
精度 容错性 抗干 工作量 融合水
扰力
平
高
差
差
小
低
基于特征级 中 中 中 中 中 中
中
的融合
基于决策级 大 优 低 优 优 大
高
的融合
精选2021最新课件
7
2.1 融合方法分类
像元级 代数法 彩色变换 小波变换 K-T变换 主成分变换 回归模型法 滤波法
特征级 熵法 表决法 聚类分析 Bayes估计 神经网络法 加权平均法
精选2021最新课件
10
3.1 彩色空间和彩色变换
1）RGB空间
如果将 R、 G、 B 看成三 个变量, 就形成一个三维 彩色空间。可以用一个三 维的立方体来表示它们能 组成的所有颜色 。RGB色 彩空间采用物理三基色表 示，因而物理意义很清楚， 适合彩色显象管工作。
图像拼接和图像融合ppt课件
%格式转换
f=double(imm);
g=double(imm1);
% 第二幅图的第一列
g1=g(:,1);
%第一幅图的每一列与第二幅图的第一列求距离，此处用的是列各点差的和
for i=1:size(g,2)
d(i)=sum(abs(f(:,i)-g1));
end
%求出最小距离者，即为对应最为相似的列
PMin = sqrt(2);
PI = zeros(PMax,361);
for i = 1:M2
for j = 1:N2
p = sqrt(i^2+j^2);
theta= atan(j/i);
Hale Waihona Puke p = round(p)+1; %360* /PMax
theta = round(theta*180/pi)+1;
%图像矫正——旋转
for i=1:m
for j=1:n
A(i,j)=round(abs(i*cos(z)-j*sin(z)));
B(i,j)=round(abs(i*cos(z)-j*sin(z)));
end
end
%旋转后的拼接过程
ppt课件.
29
for i=1:m
for j=1:n
识别。
ppt课件.
9
1. 图像增强
◦ 空间域增强
点运算：线性变换，非线性变换，直方图均衡化，归一化。 邻域运算：图像平滑，锐化
◦ 频域增强
塔式分解增强，Fourier变换增强，滤波
◦ 彩色增强
伪彩色增强，假彩色增强，彩色变换
◦ 图像代数运算
插值法，比值法，混合运算法，分辨率融合
图像信息融合ppt课件
直接进行平均运算。在数学上可以证明，多幅图像平均的结 果是使图像的方差降低，这虽然有利于降低图像的噪声，但 同时也使得图像的边缘、轮廓等重要信息变得模糊。
图像信息融合
（2）减法 可以用于：①区分不同的地物。假如物体甲对不同频率
电磁波的反射能力基本相同，而物体乙却有差异，那么对这两 种物体的遥感图像进行相减操作，就可以提供一些区分这两类 物体的信息；②提取地物变化的趋势。将同一地区不同时间的 遥感图像进行相减，可以从中得出这一地区地物光谱变化的信 息。
最低层次的融合。是基于最原始的图像数据，能更多地保留 图像原有的真实感，提供其他融合层次所不能提供的细微信 息，因而被广泛应用。 。
图像信息融合
② 特征级融合
是指运用不同算法，首先对各种数据源进行目标识别的 特征提取如边缘提取、分类等，即先从初始图像中提取 特征信息—空间结构信息如范围、形状、领域、纹理等； 然后对这些特征信息进行综合分析与融合处理。
着重于把那些在空间或时间上冗余或互补的多源数据， 按一定的规则（或算法）进行运算处理，获得比任何单一 数据更精确、更丰富的信息，生成一幅具有新的空间、波 谱、时间特征的合成图像。
图像信息融合
1）遥感图像融合的三个层次 ① 像元级融合 是指直接在采集的原始数据层上进行融合。它强调不同图像 信息在像元基础上的综合，先对栅格数据进行相互的几何配 准，在各像元一 一对应的前提下进行图像像元级的合并处理， 以改善图像处理的效果，使图像分割、特征提取等工作在更 准确地基础上进行，并可能获得更好的图像视觉效果。
图像信息融合
二、遥感图像融合方法
像素级融合
代数法 IHS方法 HPF方法 小波变换方法 回归模型法
PCA法
卡尔曼滤波法
特征级融合
图像信息融合
（2）减法 可以用于：①区分不同的地物。假如物体甲对不同频率
电磁波的反射能力基本相同，而物体乙却有差异，那么对这两 种物体的遥感图像进行相减操作，就可以提供一些区分这两类 物体的信息；②提取地物变化的趋势。将同一地区不同时间的 遥感图像进行相减，可以从中得出这一地区地物光谱变化的信 息。
最低层次的融合。是基于最原始的图像数据，能更多地保留 图像原有的真实感，提供其他融合层次所不能提供的细微信 息，因而被广泛应用。 。
图像信息融合
② 特征级融合
是指运用不同算法，首先对各种数据源进行目标识别的 特征提取如边缘提取、分类等，即先从初始图像中提取 特征信息—空间结构信息如范围、形状、领域、纹理等； 然后对这些特征信息进行综合分析与融合处理。
着重于把那些在空间或时间上冗余或互补的多源数据， 按一定的规则（或算法）进行运算处理，获得比任何单一 数据更精确、更丰富的信息，生成一幅具有新的空间、波 谱、时间特征的合成图像。
图像信息融合
1）遥感图像融合的三个层次 ① 像元级融合 是指直接在采集的原始数据层上进行融合。它强调不同图像 信息在像元基础上的综合，先对栅格数据进行相互的几何配 准，在各像元一 一对应的前提下进行图像像元级的合并处理， 以改善图像处理的效果，使图像分割、特征提取等工作在更 准确地基础上进行，并可能获得更好的图像视觉效果。
