遥感影像融合评价方法
遥感影像融合评价方法
1. 融合数据
实验采用了北京1号32米多光谱数据（绿波段：523nm-605nm ；红波段：630nm-690nm ；近红外波段：774nm-900nm ）和CBERS 全色2.36米数据（波段范围：500-800nm ）。
2. 配准方法
本次实验采用二次多项式法进行配准，选择20个控制点，配准精度达到0.266像素
3. 融合方法原理
目前遥感领域常用的影像融合方法有：比值变换（Brovey ）融合、乘积变换
（Multiplicative ）融合、主分量变换（Principal Component ）融合、小波变换（Wavelet ）融合等多种方法。
主分量变换融合是将多光谱影像各波段的相同信息变换为第一主分量，各波段的独有信息被分配到其他波段，然后将高分辨率图像拉伸至与主分量有相近的均值和方差，最后将高分辨率图像替换主成分第一分量进行主分量逆变换完成图像融合。
乘积变换融合也是一种比较简单的融合方法，其方法即将两幅影像（多光谱和高分辨率影像）的对应像素相乘，得到最终的融合影像。公式为：
new
Bn D B n _=?
公式中变量含义与上个公式相同。该变换得到的结果使融合后图像的亮度值显著提高，但不受波段个数的限制。
Brovey 融合是较为简单实用的一种融合方法，其原理是将原有多光谱波段进行归一化处理之后与全色波段相乘得到新的融合波段，公式如下：
[]new B D B B B B n _/1211=?+++
[]new
Bn D B B B Bn n _/2
1=?+++
其中Bn (n=1,2,3…)为多光谱波段，D 为高分辨率波段，Bn_new 为融合后波段。对RGB 影像来说，比值变换融合只能用三个波段多光谱影像与高分辨率影像进行融合，因此受一定限制。
小波变换融合是将多光谱影像的各波段和高分辨率影像均进行小波分解，得到LL （低频部分），HL （水平方向的小波系数），LH （垂直方向的小波系数）和HH （对角方向的小波系数），然后根据具体需要和保持多光谱色调的程度，将分解后的两影像LL 、HL 、LH 、HH 部分分别融合，最后将融合后的LL ，HL ，LH 和HH 反变换重建影像，达到影像融合的目的。
在遥感图像的Gram_Schmidt 变换融合中,首先需模拟GS 变换正交向量的第一分量, 将高分辨率全色波段通过低通滤波或局域均值化处理,使其具有与多光谱图像相似的分辨率,然后取子集,并将其缩小到与多光谱图像相同大小。然后依次计算高光谱图像的正交向量。
第一分量模拟图像质量对融合后图像质量影响较大,也是GS变换融合方法的关键所在。
高通滤波（HPF）法融合原理是对多个波段的多光谱图像实施FFT正变换，并用高分辨率的全色波段图像替换FFT变换后多光谱图像的高频部份，之后进行FFT逆变换可得到高分辨率的多光谱融合图像。同样，在替换之前要进行直方图匹配。
4. 融合精度评价
1)平均值
均值（u）的计算公式为：
其中，M、N为图像长宽像素个数，f(i, j)为i行j列图像灰度值。
2)标准差
标准差（）的计算公式为：
3)影像梯度
平均梯度（G）的计算见公式：
其中：，分别为像素(i, j)在x，y方向上的一阶差分值；G越大则图像层次越多，图像越清晰。
4)信息熵
图像信息熵（H）的定义为图像的平均信息量，其表达式为:
其中P(i)为灰度值为i的像素在图像中出现的频率，N是像元灰级数。
5)空间相关系数
空间相关系数通过计算原全色波段图像图像与融合后的多光谱图像之间的相关系数确
定，相关程度越高，表明越多的高分辨率全色波段的纹理信息被融合入相应波段中。该指标主要评价了高分辨率信息的融合情况，即图像空间细节信息的增强情况。
6) 光谱相关系数
光谱相关系数通过计算融合图像和原多光谱图像间的相关系数来确定。
7) 光谱扭曲度
∑∑
-=
r
l
irl
irl i G G N
D '
1
其中N 为整个图像像元总数，r 、l 分别为行列位置，
'
irl
G 和
irl
G 分别为多光谱波段融合
前后对应像元的灰度值，Di 表示融合前后光谱的差异，因此该值越小越好。光谱相关系数和光谱扭曲度两个指标主要评价多光谱信息的保持程度。
8) 影像清晰度
清晰度是图像细节边缘变化的敏锐程度。在图像细节的边缘处，光学密度或亮度随位置的变化越敏锐(变化快)、越剧烈(反差大)，则细节的边缘就越清晰，可辨程度越高。其计算公式可采用改进后的点锐度法来表示：
式中：M 、N 分别为图像的行数和列数，df 为灰度变化幅值，dx 为像元间的距离增量，a 表示像素i 周围的像素数。
9) ERGAS 指数：
式中h 为高分辨率图像的分辨率，l 为低分辨率图像的分辨率，N 为波段数，Bi 为多光谱图像，Mi 为多光谱图像的辐射率值的平均值。一般说来，ERGAS 主要评价在光谱范围内的所有融合波段的光谱质量，考虑光谱变化的整体情况。它的值越小，表明在光谱范围内，融合图像的光谱质量越好。
10) 空间ERGAS 指标（ERGASs ）
该指标与空间相关系数相似，也是衡量融合图像空间质量的一个指标。具体实现先对图像进行滤波，滤波算子同样为Laplacian 滤波算子，再对滤波的图像计算ERGAS 指标，因此称空间ERGAS 指标。ERGASs 值越小，表明融合图像中加入的全色图像信息越多，空间质量越高。
5. 融合精度评价参数
遥感图像融合方法比较
