遥感图像融合
图像融合实验报告
一、 实验目的
通过本实验熟练操作遥感图像处理的专业软件PCI，进行图像融合。
二、 实验内容
（1）、利用遥感图像处理的专业软件PCI的Xpace模块的Image Processing中的IHS进行IHS变换处理；
（2）、利用遥感图像处理的专业软件PCI利用Xpace模块的Image Processing中的FUSE进行图像融合处理。
三、 实验步骤
(一) 生成Pix文件
先用ImageWorks Configuration打开B10.FST文件，在此之前先用记事本打开查看其参数，将其参数填在相应位置，确定生成一个aux文件，并load第一波段的图像即B10.FST。
将B10转为pix文件格式，并将其他波段（除了第八波段）都添加到这个pix文件中，这里命名pix文件名为123-32.pix。
说明：
B61，B62都为第六波段且为争议波段，这里选择一个即可，这里选的是B61
(二) HIS与RGB的转换
打开生成的pix文件
添加6个空通道，打开Xpace模块，进行IHS转换：在Image Processing（Pacages）中的IHS（Convert RGB to IHS）进行IHS正变换处理。将7，4，1波段转为RGB到8,9,10空通道
加载图像，将7，4，1波段的与8，9，10通道的进行小窗口对比
换用第二种模型转换，将其与第一种模型进行比较 再添加6个空通道，利用RGB（Convert IHS to RGB）进行HIS逆变换处理，即将8,9,10通道的波段变回RGB模式
加载图像，将其与原来的7,4,1通道的合成图像进行比较
若是换第二种模型，将其转回去，得到的结果如下
出现了明显差异
用第5波段对7,4,1波段进行融合
(三) 图像融合
加载第八波段的FST文件，将其转为pix文件，命名为123-32Pan.pix
打开Xpace模块的Image Processing（Pacages）中的FUSE（Data Fusion），进行图像融合处理，在此之前先添加3个空通道。其中FILI选低分辨率的123-32.pix文件，分辨率为30m，FILO为高分辨率文件123-32Pan.pix文件,分辨率为15m ，DBRGB为第7,4,1通道的波段，DBINT为高分辨率通道为1，输出通道为添加的空通道2,3,4
运行出错，是坐标系统的问题，要进行图像配准
利用GCPWorks 模块，默认设置Accept，打开没有校准的123-32.pix文件
地理校准文件选择高分辨率的123-32Pan.pix文件
点击进行预览
上图可以看出，图像没有配准，于是重新采集控制点进行图像配准 再进行预览
发现图像已经校准，则下面点击执行图像配准，建立一一对应关系
添加空通道，接下来就可以继续进行图像融合了。
图像融合成功，加载图像，将第一通道的图像、第2,3,4通道的图像与第5,6,7通道的图像进行对比
可以看出融合后的图像清晰度变高。
四、 实验心得
在实验过程中我学到了很多，比如：一种颜色既可以用RGB空间内的R、G、B来描述，也可以用IHS空间的I、H、S来描述，前者是从物理学角度出发描述颜色，后者则是从人眼的主观感觉出发描述颜色。IHS变换就是RGB空间与IHS空间之间的变换。HIS变换是一种图像显示、增强和信息综合的方法，具有灵活实用的优点。
本次实验原理是R G BH I S,色度、饱和度保留PanI（用全色取代I分量）,I’
H SR’ G’ B’，用高分辨率替代主成分。
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的空间分辨率（如实验中的全色图像分辨率为15m）。多光谱图像光谱信息较为丰富，为提高多光谱图像的空间分辨率，将全色图像融合进多光谱图像。通过图像融合既可以提高多光谱图像的分辨率，又可以保留其多光谱的特性。比如本实验的结果;
