遥感影像图像融合方法课件.ppt

图像融合 图像融合 图像融合 多种名称，常见的有 图像复合（Image Fusion) 影像融合(Image Merging)、 数据复合(Data Fusion)、 数据综合(Data Integration)、 影像综合(Image Integration)、 信息复合(Information Combination) 图像融合 数据融合( Fusion, Merge)的定义 指同一区域内，遥感数据之间或遥感数据与非遥感数据之间的匹配融合 多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术，提取各遥感数据源的有用信息，最后将其融合到统一的空间坐标系(图像或特征空间)中，进行综合判读或进一步的解析处理 图像融合 目的：把那些在空间和时间上冗余或互补的多源数据，按照一定的规则进行运算处理，获得比任何一种数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像 空间分辨率的提高 目标特征增强 提高分类精度 信息互补 图像融合的流程 精 确 几 何 配 准 几何纠正 全色 几何纠正 ZYa ZYb ZYc 图 像 融 合 融合结果评价及利用 预 处 理 融合处理 应 用 遥感图像融合流程图 图像融合的层次 像元级 线性加权法、IHS变换、PCA变换、高通滤波法、小波变换融合算法等 特征级 Dempster-shafer推理法；聚类分析法；贝叶斯估计法；熵法；带权平均法；表决法及神经网络法等 决策级 贝叶斯估计法；专家系统；神经网络法；模糊集理论；可靠性理论以及逻辑模板法等 遥感数据融合方法介绍 像素级融合是最低层次的图像融合 它将经过高精度图像配准后的多源影像数据按照一定的融合原则，进行像素的合成，生成一幅新的影像 融合的目的在于提高图像质量，提供良好的地物细节信息，直接服务于目视解译，自动分类 遥感数据融合方法介绍 像素级融合方法 代数法 分量替换法 基于彩色空间变换的影像融合法 基于主成分分析的影像融合法 基于高通滤波影像融合法 基于小波变换影像融合法 基于小波的HIS影像融合 代数法 将低空间分辨率图像重采样成高空间分辨率图像 传感器1 影像数据 传感器2 影像数据 空 间 配 准 对应像素代数运算 融合 影像数据 常用代数法： （1）相乘：适用于SAR影像与光学影像； （2）相关系数加权法：适用于全色影像与多光谱影像。 分量替换法 多光谱 数据 LMS 全色 数据 HRP 正变换 空间 分量 LRS 光谱 分量 TC 融合 图像 HMS 逆变换 空间 分量 HRS 基于彩色空间变换的融合方法 用全色影像替代多光谱影像的I分量进行HSI反变换 基于HSI的融合流程 融合结果 ZYc ZYb ZYa HSI变换提取I分量 全色波段 直方图匹配 北京地区资源一号卫星影像 北京地区SPOT卫星PAN影像 HSI变换融合结果图 新疆地区资源一号卫星影像 新疆地区SPOT卫星PAN影像 不进行直方图修正 进行直方图修正 原图 不进行直方图修正 进行直方图修正 数据融合的技术关键 数据融合的技术关键 充分认识研究对象的地学规律 充分了解每种融合数据的特点和适用性 充分考虑到不同遥感数据之间波谱数据的相关性引起的有用数据的增加以及噪声误差的增加，因此对多种遥感数据作出合理的选择 几何配准，即解决遥感图像的几何畸变，解决空间配准问题 只有对地学规律、影象特征、成象机理这三者有深刻的认识，并把它们有机地结合起来，数据融合才能达到更好地效果 遥感与非遥感数据的融合 遥感数据与地理数据的融合是遥感分析过程中不可缺少的手段 通过遥感手段获取数据不能解决应用时遇到的全部问题 因此，将地形、气象、水文等专题数据，行政区划、人口、经济收入等人文与经济数据作为遥感数据的补充，可有助于综合分析问题，发现客观规律，提高解译的效果 遥感与非遥感数据的融合 遥感数据是以栅格格式记录的，而地面采集的地理数据常呈现出多等级，多量纲的特点，数据格式也多样化。 因此，为了使各种地理数据能与遥感数据兼容，首先需要将获取的非遥感数据按照一定的地理网格系统重新量化和编码，以完成各种地理数据的定量和定位，产生出新的数据格式。 这样，遥感数据与非遥感数据可在空间上对应一致，又可在成因上互相说明，以达到深入分析的目的。 遥感与非遥感数据的融合 地理数据的网格化 ①使地理数据成为网格化的数据； ②地面分辨率与遥感数据一致； ③对应地面位置与遥感影像配准。 最优遥感数据的选取 配准融合 小结 多源数据融合实现了遥感数据之间的优