图像信息融合
二、遥感图像融合方法
像素级融合
代数法 IHS方法 HPF方法 小波变换方法 回归模型法
PCA法
卡尔曼滤波法
特征级融合
多源遥感数据融合ppt课件
WT方法首先对参与融合的遥感图像数据进行小波正变换，将图像分解 为高频信息和低频信息。分别抽取来自高空间分辨率影像分解后的高频信 息和低空间分辨率的低频信息进行小波逆变换，生成融合图像。 特点：可以对任意波段融合 缺点：小波基选择比较麻烦，融合速度不理想 小波变换示意图见下图
可编辑课件PPT
23
LL3 H L3 LH 3H H 3
定的算法，生成一幅新的、更能有效表示该目标的图像信息。
可编辑课件PPT
12
遥感数据融合发展和应用
Data Fusion
数据融合（data fusion）最早被应用于军事领域。
融合数据的特点：融合产生的数据具有原始影像的优点，其可以 减少识别目标的模糊性和不确定性，提高遥感图像整体质量和综 合分析精度同时又能满足定量遥感需要更多的光谱信息和空间纹 理信息的要求。
可编辑课件PPT
6
Sensor two：SPOT
Multi-sensor data
RGB432
可编辑课件PPT
7
Sensor three： CBERS
Multi-sensor data
CBERS系列卫星：即中巴资源卫星（ China-Brazil Earth Resource Satellite ）
特征级融合
特征级融合是一种中等水平的融合。其先是将各遥感影像数据进行特征提取， 提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息 对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征 级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。
决策级融合
决策级融合是最高水平的融合，融合的结果为指挥、控制、决策提供依据。 在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得 到目标或环境的融合属性说明。决策级融合的优点时具有很强的容错性，很 好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特 征提取有较高要求，所以决策级融合的代价较高。
可编辑课件PPT
23
LL3 H L3 LH 3H H 3
定的算法，生成一幅新的、更能有效表示该目标的图像信息。
可编辑课件PPT
12
遥感数据融合发展和应用
Data Fusion
数据融合（data fusion）最早被应用于军事领域。
融合数据的特点：融合产生的数据具有原始影像的优点，其可以 减少识别目标的模糊性和不确定性，提高遥感图像整体质量和综 合分析精度同时又能满足定量遥感需要更多的光谱信息和空间纹 理信息的要求。
可编辑课件PPT
6
Sensor two：SPOT
Multi-sensor data
RGB432
可编辑课件PPT
7
Sensor three： CBERS
Multi-sensor data
CBERS系列卫星：即中巴资源卫星（ China-Brazil Earth Resource Satellite ）
特征级融合
特征级融合是一种中等水平的融合。其先是将各遥感影像数据进行特征提取， 提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息 对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征 级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。
决策级融合
决策级融合是最高水平的融合，融合的结果为指挥、控制、决策提供依据。 在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得 到目标或环境的融合属性说明。决策级融合的优点时具有很强的容错性，很 好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特 征提取有较高要求，所以决策级融合的代价较高。
- 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)。
25
Thank You！
26
多源图像融合
1
目的与意义 图像融合的分类及模型 像素级图像融合处理 参考文献 融合结果演示
主要内容
2
目 信的息与互补意：义各种单一传感器获取的影像数据在几何、光谱
和空间分辨率等方面存在一定的局限性和差异性，影像融 合可以提取各自通道的信息，综合成统一图像进行处理。 提高空间分辨率：如高分辨率的全色影像与低分辨率的多 光谱影像融合。 增强目标特征：如SAR影像与可见光影像的融合，增强硬 目标的可分辨能力。 提高分类精度：影像融合可以提供相互补充的信息来对地 面物体进行分类和解析。
图像融合的一般模型
多源遥感图 像数据