1 绪论 1.1研究目的及意义 20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。 遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。 遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。 1.2研究现状及发展的趋势 1.2.1研究现状 20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。 1）、融合结构 融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。 2）、融合的层次 图像融合可分为：像元级融合、特征级融合和决策级融合。 像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。 特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融合分为目标状态信息融合和目标特征融合。 决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。
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。
ERDAS影像融合操作流程
影象融合流程 影像融合在影象解译模块和雷达影象处理模块中都有，但是雷达模块中的处理效果要相对好一些，下面就两个不同模块中的融合处理流程进行分别介绍。 一、影象解译模块（Interpreter） 1）单击，在弹出的Interpreter菜单中选则Spatial Enhancement （空间增强）弹出Spatial Enhancement菜单，再选择Resolution Merge（分辨率融合）选项。 弹出对话框如下
在Resolution Merge对话框中需要设置下列参数 （1）确定高分辨率输入文件（high Resolution input file）； （2）选择影象波段； （3）确定多光谱输入文件（multispectral input file）； （4）定义输出文件； （5）选择融合方法。在分辨率变换中，erdas提供了三种融合方法Principal Component(主成分变换法)、Multipalcative(乘积变换)、Brovey transform(比值变换)。其图象分别如下： Principal Component(主成分变换法)
Multipalcative(乘积变换) Brovey transform(比值变换) （6）选择重采样方法。系统提供了两种重采样方法Nearest Neighbor（邻近像元法）、Bilinbear Interpolation（二次线形内插）和Cubic Convolution（立方卷积）。其中 以Cubic Convolution方法最为平滑。 （7）确定Output Options输出图象选项。选择Lgnore Zero Stats，可以忽略像素值为
高分辨率遥感图像融合方法的比较正式
包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月
摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；
利用ENVI软件进行遥感图像的融合和增强实习报告
遥感图像处理实习报告 实验内容：影像融合与增强 班级：测绘1102班 学号：13 姓名： 指导老师：陈晓宁、黄远程、竞霞、史晓亮 西安科技大学 测绘科学与技术学院 二零一三年一月 实习三影像融合与增强
一、实习内容： 1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点； 2.熟悉ENVI图像增强操作； 3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。 二、实习目的： 1.了解和认识各种图像融合方法的原理、内容及要点； 2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较； 3.学习利用ENVI软件进行各种图像增强处理操作； 4.学会定性、定量分析比较图像融合的差异。 三、实习步骤： 1.图像融合： 三波段融合： HSV和Color Normalized (Brovey)变换： 1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中； 2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1； 3）在ENVI的主菜单选择Transform → Image Sharpening → HSV； 4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。 5）从High Resolution Input File对话框中选择全色影像，点击OK。 6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；
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
下面进行融合 点击工具栏中的Image Sharpening>Gram-Schmidt Pan Sharpening，在对话框中点击Spectral Subset…改变其波段 选择如下图所示的三个波段
遥感图像的假彩色合成
北京化工大学 学士学位论文 遥感图像的假彩色合成 姓名：刘晓璐 班级：信息与计算科学0304班 学号：200362102
