遥感影像融合方法分析 .pdfVIP

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