《第06章 影像融合》由会员分享，可在线阅读，更多相关《第06章 影像融合（83页珍藏版）》请在金锄头文库上搜索。
1、遥感图像处理遥感图像处理- -影像融合影像融合背景背景n随着遥感技术的发展，越来越多的不同类型遥感器被用于对地观测。这些多遥感器、多时相、多分辫率、多波段的遥感图像数据，各自显示了自身的优势和局限。为了更充分运用这些数据资源，数字融合技术应运而生。内容提要内容提要n概述n遥感数据融合方法介绍n遥感与非遥感数据融合方法介绍n融合质量评估1、概述定义定义n数据融合(Fusion,Merge)指同一区域内遥感数据之间或遥感数据与非遥感数据之间的匹配融合。n多种遥感数据源信息融合是指利用多种对地观测技术所获取的关于同一地物的不同遥感数据，通过一定的数据处理技术提取各遥感数据源的有用信息，最后将其融合到
2、统一的空间坐标系(图像或特征空间)中进行综合判读或进一步的解析处理。n图像融合是一个对多遥感器的图像数据和其他信息的处理过程。着重于把那些在空间和时间上冗余或互补的多源数据，按照一定的规则进行运算处理，获得比任何一种数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。数据融合的发展数据融合的发展n数据融合的概念始于70年代。进入20世纪90年代以后，随着多种遥感卫星的发射成功，从不同遥感平台获得的不同空间分辫率和时间分辫率的遥感影像形成了多级分辫率的影像金字塔序列，给遥感用户提供了从粗到精、从多光谱到高光谱的多种遥感数据源。融合的发展在一定程度上解决了多种数据源综合分析的
3、问题。数据融合的发展数据融合的发展n1.起初是进行同种遥感数据多波段、多时相的数据融合，以提高遥感解译能力和进行动态分析。n2.后来发展到不同类型遥感数据的融合，如陆地卫星与气象卫星、陆地卫星MSS与航天飞机成象雷达SIR一A,陆地卫星MSS与海洋卫星侧视雷达SAR，以及陆地卫星MSS与RBV等，以扩大应用范围，提高分析精度，获得更好的遥感应用效果。n3.与此同时，人们越来越感到由于遥感本身以及实际应用中的局限性，要真正认识事物，并非遥感独家所能完成。它需要其它学科的支持，只有遥感与非遥感数据的融合，如与气象、水文数据，与重力、磁力等地球物理增息，与地球化学勘探数据，与专题地图数据，以及与数字
4、地形模型(DTM )等数据融合，进行综合分析，才能更好地发挥作用。数据融合的目标数据融合的目标n空间分辫率的提高n目标特征增强n提高分类精度n信息互补概述图像融合的过程概述图像融合的过程遥感图像融合流程图遥感图像融合流程图预处理融合处理应用概述图像融合的层次概述图像融合的层次对对数数据据的的抽抽象象程程度度图像融合的三级处理过程图像融合的三级处理过程概述图像融合的层次概述图像融合的层次n像元级线性加权法、SFIM、IHS变换、PCA变换、高通滤波法、小波变换融合算法等。n特征级Dempster-shafer推理法;聚类分析法;贝叶斯估计法;嫡法;带权平均法;表决法及神经网络法等。n决策级贝叶斯
5、估计法;专家系统;靠性理论以及逻辑模板法等神经网络法，模糊集理论，可靠性理论以及逻辑模板法等。概述图像融合的层次概述图像融合的层次数据融合的技术关键数据融合的技术关键n充分认识研究对象的地学规律。n充分了解每种融合数据的特点和适用性。n充分考虑到不同遥感数据之间波谱数据的相关性引起的有用数据的增加以及噪声误差的增加，因此对多种遥感数据作出合理的选择。n几何配准，即解决遥感图像的几何畸变，解决空间配准问题。n只有对地学规律、影象特征、成象机理这三者有深刻的认识，并把它们有机地结合起来，数据融合才能达到更好地效果。1、遥感数据融合方法介绍遥感数据融合遥感数据融合n遥感数据的融合主要指不同传感器的遥
