第八讲遥感影像融合.pptVIP

第八讲 遥感影像融合 环境与规划学院 河南大学 主要内容 遥感影像融合的基本概念 像素级的遥感影像融合 遥感影像融合的质量评价 4.1 遥感影像融合基本概念 问题的提出 数据融合的概念始于20世纪70年代，进入90年代以后，随着多种遥感卫星的发射成功，不同空间分辨率、光谱分辨率以及时间分辨率的遥感影像被获得。这些数据间不仅存在着一定的互补性，且存在一定的冗余，如何有效地整合这些数据以获得更为丰富的信息成为亟待解决的问题。 基本概念 信息融合（Information Fusion）是指将来自多个传感器或多源的信息进行综合处理，从而得到更为准确、可靠的结果，为决策应用提供更好的服务。 遥感影像融合（Image Fusion）是信息融合技术的一种，它根据相应的应用目的，通过高级影像处理技术对多源影像进行复合，从而生成新的影像的过程。 遥感影像融合的目的 消除冗余数据，突出有用的专题数据。 利用多源数据间的信息互补性，对各种遥感影像数据进行融合，以弥补单一数据的不足，提高分析的精度，并扩大数据的使用范围。 提高信息的协调能力，融合并非是几种数据的简单叠加，它可以得到原来几种单个数据不能提供的新数据，满足地学分析及各种专题研究的需求。 影像融合方法分类 遥感影像融合根据融合水平来划分，可以分为：像素级融合、 特征级融合和决策级融合三级。 像素级融合尽可能多的保留信息，具有最高的精度，是三级中研究最为成熟的一级。 特征级融合是一种中等水平的融合。首先将遥感数据进行特征提取，然而按照特征信息对多源数据进行分类、聚集和综合，产生特征向量，而后融合这些特征向量。 决策级融合是最高水平的融合。首先对数据进行属性说明，然后对其结果进行融合，得到目标的综合属性说明，为控制或决策提供依据。 三级融合的特点 遥感影像融合内容 影像预处理：主要是影像降噪等 空间配准 在同一空间坐标系下，建立融合影线间的空间对应关系；并对影像进行重采样，使之具有相同的空间分辨率。 内容融合 对配准后的影像进行变换处理，并选择相应的方法对影像进行融合。 融合质量评价 选择合适的指标，对融合后影像的质量进行评价。 4.2像素级遥感影像融合 基于光谱域变换的影像融合 色调-饱和度-亮度变换 （Hue-saturation-intensity，HSI） 主成分变换（Principal Component Analysis, PCA） 基于代数运算的影像融合 基于空间域信号分解和重构的影像融合 小波变换（Wavelet Transform, WT) 拉普拉斯变换（Laplace Transform, LT) 4.2.1 基于光谱域变换的影像融合 它把多光谱影像转换到某个特征空间，然后用全色波段替换与其相关程度最高的新波段，最后进行逆变换以获得融合后的影像。 HSI PCA 基于HSI变换的融合 RGB彩色系统与人眼很强地感觉红、绿和蓝三原色的事实很好地匹配，但是该模型不能很好地适应实际上人解释的颜色。当人观测一个彩色物体时，往往用颜色、色调和饱和度来描述它。 HSI模型可以在彩色图像中从携带的彩色信息（色调和饱和度）中消去强度分量的影响，该模型描述对人来说是自然的、直观的。 RGB颜色空间和HSI颜色空间存在着一一对应关系 RGB到HSI的彩色转换 HSI融合流程图 基于PCA的融合 主成分分析（PCA）将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。以方差来衡量信息的大小，且主成分之间不相关。 PCA变换 PCA计算步骤： 计算数据X相关系数矩阵 计算特征值和特征向量 PCA变换 计算主成分贡献率及累计贡献率 计算主成分载荷Z PC代表的意义 PCA融合流程图 4.2.2 基于代数运算的融合 比值法融合（Brovey Transform，BT） 乘法融合（Multiplication Transform, MT) 4.2.3基于空间域信号分解和重构的融合 基于空间域信号分解和重构的影像融合通过提取高分辨率影像的高频信息，然后将它引到低分辨率的多光谱影像中，从而提高多光谱影像的空间分辨率。 基于拉普拉斯金字塔的融合 基于小波的融合 基于拉普拉斯金字塔的融合 拉普拉斯金子塔变换将原始图像分解成多个不同空间分辨率、不同尺度的子图像以构成一个塔形结果。具体过程见以下公式： 基于拉普拉斯金字塔的融合 基于拉普拉斯金子塔方法首先对多光谱和全色影像进行拉普拉斯金子塔变换，然后用全色波段的残差信息（细节、边缘）取代各个多光谱波段的残差信息，并对替换处理后的多光谱影像进