三种图像融合方法实际操作与分析.docxVIP

摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。　关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE　1. 引言　由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1]　在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2]　此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。　2. 源文件 　1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。　2 、imagery-5m.tif ，SPOT图像，分辨率5米。　3. 软件选择　在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3]　ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。　2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清晰的空间地理图像。此文中，鉴于软件费用及需求考虑，实验采用ERDAS IMAGINE 8.7软件。　4. 实验原理　遥感图像融合是处理遥感图像的一种重要方法。图像融合是将2个或2个以上的传感器在同一时间(或不同时间)获取的关于某个具体场景的图像或和图像序列信息加以综合，生成一个新的有关此场景的解释，而这个解释是从单一传感器获取的信息中无法得到的[4]、[5]。有时候图像融合的对象也可以是单一传感器在不同时间获取的图像数据[6]。　分辨率融合是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。通过进行图像融合，可以不同的类型的遥感图像的信息集合在一幅遥感图像上。图像融合可以提高图像空间分辨率（图像锐化）、改善图像几何精度、增强特征显示能力、改善分类精度、提供变化检测能力、替代或修补图像数据的缺陷等。　图像分辨率融合的关键是融合前两幅图像精确地进行配准，才可能得到满意的融合效果；而对于融合方法的选择，则取决于被融合图像的特性以及融合的目的，同时，需要对融合方法的原理有正确的认识[7]。　本次实验选取在实际应用中常用的三种遥感图像融合方式：　a) 主成分变换融合（Principle Component）　主成份变换融合是建立在图像统计特征基础上的多维性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地揭示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后第一主成份来达到融合的目的。该方法的最大优点是可以应用任意数目的波段， 它对N个波段的低分辨率图像进行主成份分析( PCA: Principal Com