对基于不同源卫星数据RapidEye与P5影像融合方法的探讨.docVIP

对基于不同源卫星数据RapidEye与P5影像融合方法的探讨 摘 要：本文详细介绍了融合的原理，着重对RapidEye数据与P5数据的融合前处理及融合方法进行介绍，通过实验分析各种融合方法的优缺点，对不同融合方法的融合效果进行对比分析，选择效果较好的融合方法。 关键词：融合；波段组合；遥感影像 中图分类号：TM411+.4 文献标识码：A 1 融合基本原理 融合就是将同一区域的多源遥感图像按统一的坐标系统，通过配准，生成比单一信息源更准确、更完全、更可靠的新图像的技术方法。采用全色数据与多光谱影像进行融合，生成具有多光谱信息的色彩及全色数据纹理的新影像，突出反映土地利用类型要素信息，提高可判读性，便于综合分析，减少数据量，提高监测精度。通过数据融合，一方面可有针对性地去除无用信息，消除冗余，减少数据处理量，提高数据处理的效率；另一方面可融合多源数据的有用信息，表现出各波段的优势，尽量减少或避免目标的不确定性。 2 卫星数据介绍 RapidEYE卫星发射于2008年8月29日，共5颗卫星，预期寿命7年，轨道高度630KM，与太阳同步，通过赤道时间为11：00AM，传感器类型是推帚式的多光谱CCD，地面采样间隔是星下点6.5米，有5个光谱波段组成，分别为蓝：440 nm- 510 nm；绿：520 nm- 590 nm；红：630 nm- 685 nm；红边：690 nm- 730 nm；近红外：760 nm- 850 nm；标准幅宽为77KM；星上存储量为1500km影像数据或轨道；重访时间为5.5天（星下点），动态范围为12bit。RapidEYE数据广泛应用于农业、林业、环境保护、城乡规划、基础设施建设等行业。 IRS-P5数据 ，是印度遥感制图卫星影像，全色分辨率为2.5 米，设计寿命5年，轨道高度为618km，共由1867条轨道覆盖全球，相邻轨迹线之间相隔11天，轨道倾角97.87度，过赤道上空为地方时10∶30。前视幅宽为29.42KM，后视幅宽为26.24 KM；重访周期为5天。IRS-P5数据广泛应用于国土、海洋、矿产资源调查；林业和农业资源调查；水资源、水土流失调查；环境保护；城市规划等领域。 3 融合前处理 配准、纠正后满足精度要求的多光谱及全色数据，融合前还需要对其进行预处理。一方面，通过色阶对全色数据进行调整，减少影像的噪声，提高亮度和对比度；另一方面，通过波段组合的方式突出各地类的色彩，地物间的反差，表现出多光谱数据的丰富色彩。 4 融合方法试验 在遥感影像处理过程中，通常采用的融合方法有小波变换、主成分变换、高通滤波等多种方法，试验结果如下： （1）小波变换融合 基于小波变换的图像融合算法是对待融合的两幅图像二维小波分解，建立各图像的小波塔形分解。 小波变换融合以mul数据的各波段影像为参考对高分辨率pan影像进行直方图匹配，以形成相应的匹配的高分辨率全色影像。然后采用小波变换的方式形成相应的低频和高频影像，并用多光谱影像各波段变换后的低频部分来替换这几个影像小波变换后的低频影像，对替换后的影像进行小波逆变换，从而获得融合影像。融合结果如图1： 小波变换法优点：最大程度保持原多光谱数据和全色数据的信息，减少后处理难度。小波变换法缺点：算法复杂，融合后影像存在振铃效应，影像有锯齿，不连续，因此，在土地利用动态监测中较少应用。 （2）高通滤波融合 高通滤波用于影像的细节和纹理处理。高通滤波是对低分辨率多光谱影像进行低通滤波以获取其光谱信息，对全色影像进行高通滤波以提取线性特征和边缘等空间结构信息，然后对低通滤波和高通滤波的结果加权求和，进而得到融合影像。该算法使图像的分辨率得到增强，并且它还减少了高分辨率影像低频部分的融入，高效地保留多光谱影像的光谱信息。高通滤波处理对于全色数据很重要，在进行高通滤波处理时，滤波模型的选择受影像质量、地貌特征等因素的影响。融合结果见图2： 高通滤波融合法在保持光谱信息和提高多光谱图像的空间细节表现能力上都有很好的效果，但影响影像的纹理清晰度。 （3）主成分变换 对于图像而言主分量变换是图像按照特征向量在其特征空间上分解为多元空间。而在数学上是将矩阵展开分解为其协方差矩阵的特征向量的加权。利用PC变换可将影像的结构信息通过第一主分量表达出来。 主分量变换在进行融合中有两种变换方法，一种是指将多光谱的多个波段先做主分量变换，用全色波段替换第一主分量，再进行反主分量变换，得到融合影像。另一种将各波段统一进行主分量变换，然后反变换。融合结果如图3： 主分量变换多光谱数据的波段数不受限制，可以接受三个以上波段的高光谱及多光谱数据进行变换。并且影像色彩丰富，影像纹理信息结构明显、突出。主成分变换优点：不限参加波段的数量，能较好保留全色影像的纹理，减少信息损失。 结语 根据上述几种融合方