遥感图像的假彩色合成 摘要：遥感，作为采集地球数据及其变化信息的重要技术手段，在世界范围内及其我国的许多政府部门，科研单位和公司得到了广泛的应用。在遥感数据源向着更高光谱分辨率和更高空间分辨率发展的同时，处理技术也更加成熟；在应用上，结合了地理信息系统（GIS）和全球定位系统（GPS），向着更系统化，更定量化方向发展，使遥感数据的应用更加广泛和深入。 假彩色增强是将一幅彩色图像映射为另一幅彩色图像，从而达到增强彩色对比，使某些图像达到更加醒目的目的。 本文的主要目的就是大遥感的多光谱图像用自然彩色显示。在遥感的多光谱图像中，有些是不可见光波段的图像，如近红外，红外，甚至是远红外波段。因为这些波段不仅具有夜视能力，而且通过与其他波段的配合，易于区分地物。 用假彩色技术处理多光谱图像，目的不在于使景物恢复自然的彩色，而是从中获得更多的信息。为了实现这样的目的，本文采用了MATLAB数学软件编程的方法以及运用Envi4.2 软件直接编辑图像这两种方法，并对其进行对比，得出最优的合成图像。 关键词：图像融合，假彩色合成，彩色增强，灰度级，RGB图像，
False color mapping for image fusion Abstract: A pixel-based color-mapping algorithm is presented that produces a fused false color rendering of two gray-level images representing different sensor modalities. The resulting images have a higher information content than each of the original images and retain sensor specific image information. The unique component of each image modality is enhanced in the resulting fused color image representation. First, the component of two original input images is determined. Second, the common component of each image. Third, the unique component of each image modality is subtracted from the image of the other modality. This step serves to enhance the representation of sensor-specific details in the final fused result. Finally, a fused color image is produced by displaying the images resulting from the last step through, respectively, the red and green channels of a color display. The method is applied to fuse thermal and visual images. The results show that the color mapping enhances the visibility of certain details and preserves the specificity of the sensor information. The fused images also have a fairly natural appearance. The fusion scheme involves only operations on corresponding pixels. The resolution of the input images. Before fusing, the contrast of the images can be enhanced and their noise can be reduced by standard image processing techniques. The color mapping algorithm is computationally simple. This implies that the investigated approaches can eventually be applied in real time and that the hardware needed is not too complicated or too voluminous(an important consideration when it has to fit in an airplane, for instance). Key words: image fusion, false color mapping, color enhances, gray-level, RGB images
三种图像融合方法实际操作与分析
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
ERDAS 影像融合方法汇总(chimneyqin)