遥感图像融合效果客观评价
Ｖｏ１．３５．Ｎｏ．２ Ｆｅｂ，２０１０ 火力与指挥控制 Ｆｉｒｅ Ｃｏｎｔｒｏｌ＆Ｃｏｍｍａｎｄ Ｃｏｎｔｒｏｌ 第３５卷第２期 ２０１０年２月
文章编号：１００２—０６４Ｏ（２Ｏ１０）Ｏ２—０００１－０５
遥感图像融合效果客观评价
朱卫纲ｈ ，周荫清 ，徐华平 ，李春升 （１．北京航空航天大学电子信息工程学院，北京１０００８３，２．装备指挥技术学院，北京１０１４１６）
摘要：能够对不同的融合技术的性能进行客观、系统、全面地评价，成为目前空间信息处理以及遥感图像融合研究领域 中亟待解决的问题。对国内外遥感图像融合系统及技术的发展历程进行了介绍，重点分析了遥感图像融合效果评估技术的研 究现状，归纳了现有的效果评估方法。通过实验，进一步讨论了当前遥感图像融合效果评估技术所存在的主要问题，有助于明 确该领域的发展方向和研究侧重点，为遥感图像融合系统及空间信息处理的研究奠定基础。 关键词：空间信息资源，遥感图像融合，融合效果评估 中图分类号：ＴＰ７ 文献标识码：Ａ
Ｓｕｒｖｅｙ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Ｆｕｓｉｏｎ Ａｓｓｅｓｓｍｅｎｔ
ＺＨＵ Ｗｅｉ—ｇａｎｇ ’ ，ＺＨＯＵ Ｙｉｎ—ｑｉｎｇ ，ＸＵ Ｈｕａ—ｐｉｎｇ ，ＬＩ Ｃｈｕｎ—ｓｈｅｎｇ （１．Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，ＢＵＡＡ，Ｂｅｉｊｉｎｇ １０００８３，Ｃｈｉｎａ， ２．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｏｍｍａｎｄ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｅｑｕｉｐｍｅｒｉｔ，ＢｅＯｉｎｇ １０１４１６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｉｍａｇｅ ｆｕｓｉｏｎ ｈａｓ ｂｅｅｎ ａｎ ｉｍｐｏｒｔａｎｔ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｉｍａｇｅ ａｎａｌｙｓｉｓ ａｎｄ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ．
Ｍｕｌｔｉ—ｓｅｎｓｏｒ ｉｍａｇｅ ｆｕｓｉｏｎ ｈａｓ ａｔｔｒａｃｔｅｄ ｍａｎｙ ａｔｔｅｎｔｉｏｎｓ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｒｅａ．Ｗｉｔｈ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ
基于多源遥感数据的图像配准与融合技术指南
基于多源遥感数据的图像配准与融合技术指南
引言
遥感技术已经在各个领域得到广泛应用，尤其是在地理信息系统、环境监测、农业和城市规划等方面。然而，不同数据源的遥感图像通常存在不同的误差和变换，这给图像配准和融合带来了一定的挑战。本文旨在介绍基于多源遥感数据的图像配准与融合技术，并提供一些实用的指南和建议。
一、图像配准
图像配准是指将不同数据源的遥感图像进行几何、空间和光谱变换，使其能够在同一坐标系和分辨率下比较或融合。在进行图像配准之前，首先需要选择合适的参考影像和待配准影像。然后，通过以下几个步骤进行图像配准:
1. 特征提取
首先对参考影像和待配准影像进行特征提取，常用的特征包括角点、线特征和纹理特征等。可以使用SIFT（尺度不变特征变换）或SURF（速度增强的尺度不变特征变换）等算法进行特征提取。