6、感数据的融合以及不同时相的遥感数据的融合。融合方式的确定应根据目标空间分布、光谱反射特性及时相规律方面的特征选择不同的遥感图像数据，它们在空间分辫率、光谱分辫率和时间分辫率方面相互补充，以形成一个更有矛盾的识别环境，来识别所要识别的目标或类型。遥感数据融合预处理遥感数据融合预处理n影像配准是数据融合处理中的关键步骤，其几何配准精度直接影响融合影像的质量。通常情况下，不同类型的传感器影像之间融合时，由于它们成像方式的不同，则其系统误差类型也不同。如SPOT与TM数据融合时，SPOT的传感器是以CCD推帚式扫描成像的，而TM则是通过光机扫描方式成像的，因而不同类型影像进行融合时必须经过严密的几何校
7、正，分别在不同数据源的影像上选取控制点，用双线性内插或三次卷积内插运算对分辫率较低的图像进行重采样改正其误差，将影像投影到同一的地面坐标系统上，为图像配准莫定基础。象素级融合象素级融合n像素级融合是最低层次的图像融合，它将经过高精度图像配准后的多源影像数据按照一定的融合原则，进行像素的合成，生成一幅新的影像。融合的目的在于提高图像质量，提供良好的地物细节信息，直接服务于目视解译，自动分类。高空间分辫率的全色影像和高光谱分辫率的高光谱影像的像素级融合影像一般具有以下性质(Wald, 1997)y融合影像空间特性应当和高空间分辫率的影像尽可能保持一致;y融合影像的光谱特性应当和多光谱影像尽可能保持
8、一致;y融合影像的空间分辫率被降解到低分辫率时，必须和原来的影像保持一致。象素级融合的发展历程象素级融合的发展历程n早期:代数运算法、彩色空间法等，以图像视觉增强为主要目的n转变期:以高通滤波方法的出现为标志，开始注重数据融合的光谱保持能力n当前:依赖先进的数学工具，在信号分析的基础上，进一步强调光谱保持能力象素级融合的研究特点象素级融合的研究特点n研究工具:新的数学理论和计算智能理论n研究手段:对已有方法进行组合、集成n研究目标:以光谱信息提取为目标n代数法n基于分量替换的影像融合法y基于G-S变换的影像融合法y基于主成分分析的影像融合法y基于高通滤波影像融合法y基于小波的HIS影像融合y基
9、于小波变换影像融合法y基于HIS变换的影像融合法常用的象素级融合方法常用的象素级融合方法代数法代数法n常用代数法:n(1)相乘:适用于SAR影像与光学影像;n(2)相关系数加权法:适用于全色影像与多光谱影像。代数法相关系数加权法代数法相关系数加权法n以SPOT全色影像与TM多光谱影像融合为例;n融合步骤y(1)对SPOT全色影像与TM多光谱影像进行图像配准;将多光谱影像进行重采样，使其大小和全色波段影像一致；y(2)计算多光谱影像各波段与全色影像的相关系数:y(3)按下式将全色波段图像的信息融合到多光谱图像各波段中基于亮度平滑调节的融合基于亮度平滑调节的融合SFIMSFIM算法的意义（算法的意
10、义（1 1）SFIMSFIM算法的意义（算法的意义（1 1）分量替换融合法分量替换融合法基于彩色空间变换的融合方法步骤基于彩色空间变换的融合方法步骤n首先，必须将图像进行严格的几何校正，使不同的遥感图像在几何上能完全匹配，并且分辫率一致。n将多波段图像由RGB彩色系统变换到IHS彩色系统中;n用高分辫率的图像代替I分量，进行彩色逆变换，就可以得到融合图像。基于彩色空间变换的融合方法基于彩色空间变换的融合方法- -流程流程基于彩色空间变换的融合方法基于彩色空间变换的融合方法北京地区资源一号卫星影像北京地区SPOT卫星PAN影像基于彩色空间变换的融合结果基于彩色空间变换的融合结果IHS变换融合结果