ERDAS 影像融合方法汇总 影像融合是指将多源信道所采集到的关于同一目标的影像数据经过影像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的影像，以提高影像信息的利用率、改善计算机解译精度和可靠性、提升原始影像的空间分辨率和光谱分辨率，利于监测。 ERDAS IMAGINE 提供多种影像融合方法，且支持带RPC模型的影像融合处理。 1、 （1 4个波段（蓝/ 像也为 Step4: 利用低通滤波器（5×5）对多光谱影像进行滤波处理，输出多光谱滤波影像。 Step5: 利用相减法对全色锐化影像、全色滤波影像进行相减处理，并将全色锐化影像按照权重融合到多光谱滤波影像各个波段，输出新多光谱影像。 （2）参数说明
Input Sensor Type 待融合影像传感器类型，分为Quickbird、IKONOS、Format三种传感器。输入影像要求：多光谱和全色分辨率比为4:1、同时获取、为同一个传感器，全色为单波段，多光谱为4波段。 Sharpening Filter Center Value3×3锐化卷积窗口中心值，其他值都为-1，默认值根据传感器变化，范围值为11、14、17、20、23、1000，小的中心值会产生更好的锐化效果。一般来说，大分辨率影像锐化程度要求低，小分辨率影像锐化程度要求高，若全色影像已经经过锐化处理，此处选择1000。 Pan Contribution Weight融合时全色图像所占的比重（权重），范围为0.7-1.3，默认值根据传感器变化，小的锐化值会产生更好的锐化效果。 Create image of subset area根据子区的坐标来定义融合影像范围。 Create image of full area输出所有区域的融合影像，这个范围是全色和多光谱影像的交集（intersect）。该项勾选时才可设置融合影像成果名称和存放路径。 Null Value 设置输出图像空值的数值。 Mask input Null Values 勾选该项时，可设置输出图像空值。
遥感—— 影像融合
实验名称：影像融合 一、实验内容 1.对TM影像和SPOT影像进行HSV数据融合。 2.利用均值、标准差、特征值等参数对融合效果进行评价。 二、实验所用的仪器设备，包括所用到的数据 电脑一台，遥感影像处理软件（ENVI），英国伦敦的TM影像数据lon_tm和SPOT影像数据lon_spot。 三、实验原理 （一）影像融合 定义：图像（影像）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中，生成新的图像的过程。 目的：1)提高图像空间分辨率；2)改善分类；3)多时相图像融合用于变化检测。 （二）HSV数据融合 HSV变换法的主要原理为：首先将多光谱图像经HSV变换得到H、S、V三个分量。然后将高分辨率的全色图像代替V分量，保持H、S分量不变。最后在进行HSV反变换得到具有高空间分辨率的多光谱图像。 （三）Brovey变换 Brovey融合也称为色彩正规化( color normalization)变换融合, 由美国学者Brovey推广而得名。其算法是将多光谱影像空间(multispectral image space)分解为色度和亮度成分, 并进行计算。其特点是简化了影像转换过程的系数, 以最大限度地保留多光谱数据的信息。Brovey融合法的表达式: 红色通道=R / (R +G +B ) ×1 绿色通道=G / (R +G +B ) ×1 蓝色通道=B / (R +G +B ) ×1 其中: R、G、B分别为多光谱影像的三个波段, I为高空间分辨率影像。 该方法对RGB图像和高分辨率数据进行数学合成，即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值。然后自动地用最近邻、双线性或三次卷积技术将3个RGB波段重采样到高分辨率像元尺寸。本方法也要求数据具有地理参考或者具有相同的尺寸大小。 （四）评价指标 （1）均值与标准方差 上述两个公式中，M、N为图像长宽像素个数，f(i, j)为i行j列图像灰度值。 （2）信息熵 对于灰度范围{0,1.…，L-1}的图像直方图，Pi为灰度值等于i的像素数与图像总像素数之比，L为灰度级总数，它表示了图像中纹理的非均匀程度或复杂程度。其中P(i)为灰度值为i的像素在
ENVI中的融合方法
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
遥感图像融合质量评价方法
遥感图像融合质量评价方法 武坚李崇伟王积武李相全 (68011部队甘肃兰州 730020) 摘要：图像融合可为摄影测量与遥感提供高质量的遥感融合图像。遥感融合图像质量如何是图像使用者关心的一个重要问题。本文运用主观评价、客观评价、几何质量等三种评价方法对融合后的遥感图像的质量展开讨论。实践表明这些评价方法能够保证融合后图像高质量地应用于摄影测量与遥感生产。 关键词：主观评价客观评价几何质量质量评价 1．前言 摄影测量与遥感[1]是以数字影像为基础，来确定被摄物体的形状、大小、空间位置及其性质。遥感图像是摄影测量与遥感最原始、最基本的资料。高质量的遥感图像是完成摄影测量与遥感的基础。遥感影像融合[2]是将多传感器、多时相、多光谱和多分辨率影像的各自局部优势信息整合处理，以提供高分辨率、多光谱的单一图像，解决遥感影像解译过程中信息不足的问题。由此看出，图像融合可以为摄影测量与遥感提供高质量的遥感影像。 2．