数字图像处理范例.pptx

遥感影像融合的方法 一．引言 一般地,多光谱图像的光谱分辨率较高,但空间分辨率比较低,即空间的 细节表现能力比较差;全色光学图像具有高空间分辨率,但光谱分辨率较低。 因此,人们将具有低空间分辨率的多光谱图像和具有高空间分辨率的全色 光学图像进行融合,使融合后的多光谱图像具有较高的空间细节表现能力 且同时保留多光谱图像的光谱特性。 影像融合的目的主要是为了利于测绘地理信息数据生产的判读更新， 影像要清晰，对比度好，信息丰富，那么如何有效将获取的全色影像和 多光谱影像融合及影像增强，使得融合后的影像具有较高的纹理细节辨 识能力？ 二．遥感影像融合的主要方法 测绘地理信息项目生产中普遍采用的影像融合方法主要是基于像素级的影像融合方法， 各融合方法特点简要介绍如下： 1．HCS融合算法最开始专门为8波段worldView-2卫星而设计，能够同时对3个以上、不多于8个波段进行融合，融合结果能很好地保持原始多光谱影像的光谱信息； 2. 高通滤波融合方法（HPF）是用高通滤波器算子提取出高分辨率图像的细节信息，然后简单的采用像元相加的方法，将提取出的细节信息叠加到低分辨率图像上，这样就实现了多光谱的低分辨率图像和高分辨率全色图像之间的数据融合； 3. IHS变换可以把图像的亮度、色度和饱和度分开，图像融合只在亮度通道上进行； 4. 主成分变换法（PCA）是在遥感影像统计特征基础上进行的多波段影像正交线性变换； 5．Subtractive融合算法能够保留多波段(MS)影像颜色的同时，保留单波段（PAN）影像的纹理信息。 6. 小波变换法(Wavelet)是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； 7. 超分辨率贝叶斯法（Pansharp）及改进算法ansharp2）是通过合并高分辨率的全波段影像（PAN）增强多波段影像的空间分辨率的一种影像融合技术，此种算法要求全波段影像和多波段影像同平台、同时间（或时间间隔很短）获得。 三．融合影像 选择含有水系、居民地、道路、植被和沙漠等要素的典型区域用主要基于像素级融合算法进行影像融合。其效果如图1所示。 四.基于IHS变换、小波变换与高通滤波的遥感影像融合 1.小波变换 小波变换是图像的一种多分辨分析方法,具有把图像分解为不同频率通道的算法与重构算法,能以有效的信号表示方式来处理非平稳信号,已成为信号分析处理的一种强有力的工具。一般地,小波变换法就是,用高空间分辨率的全色图像的细节分量替代低空间分辨率的多光谱图像的细节分量,然后对多光谱图像的小波系数进行小波反变换,得到增强的多光谱图像。 由于小波变换法直接舍弃了全色图像的低频分量,即用多光谱图像的低频部分去替代全色图像的低频部分,因此,在增强结果中容易出现分块效应,同时,在一定程度上损失了全色图像的细节信息,且其程度与小波分解的阶数有关,也就是,阶数越低,细节信息损失越多,但光谱信息保留越多,反之亦然。因此,若小波分解的阶数选得低,则增强后多光谱图像的空间细节表现能力较差,但光谱特性保留程度好;若小波分解的阶数选得高,则增强后多光谱图像的空间细节表现能力较好,但光谱特性保留程度较差 2.高通滤波(HPF) 基于高通滤波的遥感影像融合高通滤波(HPF)法实现遥感影像融合的概念比较简单。一幅图像通常由不同的频率成分组成的,根据一般图像频谱的概念,高的空间频率对应影像中急剧变化的部分,而低的频率代表灰度缓慢变化的部分。对于遥感图像来说,高频分量包含了影像的空间结构,低频部分则包含了光谱信息。由于我们进行遥感影像融合的目的在于尽量保留低分辨率的多光谱图像的基础上加上高分辨率全色图像的细节信息。因此,我们可以用高通滤波器算子提取出高分辨率图像的细节信息,然后简单的采用像元相加的方法,将提取出的细节信息叠加到低分辨率图像上,这样就实现了多光谱的低分辨率图像和高分辨率全色图像之间的数据融合。 HPF法能够在一定程度上提取全色影像细节信息,并把全色影像的细节信息直接叠加到多光谱影像上,因此,增强多光谱图像的空间细节表现能力的同时也容易增加噪声,影响视觉效果。 3. IHS变换 在图像处理中经常应用的彩色坐标系统(或称彩色空间)有两种。一种是由红(R)、绿(G)、蓝(B)3原色组成的彩色空间即RGB空间。另一种表色系统是IHS模型,它是基于视觉原理的一个系统,定义了3个互不相关,容易预测的颜色心理属性,明度(I),色调(H)和饱和度(S)。为利用RGB系统和IHS系统各自在显示与定量计算方面的优势,需要建立它们之间的转换关系。两种坐标系的变换称为彩色坐标变换,通常把由RGB向IHS空间的变换称为IHS变换,其反向变