影像融合

《影像融合》由会员分享，可在线阅读，更多相关《影像融合（24页珍藏版）》请在金锄头文库上搜索。

1、实习序号及题目 实习六 影像融合 实习人姓名 专业班级及编号 任课教师姓名 实习指导教师姓 名 实习地点 实习日期时间 2014 年 12 月 02 日 实习目的 掌握影像融合的概念和方法，并具体加以实现。 理解 HSV 变换、Brovey 变换、Gram-Schmit 变换、主成分变换、CN 变换和小波变换 的原理以及参数设置和使用方法。 能够用自己的语言对六种变换进行比较， 并指出各自的 优缺点。 实习内容 1. 本次实习操作在 ENVI 5.1 Classic 界面下进行。 2. 安装小波融合插件（将小波融合文件夹下 3 个文件拷贝到 ENVI 5.1 安装目录ExelisENVI51c

2、lassicsave_add 文件夹下，在主菜单 Transform 下出现 Wavelet Fusion 工具） 。 3. 打开数据文件，编辑头文件，填写 Quickbird 波段信息。 4. 确认影像是否已经配准。如果未配准，根据实习 2 对数据进行配准，即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 0.5m；在实习报告中给出精度计算结果表。 5. 采用下述方法进行影像融合： (1) HSV 变换 (2) Brovey 变换 (3) Gram-Schmidt 变换 (4) 主成分替换 (5) CN 变换 (6) 小波变换 6. 根据各个算法相应的

3、帮助系统（help）说明各个算法的原理和关键参数设置。 7. 比较融合后原始多光谱影像与融合多光谱影像的差异。 8. 比较不同算法所得融合影像之间的差异，从信息量、清晰度和保真度等三个方面说明融合效果最好的前三种算法。 基本原理 影像融合影像融合： 影像融合是将不同传感器获得的、 或用同种传感器以不同成像方式、 不同 分辨率、 或在不同成像时间获得的各种影像， 融合为一景影像， 既保持多光谱影像的辐射 信息，又能提高影像空间分辨率的遥感影像处理方法。 HSVHSV 变换变换 HSV 可进行 RGB 图像到 HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值 波段，自动用最近邻、双线性或三次

4、卷积技术将色度和饱和度重采样到高分辨率 像元尺寸，然后再将图像变换回 RGB 色度空间。输出的 RGB 图像的像元将与高分 辨率数据的像元大小相同。 BroveyBrovey 变换变换 Brovey 锐化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。 GramGram- -SchmidtSchmidt 变换变换 Gram-Schmidt 可以对具有高分辨率的高光谱数据进行

5、锐化。第一步，从低分辨 率的波谱波段中复制出一个全色波段。第二步，对该全色波段和波谱波段进行 Gram- Schmidt 变换， 其中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，应用 Gram-Schmidt 反变换构成 pan 锐化后的波谱波段。 主成分替换主成分替换 PC 可以对具有高空间分辨率的光谱图像进行锐化。第一步，先对多光谱数据进行主成分变换。第二步，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。第三步，进行主成分反变换。函数自动地用最近邻、双

6、线性或三次卷积技术将高光谱数据重采样到高分辨 率像元尺寸。 CNCN 变换变换 CN 波谱锐化的彩色标准化算法也被称为能量分离变换（Energy Subdivision Transform） ，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。 锐化图像波段的波谱范围由波段中心波长和 FWHM （full width-half maximum）值限定，这两个参数都可以在锐化图像的 ENVI 头文件中获得。 小波变换小波变换 小波（Wav

7、elet)这一术语，顾名思义，“小波”就是小区域、长度有限、均值为0 的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正 负相间的震荡形式。与 Fourier 变换相比，小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号（函数)逐步进行多尺度细化，最终达到 高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了 Fourier 变换的困难问题，成为继 Fourier 变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。 数据准备 1、 广东龙门地区 Alos 影像（天目样例数据，1 个全色波段，4

8、个多光谱波段） ； 2、小波融合插件（Wavelet Fusion） 。 1 1、 传感器传感器：ALOS AVNIR-2（多光谱） 、PRISM（全色） 2 2、影像空间分辨率、影像空间分辨率:多光谱 10 米，全色 2.5 米 3 3、辐射特征、辐射特征：辐射量化等级 8 bit(Byte) 4 4、光谱特征、光谱特征： 水体在影像上主要在绿光和蓝光波段反射率大，在红光较小，因浑浊而在可见光部 分较清水有提高，最高反射率有自黄绿光向红光和近红外移动的趋势。 。城镇、居民地 在可见光波段和近红外波段具有很高的反射率而呈现高亮。草地等低盖度制备在影像上 主要反射的是绿光，而森林等高盖度地物对蓝

9、紫光反射率较低，主要反射红光和近红外 波段。 5 5、成像时间和农作物季候特征、成像时间和农作物季候特征 成像时间和农作物季候特征未知 6 6、 区域地理位置区域地理位置 龙门县位于广东省中部，增江上游，地处珠江三角洲的边缘。县城距惠州市区 85 公里 ，距广州市区 147 公里 ，离深圳市区 160 公里 。东南与河源市、博罗县接壤， 西南与广州市从化区、增城区毗邻，北与新丰县相连。地理坐标位于东经 1134826 至 1142458，北纬 23206至 235750之间。 全县国土面积 2295 平方公 里。 7 7、 自然环境特征自然环境特征 龙门县境内主要河流是增江， 贯通县境南北。增