图像融合的评价方法 当前对融合后图像的质量评价主要是主观目视与统计相关信息参数相结合的办法，即：利用目视效果和信息熵、清晰度、平均梯度、偏差指数、均方根误差等参数统计分析，而对融合后图像的几何量测性则关注较少。对于摄影测量与遥感应用，几何精度是一个很重要的因素。本文结合摄影测量与遥感应用角度，来对分析融合后图像的质量做出评价。 站在通用图像处理角度，目前大多数对影像质量评价分为主观评价和客观评价，并结合起来使用。主观评价是通过目视观察进行分析，客观评价是利用图像的统计参数进行判定。严格意义上讲，融合图像的主客观评价应该是一致的，即图像的统计参数特征应该符合人眼的目视感觉。但由于遥感图像融合具有特殊性，它不仅仅要求提高融合图像的空间分辨率，而且要尽可能制约[2]。因此，对遥感融合图像的质量评价，应综合考虑空间细节的增强和光谱保持原始图像的光谱特征。此外，这两个要求在很大程度上是不太相容，相互信息的保持两个方面，利用图像的统计参数结合目视观察来分析与评价。 对于摄影测量与遥感而言，影像的几何质量（影像的可量测性）是很重要的一个因素，它将决定融合图像能否达到数字地形图生产的精度限差[4]。因此，从主观、客观、几何质量等三个方面对做出质量评价可以保证融合后图像高质量地应用于摄影测量与遥感生产。
(完整版)遥感图像融合技术的发展现状
遥感图像融合技术的发展现状及趋势 1 引言 多源图像融合属于多传感器信息融合的范畴, 是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像, 经过相应处理后, 再运用某种融合技术得到一幅合成图像的过程。多幅图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性, 提高图像的质量, 从而有利于对物理现象和事件进行定位、识别和解释。与单源遥感图像相比, 多源遥感图像所提供的信息具有冗余性、互补性和合作性。因此,将多源遥感图像各自的优势结合应用, 获得对环境正确的解译是极为重要的。多源遥感图像融合则是富集这些多种传感器遥感信息的最有效途径之一,是现代多源数据处理和分析中非常重要的一步。本文基于遥感图像融合的研究现状、分析了图像融合研究的困境和不足, 最后提出了未来的发展趋势和热点, 以期达到抛砖引玉的作用。 2 遥感图像融合研究现状 随着信息科学技术的发展, 在20 世纪七八十年代诞生了一个称为数据融合的全新概念。这一概念不断扩展, 处理的对象由一般的数据发展到数字图像。1979 年, Daliy 等人首先将雷达图像和LandsatMSS 图像的复合图像应用于地质解译, 被认为是最早的图像
融合。20 世纪80 年代, 图像融合技术逐渐应用到遥感图像的分析和处理中。90年代以后, 图像融合技术成为研究的热点, 并成为很多遥感图像应用的一个重要预处理环节。目前, 遥感图像融合已经发展为像素级、特征级和决策级3个层次, 如表1。需要指出的是, 融合层次并没有划分融合算法严格的界限, 因为本质上各个融合层次都是信息融合的范畴。像素级图像融合技术已被广泛研究和应用, 并取得了一定的成果。特征级融合是一种中等层次的信息融合, 利用从各个传感器图像的原始信息中提取的特征信息,进行综合分析及融合处理, 不仅增加从图像中提取特征信息的可能性, 还可能获取一些有用的复合特征, 尤其是边缘、角、纹理、相似亮度区域、相似景深区等。在特征级融合中, 对图像配准的要求不如像素级图像融合对配准要求那么严格。决策级图像融合是一种更高层次的信息融合, 其结果将为各种控制或决策提供依据。在进行融合处理前, 先对图像进行预处理、特征提取、识别或判决, 建立对同一目标的初步判决和结论, 然后对各个图像的决策进行相关处理, 最后进行决策级的融合。从特点来看,不同层次的融合各有优缺点, 难以在信息量和算法效率方面都同时满足需求。 表一:遥感图像融合三个层次的对比 融合层次融合算法特点
ENVI遥感图像处理方法
《ENVI遥感图像处理方法》科学出版社2010年6月正式出版 上一篇/ 下一篇 2010-05-26 15:02:30 / 个人分类：ENVI 查看( 643 ) / 评论( 5 ) / 评分( 0 / 0 ) 从上个世纪六十年代E．L．Pruitt提出“遥感”这个词至今，遥感已经成为人类提供了从多维和宏观角度去认识宇宙世界的新方法和新手段。目前，遥感影像日渐成为一种非常可靠、不可替代的空间数据源。ENVI (The Environment for Visualizing Images)是由遥感领域的科学家采 用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件。ENVI以其强大的图像处理功能，尤其是和ArcGIS 一体化集成，使得众多的影像分析师和科学家选择ENVI来处理遥感图像和获得图像中的信息，从而全面提升了影像的价值。ENVI已经广泛使用于科研、环境保护、气象、石油矿产勘探、农业、林业、医学、国防&安全、地球科学、公用设施管理、遥感工程、水利、海洋、测绘勘察和城市和区域规划等众多领域。和此形成鲜明对比的是，目前关于ENVI 的中文教程非常少，给广大用户学习软件和使用软件带来诸多不便。 针对上述情况，在ESRI中国（北京）有限公司的大力支持下，根据多年遥感使用研究和软件操作经验，历时一年半编著完成本书。全书按照遥感图像处理流程由浅到深逐步引导读者掌握ENVI软件操作。各个章节相对独立，读者可视个人情况进行选择阅读。全书分为17章，第1、2、3章介绍了ENVI软件的基础知识，可作为ENVI软件入门，也可作为参考内容；第4、5、6、7、8章介绍了遥感图像处理一般流程，包
遥感图像融合.
