图像融合的原理及基本步骤
1 图像融合原理 图像融合是指将多 源遥感图像按照一定的算
法, 在规定的地理坐标系, 生成新的图像的过程。全 色图像一般具有较高空间分辨率( 如 SPO T 全色图
像 分辨 率为 10m ) 。多光谱 图像光 谱信 息较 丰富
( SP O T 有三个波段) , 为提高多光谱图像的空间分 辨率, 可以将全色图像融合进多光谱图像。通过图像
中中中
中
中
中
决策级
大
好低优
优
大
高
概括来说多源遥感影像融合的优点主要有一下
几点: ¹ 影像质量改善; º 提高了几何配准精度; »
生成三维立体效果; ¼实现动态观测; ½ 克服目标 提取与识别中数据的不完整性等等。
在图像融合中像素级融合是最低级的融合, 将 影像进行配准, 然后将影像的物理量进行加权求和,
合的优点是信息丢失少, 缺点是计算量大、处理速度 慢。特征级融合是指对ቤተ መጻሕፍቲ ባይዱ像的特征进行的融合, 对不
同图像进行特征提取, 按各图像上相同类型的特征
进行融合处理, 典型的图像特征包括边缘、角点、线
等。特征级图像融合与像素级融合相比信息丢失较
多, 但计算量较小。决策级融合是最高层次的融合,
首先按照应用的要求对图像进行初步的分类, 然后 在各类中进行特征提取, 进行融合处理。决策级融合
( 内蒙古有色地质勘查局 108 地质队, 内蒙古 赤峰 024000)
摘 要: 影像融合是解决多源遥感数据综合运用的有效途径, 可以有效地提高空间分辨率和图像的 光谱信息, 并挖掘潜在的遥感信息。文章介绍了图像融合的原理及基本步骤。
关键词: 多源遥感影像; 影像融合 中图分类号: T P391. 41 文献标识码: A 文章编号: 1007—6921( 2012) 04—0112—02
融合既可以提高多光谱图像的空间分辨率, 又可以 保留其多光谱特性。图像信息融合按信息抽象程度
不同可以分为从低到高三个层次, 即像素级融合、特 征级融合、决策级融合。像素级融合就是对空间配准
的遥感图像数据直接融合, 指像素之间的直接数学
运算, 也可称像素的加、乘融合, 包括差值、梯度、比
值运算、加权运算或其他的数学运算。像素级图像融
X 收稿日期: 2011- 11- 15 作者简介: 王云男( 1986- ) 女, 内蒙古赤峰人, 测绘助理工程师, 长期从事矿山测绘工作。
·112·
王云男, 等 · 图像融合的原理及基本步骤
来改善多光谱图像空间分辨率的融合中, 由于多光 谱图像和全色图像时相相差较大, 它们之间的像素 灰度值也明显不同, 如果直接对两者进行融合, 则会 造成多光谱图像的原有光谱信息的丢失或破坏, 因 此有必要在融合之前进行直方图匹配。
的研究尚处于起步阶段, 其难点是分类特征组合与
表达的机理难以量化与统一。多源遥感数据融合框
架都各有其特点, 在具体的应用中根据融合目的和
条件选用。三种融合层次特点的综合比较见表 1:
表1
融合层次特点比较
融合层次 信息损失 实时性 精度 容错性 抗干扰力 工作量 融 合水平
像素级
小
差高差
差
小
低
特征级
中
所得到的值为新影像在该坐标上的像元值。像素级
融合对原始图像及预处理各阶段上所产生的信息分
别进行融合处理, 它主要是增加图像中有用的信息 成分, 改善图像处理效果。具有较高的精度, 但是需
要处理的数据量大、代价高、数据传输量大、抗干扰 能力差、对传感器的要求高等。
图像融合首先要求多源图像精确配准, 分辨率 不一致时, 要求重采样后保持一致; 其次, 将图像按 照某种变换方式分解成不同级的子图像, 同时, 这种 分解变换必须可逆, 即由多幅子图像合成一幅图像, 即位图相融合。这时多幅子图像中包含了来自其他 需要融合的经图像变换的子图像。 2 影像融合的基本步骤
总结来说多源遥感影像融合过程可分为两个过 程: 数据准备和预处理与影像数据融合。融合过程流 程可用图 1 来表示:
图 1 图像融合流程 数据准备首先收集要进行融合的原 始遥感影 像, 对遥感影像进行合适的预处理。融合前的预处理 包括几个方面: 配准、校正、去噪等。由于遥感系统空 间、波谱、时间以及辐射分辨率的限制, 很难精确地 记录复杂地表的信息, 因而误差不可避免地存在数 据获取过程中。这些误差降低了遥感数据的质量, 从 而影响了图像分析的精度。 融合之前对多源影像数据进行高精度的配准是 提高融合质量的非常关键的因素, 对影像进行空间 配准的时候, 把其中一副( 一般采用高分 辨率的影 像) 作为参考基准, 采用选择控制点的方法对其他的 影像进行几何校正。直方图匹配是其中重要的一个 方面, 就是首先把原图像的直方图变换为某种指定 形态的直方图, 然后按照已知指定形态的直方图来 调整原图像各像素的灰度级, 最后即得到一个直方 图匹配的图像。在通过全色图像高空间分辨率图像
2012 年 2 月 第 4 期 总第 254 期
内 蒙 古科 技 与 经 济 Inner M o ngo lia Science T echnolo gy & Economy
F ebruar y 2012 N o. 4 T o tal N o. 254
X
图像融合的原理及基本步骤
王云男, 宫文学, 李 杨
由遥感传感器获得的原始数据, 由于受卫星扰 动、地形起伏、天气变化、大气散射等随机因素的影 响, 往往会产生随机误差。为了避免噪声和传播扩 散, 必须在图像融合前进行去噪处理。因此在实际的 图像分析和处理之前, 有必要对遥感原始图像进行 预处理。其主要目的是纠正原始图像中的几何与辐 射变形, 即通过对图像获取过程中产生的变形、扭曲 和噪音的纠正, 以得到一个尽可能在几何和辐射上 真实的图像。
图像融合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。它不仅仅是数据间的简单复合, 而且强调信息的 优化, 以突出有用的专题信息, 消除或抑制无关的信 息, 改善目标识别的图像环境, 从而增加解译的可靠 性, 减少模糊性( 即多义性、不完全性、不确定性和误 差) 、改善分类效果、扩大应用范围。
his变换融合法
his变换融合法His变换融合法（HIS-based Fusion Method）摘要：本文将介绍一种称为His变换融合法的图像融合方法。
该方法通过将多幅图像转换到His颜色空间，并对亮度分量进行融合，从而实现对图像的融合。
该方法具有简单、高效的特点，能够在保持图像细节的同时提高图像的对比度和亮度。
引言：图像融合是一种将多幅图像合成为一幅图像的技术。
在许多应用领域，如医学影像、遥感图像等，图像融合技术被广泛应用于图像增强、目标检测等任务中。
His变换融合法是一种基于颜色空间的图像融合方法，通过对图像的亮度分量进行融合，可以有效提高图像的视觉质量。
一、His变换简介His变换是一种将彩色图像转换到His颜色空间的方法。
His颜色空间由亮度（H）和饱和度（S）两个分量以及色调（I）分量组成。
亮度分量表示图像的亮度信息，饱和度分量表示图像的饱和度信息，而色调分量则表示图像的颜色信息。
His变换可以将图像的亮度信息和颜色信息分离开来，从而方便对图像进行处理。
二、His变换融合法的原理His变换融合法的主要思想是将待融合的多幅图像转换到His颜色空间，并对亮度分量进行融合。
具体步骤如下：1. 将多幅图像转换到His颜色空间，得到各自的亮度分量；2. 对亮度分量进行融合，可以选择简单的加权平均法、多分辨率融合法等方式；3. 将融合后的亮度分量和原始图像的饱和度分量、色调分量重新组合，得到融合后的图像。
三、His变换融合法的优势1. 简单高效：His变换融合法不需要复杂的数学运算和大量的计算资源，计算速度快，适合实时应用；2. 保持细节：His变换融合法通过对亮度分量进行融合，能够在保持图像细节的同时提高图像的对比度和亮度；3. 融合效果好：His变换融合法能够有效地将多幅图像的信息融合在一起，提高图像的视觉质量。
四、实验结果与分析本文使用了一组真实的遥感图像进行了实验，比较了His变换融合法与其他融合方法的效果。
图像叠加的工作原理是什么
图像叠加的工作原理是什么
图像叠加是一种图像处理技术，通过将两个或多个图像叠加在一起，用来增强或改变原始图像的视觉效果。
