第八講遙感影像融合環(huán)境與規(guī)劃學(xué)院河南大學(xué)主要內(nèi)容遙感影像融合的基本概念像素級的遙感影像融合遙感影像融合的質(zhì)量評價4.1遙感影像融合基本概念問題的提出數(shù)據(jù)融合的概念始于20世紀(jì)70年代，進(jìn)入90年代以后，隨著多種遙感衛(wèi)星的發(fā)射成功，不同空間分辨率、光譜分辨率以及時間分辨率的遙感影像被獲得。這些數(shù)據(jù)間不僅存在著一定的互補性，且存在一定的冗余，如何有效地整合這些數(shù)據(jù)以獲得更為豐富的信息成為亟待解決的問題。基本概念信息融合（InformationFusion）是指將來自多個傳感器或多源的信息進(jìn)行綜合處理，從而得到更為準(zhǔn)確、可靠的結(jié)果，為決策應(yīng)用提供更好的服務(wù)。遙感影像融合（ImageFusion）是信息融合技術(shù)的一種，它根據(jù)相應(yīng)的應(yīng)用目的，通過高級影像處理技術(shù)對多源影像進(jìn)行復(fù)合，從而生成新的影像的過程。遙感影像融合的目的消除冗余數(shù)據(jù)，突出有用的專題數(shù)據(jù)。利用多源數(shù)據(jù)間的信息互補性，對各種遙感影像數(shù)據(jù)進(jìn)行融合，以彌補單一數(shù)據(jù)的不足，提高分析的精度，并擴大數(shù)據(jù)的使用范圍。提高信息的協(xié)調(diào)能力，融合并非是幾種數(shù)據(jù)的簡單疊加，它可以得到原來幾種單個數(shù)據(jù)不能提供的新數(shù)據(jù)，滿足地學(xué)分析及各種專題研究的需求。影像融合方法分類

遙感影像融合根據(jù)融合水平來劃分，可以分為：像素級融合、特征級融合和決策級融合三級。像素級融合盡可能多的保留信息，具有最高的精度，是三級中研究最為成熟的一級。特征級融合是一種中等水平的融合。首先將遙感數(shù)據(jù)進(jìn)行特征提取，然而按照特征信息對多源數(shù)據(jù)進(jìn)行分類、聚集和綜合，產(chǎn)生特征向量，而后融合這些特征向量。決策級融合是最高水平的融合。首先對數(shù)據(jù)進(jìn)行屬性說明，然后對其結(jié)果進(jìn)行融合，得到目標(biāo)的綜合屬性說明，為控制或決策提供依據(jù)。三級融合的特點融合等級信息損失精度抗干擾性融合水平像素級小高差低特征級中中中中決策級大低優(yōu)高遙感影像融合內(nèi)容影像預(yù)處理：主要是影像降噪等空間配準(zhǔn)在同一空間坐標(biāo)系下，建立融合影線間的空間對應(yīng)關(guān)系；并對影像進(jìn)行重采樣，使之具有相同的空間分辨率。內(nèi)容融合對配準(zhǔn)后的影像進(jìn)行變換處理，并選擇相應(yīng)的方法對影像進(jìn)行融合。融合質(zhì)量評價選擇合適的指標(biāo)，對融合后影像的質(zhì)量進(jìn)行評價。4.2像素級遙感影像融合基于光譜域變換的影像融合色調(diào)-飽和度-亮度變換（Hue-saturation-intensity，HSI）主成分變換（PrincipalComponentAnalysis,PCA）基于代數(shù)運算的影像融合基于空間域信號分解和重構(gòu)的影像融合小波變換（WaveletTransform,WT)拉普拉斯變換（LaplaceTransform,LT)4.2.1基于光譜域變換的影像融合