2. 特征匹配
将参考影像和待配准影像的特征进行匹配。通常采用RANSAC（随机抽样一致性）算法去除误差匹配，得到更准确的对应关系。
3. 几何变换
根据特征匹配的结果，通过几何变换方法对待配准影像进行几何校正，常用的方法有相似性变换和仿射变换。相似性变换可以处理平移、旋转和比例变换，仿射变换可以处理更复杂的几何变换。 4. 像素插值
在进行几何变换后，需要对待配准影像进行像素插值处理，以保证像素点之间的连续性。
二、图像融合
图像融合是指将多源遥感图像的信息融合到同一幅图像中，以增强图像的视觉效果和信息提取能力。常用的图像融合方法包括以下几种：
1. 基于像素的融合
将多源图像的像素按照一定的权重进行组合，常用的方法有加权平均法、最大像素法和PCA（主成分分析）等。
2. 基于变换的融合
将多源图像进行频域或时域变换，然后将变换域的系数进行线性或非线性组合，还原成多源图像。常用的方法有小波变换、多分辨率分析和拉普拉斯金字塔等。
3. 基于特征的融合
提取多源图像的特征，然后将特征进行组合，构建融合图像。特征可以是几何特征、光谱特征或纹理特征等。
多波段遥感图像彩色合成处理解析
多波段遥感图像彩色合成处理解析
【摘 要】多波段遥感图像彩色合成是一种应用广泛的遥感图像应用处理，本文对其授课目标、授课方式、授课内容、授课顺序、授课重点等进行了设计，并将彩色合成原理从色度学、地物波谱特性、图像灰度值（图像密度、透光性）等几个方面进行关联，使学生真正学懂彩色合成的基本原理，并能灵活地应用到遥感图像专题信息提取的实践之中。
【关键词】标准假彩色合成；真彩色合成；加色法
0 引言
彩色合成是遥感数字图像处理方法中，最常用、最基本、也是最便捷有效的彩色增强处理方法，是关于遥感图像处理研究最早的内容之一，到目前为止一直在延续使用，而且必不可少，然而在教学中本人发现，学生对于光学原理完成的彩色合成从理论上并不能很好的理解，学生可以看到彩色图像，可以按照排列组合的方式，把所有能做的彩色合成全部完成，观察到色彩的变化，但是很难将色度学、地物波谱特性、图像灰度值、图像透光性等知识融合到一起进行综合分析，从原理上明白色彩变化的原因。本人从事遥感地质学教学工作多年，将彩色合成的教学经验进行了总结，希望对从事这方面教学工作的教师具有一定的帮助。
1 授课内容
假彩色合成，从标准假彩色入手，以植被为例。
1.1 MSS数据的光学标准假彩色合成
图1 标准假彩色合成（以植被为例，MSS数据）
图1为从波段选择，植被反射率，图像色调、透明正片密度，滤色片颜色、色光混合，植被颜色7大方面对于标准假彩色图像上植被颜色为品红色原理的列表解释。
1.2 ETM+数据的数字标准假彩色合成、真彩色合成。
图2 标准假彩色合成（以植被为例，ETM+数据）
图2和图3为以ETM+、TM数据为例，用数字图像处理的方法解释标准假彩色和真彩色合成的原理，因为该原理的实现是在计算机的遥感软件下完成，数据类型有一定的变化，所以透明正片密度用图像密度来代替，滤色片三原色，由计算机的RGB三原色代替，实现标准假彩色、真彩色合成。工作波段、名称、植物反射率、图像色调、DN值、图像密度、三原色、色光混合原理应该在本次课之前完成，在课上介绍到哪一部分就要做相应的复习。
基于MATLAB算法的遥感图像融合
第３５卷第３期 ２０１２年３月 测绘与空间地理信息
ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬ ｌＮＦＯＰｄ，ＩＡＴＩＯＮ ＴＥＣＨＮｏＬＯＧＹ Ｖｏ１．３５．Ｎｏ．３ Ｍａｌ＂．，２０１２
基于ＭＡＴＬＡＢ算法的遥感图像融合
