S1-多源遥感数据融合.ppt

IHS变换 3个波段合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度I，色度H，饱和度S。 RGB颜色空间和IHS色度空间有着精确的转换关系。 以TM和SAR为例，变换思路是把TM图像的3个波段合成的RGB假彩色图像变换到IHS色度空间，然后用SAR图像代替其中的I值，再变换到RGB颜色空间，形成新的影像。 RGB-HIS 基于IHS变换的数据融合－步骤： 1）RGB到IHS：将RGB色彩空间中的3个低空间分辨率波段变换成HIS色彩空间的3个波段； 2）对比度操作：对高空间分辨率的影像进行对比度拉伸，从而使其与亮度I影像具有相同的方差和均值； 3）替换：使用拉伸的高空间分辨率影像来替换亮度I影像； 4）IHS到RGB：利用IHS逆变换将修改的HIS数据转换回RGB色彩空间。 基于PCA变换的数据融合——步骤： 1）对原始的低分辨率影像先进行主成分分析； 2）将高分辨率影像进行拉伸，使得它与第一主成分的均值和方差相接近； 3）用拉伸后的高分辨率影像替换低分辨率影像的第一主成分影像； 4）再把该影像变回到原来的形式。 6.3 基于代数运算的融合 比值法融合模型 （ Brovey Transform , BT） 乘法融合模型 （ Multiplication Transform , MT） 1.4 基于空间域信号分解和重构的融合 1.5 融合效果评价 1.多源遥感影像数据特点： 冗余性：表示多源遥感影像数据对环境或目标的表示、描述或解译结果相同 互补性：指信息来自不同的自由度且相互独立 合作性：不同传感器在观测和处理信息时对其它信息有依赖关系。 2. 融合Fusion/Merge概念 指采集并集成各种信息源、多媒体和多格式信 息，从而生成完整、准确、及时和有效的综合 信息的过程。 同一地区内的 ①遥感数据之间的融合 ②遥感数据与非遥感数据之间的融合 3.融合目的： 将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。 4. 融合实质： 在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息。 原始全色波段 Original data 光谱波段RGB321 MBT （RGB321） Fusion Result of IKONOS SFIM （RGB321） WT（RGB321） MT（RGB321） Fusion Result of IKONOS QB融合结果 Original data 原始PAN RGB321 Fusion Result of QB MBT（RGB321） WT（RGB321） Fusion Result of QB SFIM（RGB321） HPT（RGB321） 数据融合（data fusion）最早被应用于军事领域。 发展历程：同种遥感图像-不同遥感图像-遥感与非遥感图像的融合 融合关键：充分认识研究对象的地学规律。 充分了解每种融合数据的特点和适用性。 几何配准，解决空间配准问题。 选择恰当的融合算法（具有良好的信息保真度）。 分类：像素级、特征级和决策级 主要应用领域有：多源影像、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析理解、目标检测与跟踪、自动目标识别等。 5.图像融合的发展与应用 一般来说，遥感影像的数据融合分为预处理和数据融合两步 预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准 （1）几何纠正、大气订正及辐射校正的目的主要在于去除透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响； （2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 空间配准一般可分为以下步骤 : 特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。 特征匹配：采用一定配准算法，找出两幅影像上对应的明显地物点，作为控制点。 空间变化：根据控制点，建立影像间的映射关系。 插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。 空间配准的精度一般要求在1~2个像元内。空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。 数据融合 根据融合目的和融合层次智能地选择合适的融合算法，将空间配准的遥感影像数据（或提取的图像特征或模式识别的属性说明）进