高空间分辨率与高光谱分辨率遥感数据融合研究
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。
《2024年高光谱分辨率红外遥感大气温湿度廓线反演方法研究》范文
《高光谱分辨率红外遥感大气温湿度廓线反演方法研究》篇一一、引言随着遥感技术的不断发展，高光谱分辨率红外遥感技术已成为大气环境监测的重要手段。
其中，大气温湿度的准确测量对于气象预报、气候变化研究、环境监测等领域具有重要意义。
高光谱分辨率红外遥感技术能够提供丰富的光谱信息，为大气温湿度廓线反演提供了新的可能性。
本文旨在研究高光谱分辨率红外遥感大气温湿度廓线反演方法，以提高大气温度和湿度的测量精度。
二、研究背景及意义大气温度和湿度是气象学、气候学、环境科学等领域研究的重要参数。
传统的温湿度测量方法主要依靠地面观测站、探空气球等手段，这些方法在空间和时间分辨率上存在一定局限性。
而高光谱分辨率红外遥感技术可以通过获取大气中红外辐射的详细光谱信息，实现对大气温湿度的远程、快速、高精度测量。
因此，研究高光谱分辨率红外遥感大气温湿度廓线反演方法具有重要意义。
三、高光谱分辨率红外遥感原理高光谱分辨率红外遥感技术利用红外光谱范围内的电磁波与大气相互作用，获取大气中红外辐射的光谱信息。
通过对这些光谱信息的分析和处理，可以反演出大气的温度、湿度等参数。
高光谱分辨率红外遥感技术具有较高的光谱分辨率和信噪比，能够提供更详细的大气信息。
四、温湿度廓线反演方法目前，高光谱分辨率红外遥感大气温湿度廓线反演方法主要包括辐射传输模型法和机器学习方法。
（一）辐射传输模型法辐射传输模型法是通过建立大气辐射传输模型，将观测到的光谱信息与模型预测的光谱信息进行对比，从而反演出大气的温度和湿度。
该方法需要建立准确的辐射传输模型，并考虑大气中各种气体、云雾等影响因素。
通过优化模型参数，可以得到较高的反演精度。
（二）机器学习方法机器学习方法利用大量观测数据训练神经网络等模型，通过输入观测到的光谱信息，直接输出大气的温度和湿度。
该方法可以自动考虑各种影响因素，具有较高的反演速度和精度。
然而，机器学习方法需要大量的训练数据和计算资源。
五、研究方法及实验设计本研究采用辐射传输模型法和机器学习方法相结合的方式，对高光谱分辨率红外遥感大气温湿度廓线进行反演。
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。
浅谈高光谱图像融合方法
浅谈高光谱图像融合方法1. 引言1.1 背景介绍随着遥感技术的不断发展，高光谱图像和多光谱图像已经成为遥感领域的重要数据来源。
高光谱图像能够提供丰富的光谱信息，但分辨率较低；而多光谱图像具有较高的空间分辨率，但光谱信息相对较少。
将高光谱图像和多光谱图像结合起来，可以充分利用它们各自的优势，实现更细致的地物分类和识别。
高光谱图像融合方法具有重要的理论和实际意义。
通过将高光谱和多光谱图像融合，可以提高遥感数据的综合信息量，进一步提高遥感图像的分析和应用能力。
研究高光谱图像融合方法不仅有助于丰富遥感技术的应用范围，还可以为环境监测、资源管理、灾害预警等领域提供更加精准的数据支持。
在当前的研究领域中，高光谱图像融合方法已经成为研究热点之一。
通过不断改进和创新，将可以更好地发挥高光谱和多光谱图像的优势，为遥感领域的发展带来新的突破。
1.2 研究意义高光谱图像融合方法的研究意义在于提高遥感图像的分析与应用效率和精度。
随着遥感技术的不断发展，高光谱和多光谱图像在农业、环境监测、城市规划等领域得到了广泛应用。
单独利用高光谱或多光谱图像存在信息不足或信息重复的问题，无法充分表达地物的特征。