实习五、高分辨率遥感影像融合 一、实习目的 1. 学习 ERDAS IMAGINE软件中 Interpreter 模块的功能; 2. 掌握 ERDAS 软件中实现 IHS 融合的流程。 二、实习要求 1. 理解基于 IHS 变换的图像融合的原理; 2. 掌握 ERDAS 软件中色彩变换、色彩逆变换、基于直方图匹配的辐射增强以及多波段数据组合的操作方法; 3. 独立完成实习内容。 三、实习内容 将不同类型的遥感数据进行融合, 可以更好地发挥不同数据源的优势, 增强数据信息的质量, 更有利于综合分析。如在本实习中, 全色波段影像具有较高的空间分辨率, 而多光谱影像的光谱信息较为丰富; 为了充分利用这两种影像各自的优势,可以通过图像融合(将覆盖同一地区的全色影像和多光谱影像进行融合 , 使多光谱图像的空间分辨率得到提高, 同时又保留其较为丰富的光谱信息。运用 ERDAS 软件进行全色波段影像和多光谱影像的融合的基本操作包括: 1. 组合多光谱影像的 R 、 G 、 B 波段数据(Layer Stack 2. 色彩变换(RGB to IHS 3. 辐射校正(Radiometric Enhancement 4. 多波段数据组合(Layer Stack 5. 色彩逆变换(IHS to RGB
四、数据说明 本实习采用的数据为:西南交通大学犀浦校区 QuickBird 全色波段影像 xipu_QuickBird_pan.img,及多光谱影像 xipu_QuickBird_RGBNIR.img(于 2006年 11月获取。其中,全色波段分辨率为 0.6m , 4个多波段(B, G, R, NIR分辨率为 2.4m 。本实习中仅使用全色波段与 R 、 G 、 B 波段数据。 五、实习步骤 1. 将多光谱影像 xipu_QuickBird_RGBNIR.img的红、绿、蓝波段提取,进行多波段数据重组(假设生成文件为 rgb321.img ; 2. 对重组后的多光谱影像进行色彩变换,将多光谱影像(rgbnir321.img 从 RGB 彩色空间转换到 IHS 彩色空间(假设生成文件为 ihs.img ; 3. 以 ihs.img 的亮度分量(Intensity 为参量,对全色波段影像(pan.img 进行基于直方图匹配的辐射校正(假设生成文件 pan_cal.img ; 4. 用校正后的全色影像(pan_cal.img代替 ihs.img 的亮度分量(Intensity , 实现多波段数据的组合; 5. 对多波段数据组合后生成的文件进行色彩逆变换。 具体说明如下: (1组合多光谱影像的 R 、 G 、 B 波段数据 由于本实习中仅使用多光谱影像的 R 、 G 、 B 波段数据,故对这三个波段进行多光谱数据重组。 执行操作时, 在 ERDAS 控制面板工具条中单击“Interpreter” 图标, 在弹出的对话框中单击“Utilities” 选项, 弹出对话框, 再单击“Layer Stack” 选项, 打开“Layer Selection and Stacking” 对话框,如下图所示:
遥感图像融合的应用研究
龙源期刊网 https://www.sodocs.net/doc/f715954532.html, 遥感图像融合的应用研究 作者：付和 来源：《科技创新导报》2011年第09期 摘要:针对遥感测绘工程实际应用中的图像融合技术需求,本论文重点对遥感图像融合技术进行了分析研究,在简单介绍了遥感图像融合的基础上,重点对遥感图像融合实际应用进行了分析,探讨了面向特征信息的多源图像融合模型,并给出了遥感图像融合技术在遥感测绘工程中的实际应用,对于进一步提高遥感测绘工程的应用水平具有一定借鉴意义。 关键词:遥感测绘工程图像融合 中图分类号:P237 文献标识码:A 文章编号:1674-098X(2011)03(c)-0001-01 1 引言 本论文重点对多源遥感图像融合展开分析研究,以期从中找到可靠有效的遥感图像融合方法,并以此和广大同行分享。 2 遥感图像融合概述 图像融合是数据融合的一种重要形式。