彭文建 ，郭云开 ，张晓红 ，林凯捷
（１．中国有色金属长沙勘察设计研究院有限公司，湖南长沙４１００１１；２．长沙理工大学交通运输工程学院，湖南长沙４１００８２；
３．长沙市房地产测绘队，湖南长沙４１００１６）
摘要：遥感影像像素级融合是遥感信息分析与处理过程中非常有效的方法。文章通过分析３种主要的多源遥
感影像融合方法特征和不足，运用ＭＡＴＬＡＢ算法实现影像融合，并对融合成果结合主观目视和客观指标进行综
合评价。经过实验表明，利用ＭＡＴＬＡＢ影像融合算法融合取得了较好效果，且提高了影像处理效率。
关键词：影像融合；ＭＡＴＬＡＢ；ＨＩＳ变换；ＰＣＡ变换；小波变换；质量评价
中图分类号：ＴＰ３０１．６ 文献标识码：Ｂ 文章编号：１６７２—５８６７（２０１２）０３—００３０—０３
Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Ｆｕｓｉｏｎ Ｂａｓｅｄ ｏｎ ＭＡＴＬＡＢ Ａｌｇｏｒｉｔｈｍ
ＰＥＮＧ Ｗｅｎ—ｊｉａｎ ，ＧＵＯ Ｙｕｎ—ｋａｉ ，ＺＨＡＮＧ Ｘｉａｏ—ｈｏｎｇ２，ＬＩＮ Ｋａｉ—ｊｉｅ
（１．Ｃｈｉｎａ Ｎｏｎｆｅｒｒｏｕｓ Ｍｅｔａｌ Ｉｎｄａｓｔｒｙ Ｃｈａｎｇｓｈａ Ｅｘｐｌｏｒａｔｉｏｎ ａｎｄ Ｄｅｓｉｇｎｉｎｇ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｃｈａｎｇｓｈａ ４１００１１，Ｃｈｉｎａ； ２．Ｔｒａｆｆｉｃ ａｎｄ Ｔｒａｎｓｐｏｒｔａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｈａｎｇｓｌｍ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｅ ａｎｄ Ｔｅｃｈｕｏｌｏｇｙ，Ｃｈａｎｇｓｈａ ４１００８２，Ｃｈｉｎａ； ３．Ｃｈａｎｇｓｈａ Ｅｓｔａｔｅ Ｍａｐｐｉｎｇ Ｔｅａｍ，Ｃｈｉｎｇｓｈａ ４１００１６，Ｃｈｉｎａ）
多源遥感影像融合技术研究
多源遥感影像融合技术研究
随着遥感技术的飞速发展，航空遥感和卫星遥感技术不断提升，遥感图像的识别和解译技术也取得了很大的进步。但是，由于不同遥感平台的图像具有不同的特点和分辨率，仅使用单一源数据进行图像处理往往无法满足实际需求。因此，多源遥感影像融合技术日益受到人们的关注和重视。
一、多源遥感影像融合技术概述
多源遥感影像融合技术是指通过将来自不同遥感传感器的遥感数据集成功地组合在一起，以创造出优于单个数据源的遥感图像。它是一种共存技术，目的是提高遥感图像质量，增强遥感图像的信息和特征，并使其适应更广泛的应用领域。多源遥感影像融合技术的实际应用有很多，例如农作物遥感监测、城市土地覆盖分类、自然灾害分析等方面。
多源遥感影像融合技术通常包括以下三个步骤：
（1）数据预处理
数据预处理是遥感影像融合的第一步，包括去噪、几何校正和辐射校正等过程。对于不同传感器所获取的遥感影像，其几何定位、坐标系统和数据范围可能存在不同，因此需要进行几何校正和辐射校正，以确保不同数据源之间的一致性。去噪是为了提高遥感图像的质量，消除影响图像分析和处理的噪声干扰。
（2）特征提取
特征提取是指从多个遥感影像中提取具有代表性的特征信息。在遥感图像的融合过程中，需要根据要求选择相似或互补的影像来融合，特征提取是实现此目的的关键。这些特征可以包括纹理特征、形状特征、频谱特征等。
（3）融合算法 融合算法是指对不同传感器所获取的遥感影像进行相应的加权组合，生成新的遥感影像的方法。这种方法的目的是获得优于单一图像源的遥感图像，从而可以更好地提取地物信息。常用的融合方法有像元水平融合、特征水平融合、决策水平融合等。
二、多源遥感影像融合技术的应用
