遥感技术与应用原理-第4章 遥感图像处理技术2.ppt

TM影像-30米 SPOT全色影像-10米 融合后图像 2.2 基于特征的图像融合 是指运用不同算法，首先对各种数据源进行目标识别的特征提取如边缘提取、分类等，也就是先从初始图像中提取特征信息——空间结构信息如范围、形状、邻域、纹理等；然后对这些特征信息进行综合分析与融合处理。这些多种来源的相似目标或区域，它们空间上一一对应，但并非一个个像元对应，井披相互指派，然后运用统计方法或神经网络(ANN)、模糊积分等方法进行融合，以进一步评价 2.3 基于决策层的图像融合 指在图像理解和图像识别基础上的融合。也就是，经“特征提取”和“特征识别”过程后的融合。它是一种高层次的融合，往往直接面向应用，为决策支持服务。此种融合先经图像数据的特征提取以及一些辅助信息的参与，再对其有价值的复合数据运用判别准则、决策规则加以判断、识别、分类、然后在一个更为抽象的层次上，将这些有价值的信息进行融合，获得综合的决策结果，以提高识别和解译能力，更好地理解研究目标，更有效地反映地学过程。常用的方法有：用马尔可夫随机场(MRF——markov Random field)模型力法加入多源决策分类、贝叶斯法则的分类理论与方法 、模糊集理论、专家系统方法等。 融合可以在单层次上进行，也可以在多层次上进行，但往往是从低层一高层，逐步抽象的数据处理过程。 本节主要介绍 基于像元的图像数据融合。 提高影像空间分辨率的融合 图像融合作为提高图像空间分辨率的一种手段，常被用于高低空间分辨率图像数据的融合，最典型的应用是高分辨率全色图像与低分辨率多光谱图像数据的融合。它既保留了多光谱图像的较高光谱分辨率，又保留全色图像的高空间分辨率，以便更详细地显示图上信息，提高图像的空间分辨率和几何精度。 2.4 图像融合的关键技术问题 数据配准（配准和关联） 融合模型的建立与优化 融合方法的选择 空间配准：各类不同来源的遥感图像数据，因轨道、平台、观察角度、成像机理等的不同，其几何特征相差很大。在图像数据融合前，必须首先进行空间配准，即解决各类遥感图像的几何畸变，实现以几何纠正为基础的空间配准，以达到同一区域不同图像数据地理坐标的统一。它涉及到几何纠正模型、重采样方法、投影变换、变形误差分析等问题。 数据配准 数据关联。指各类数据变换成统一的数据表达形式(即相同数据结构)，以保证融合数据的一致性，从而较客观地表达同一目标、同一现象。 融合模型的建立与优化 充分认识研究对象的地学规律和信息特征。 如地质找矿一确定与找矿有关的地质体(地层、岩体、控矿构造、蚀变带等)；找地下水一寻找古河道、断层破碎带等赋水条件好的地段等，以及充分认识研究对象的地学属性(空间分布特征、波谱反射辐射特征、时相变化规律)等。 (4) 灰度的重采样（续2） 2）双线性法：以实际位置临近的4个像元值，确定输出像元的灰度值。公式为： (4) 灰度的重采样（续3） 3）三次卷积法以实际位置临近的16个像元值，确定输出像元的灰度值。公式为： (4) 灰度的重采样（续4） 几种采样方法的优缺点： 1）最近邻法：计算简单，计算速度快但输出像元 的灰度失真较大。 2) 双线性插值法和三次卷积法：计算耗时多，但 输出像元灰度值的保真度较好。 数字图象的纠正过程 总上所述： 纠正的函数可有多种选择：多项式方法、共线方程方法、随机场内插方法等等。其中多项式方法的应用最为普遍。 (5) 遥感数字图像的多项式纠正 多项式纠正的基本思想：图像的变性规律可以看作是平移、缩放、旋转、仿射、偏扭、弯曲等形变的合成。一般的公式为： 2) 直接法 1) 间接法 利用有限的控制点的已知坐标，解求多项式的系数，确定变换函数。然后讲各个像元带入多项式进行计算，得到纠正后的坐标。 1) 表征空间位置的可靠性，道路交叉点，标志物，水域的边界，山顶，小岛中心，机场等。 同名控制点要在图像上均匀分布； 清楚辨认； 数量应当超过多项式系数的个数（(n+1)*(n+2)/2）。当控制点的个数超过多项式的系数个数时，采用最小2乘法进行系数的确定， (5) 遥感数字图像的多项式纠正 （续1） 控制点的选择原则: (6) 最小二乘法 最小二乘法最早称为回归分析法。由著名的英国生物学家、统计学家道尔顿（F.Gallton）所创。 探索变量之间关系最重要的方法，用以找出变量之间关系的具体表现形式。 后来，回归分析法从其方法的数学原