遥感影像处理实习6.docVIP

实习序号及题目实习6——影像融合实习人姓名任课教师姓名实习地点榆中校区实验楼 A109实习日期时间2012年12月5日实习目的 1、掌握影像融合的概念和方法，并具体加以实现； 实习内容 利用纠正好的全色波段影像对多光谱波段影像进行几何精纠正，要求GCP单点位置精度高于0.5；在实习报告中给出精度计算结果表。 采用下述方法进行影像融合：HSV变换、Brovey变换、Gram-Schmidt变换、主成分变换、CN变换、全景锐化、小波变换； 根据各个算法相应的帮助系统（help）说明各个算法的原理和关键参数设置； 比较融合前后多光谱影像的差异、比较不同算法所得融合影像之间的差异，指出融合效果最好的前三种算法； 基本原理 影像融合：将同一目标或场景的用不同传感器获得的，或用同种传感器以不同成像方式，或在不同成像时间获得的不同影像，融合为一幅影像，在保持多光谱影像辐射信息的同时提高了影像的空间分辨率的遥感影像处理方法。 HSV融合：融合方法属于一种颜色变换的融合方法。 HSV颜色变换：HSV颜色变换是把标准的RGB图像变换到为色度H (Hue)、饱和度S (Saturation)和亮度V (Value)图像。HSV融合方法流程是对多光谱影像3个波段使用HSV颜色正变换为H、S和V三幅图像，然后用高分辨率影像替代H图像，最后对H、S和V图像实施HSV颜色变换的逆变换得到融合影像。 Brovey变换：该方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB图像的像元将与高分辨率数据的像元大小相同。 P为配准后的高空间分辨率的全色波段影像： 主成分替换融合：进行多波段影像的主成分变换。首先，先对多光谱数据进行主成分变换。然后，用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真。最后进行主成分逆变换。函数自动地用最近邻、双线性或三次卷积技术将多光谱数据重采样到高分辨率像元尺寸。 Gram-Schmidt变换：Gram-Schmidt 可以对具有高分辨率的高光谱数据进行锐化。首先从低分辨率的波谱波段中模拟出一个全色波段。然后，对该全色波段和波谱波段进行Gram-Schmidt变换，其中模拟的全色波段被作为第一个波段。第三步，用Gram-Schmidt 变换后的第一个波段替换高空间分辨率的全色波段。最后，Gram-Schmidt反变换，从中得到融合影像。 CN变换：Color Normalized，CN波谱锐化的彩色标准化算法也被称为能量分离变换，它使用来自锐化图像的高空间分辨率（和低波谱分辨率）波段对输入图像的低空间分辨率（但是高波谱分辨率）波段进行增强。该功能仅对包含在锐化图像波段的波谱范围内的输入波段进行锐化，其他输入波段被直接输出，不发生变换。 全景锐化：该方法适合高分辨率影像，融合效果较好。首先，从低分辨率多光谱波段中模拟出一个全色波段。然后，把模拟的全色波段和多光谱波段进行Pan Sharpening变换，将模拟的全色波段作为第一波段。第三步，用高分辨率的全色波段替换Pan Sharpening变换后的第一波段。最后进行Pan Sharpening逆变换，得到融合影像。 小波变换：小波融合是将输入的图像转换到小波空间，然后将其小波系数融合，最后，通过小波逆变换得到融合影像。小波图像具有与原图像不同的特性，表现在图像的能量主要集中于低频部分，而水平、垂直和对角线部分的能量则较少；水平、垂直和对角线部分表征了原图像在水平、垂直和对角线部分的边缘信息，具有明显的方向特性。 数据准备 多光谱影像005547195010_01_p001_mul； 全色影像005547195010_01_p001_pan； 操作方法及过程 头文件编辑：将两幅影像分别加载到ENVI软件当中，编辑多光谱影像头文件：影像列表中右击→edit header→edit attributes→wavelength→分别将三个波段的波长值设置为layer1——660nm、layer2——560nm、layer3——485nm，并将单位设置为nanometers。选择高分辨率影像做同样的操作，将layer1——675nm，同时将其FWHM的属性值设为450nm。 影像几何精纠正：先将全色影像和多光谱影像分别加载到两个不同的主窗口中，然后进行Map→Registration→Select GCPs:Image to Image，并将全色影像作为Base Image，将多光谱影像作为Warp Image