（1）农作物遥感监测
在农作物遥感监测方面，多源遥感影像融合技术可以提高农作物信息提取的精度和可靠性，根据不同时间段和不同波段遥感影像的融合，可以得到更准确的作物种植面积、作物生长状态和作物产量等信息。在实践中，多源遥感影像融合技术已经被成功应用于农作物估产、农作物分类、灾害检测等领域。
61-实验三遥感图像预处理（波段合成、裁剪与拼接）
实验三 遥感图像预处理（波段合成、裁剪与拼接）
一、 实验目的
通过实验了解整个图像的预处理过程，从而加深对遥感图像计算机处理的内容及概
念的理解。
二、 实验内容
1. 自定义坐标系
2. 波段合成（图像融合）
3. 图像镶嵌（图像拼接）
4. 图像裁剪
三、 实验数据
1. TM-30m.img
2. bldr_sp.img
3. Mosaic1.img
4. Mosaic2.img
5. bhtmsat.img
6. can_tmr.img
7. qb_boulder_msi.img
8. qb_boulder_pan.img
四、 实验操作原理及步骤
遥感图像预处理主要包括图像几何校正、图像融合、图像镶嵌、图像裁剪等过程，
其处理顺序一般如下图所示。
图像融合 图像裁剪 图像镶嵌 图像几何纠正
图 1一般图像预处理流程
1. 自定义坐标系
一般国外商业软件坐标系都分为标准坐标系和自定义坐标系两种。我国情况较为特
殊，往往需要自定义坐标系。所以，在ENVI第一次使用时，需要对系统自定义北京54
坐标系西安80坐标系。
1.1 添加参考椭球体
找到ENVI系统自定义坐标文件夹—C:\Program
Files\ITT\IDL708\products\envi46\map_proj。根据每台电脑安装的路径以及版本不同
而略有不同。
以记事本形式打开ellipse.txt，将“Krasovsky,6378245.0,6356863.0”和
“IAG-75,6378140.0,6356755.3”加入文本末端。（这里主要是为了修改克拉索夫斯基因
音译而产生的错误，以便让其他软件识别；另外中间的逗号必须是英文半角。）
1.2 添加基准面
以记事本格式打开datum.txt，将“Beijing-54, Krasovsky, -12, -113, -41”
和“Xi'an-80,IAG-75,0,0,0”加入文本末端。
遥感图像处理中的多波段数据融合技术的使用注意事项
遥感图像处理中的多波段数据融合技术的使用注意事项
遥感图像处理是一门应用广泛的技术，对于各种资源调查、环境监测、城市规划等领域都有着重要作用。多波段数据融合技术是遥感图像处理的重要组成部分，它可以提高图像的空间分辨率和光谱信息，进一步增强图像的细节和分类精度。然而，在使用多波段数据融合技术时，我们需要注意以下几个方面。
首先，要了解不同波段的特性。在遥感图像处理中，不同波段的图像拥有不同的信息内容和特征。例如，红外波段可以用于检测植被的健康状况，而可见光波段则可以提供更多的形态和颜色信息。因此，在进行多波段数据融合时，我们需要了解每个波段所携带的信息，并根据任务需求选择合适的波段进行融合。
其次，要选择适当的融合方法。多波段数据融合技术有许多不同的方法，包括基于像素、基于变换和基于特征的方法等。不同的方法适用于不同的图像类型和任务需求。例如，基于像素的方法适用于高光谱图像的融合，而基于变换的方法则适用于红外和可见光图像的融合。因此，在选择融合方法时，需要考虑图像类型、数据质量和任务要求，选择最适合的方法。 另外，要合理处理图像的配准问题。在多波段数据融合过程中，由于不同波段的图像具有不同的传感器和视角，会导致图像之间存在位置和尺度的差异。因此，需要进行图像的配准，保证不同波段的图像在空间上对应一致。常用的配准方法包括基于特征点的配准和模型转换法等。配准完成后，才能进行准确的多波段数据融合。