10、江是东江的三大支流之一，在龙 门境内俗称龙门河，在县城附近的河段称西林河，发源于新丰七星岭，流经新丰、龙 门、增城，在增城孙家埔注入 东江。县内集水面积 100 平方公里以上的支流有 7 条， 其中 6 条是增江支流，分别是蓝田河、铁岗河、白沙河、葛埔水和永汉水，另一条是东 江支流公庄水的上 游，在龙门境内称平陵水。 龙门县属南亚热带季风气候。山多是影响龙门县气候差异的主要原因，导致了县内 气候的多样性和复杂性，具有明显的山区气候特点，南北温差较大，可达约 5 。冬半 年盛行干燥的偏北季风，夏半年盛行暖湿的偏南季风。春暖来得迟，春末升温快；夏季 降雨多；秋凉来得早，秋季降温明显；冬季日温差大，

11、有不同程度的低温、霜冻天气。 由于地形的影响，使不稳定的暖湿气团有得于形成对流发展的天气系统，造成龙门县雷 雨天气较多，年均雷暴日为 78 天，属多雷区。 7 7、 人文地理特征人文地理特征 2011 年，龙门县户籍户数 10.37 万户，其中，农业户 6.19 万户；非农业户 4.18 万 户。 截至 2012 年 4 月，龙门县辖区有 19 个民族成份，其中少数民族 18 个。 2013 年，龙门县实现生产总值 115.71 亿元，比 2012 年增长 14.3%。 龙门县蓝田瑶族民间舞蹈“舞火狗”已经申报第一批国家级非物质文化遗产代表 作。 龙门县是“中国现代民间绘画”画乡。龙门农民画为

12、中国三大农民画之一，它吸收 和借鉴了民间传统的刺绣、木雕、剪纸等艺术，充分发挥农民创作者的艺术想像，在艺 术风格上有鲜明的地方特色。龙门县是“中国现代民间绘画”画乡。龙门农民画为中国 三大农民画之一，它吸收和借鉴了民间传统的刺绣、木雕、剪纸等艺术，充分发挥农民 创作者的艺术想像，在艺术风格上有鲜明的地方特色。 有“中国年桔之乡”之称的龙门县，出产的土特产除龙门年桔外，还有三黄胡须 鸡、西溪笋、龙门优质米、蜂蜜、草菇、永汉慈菇、观音菜等，加工的名优产品有龙门 牙签、龙门腊味、麻榨凉果、龙门米粉（“长滩米粉”最为知名） 、“龙门鸡”、龙门 蜂蜜、龙门米饼、观音菜、蜂蜜醋、南昆山毛茶、路溪石硖龙眼等

13、。 截至 2012 年，龙门县共有上规模的旅游景区 15 处、景点 26 个，其中，国家 4A 级 旅游景区有 4 家，3A 级旅游景区有 1 家，并拥有被美国国家地理杂志评为“全球 50 家顶级度假村” 的高端精品十字水。 操作方法及过程 注意：本次实习操作在注意：本次实习操作在 ENVI 5.1 ClassicENVI 5.1 Classic 界面下进行。界面下进行。 实习前实习前准备：准备： 1、依次选择开始所有程序ENVI 5.1ToolsENVI Classic 启动经典模式，在菜单 栏上一次选择 FilePreference 设置工作空间和临时空间。 安装小波融合插件（将小波融合文

14、件夹下 3 个文件拷贝到 ENVI 5.1 安装目录 ExelisENVI51classicsave_add 文件夹下，在主菜单 Transform 下出现 Wavelet Fusion 工具） 。 2、加载广东龙门地区遥感影像。利用 SpectralSPEAR ToolsGoogle Earth Bridge 工 具在 Google Earth 环境下查看实验区特征。 从图像中可以观察到影像处南面外， 其他三个方向均被山围绕， 整个影像的高程范围 大致在 60-650 之间，中间区域平均海拔在 70 米左右。在影像的西部、东北部有水库，居 民地和河流集中在影像正南边，影像中间还分布着林地、果

15、园、坑塘等地物。 3、打开 Raster ManagementEdit ENVI Header 工具，编辑全色波段和多光谱波段头 文件。 Alos Min(nm) Mean(nm) Max(nm) Width(nm) Pan 520 645 770 250 Blue 420 460 500 80 Green 520 560 600 80 Red 610 650 690 80 NIR 760 825 890 130 在 Available Bands List 中右击全色波段，选择 Edit Header 检查当前影像的Data Type 是不是Byte 类型， 如果不是推出后使用工具箱中的Da

16、ta Stretch 拉伸为 0255。 打开 Edit Attributes 下拉列表， 选择 Wavelength （波段中心波长） ， 设置平均波长为 645， 单位为 Nanometers。 在 Edit Attributes 下拉列表中选择 FWHM（波段波长宽度） ，设置全色波段的宽度为 250 纳米。 同样地，针对多光谱文件设置其各波段中心波长，可以不设置波长宽度。 在 Edit Attributes 下拉列表中选择 Band Names 更改波段名称如下。 确认影像是否已配准。如果未配准，按照实习 2 所讲，将两幅影像配准，在实习报告中给 出精度计算结果表。 4、影像融合 （1 1）HSVHSV 变换变换: : （HSV 融合只能对无符号 8bit（Byte）数据进行操作，在之前的编辑头 文件中已进行） 单击选择 TransformImage SharpeningHSV