基于ERDAS IMAGINE软件的谷歌地球影像融合方法研究.docVIP

基于ERDAS IMAGINE软件的谷歌地球影像融合方法研究 王峰洁 宋彩民 蛟河林业试验区管理局 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 谷歌地球影像具有高时效性、高空间分辨率等特点。但经过处理后的谷歌地球影像光谱分辨率较差。在林业实际工作中, 出于经费等因素的考虑, 遥感影像的空间分辨率普遍不高。本文利用ERDAS IMAGINE遥感处理软件, 将下载后的谷歌地球影像与实际工作中的低空间分辨率、光谱分辨率较好的遥感影像进行融合处理, 再对不同融合方法的效果进行对比分析, 从而为谷歌地球影像在林业生产、林业调查等工作中的应用提供了参考。 关键词： ERDAS IMAGINE; 谷歌地球; 遥感影像; 影像融合; 作者简介：王峰洁, 硕士, 工程师, 研究方向:林业管理。 谷歌地球 (Google Earth) 是一款Google公司开发的虚拟地球仪软件, 其把航天遥感图像、航空照相和GIS布置在一个地球的三维模型上。用户可以通过自己电脑上的客户端软件, 免费浏览全球各地的高清晰度卫星图片[1]。从谷歌地球可获取免费的高分辨率影像数据源, 可以提供不同分辨率的影像, 分辨率最高可达0.15米。但由于这些数据经过事先的处理, 已经明显失去光谱和色彩信息, 难以满足遥感制图需求。通过将中、低分辨率、多光谱数据与谷歌地球高分辨率影像进行图像融合, 图像融合[2]是指把两个或两个以上的传感器获取的某个研究地区的遥感图像或图像序列信息加以综合, 并生成新的有关这个研究地区解释的信息处理的过程。综合两种影像的优势, 从而产生色彩信息丰富并达到高空间分辨率的融合影像, 对于林业实际生产具有十分重要的意义。 本文利用Erdas Imagine9.1遥感图像处理软件所提供的几种融合方法, 将空间分辨率为0.5米的谷歌地球遥感数据作为高分辨率图像, 空间分辨率为10米的SPOT5多光谱图像作为高光谱图像, 对两幅图像进行了融合实验, 通过对融合实验结果的分析, 希望能够找到谷歌地球图像与SPOT5多光谱图像融合的最佳方法, 从而为林业生产提供高空间、高光谱、便于解译的最佳数据。 1 研究方法 以长春市净月经济开发区为研究区域, 研究区域位于长春市区东南部, 区域面积478.7平方公里, 辖玉潭、新湖、新立城三个整建制镇、净月、永兴两个街道办事处和净月潭国家森林公园、新立城水库、汽车文化园, 常住人口近40万人。着力建设经济、社会与人口、环境、资源协调发展的长春东南部生态新城。 通过使用谷歌卫星地图下载器获取的遥感图像, 得到的是JPG格式的图片, 没有坐标与投影信息, 需要进行遥感图像间的图像配准。研究区域的多光谱图像为墨卡托投影, 西安80坐标系。通过在Erdas Imagine9.1遥感图像处理软件中, 以多光谱图像作为基准图像, 对谷歌地球影像进行配准, 从而使谷歌地球影像达到几何校正的目的。在图像配准时, 只有将不同空间分辨率的图像精确地进行配准, 才可能得到满意的融合结果[3]。图像配准后, 谷歌地球影像的坐标系和投影与多光谱图像一致, 为后期的两幅图像之间的图像融合实验做好了准备。 本次利用ERDAS9.1软件所提供的几种融合方法, 对谷歌地球影像和多光谱影像进行了融合操作。对融合后的结果从定性分析和定量分析两个方面进行了评价。采用波段均值和标准差两个指标对融合结果分别进行了定量评价[4-5]。本次融合实验所采用的融合方法有主成分变换、IHS变换[6]、乘积法、比值变换[7]、高通滤波法。 2 结果与分析 利用Erdas Imagine9.1遥感处理软件将两幅图像进行融合, 原谷歌地球影像及融合后的图像 (见图1~图6) 。 2.1 定性分析 从融合后的图像上可以看出, 在颜色方面主成分变换、乘积法、比值变换和高通滤波这四种融合方法, 谷歌地球图像融合后的图像的整体颜色与SPOT5的多光谱影像很接近, 而IHS变换融合后的谷歌地球图像的光谱颜色与原多光谱图像的颜色差异很大。高通滤波融合后的影像的不同地物色调饱和度之间差异不明显, 肉眼很难进行区分。主成分变换、乘积法和比值变换这三种融合方法, 使融合后的影像颜色信息和原多光谱图像的颜色信息更为接近。 2.2 定量分析 对于融合后图像的质量评价, 仅利用肉眼进行定性的分析, 缺乏合理性, 存在一定的主观性。因此, 需要对融合后的图像进行定量分析, 本次利用ENVI5.3软件来分别计算原谷歌地球影像及各幅融合图像的灰度平均值、标准差。融合后的图像灰度均值如果与原图像的灰度均值接近, 则表明融合后图像同原图像的亮度越接近, 该融合方法的光谱保真性越好。标准