对于多源遥感数据,融合的定义可描述为:将不同类型传感器获取的图像数据经预处理后,采用一定的算法将各幅图像中所包含的信息优势或互补 性信息有机地结合起来,以产生新的数据,来获得对同一事物或目标的更客观、更本质的认识。从而大大提高融合图像的信息含量并使其在特征提取、分类、目标识别以及目视效果等方面更为有效。 按照数据抽象的三个层次,融合可分为三级,即象素级融合、特征级融合和决策级融合。 像素级融合是指将配准后的图像对象素点直接进行融合。例如,加、乘、梯度、线性平 均、比值、多元回归等运算。一般来说,融合的结果可以得到一幅信息含量更大、更全面的图像,有利于下一步的图像分析和理解。像素级融合对传感器配准的精度要求较高。其优点是保 留了尽可能多的信息,具有较高精度。缺点是处理信息量大、费时、实时性差。 特征级融合是指将经过配准的数据先进行特征提取,然后进行关联处理,使每一种传感器得到同一目标的特征向量,最后融合这些特征向量,进行图像分类或目标识别。一般来说,提取的特
影像融合流程
影像融合流程 影像融合在影象解译模块和雷达影象处理模块中都有，但是雷达模块中的处理效果要相对好一些，下面就两个不同模块中的融合处理流程进行分别介绍。 一、影象解译模块（Interpreter） 1）单击，在弹出的Interpreter菜单中选则Spatial Enhancement（空间增强）弹出Spatial Enhancement菜单，再选择Resolution Merge（分辨率融合）选项。 弹出对话框如下 在Resolution Merge对话框中需要设置下列参数 （1）确定高分辨率输入文件（high Resolution input file）； （2）选择影象波段； （3）确定多光谱输入文件（multispectral input file）； （4）定义输出文件； （5）选择融合方法。在分辨率变换中，erdas提供了三种融合方法Principal Component(主成分变换法)、Multipalcative(乘积变换)、Brovey transform(比值变换)。其图象分别如下： Principal Component(主成分变换法) Multipalcative(乘积变换) Brovey transform(比值变换) （6）选择重采样方法。系统提供了两种重采样方法Nearest Neighbor（邻近像元法）、Bilinbear Interpolation（二次线形内插）和Cubic Convolution（立方卷积）。其中以Cubic Convolution方法最为平滑。 （7）确定Output Options输出图象选项。选择Lgnore Zero Stats，可以忽略像素值为0的像素； （8）确定Layer Selection(输出图象波段组合)； （9）确定Data Type(输出数据类型)； （10）击OK按钮执行操作。 2）在Spatial Enhancement菜单中选择wavelet Resolution Merge（小波融合），弹出对话框如下： 在wavelet Resolution Merge对话框中我们要设置参数： （1）确定高分辨率输入文件（high Resolution input file）； （2）选择影象波段； （3）确定多光谱输入文件（multispectral input file）； （4）定义输出文件； （5）选择融合方法在小波融合中，erdas提供了三种融合方法Principal Component(主成分变换法)、ISH(色彩变换)、Single Band(单波段变换)。其图象分别如下： Single Band(单波段变换) ISH(色彩变换) Principal Component(主成分变换法) （6）选择重采样方法。系统提供了两种重采样方法Nearest Neighbor（邻近像元法）和Bilinbear Interpolation（二次线形内插）。
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