其工作原理主要分为以下几个步骤：
1. 读取图像：首先，程序会读取需要处理的原始图像和要叠加的图像。
2. 图像对齐：如果要叠加的两个图像大小不一致，需要进行图像对齐。
图像对齐的目的是将两个图像的像素点一一对应，确保它们在相同的位置上。
3. 图像融合：接下来，程序会对两个图像进行融合操作。
融合操作可以根据具体需求采用不同的算法，常见的有逐像素叠加、加权平均、透明度叠加等。
这一步骤主要是将两个图像的像素点进行数值计算，得到叠加后的像素点数值。
4. 调整亮度和对比度：在图像融合后，可能需要对叠加后的图像进行亮度和对比度的调整，以达到更好的视觉效果。
这一步骤通常通过对图像的像素值进行线性变换来实现。
5. 输出结果：最后，程序会将处理后的图像输出，供用户查看或进一步处理。
需要注意的是，图像叠加实际上是通过对两个或多个图像的像素进行操作来实现的，因此在图像叠加过程中，对图像的分辨率、颜色空间等要素都需要进行一定的考虑和处理。
图像融合技术原理
图像融合技术原理1引言图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。
该技术有基本的体系，主要包括的内容有：图像预处理，图像融合算法，图像融合评价，融合结果。
图像融合系统的层次划分为：像素层融合、特征层融合、决策层融合，目前绝大多数融合算法研究都集中在这一层次上。
图像预处理技术主要包括两个方面的任务：图像去噪、图像配准；图像融合算法从最初简单的融合算法（加权、最大值法）发展为复杂多分辨率的算法（金字塔、小波法等）；图像融合的性能评价主要有两个大的方面：主观评价及客观评价，由于在实际中不存在理想图源，所以一般采用较易实现的评价标准，结合主观视觉给出最合理的评价。
2图像融合设计2.1 总体设计流程系统的总体设计流程如图1所示:图1多源图像融合系统流程示意图根据待融合图像自身的特点，图像传感器类型以及图像融合的目标，系统总体设计流程如下：①对图像进行预处理，如去除噪声、图像配准等；②确定合适的图像融合算法；③对图像融合的结果进行评估；④如果评估结果不满意，则调整参数，重新进行图像融合，转到步骤3；⑤输出图像融合结果。
2.2图像的预处理在图像融合前，对输入图像进行特征抽取、分割和匹配前所进行的处理。
图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进图像融合的效果。
预处理过程一般有数字化，平滑，复原和增强等步骤。
根据所选用的图像传感器类型及图像融合的目标，对待融合图像进行预处理。
主要包括以下几个方面：①数字化一幅原始照片的灰度值是空间变量（位置的连续值）的连续函数。
在M*N点阵上对照片灰度采样并加以量化（归为2b个灰度等级之一），可以得到计算机能够处理的数字图像。
为了使数字图像能重建原来的图像，对M N和b值的大小就有一定的要求。
在接收装置的空和灰度分辨能力范围内，M N和b的数值越大，重建图像的质量就越好。
当取样周期等于或小于原始图像中最小细节周期的一半时，重建图像的频谱等于原始图像的频谱，因此重建像与原始图像可以完全相同。
浅谈高光谱图像融合方法
浅谈高光谱图像融合方法
随着遥感技术的进步，高光谱图像融合方法日益成为研究热点。
高光谱图像融合可以将多个波段的数据融合成为一幅图像，提供更全面、更准确的信息。
近年来，针对不同应用需求，研究者们开发了各种高光谱图像融合方法。
本文将从基本原理、分辨率融合和特征融合三个方面，对高光谱图像融合方法进行浅谈。
基本原理：
高光谱图像融合的基本原理是将单一波段的高光谱图像转换成多个对于不同波段数据的图像融合，即将多个波段的信息叠加到一张图像上。
这个过程可以通过基于多尺度特征的过滤方法来实现，也可以通过基于卷积神经网络（CNN）的方法实现。
分辨率融合：
分辨率融合是高光谱图像融合的主要方法。
它将多个不同分辨率的图像融合成为一幅高精度的图像，以提高影像的空间分辨率。
分辨率融合最重要的一个步骤是图像配准。
为了将分辨率不同的图像叠加到一张图像上，需要对图像进行匹配。
