地理信息系统-图像融合.docx

实验五：遥感影像融合

一、实验要求

对自己家乡的一幅Landsat8遥感影像进行必要的预处理，试验恰当的融合方法(说明你选择该方法的理由），获取空间分辦率15m的多光谱Landsat8影像。（注意总结完整的遥感颩像融合处理流程）

二、实验步骤及结果

1先针对多光谱影响进行辐射定标，进行绝对大气校正

4由于CNSpectralSharpening对中心波长和波段宽度有要求，且ColorNormalized(Brovey)Sharpening对单个波段有限制，HSVSharpening只针对单波段，所以排除这三种方法。以下来试验Gran-SchmidtPanSharpening,NNDiffusePanSharpening,PCSpectralSharpening这三种方法。需要打开大气校正后的图像。

（1）Gran-SchmidtPanSharpening图像融合。

低分辨率选择大气校正后的影像高分辨率选择全色波段影像→OK。Sensor选择Landsat8-oli，重采样方法选择Bilinear。命名输出。

Landsat数据的融合为相同传感器类型影像融合，影像分辨率为中高分辨率，所以选择Gram-SchmidtPanSharpening方法较为合适。打开工具后地空间分辨率选多光谱数据，高空间选全色数据：

传感器选Landsat-8

5融合结果如下：

去除融合后图像背景值：做掩模处理。

原因是融合后黑色背景部分被赋负值，而影像部分的数值是正值。

为消除背景的影响，使其不参与运算，要将背景值变换为0，要建立掩模

打开原始影像的全色波段，作为掩模的区域。

在Toolbox中的RasterManagement下选择Masking构建掩膜，点击BuildMask。选择全色波段构建掩膜。Options→SelectedAreas“Off”→Options→ImportDataRange...→选择全色的多光谱影像→OK→对话框不做修改OK→选择输出路径→OK→得到掩模结果

掩模完成如图

应用完成的掩模：在右侧Toolbox→RasterManagement→Masking→ApplyMask→选择图像融合后的结果→SelectMaskBand→选择MaskBand→OK→赋予Mask的值为0→OK→选择输出路径→OK→得到去掉背景负值的结果

NNDiffusePanSharpening图像融合（再多截2张图就行，这个步骤再详细点）

双击打开NNDiffusePanSharpening，低分辨率选择大气绝对校正后的影像，高分辨率选择分辨率为15m的全色波段，结果如下。

（3）PCSpectralSharpening图像融合（再多截2张图就行，这个步骤再详细点）

低分辨率选择大气校正后的影像，高分辨率选择分辨率为15m的全色波段。

得到结果如下：

对比三种三种融合方式，查看放大后同一地点的图象：可见，相比于其他两种融合方式，Gran-SchmidtPanSharpening显得更清晰（从左到右分别为Gran-SchmidtPanSharpening，NNDiffusePanSharpening，PCSpectralSharpening）这个因实际效果而异，需要改。

四、实验体会

本实验是遥感影像的融合，我学会了低分辨率图像与高分辨率图像的三种融合方法，通过比较寻找出最好的方法，实践出真知，通过亲手操作比较得出结论才能真正了解每一种方法的优点。还利用到了上个实验中的大气校正，这也是对于之前实验内容的复习，有很大作用。

经过处理后的图像清晰了很多，得到图像后很有成就感。