ETM＋影像IHS融合算法改进及其土地覆盖分类实验比较.pdfVIP

第 25卷 第 4期 地 理 与 地 理 信 息 科 学 Vo1．25 NO．4 2009年 7月 GeographyandOeo--InformationScience July2009 圈 +影像 IHS融合算法改进及其土地覆盖分类实验比较 康停军，张新长，王海鹰 (中山大学遥感与地理信息工程系 ，广东 广州 510275) 摘要 ：在总结 PCA、IHS融合算法优缺点的基础上 ，发展 了一种改进 的 IHS融合算法 。利用 HPF、Brovery、PCA、 IHS及改进的IHS融合算法对 ETM+全色和多光谱影像进行了融合实验。通过定性、定量分析比较融合影像的 质量，并分别对融合后影像和原始影像进行土地覆盖非监督分类实验。选取原始影像和非监督分类精度最高的一 种融合影像进行监督分类实验与 比较 ，发现无论是非监督分类还是监督分类 ，改进 的 IHS融合影像精度均较高。 关键词 ：ETM+影像 ；IHS融合 ；土地覆盖分类 中图分类号 ：TP751 文献标识码 ：A 文章编号：1672—0504(2009)04—0064—04 为基准，对高分辨率 Pan影像进行直方图匹配；4)利 0 引言 用经过匹配的Pan分量与 H、S进行反变换 ，得到变 遥感影像融合一直是遥感影像处理研究的热 换后的R、G、B影像 。 点口]，影像融合的目标多在于提高影像 的空间分辨 IHS融合中 1分量被 Pan完全替代 ，在一定程 率、改善影像几何精度、增强特征显示能力等 ；虽 度上提高了影像 的分辨率 ，但 由于 1分量与 Pan包 然将融合影像用于提高影像分类精度的研究不少， 含信息不同，因此 IHS融合后的影像光谱畸变严重。 但存在分类精度不高或融合方法难以实现等问题。 1．2 PCA变换 在影像融合研究过程 中出现了高通滤波 (HPF) PCA变换是建立在影像统计特征基础上的多维 融合lr、Brovery融 合 ]、IHS融 合[、主 成 分 线性变换 ，具有方差信息浓缩 、数据压缩的作用。变 (PCA)变换_l7等算法。其 中IHS是一种经典的融合 换后 的第一主成分包含 了总信息量的绝大部分 (一 算法 ，但该算法在融合过程 中因变换过程 中 1分量 般在 80 以上)，并且第一主成分相当于原来各波段 被完全替代会引起较严重的光谱畸变。针对这一 问 的加权和 ，反映了地物总的辐射强度 ，且 降低 了噪 题 ，很多学者提出了改进的 IHS算法_8．9_，虽然在一 声 ，有利于细部特征的增强和分析 。 定程度上能改善影像质量，但存在算法较难实现且 1．3 改进的IHS融合算法 融合影像质量不高等问题。 本文利用PCA变换对 IHS变换进行改进 ，发展 本文利用 PCA变换对 IHS融合进行改进 ，并以 了一种改进的 IHS融合算法 ，流程如下 ：1)对配准后 Landsat一7ETM+遥感影像为例 ，采用改进 的 IHS 的XS影像进行 IHS正变换 ，分别得 到 I、H、S3个 融合、HPF融合、Brovery融合、IHS融合、PCA变换 分量 ；2)1分量与 Pan进行主成分变换 ，并提取变换 融合等方法 ，利用全色 (Pan)影像和经过波段选择后 后的第一主成分 I，以 I为基准对 I进 行直方图匹 的多光谱 (xs)影像进行融合。对 XS影像和融合后 配，匹配后 的结果命名为 I”；3)利用 I与 H、S进行 影像进行质量评价 ，参照 《土地利用现状分类 》标准 IHS反变换 ，得到融合后 的RGB影像 。 进行土地覆盖分类 ，并评价了分类精度。 该算法中I为 I与 Pan进行主成分变换后 的第 一 主成分 ，所以I包含 I与 Pan中的大部分信息，用 1 融合原理与方法