常用的匹配方法有基于特征的配准、基于模型的配准、基于灰度值匹配的配准等。
特征融合：
特征融合可以将不同来源的高光谱数据进行融合。
特征融合方法可以通过卷积神经网络实现。
卷积神经网络是一种通过训练产生的层次结构，可以自动提取图像特征。
通过选择不同的网络结构和训练数据集，可以提取不同波段的特征，从而实现高光谱图像融合。
此外，特征融合方法还可以采用像素级别的方法，对每个像素进行处理，同时对不同的特征进行加权，最终获得高光谱图像。
图像融合的原理及基本步骤
所得到的值为新影像在该坐标上的像元值。像素级 融合对原始图像及预处理各阶段上所产生的信息分
别进行融合处理, 它主要是增加图像中有用的信息 成分, 改善图像处理效果。具有较高的精度, 但是需
要处理的数据量大、代价高、数据传输量大、抗干扰 能力差、对传感器的要求高等。
图像融合首先要求多源图像精确配准, 分辨率 不一致时, 要求重采样后保持一致; 其次, 将图像按 照某种变换方式分解成不同级的子图像, 同时, 这种 分解变换必须可逆, 即由多幅子图像合成一幅图像, 即位图相融合。这时多幅子图像中包含了来自其他 需要融合的经图像变换的子图像。 2 影像融合的基本步骤
合的优点是信息丢失少, 缺点是计算量大、处理速度
慢。特征级融合是指对图像的特征进行的融合, 对不
同图像进行特征提取, 按各图像上相同类型的特征
进行融合处理, 典型的图像特征包括边缘、角点、线
等。特征级图像融合与像素级融合相比信息丢失较
多, 但计算量较小。决策级融合是最高层次的融合,
首先按照应用的要求对图像进行初步的分类, 然后
X 收稿日期: 2011- 11- 15 作者简介: 王云男( 1986- ) 女, 内蒙古赤峰人, 测绘助理工程师, 长期从事矿山测绘工作。
·112·
王云男, 等 · 图像融合的原理及基本步骤
来改善多光谱图像空间分辨率的融合中, 由于多光 谱图像和全色图像时相相差较大, 它们之间的像素 灰度值也明显不同, 如果直接对两者进行融合, 则会 造成多光谱图像的原有光谱信息的丢失或破坏, 因 此有必要在融合之前进行直方图匹配。
像素级
小
差
高
差
差
小
低
特征级
中
中
中
deepfusion原理
deepfusion原理DeepFusion是一种图像融合技术，能够通过深度学习模型将多个图像进行融合，从而得到一张高质量的合成图像。
本文将介绍DeepFusion的原理和应用。
DeepFusion的原理主要基于深度学习模型和图像处理技术。
首先，深度学习模型可以学习图像中的特征和结构信息，从而能够更好地理解图像的内容。
其次，图像处理技术可以对图像进行增强和优化，从而改善图像的质量和细节。
具体而言，DeepFusion的过程包括以下几个步骤：1. 图像输入：DeepFusion接受多张输入图像作为输入。
这些输入图像可以是从不同角度、不同时间或不同传感器采集的图像。
2. 特征提取：深度学习模型首先对输入图像进行特征提取。
这个过程可以理解为将图像中的关键信息提取出来，例如边缘、纹理、颜色等。
3. 特征融合：融合是DeepFusion的核心步骤。
在这个步骤中，深度学习模型将从不同图像中提取的特征进行融合。
融合的方式可以是简单的加权平均，也可以是更复杂的方法，例如使用卷积神经网络进行融合。
4. 重建图像：融合后的特征被用来重建合成图像。
通过将融合后的特征映射回图像空间，可以生成一张高质量的合成图像。
在这个过程中，图像处理技术可以用来增强图像的细节和质量。
DeepFusion的应用非常广泛。
例如，在计算机视觉领域，DeepFusion可以用于图像增强、图像合成和图像修复。
在医学影像领域，DeepFusion可以用于医学图像的分割、配准和重建。
在无人驾驶领域，DeepFusion可以用于多传感器数据的融合和物体检测。
总结一下，DeepFusion是一种基于深度学习和图像处理技术的图像融合方法。
通过将多个图像进行特征融合和重建，可以得到一张高质量的合成图像。
DeepFusion在计算机视觉、医学影像和无人驾驶等领域具有广泛的应用前景。