11、图基于彩色空间变换的融合方法光谱扭曲基于彩色空间变换的融合方法光谱扭曲基于彩色空间变换的融合方法光谱扭曲基于彩色空间变换的融合方法光谱扭曲n从(3)、(4)式可看出，融合后影像颜色值取决于全色影像与IHS变换后的I影像之差。QuickBirdQuickBird影像各波段波谱范围影像各波段波谱范围基于空间变换的融合方法直方图变换的意义基于空间变换的融合方法直方图变换的意义北京地区资源一号卫星影像北京地区SPOT卫星PAN影像基于空间变换的融合方法直方图变换的意义基于空间变换的融合方法直方图变换的意义不进行直方图修正进行直方图修正基于基于PCAPCA变换的影像融合法步骤变换的影像融合法步骤算例n将
12、多光谱图像进行PCA正变换将原始图像的R, G, B经过PCA变换，形成按能量排序的正交分量:第1主分量、第2主分量、第n主分量n用高分辫率影像代替第1主分量;n将合成的数据进行PCA逆变换，获得高分辫率的多光谱融合图像。基于基于PCAPCA变换的影像融合法流程变换的影像融合法流程基于基于PCAPCA变换的影像融合法结果变换的影像融合法结果北京地区资源一号卫星影像北京地区SPOT卫星PAN影像基于基于PCAPCA变换的影像融合变换的影像融合基于基于 Gram-Schmidt的正交变换（的正交变换（G-S）的融合（一）的融合（一）基于基于 Gram-Schmidt的正交变换（的正交变换（G-S）
13、的融合（二）的融合（二）高通滤波影像融合流程高通滤波影像融合流程高通滤波影像融合频率域高通滤波影像融合频率域高通滤波影像融合高通滤波影像融合高通滤波影像融合高通滤波影像融合基于小波变换的影像融合基于小波变换的影像融合n基于小波变换的数据融合对同一地区的不同传感器影像来说，其差别不在低频部分，而在高频部分。换言之，对其空间频谱的低频部分是相同的或相近的，而有显著差别的只是高频部份.基于小波变换的影像融合小波变换基于小波变换的影像融合小波变换基于小波变换的影像融合流程基于小波变换的影像融合流程基于小波变换的影像融合基于小波变换的影像融合像素级融合结果比较像素级融合结果比较像素级融合结果比较像素级融
14、合结果比较像素级融合结果比较像素级融合结果比较像素级融合结果比较像素级融合结果比较基于小波的基于小波的IHSIHS融合融合基于融合的去云基于融合的去云基于融合的去云基于融合的去云基于融合的去云基于融合的去云特征级融合流程特征级融合流程特征级融合特征级融合- -特征提取特征提取特征级融合特征级融合- -特征提取特征提取特征级融合特征级融合- -特征提取特征提取特征级融合特征级融合- -特征提取特征提取3、遥感与非遥感数据的融合 遥感与非遥感数据融合的意义遥感与非遥感数据融合的意义遥感与非遥感数据融合遥感与非遥感数据融合遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤遥感与非遥感数据融合的步骤4、融合质量评价 融合质量评估融合质量评估融合质量评估提高分辨率融合质量评估提高分辨率融合质量评估提高分辨率融合质量评估提高分辨率融合质量评估提高信息量融合质量评估提高信息量融合质量评估提高清晰度融合质量评估提高清晰度融合质量评估目视分析融合质量评估目视分析融合质量评估目视分析融合质量评估目视分析n概述n遥感影像融合介绍n遥感与非遥感数据融合介绍n融合质量评价
