第三章遥感图像增强处理.ppt

像元级融合 直接对原始遥感数据进行象元层面上的融合 如高光谱分辨率、低空间分辨率图像与低光谱分辨率、高空间分辨率图像的融合，以获得较高光谱分辨率和空间分辨率图像 或是不同波段、不同种类数据的融合：如可见光与热红外波段，可见光与微波波段数据的融合 是最基本的数据融合型。特点：数据量大 像元级融合效果评判标准 空间分辨率是否得到充分提高 光谱信息是否得到完好保留 特征（属性）级融合 先对原始数据进行特征提出，或分类，然后对来自不同数据源的特征图像进行汇集、综合和融合 决策级融合 对来自不同源的属性结果进行融合，为决策提供依据 三、数据融合的一般步骤 方法一 不同遥感数据空间配准 图像分解 成份调整（匹配） 成分替换或相加 图像合成 方法二 不同遥感数据空间配准 卷积核（滤波器）的设定 滤波融合 四、 主要象元级融合方法 HIS变换融合 主成份变换融合 付氏变换融合 小波变换融合 滤波融合 IHS（LHS、L’HS）变换融合 原理 步骤 特点 原理 是真对一幅低空间分辨率彩色图像与一辐低空间分辨率全色（黑白）图像的融合 原理：将RGB彩色图像通过IHS变换到IHS空间，然后将高空间分辨率图像进行拉伸，使其灰度值的均值与方差与IHS图像的I（亮度）分量的一致；然后用高空间分辨率图像代替I（亮度）分量反变至RGB空间。这样使得图像同时具有彩色图像的色彩和饱和度，又具有黑白图像的高空间分辨率 I—(intensity)亮度；H—(hue)色彩；S—(saturation)饱和度 步骤 把低空间分辨率彩色图像能过重采样变成与黑白图像一致的高分辨率 进行空间精纠正进行空间配准，使两幅图像的空间误差在0.25个像元内 将RGB彩色图像转换成IHS成分 对高空间分辨率黑白图像进行拉申，并与上步得到的I分量图像进行直方图匹配 用全色波段代替多光谱的I成份进行RGB变换，即得到融合了全色空间信息的RGB图像 标准融合算法采用IHS变换 目前有许多相似的算法，不同点主要表现在强度成分算法的差异上，最常用的定义为： 三种定义的IHS方法分别称为：IHS、LHS、L’HS变换 特点 由于HIS图像的空间信息上要存于I成分中，故HIS融合可以充分地融合全色波段的空间信息，同时保留色彩、饱和度差异，视觉效果得到显著改善，故成为数据融合的常规方法 但变换后光变信息发生变异，已不能用于定量计算 主成份变换融合 原理 步骤 特点 原理 与IHS方法类似。将多波段图像进行KL（主成分分析）变换。在得到的主成分空间中，第一主成分通常主要包含各波段共有的信息，而各波段特有的信息被分配到其它成分中。因此光强主要表现在第一主成分中。将高分辨率黑白图像进行拉伸并与得到的第一主成分图像进行均值和方差匹配，然后用其代替第一主成分进行反变换，得到的图像也就具有高空间分辨率图象的高频信息，同时保留了原图像主要的色彩信息。 步骤 把低空间分辨率彩色图像能过重采样变成与黑白图像一致的高分辨率 进行空间精纠正进行空间配准，使两幅图像的空间误差在0.25个像元内 将多波段（三个或三个以上波段）图像进行KL变换成主成分空间图像 对高空间分辨率黑白图像进行拉伸，并与上步得到的第一主成分分量图像进行直方图匹配 用全色波段代替多光谱的第一主成分分量图像进行反变换，即得到融合了全色空间信息的彩色图像 特点 由于主成分变换后图像的空间信息上要存于第一主成分中，故主成份分析融合也可以较充分地融合全色波段的空间信息，同时保留色彩、饱和度差异，视觉效果得到显著改善 但变换后光变信息发生复杂的变异，已不能用于定量计算 付氏变换融合 原理 步骤 特点 原理 用付里叶变换将图像转换成频谱图像后，高空间分辨率的图像的有用信息集中在高频部分（远离频谱图像中心点的区域），而低空间分辨率图像在高频部分（靠近频谱图像中心点的区域）的信息很少。故用高空间分辨率图你的高频部分代替低分辨率图像的高频部分，然后进行反变换，这样就将高空间分辨率图像的高频信息融入了低分辨率图像。 步骤 把低空间分辨率彩色图像能过重采样变成与黑白图像一致的高分辨率 进行空间精纠正进行空间配准，使两幅图像的空间误差在0.25个像元内 将高、低空间分辨率图像均进行行付氏变换成频谱图像 用高空间分辨率图像频谱图的高频部分代替低空间分辨率图像频谱图的高频部分 用改变后的频谱图进行付氏反变换，即得到融合了全色空间信息的彩色图像 特点 明显提高空间分辨率，视觉效果得到显著改善 但变换后光变信息发生复杂的变异，已不能用于定量计算 运算量大 小波变换融合 原始图像经小波二进变换后得到连续不同分辨率的小波面，高分辨率全色图像的第一个小波面包含了多光谱图像不具备的空间信息。用高分辨率全色图像的第一个小波面替代多光谱图像相应的小波面，或与之相加，然后进行重构，即可得到