随着深度学习技术的不断发展，相信DeepFusion在图像处理领域将发挥越来越重要的作用。
多模态图像融合算法的研究与实现
多模态图像融合算法的研究与实现在现实生活中，我们经常会遇到需要处理多模态图像的应用场景，例如医学影像、安防监控等。
然而，不同模态的图像往往具有不同的特征和表达方式，如何将它们有效地融合起来，使得最终的结果更加全面、准确，成为了一个研究热点。
本文将介绍多模态图像融合的基本原理、常见算法及其实现。
一、多模态图像融合的基本原理多模态图像融合是指利用多种图像数据源，采用合适的算法将它们融合为一幅图像，以达到更好的图像质量和信息完整性的处理方法。
具体来说，多模态图像融合的基本原理是：通过将不同来源的图像的信息融合到一起，来得到一个更全面、更准确、更易于观察和分析的图像。
这是因为，不同来源的图像往往有其自身的优点和局限性，融合起来可以互补其缺陷，提高图像的质量和准确度，使得我们能够更全面地了解事物。
二、多模态图像融合的常见算法1. 基于加权平均的融合算法基于加权平均的融合算法是较为基础的融合算法之一。
其基本原理是将来自不同模态的像素值按照不同的权重进行加权平均，得到最终的融合图像。
其中，不同模态图像的权重可以自行设置或根据实际应用场景进行优化。
该算法实现简单，但对图像的质量和准确性要求较高。
2. 基于小波变换的融合算法小波变换是一种用于图像处理和分析的重要方法。
基于小波变换的多模态图像融合算法首先将不同模态的图像分别进行小波变换，然后在小波域中进行加权融合，最后再进行逆小波变换得到最终的融合图像。
该算法适用于不同模态图像分辨率和特征尺度差异较大的情况，可以提高图像的清晰度和细节。
3. 基于深度学习的融合算法深度学习是一种能够自动学习特征表示的机器学习方法。
基于深度学习的多模态图像融合算法首先将不同模态的图像进行卷积神经网络训练，学习不同模态图像之间的语义关系，然后通过网络输出得到最终的融合图像。
该算法不仅能够提高融合图像的质量和准确性，还能够自动学习特征表示，实现端到端的图像融合任务。
三、多模态图像融合的实现多模态图像融合的实现，常采用图像处理工具包和编程语言来实现。
图像融合原理
图像融合原理
图像融合是指将两幅或多幅图像融合成一幅新的图像的过程。
图像融合的原理主要包括以下几个方面：
1.空间域融合：空间域融合是将两幅或多幅图像的像素点进行
统计或加权，然后再进行逐像素的计算，得到合成图像。
常见的空间域融合方法包括平均值融合、最大值融合和最小值融合等。
2.频域融合：频域融合是将图像进行傅里叶变换，将图像从空
间域转换到频域。
然后通过对频域图像进行统计或加权，再进行逆傅里叶变换，得到合成图像。
频域融合常用的方法有基于幅度谱的融合和基于相位谱的融合等。
3.尺度域融合：尺度域融合是将图像进行多尺度分解，得到各
个尺度的图像。
然后通过对各个尺度图像的系数进行统计或加权，再进行逆分解，得到合成图像。
常见的尺度域融合方法包括小波变换融合和多分辨率分析融合等。
4.特征域融合：特征域融合是将图像进行特征提取，得到各个
图像的特征表示。
然后通过对特征进行统计或加权，再将特征转换回图像空间，得到合成图像。
常见的特征域融合方法有基于边缘特征的融合和基于颜色特征的融合等。
图像融合的目的是将多个图像的有用信息综合起来，提高图像的质量和辨识度。
不同的融合方法适用于不同的图像融合场景，
如医学影像融合、军事侦察融合和遥感图像融合等。
通过选择合适的融合方法，可以获得更好的融合效果。
实验六 图像融合
实验六、图像融合一、实验目的1熟悉图像融合的意义和用途，理解图像融合的原理；2掌握图像融合的一般方法；3掌握运用MA TLAB软件进行图像融合的操作。
二、实验原理图像融合的目的把来自多传感器的数据互补信息合并成一幅新的图像,以改善图像的质量。
图像融合最简单的理解就是两个（或多个）图像间的相加运算。
这一技术广泛应用于多频谱图像理解和医学图像处理等领域。
主要分为空域和频域相加。
本实验主要应用MA TLAB软件进行两幅图像的融合。