高光谱图像融合方法的研究可以克服单一图像的局限性，实现对地物特征的更准确、更全面的描述。
通过融合高光谱和多光谱图像，可以提高地物分类与识别的精度，为环境监测、资源调查、城市规划等领域提供更可靠的依据。
高光谱图像融合方法还有助于减少数据量，提高图像处理的效率，为大数据时代下的遥感应用提供支持。
研究高光谱图像融合方法具有重要的实际意义和应用前景。
1.3 研究现状高光谱图像融合是当前遥感图像处理领域的热点之一，对于提高图像质量、增强信息提取能力具有重要意义。
目前，关于高光谱图像融合方法的研究已经取得了一定的进展。
在传统的融合方法中，基于像素级和特征级的融合方法被广泛采用，通常是通过将高光谱图像和多光谱图像进行简单的加权平均或者特征变换来实现信息融合。
多元遥感影像数据融合研究
分辨率融合是对不 同空间分辨率遥感图像的融 合处理 ， 使用融合后的遥感 图像既具有较好 的空间 分辨率， 又具有多光谱特征， 从而达到图像增强的目 的。 从融合后的影像 与原影像 目视对 比可以得知：
图三 主成分变换融合后的影像 物理意义进行分析，进而提 出将强度分量用高分辨
般情况下， 多光谱图像 的光谱分辨率较高 ， 但空间分 根据融合 目的和融合层次智能地选择合适的融 辨率 比较低； 全色图像具有高空间分辨率， 但光谱分 合算法， 将空间配准的遥感影像数据（ 或提取的图像
辨率较低。为了增加图像信息提取的精确性和可靠 性， 可以将低空间分辨率的多光谱 图像和高空间分 辨率的全色图像进行融合， 使融合后的多光谱图像 特征或模式识别的属性说 明） 进行有机合成， 得到 目标的更准确表示或估计。 １ 融合 的基本模型 ． ２
方 图匹配， 然后进行反变换得到融合结果。 这样得到 的图像同时具有较好的空间分辨率和保 留较多的光
Ｉ Ｓ方法 由于 １ Ｈ 分量的直方图分布与全色 图像 直方图分布差异较大，造成与原图像 的整体色彩有 较大差异 ，但 同类地物基本具有接近 的色彩。而
多
７５ １
谱特性， 提高了图像识别和解译的精度， 如图一至图
多
兀
遥 感 影 像 数 据 融 合 研 究
Ｒ ｓ ａ ｃ ｏ ｕ ｉ ｌ ｅ ｏ ｅ Ｓ ｎ ｉ ９ Ｉ ａ ｅ ａ ａ ｎ ｅ ｒ ｔ Ｏ ｅ ｅ ｒ ｈ ｆ Ｍ ｌ ｐ ｅ Ｒ ｄ ｔ ｅ ｓ ｎ ｍ ｇ ｓ Ｄ ｔ Ｉ ｔ ｇ ａ ｉ ｎ ｔ
遥 感 影
像 数
Ｔｒ ｎｓｏ ｍａ ｉ ｎ；Ｒｅ ｏｌｔｏｎ ａ ｆ ｒ ｔｏ ｓ ｕｉ
高分辨率卫星遥感立体影像处理模型与算法
高分辨率卫星遥感立体影像处理模型与算法一、本文概述随着空间技术和遥感科学的迅猛发展，高分辨率卫星遥感已成为地球观测与资源管理的重要手段。
高分辨率卫星遥感立体影像，以其高空间分辨率、高光谱分辨率和高时间分辨率的优势，为地表特征提取、环境监测、城市规划等领域提供了丰富而准确的信息源。
如何高效、精确地处理这些立体影像，以充分发挥其应用潜力，是当前遥感领域面临的重要挑战。
本文旨在探讨高分辨率卫星遥感立体影像处理模型与算法。
本文将回顾高分辨率卫星遥感立体影像处理技术的发展历程，分析现有技术的优缺点。
接着，本文将重点介绍几种先进的处理模型与算法，包括基于深度学习的立体匹配算法、多源数据融合算法以及变化检测算法等。
这些算法不仅提高了影像处理的精度和效率，还拓宽了高分辨率卫星遥感的应用范围。
本文还将探讨高分辨率卫星遥感立体影像处理技术在实践中的应用案例，如城市规划、灾害监测、环境评估等，以展示这些技术的实际应用价值和潜力。
本文将对未来高分辨率卫星遥感立体影像处理技术的发展趋势进行展望，指出可能的研究方向和挑战，以期为相关领域的研究和实践提供参考。