它把多光譜影像轉(zhuǎn)換到某個特征空間，然后用全色波段替換與其相關(guān)程度最高的新波段，最后進(jìn)行逆變換以獲得融合后的影像。HSIPCA基于HSI變換的融合RGB彩色系統(tǒng)與人眼很強地感覺紅、綠和藍(lán)三原色的事實很好地匹配，但是該模型不能很好地適應(yīng)實際上人解釋的顏色。當(dāng)人觀測一個彩色物體時，往往用顏色、色調(diào)和飽和度來描述它。HSI模型可以在彩色圖像中從攜帶的彩色信息（色調(diào)和飽和度）中消去強度分量的影響，該模型描述對人來說是自然的、直觀的。RGB顏色空間和HSI顏色空間存在著一一對應(yīng)關(guān)系RGB到HSI的彩色轉(zhuǎn)換HSI融合流程圖彩色合成影像全色波段HSI變換拉伸HSINewPAN替換HSNewI逆HSI變換融合影像步驟1步驟2步驟3基于PCA的融合主成分分析（PCA）將多個變量通過線性變換以選出較少個數(shù)重要變量的一種多元統(tǒng)計分析方法。以方差來衡量信息的大小，且主成分之間不相關(guān)。PCA變換PCA計算步驟：計算數(shù)據(jù)X相關(guān)系數(shù)矩陣計算特征值和特征向量PCA變換計算主成分貢獻(xiàn)率及累計貢獻(xiàn)率計算主成分載荷ZPC代表的意義MIPCA表示ModifiedinversePCAPCA融合流程圖彩色合成影像全色波段PCA變換拉伸PC3PC2PC1NewPAN替換PC3PC2NewPC1逆PCA變換融合影像步驟1步驟2步驟34.2.2基于代數(shù)運算的融合比值法融合（BroveyTransform，BT）乘法融合（MultiplicationTransform,MT)4.2.3基于空間域信號分解和重構(gòu)的融合基于空間域信號分解和重構(gòu)的影像融合通過提取高分辨率影像的高頻信息，然后將它引到低分辨率的多光譜影像中，從而提高多光譜影像的空間分辨率?；诶绽菇鹱炙娜诤匣谛〔ǖ娜诤匣诶绽菇鹱炙娜诤侠绽菇鹱铀儞Q將原始圖像分解成多個不同空間分辨率、不同尺度的子圖像以構(gòu)成一個塔形結(jié)果。具體過程見以下公式：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對多光譜和全色影像進(jìn)行拉普拉斯金子塔變換，然后用全色波段的殘差信息（細(xì)節(jié)、邊緣）取代各個多光譜波段的殘差信息，并對替換處理后的多光譜影像進(jìn)行逆拉普拉斯金子塔變換，從而提高多光譜影像的空間分辨率。

特點：1.對光譜波段數(shù)沒有限制

2.平移不變性

3.可進(jìn)行多尺度融合基于離散小波的融合小波變換是一種多尺度的數(shù)據(jù)分析方法，已經(jīng)廣泛應(yīng)用數(shù)字圖像處理領(lǐng)域。小波變換是一種全局變換，其在時間域和頻率域同時具有良好的定位，多高頻分量采用逐漸精細(xì)的時域和空域步長，可以聚焦到圖像的任何細(xì)節(jié)，從而被譽為“數(shù)字顯微鏡”

離散小波變換高頻信息代表意義基于離散小波融合的流程圖多光譜影像全色波段小波變換融合影像步驟3小波變換高低高低高低融合規(guī)則小波逆變換步驟1步驟2融合案例1IKONOS多光譜影像全色影像融合案例1IKONOSPCA融合結(jié)果HSI融合結(jié)果融合案例1IKONOS小波融合（一級分解）小波融合（二級分解）小波融合（三級分解）融合案例2ETM+多光譜影像全色影像融合案例2ETM+PCA融合結(jié)果HSI融合結(jié)果融合案例2ETM+小波融合（一級分解）小波融合（二級分解）小波融合（三級分解）4.3遙感影像融合結(jié)果評價均值：均值適中，則視覺效果良好標(biāo)準(zhǔn)差：反映圖像灰度相對于灰度均值的離散程度，標(biāo)準(zhǔn)差越大，則圖像灰度級越分散，圖像反差越大，信息量豐富。方差計算公式如下：融合影像質(zhì)量的評價指標(biāo)信息熵：衡量圖像信息量的量，信息熵越大，則圖量的信息量越大。計算公式如下：其中Pi為灰度值為i的頻率，L為圖像的