空间配准
信息融合
信息表示或 属性说明
4
三种融合框架的特点
5
三种融合框架对应的融合方法
6
像素级图像融合处理
三个核心步骤：影像预处理、影像融合和融合评价。
影像1 影像2 影像N
预处理
影像融合
测试评估
噪声去除 影像配准
影像输出
7
IHS变换融合法
颜色空间：
Independent Component Analysis. Multiresolution fusion of multispectral and panchromatic
images through the curvelet transform. Multiresolution-based image fusion with additive
fusion with a tradeoff parameter. Adaptive Image Fusion Algorithm of SAR CCD Images
Based on Wavelet Transform. Best Tradeoff for High-Resolution Image Fusion to
17
影像融合定量评价
18
影像融合定量评价
19
基于非下采样Contourlet变换的图像融合方法; 基于双树复小波变换的图像融合方法; 基于模型的图像融合方法; 独立分量分析(ICA)图像融合方法; ….
比较新的融合算法
20
多传感器图像融合技术综述. A comparative analysis of image fusion methods. A new intensity-hue-saturation fusion approach to image
B’
成
Landsat-TM
SPOT Pan
8
PCA(主分量分析)变换融合法
在PCA变换中，一般采用自相关矩阵代替协方差矩阵。 9
PCA算法的性质
10
PCA融合的流程
11
低分辨率多光谱 影像
图像空间
高分辨率全色 影像
PCA变换 谱空间
各主分量影像 PC1
直方图匹配
高分辨率融合 影像
PCA逆 变换
Preserve Spatial Details and Minimize Color Distortion. Context-driven fusion of high spatial and spectral
resolution images based on oversampled multiresolution analysis. Fusion of multispectral and panchromatic images using improved IHS and PCA mergers based on wavelet decomposition. Fusion of Multispectral and Panchromatic Images Using
Model-Based Satellite Image Fusion. Multi-band SAR Images Fusion Using the EM Algorithm
in Contourlet Domain. Multifocus Holographic 3-D Image Fusion Using
3
图像融合的分类及模型
图像融合的分类
◦ 像素级：最低层次，对配准后的图像数据直接融合，保持尽可能多的原始数据 信息，具有最高精度；
◦ 特征级：中间层次，不把每个像素孤立看待，对遥感数据提取特征，产生特征 矢量，对特征矢量进行融合，利用融合特征矢量进行属性说明；
◦ 决策级：最高层次，首先对遥感数据进行特征提取和属性说明，然后对其结果 加以融合，得到目标或环境的融合属性说明。
置换PC1分量
PCA融合流程图
12
小波变换融合算法
13
低分辨率 多光谱影像
图像空间
IHS变换 谱空间
H，I，S
小波变换 融合
高分辨率 融合影像
IHS逆变换
H，I’，S
IHS+小波变换融合算法
I分量 直方图匹配 高分辨率 全色影像
14
IHS+小波融合算法流程
15
PCA+小波变换融合算法
16
影像融合定量评价
wavelet decomposition. Remote Sensing Image Fusion Using Multiscale Mapped
LS-SVM.
参考文献 Region-Based Multimodal Image Fusion Using ICA Bases.
22
23
24
◦ RGB颜色空间，面向硬件，三分量之间具有很强相 关性；
◦ IHS颜色空间，即亮度(Iห้องสมุดไป่ตู้、色度(H)、饱和度(S)，
三分量之间互不相关，因此对某一分量的处理不会
影响到其它分量。而三分量中，以亮度分量最为重
要。R
I
G
IHS 变换
H
H、S反差 扩展
I’
R’
H’
IHS 反变换
G’
彩 色 合
B
S
I分量
S’
参考文献 the Induction Scaling Technique.
21
Investigation of the Dual-Tree Complex and ShiftInvariant Discrete Wavelet Transforms on Quickbird Image Fusion.