此外，要注意融合后图像的质量评估。多波段数据融合后的图像质量是评估融合效果的关键指标。常用的图像质量评估指标包括信噪比、均方误差和相关系数等。通过对融合后图像的质量进行评估，可以判断融合方法的效果，并对其进行优化和改进。
最后，要考虑多波段数据融合的应用场景。多波段数据融合技术可以应用于不同领域的遥感图像处理，如土地利用分类、环境监测和自然灾害评估等。在针对不同应用场景进行多波段数据融合时，需要充分了解任务需求，明确融合后图像的目标和要求，提高融合结果的适用性和实用性。
多模态图像融合算法在遥感图像处理中的应用研究
多模态图像融合算法在遥感图像处理中的应用研究
遥感图像处理是一门关注获取和处理地球表面信息的技术，其在环境监测、资源管理、城市规划等领域中发挥着重要作用。多模态图像融合算法是遥感图像处理中的一项关键技术，通过将来自不同传感器或不同模态的图像进行融合，可以获得更多的信息和更高的图像质量。本文将探讨多模态图像融合算法在遥感图像处理中的应用，并对其研究进行分析和总结。
一、多模态图像融合算法的定义和分类
多模态图像融合算法是指将来自多个传感器或不同模态的图像进行融合，以获得一个包含多种信息的综合图像。根据图像处理的不同阶段和方法，可以将多模态图像融合算法分为以下几类：
1. 基于变换的融合算法：利用变换方法，如小波变换、离散余弦变换等，将不同模态或不同传感器的图像进行变换，然后进行适当的融合。这类算法在遥感图像处理中应用较为广泛，能够保留图像的空间和频谱特性。
2. 基于特征的融合算法：通过提取不同传感器或模态图像的特征，将其进行融合，从而获得更全面和准确的信息。这类算法在目标检测和识别等任务中具有重要意义，并且能够减少图像处理中的误差。 3. 基于深度学习的融合算法：深度学习是一种通过学习数据表示的方法，可以自动从大量数据中提取特征。利用深度学习的方法，在遥感图像处理中可以进行多模态图像的融合，以获得更高的图像质量和更准确的信息。
二、多模态图像融合算法在遥感图像处理中的应用
1. 土地覆盖分类
土地覆盖分类是遥感图像处理中常见的任务之一。通过融合多模态图像，可以获得更多的特征信息，提高土地覆盖分类的准确性。例如，利用多光谱图像和高光谱图像进行融合，可以获得更丰富的光谱信息和空间分辨率，从而提高土地分类的精度和可靠性。
2. 地物识别和提取
地物识别和提取是遥感图像处理中重要的任务之一。通过融合多模态图像，可以提高地物的辨别能力和分类精度。例如，将可见光图像和红外图像进行融合，可以通过光学和热学特性的结合，识别和提取建筑物、植被等地物，尤其对于夜间或低亮度条件下的地物探测具有重要意义。
遥感图像融合技术探讨
2012年2月内蒙古科技与经济February2012 第4期总第254期InnerMongoliaScienceTechnology&EconomyNo.4TotalNo.254
遥感图像融合技术探讨X
唐纳明,陈东杰,刘月辉
(内蒙古自治区有色地质勘查局108队,内蒙古赤峰 024000)
摘 要:对图像融合的原理和方法进行了剖析,研究和分析了几种常用的多源遥感图像融合的方
法:Brovey法、主成分分析和乘积法等,并以实例对这三种方法融合的图像进行了评价。
关键词:遥感;图像;融合技术;方法 中图分类号:TD701 文献标识码:A 文章编号:1007—6921(2012)04—0117—02
1 融合技术算法的论述1.1 Brovey变换融合方法
Brovey变换是普遍使用的比值融合算法,由美
国科学家R.L.Brovey建立模型并推广而得名。该算法将影像分解成颜色和亮度两大部分,通过比值
运算将构成色彩的RGB组合中的每一个波段除以