方法有：1图像直接融合；2图像傅立叶变换融合；3图像小波变换融合。
图像融合的MA TLAB程序如下：1）调入、显示两幅图像的程序语句load tartan;X1=X;map1=map;Load sinsin;X2=X;map2=map; %打开图像Subplot(1 2 1)Image(X1),colormap(map1);Title(‘图像map1’)Subplot(1 2 2)Image(X2),colormap(map2);Title(‘图像map2’) %显示两幅图像2）两幅图像直接融合的程序语句figure,subplot(1 3 1)image((X1+X2)/2),colormap(map2); %在空域内直接融合title(‘两图像直接相加融合’) %显示融合后的图像，并命名为“两图像直接相加融合”3）两幅图像傅立叶变换融合的程序语句F1=fft2(X1);F2=fft2(X2); %分别计算两幅图像的快速傅立叶变换X=abs(ifft2(F1+F2)/2); %两幅图像在频域内相加后的傅立叶逆变换Subplot(1 3 2)Image(X),colormap(map2); %显示融合后的图像Title(‘两幅图像傅立叶变换融合’) %给融合后的图像命名并显示在图上4）两幅图像小波变换融合的程序语句[C1,L1]=wavedec2(X1,2, ‘sym4’);[C2,L2]=wavedec2(X2,2, ‘sym4’); %分别对两幅原图像进行小波分解C=C1+C2; %对分解系数进行融合X=waverec2(C,L1, ‘sym4’); %对融合后的信号进行图像重构Subplot(1 3 3)Image(X/2),colormap(map2); %显示经过小波变换融合后的图像Title(‘两图像小波变换融合’) %给融合后的图像命名并显示在图上三、实验步骤1打开计算机，启动MA TLAB程序；2调入“实验一”中获取的两幅数字图像，并进行三种方法的图像融合；3显示并保存图像融合的结果。
实验五-遥感图像的融合
实验五-遥感图像的融合实验五遥感图像的融合一、实验目的和要求1.理解遥感图像的融合处理方法和原理；2.掌握遥感图像的融合处理，即分辨率融合处理。
二、设备与数据设备：影像处理系统软件数据：TM SPOT 数据三、实验内容多光谱数据与高分辨率全色数据的融合。
分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。
注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。
四、方法与步骤融合方法有很多，典型的有 HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。
ENVI 里除了 SFIM 以外，上面列举的都有。
HSV 可进行 RGB 图像到 HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回 RGB 色度空间。
输出的 RGB 图像的像元将与高分辨率数据的像元大小相同。
打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL选择File>data manage，任意选择3个波段组合，查看效果打开分辨率为30和15的图像下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰选择如下图所示的三个波段选择分辨率高的为15的点击ok，Sensor选择landsat8_oil，Resampling选择三次方的Cubic Convolution，实现融合，选择输出路径为sssrong融合之后的图像如下图，可以发现图像清晰度提高，分辨率变高，图像质量变好五、实验心得多光谱数据与高分辨率全色数据的融合可以使遥感图象既具有较好的空间分辨率，又具有多光谱特征，继而达到增强图象质量的目的，可谓是一举两得。
这次实验虽然比较简单，但是一开始的时候还比较模模糊糊，甚至于连目的都不清楚。