本文将对高分辨率卫星遥感立体影像处理模型与算法进行全面而深入的探讨，旨在推动遥感科学技术的发展，为地球观测与资源管理提供更有效的技术支持。
二、高分辨率卫星遥感技术概述高分辨率卫星遥感技术是指利用卫星搭载的遥感设备获取地球表面的高清晰度图像和数据的技术。
这种技术在地理信息系统、城市规划、农业监测、环境保护、灾害评估和军事侦察等领域具有广泛的应用。
高分辨率卫星遥感技术的关键在于其搭载的传感器和数据处理算法。
传感器必须具备高空间分辨率、高光谱分辨率和高时间分辨率，以确保获取到的图像清晰、详细。
同时，数据处理算法需要能够从这些高分辨率图像中提取有用的信息，进行分类、识别和分析。
立体影像处理是高分辨率卫星遥感技术中的一个重要方面，它涉及到从不同角度获取的两幅或多幅图像中重建地面的三维模型。
浅谈高光谱图像融合方法
浅谈高光谱图像融合方法1. 引言1.1 背景介绍高光谱图像融合方法是一种将高光谱图像和传统图像结合起来，获得更加丰富信息的技术。
在遥感领域，高光谱图像可以提供丰富的光谱信息，但空间分辨率低；而传统图像则具有较高的空间分辨率，但缺乏光谱信息。
高光谱图像融合方法可以充分整合两种图像的优势，实现高光谱图像的空间增强和传统图像的光谱增强。
随着遥感技术的不断发展和应用需求的提高，高光谱图像融合在农业、城市规划、环境监测等领域都有着重要的应用价值。
通过融合不同类型的图像，可以更准确地提取地物信息、监测环境变化、识别目标等。
目前，高光谱图像融合方法已经成为遥感图像处理领域的热点之一，研究者们提出了各种不同的融合方法，并取得了一定的成果。
现有的融合方法仍存在一些问题，如如何有效融合高光谱图像和传统图像、如何提高融合后图像的质量等。
对高光谱图像融合方法的研究具有重要意义，可以进一步完善和提高融合方法的效果，推动遥感图像处理技术的发展。
1.2 研究意义高光谱图像融合方法作为遥感图像处理领域的一个重要研究方向，具有重要的研究意义。
高光谱图像融合方法可以将高光谱图像和传统图像进行融合，从而获得更加丰富和准确的信息。
这对于遥感图像的分析和应用具有重要的意义。
高光谱图像融合方法可以提高遥感图像的分辨率和信息量，使得遥感图像在土地利用、环境监测、农业生产等领域的应用更加有效和精准。
高光谱图像融合方法也可以为地质勘探、灾害监测、城市规划等领域提供更加详尽和全面的信息支持。
高光谱图像融合方法的研究意义不仅在于提高遥感图像的质量和准确性，还在于推动遥感技术的发展和应用领域的拓展。
通过深入研究和探讨高光谱图像融合方法，可以为遥感图像处理技术的进一步提升和应用推广提供重要的参考和支持。
1.3 研究现状高光谱图像融合是遥感图像处理中一个重要的研究领域，目前国内外学者们已经开展了大量相关工作。
当前，针对高光谱图像融合方法主要可以分为基于像素级的融合方法、基于特征级的融合方法和基于深度学习的融合方法三大类。
《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。
- 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)。
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 。
２ ２ １加 权平均 融合 ．．
算 法 的融合 过 程 都是 相 同 的 。首先 按 照一 定算 法对 原 图像 进行 处理 ，并 进行 间隔 采样 ，如此进 行 Ｎ 次
操 作 ，其 中每 一层 图像 的数据 量 只 是上 一层 图像 的