构成该组合的3个波段的总和来对数据进行正规化,以保持低分辨率影像的光谱特点,然后将比值结
果(色彩)乘上高分辨率波段(亮度)以获得高频空间信息。其特点是:简化了图像转换过程的系数以最大
限度地保留多光谱数据的信息。
Brovey变换融合方法是将遥感图像的3个波段,按照下列公式(1)进行计算,获得融合后各波段
的数值。
[DR/(DR+DG+DB)]×Dhires=DRnew[DG/(DR+DG+DB)]×Dhires=DGnew(1)
[DB/(DR+DG+DB)]×Dhires=DBnew其中,R、G、B为图像的红、绿、蓝波段数值,
Dhires代表高分辨率遥感图像。
1.2 主成分变换融合方法
该方法的最大优点是可以应用任意数目的波段,它对n个波段的低分辨率图像进行主成分分析
(PCA:PrincipalComponentAnalysis),将单波段的
高分辨率图像经过灰度拉伸,使其灰度的均值和方差和PCA变换第1分量图像一致;然后以拉伸过的
基于像素级遥感图像融合方法综述
电脑编程技巧与维护
基于像素级遥感图像融合方法综述
李晓静，王昊鹏，崔立新
（空军航空大学计算机教研室，长春１３００２２）
摘要：介绍了典型的基于像素级遥感图像融合算法，论述了各种算法的优缺点，给出了图像融合质量的评价方
法，提出了图像融合的研究方向。
关键词：像素级；遥感图像融合；算法
Ｒｅｖｉｅｗ ｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ Ｆｕｓｉｏｎ Ｍｅｔｈｏｄ ａｔ Ｐｉｘｅ１．－－Ｌｅｖｅ
ＬＩ Ｘｉａｏｊｉｎｇ，ＷＡＮ Ｈａｏｐｅｎｇ，ＣＵＩ Ｌｉｘｉｎ （Ｃｏｍｐｕｔｅｒ Ｏｆｆｉｃｅ，Ａｖｉａｔｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｉｒ Ｆｏｒｃｅ，Ｃｈｕａｎｃｈｕｎ １３００２２）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐａｐｅ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｔｙｐｉｃａｌ Ａｌｇｏｒｉｔｈｍｓ ｏｆ Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｕｓｉｏｎ ａｔ ｐｉｘｅｌ——ｌｅｖｅ ａｎｄ ｄｉｓｃｕｓｓｅｓ ｔｈｅ ａｄ—— ｖａｎｔａｇｅｓ ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｖａｒｉｏＩＪｓ ａｌｇｏｒｉｔｈｍｓ．Ｉｔ ａ］ｓｏ ｇｉｖｅｓ ｔｈｅ ｑｕａｌｉｔｙ ｅｖａｌｕａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｉｍａｇｅ ｆｕｓｉｏｎ ａｎｄ ｂｒｉｎｇｓ ｏｕｔ ｒｅｓｅａｒｃｈ ｄｉｒｅｃｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｐｉｘｅｌ—ｌｅｖｅ；ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｆｕｓｉｏｎ；ａｌｇｏｒｉｔｈｍ
ｌ 引言
随着遥感技术的迅速发展和新型传感器的不断涌现，由
不同物理特性的传感器所产生的遥感图像不断增多，在同一
地区往往可以获得大量不同尺度、不同光谱、不同时相、不
同平台、不同分辨率的多源遥感图像数据信息。如何将多数
据源的遥感图像进行融合，从中提取更丰富、更有用、更可
靠的信息，则成为遥感技术应用研究的热点问题。
２ 常用像素级图像融合算法
随着遥感融合技术的深入研究，提出了许多融合方法相