网站大量收购闲置独家精品文档,联系QQ:2885784924

遥感影像融合方法分析 .pdfVIP

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

遥感影像融合方法分析

遥感影像的融合是对来自同一区域的多源图像数据进行综合处理,以获得对

该区域更为准确、全面、可靠的影像描述。由于遥感影像融合的这一特点,使得

这一技术在遥感中有着很重要的作用,这一技术也成为近几年国际遥感界的研究

热点。本文研究了目前学术界提出的几种较为流行的影像融合算法,对它们的特

点进行了分析,同时给出了影像融合的效果的评价准则。

标签:遥感;影像;融合

引言

随着遥感技术的发展,各种各样的传感器也不断出现,对于同一地区,我们

可以得到用不同传感器获取的不同尺度、不同时相特别是不同光谱信息的遥感影

像数据。不同源的数据反映了区域的不同方面的特征,如何合理的综合利用这些

多源数据,对于遥感应用十分关键。显然,影像融合为我们提供了一个很好的途

径。影像融合就是将不同源的数据配准后变换到同一尺度、同一坐标系,然后采

用一定的融合方法将各种数据的信息充分的结合起来,产生一种更适合应用的影

像数据的新技术。

图像融合一般分为三个层次:①像素级融合。像素级融合也称数据级融合,

是指对传感器采集来的数据进行采集、分析和处理,生成目标特征而获得融合图

像;②特征级融合。是指对预处理和特征提取后获得的景物信息如边缘、形状、

轮廓、方向、区域和距离等信息进行综合与处理;③决策级融合。是指根据一定

的准则以及每个决策的可信度作出最优决策,数据融合的容错能力即由此而来。

图像融合的算法有很多,传统的算法主要有:HIS变换的融合、小波变换融

合、主成分变换融合、高通滤波变换法、比值运算法、Brovey变换法等等,最

近也提出了一些新的或改进型的图像融合算法,比如Contourlet变换融合、基于

HSV变换与atrous变换的图像融合、一种基于最大区域熵值的图像融合方法、

基于小波包的融合等等。下面本文将对其中一些算法进行介绍并分析。

1目前较为流行的影像融合算法分析

1.1小波变换法

1.2Brovey变换法

Brovery变换(BroveryTransform,BT):是一种用来对来自不同传感器的数

据进行融合的较为简单的融合方法,该方法将多光谱各波段进行归一化,然后将

高分辨率全色影像与归一化后的各波段相乘得到融合后的影像。其计算公式为:

R=pan×band3/(band1+band2+band3)

G=pan×band2/(band1+band2+band3)

B=pan×band1/(band1+band2+band3)

式中:pan表示高分辨率全色影像,band1、band2、band3表示多光谱的3

个波段。

1.3主成分变换

主成分分析,又称K-L变换法,它的几何意义是把原始特征空间的特征轴

旋转到平行于混合集群结构轴的方向去,得到新的特征轴。PCA变换的具体步

骤:多光谱波段经过PCA变换后,将全色高分辨率影像进行灰度拉伸,使其均

值和方差与PCA变换的第一分量的影像一致;然后用拉伸过的高分辨率全色影

像代替第一分量;最后经过PCA逆变换得到融合影像。

实际操作是将原来的各个因素指标(这些指标中部分有相关关系)重新组合,

组合后的新指标是互不相关的。在由这些新指标组成的新特征轴中,只用前几个

分量图像就能完全表征原始集群的有效信息,图像中彼此相关的数据被压缩,而

特征得到了突出,此方法在对于具有相关因子的多源遥感数据进行融合时具有显

著优势。该方法的局限性在于:①图像在做主成分分析时,第一分量的信息表达

的是原各波段中信息的共同变换部分,其与高分辨率图像中细节变化的含义略有

不同。高分辨率图像经过拉伸后虽然与第一分量具有高相似性,但融合后的图像

在空间分辨率和光谱分辨率上会有所变化;②由于光谱信息的变化,使融合图像

不能用于地物识别和反演工作,但是它可以改进目视判读的效果提高分类制图的

精度。

1.4高通滤波变换法

高通滤波(High-PassFilter,HPF)方法是把高分辨率影像进行傅立叶变换

从空间域转换到频率域,然后在频率域内对傅立叶图像进行高通滤波,获取图像

的高频分量,将高频部分融合到多光谱图像中,以突出细节部分,获取最后融合

图像。此方法虽然有效地保留了原多光谱信息,却在对高分辨率波段影像滤波时

滤掉的大部分纹理信息。高通滤波法融合流程如图1所示。

1.5小波变换

文档评论(0)

155****3322 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档