测绘第 ３ 卷 第 ６ ２ １ 年 １ 月 ３ 期 ００ ２
２３ ４
高空 间分辨率与 高光谱 分辨率遥感 数据 融合研 究
满 旺
陈绍 杰
（． １ 厦门理工学院空间信 息科学 与工程系 ， 福建 厦 门 ３ １ ２ ； ． ６ ４ ２ 龙岩学院资源工程学院 ， ０ 福建 龙岩 ３ ４ １ ） ６ ０ ２ ［ 摘要 ］使用像素级融合常见算法及 Ｃ ｒ ｅ ｅ ｕ ｖ ｌ ｔ变换与 Ｃ ｎ ｏ ｒ ｅ ｏ ｔ ｕ ｌｔ变换方法对 Ｈ ｐ ｒ ｏ ｙ ｅ ｉ ｎ数据与 Ｓ Ｏ Ｐ Ｔ进行融合 实验，并提取 了融 合后 典型地物光谱 曲线 。使用光谱角方法评价高光谱遥感影像融合后的光谱信息保持情况。
实验 结 果表 明 ，Ｃ ｒ ｅ ｅ ｕ ｖ ｌ ｔ与 Ｃ ｎｏ ｒ ｅ 换 具 有 较 好 的 光 谱 保 持 效 果 。 ｏ ｔ ｕ ｌｔ变
［ 关键词］高光谱遥感；图像融合；Ｈ ｐ ｒ ｏ ｛Ｓ Ｏ ｙ ｅ ｉｎ Ｐ Ｔ ［ 中图分类号］Ｔ ３ １ Ｐ ９ ［ 文献标 识码 ］Ａ ［ 文章编号］ １７ — ０ ９（ ０ ０ ６ ０ ４ — ４ ６ ４ ５ １ ２ １ ）０ —２ ３０
感 影像 、Ｓ Ｒ影像及 激 光雷达 影像 的融合研 究 ，高光 Ａ
表 １ Ｈｐｒｏ ｙ ｅ ｉｎ的 技 术 特 征 国 家
美 国
波段数 目
２０ ２
光 谱 范 围／ａ 波 段 宽 度 ／ ｍ 地 面 分辨 率 ／ ｌｍ ｉ ｒ ｍ
０４—．０ ． ０ ２ ５ ｌ ０ ３ ０
１ ４ ，这样 就形成 一个 多分 辨 的塔 状 结构 。然 后每 ／
一
加权平均融合是一种较简单的图像 融合方法 ， 该 算 法 不 对 参 加 融 合 的 源 图像 进 行 任 何 的变 换 分 解 ，而 是 直接 对 其像 素 的灰 度 值进 行 加权 处 理后 合
成一 幅新 的 图像 。加权 融合 的数 学模 型如 式 １ 示 。 所
８
２ ２ 融合 方法 ．
无 法用 于 高 光谱 遥 感数 据 融合 。本文 主 要采 用 了加 权平 均 法 、 小波 变化 、拉普 拉 斯金 字 塔 、 高斯金 字
由于 ＩＳ变 换 、 ｒｖ ｙ变换等 只 能使用 三波 段 ， Ｈ Ｂｏｅ
２４ ４
测绘第 ３ 卷第 ６ ２ １ ３ 期 ００年 １ ２月
分 辨率 的一种 常规方 法 。 国内外 学 者一 般将 图像 融合 分 为 三个 级 别— — 像 素级 融合 、特 征级 融 合及 决 策级 融 合 。像 素 级 融 合 能够 较好 的保 留源 图像 的原 始信 息 ，一直 是 遥感 影像 融合研 究 的热 点 ，其 中常 见 的方 法包 括 Ｉ Ｓ变 Ｈ 换法 、Ｂ ｏ ｅ ｒ ｖ ｙ变 换法 、加权 平均 法 、Ｐ Ａ 方法 、高 Ｃ 通滤波 法 、小波变 换法及 以上这 些方 法 的混 合 方法 。 目前 国 内融 合研 究 大 多集 中在 多光 谱 遥感 同全色 遥
１ 引言
对 一 套光 学 遥感 系 统 而 言 ， 图像 空 间分辨 率 与
谱遥 感 影像 融合 较 少 。本 文采 用 多种 方 法对 高 光谱 影像 与 高 分辨 率 影像 进 行 融合 实 验研 究 ，对 融 合后 影像 提 取 了 典型 地物 的光谱 曲线 ， 并对其 进 行 比较 分析 。
幅／ ｍ ｋ
７５ ．
量 化 等 级 ／ ｉ ｂｔ
ｌ ２
表 ２ Ｓ Ｏ ５的全色波段技术特征 ＰＴ 国家
法国
波段 数 目
１
光谱 范围／ｉ 波段宽度／ ｍ 地面 分辨 率／ ｌｍ ｎ ｍ
０４一．１ ． ８ Ｏ ７ ２０ ３ ５
幅／ｍ ｋ
６ Ｏ
量化等级／ ｉ ｂｔ