2026《传统遥感图像融合算法概述》2000字.docxVIP

PAGE

PAGEIII

PAGE

PAGE2

传统遥感图像融合算法概述

目录

TOC\o1-3\h\u7425传统遥感图像融合算法概述 1

271431.1传统融合算法介绍 1

324851.1.1线性加权法 1

292901.1.2HPF（高通滤波）法 1

204001.1.3PCA（主分量分析）变换融合法 1

260581.1.4IHS变换法 2

228901.1.5Brovey融合算法 2

239911.1.6小波变换 2

287901.2传统算法存在的问题及发展 3

250121.3小结 3

1.1传统融合算法介绍

1.1.1线性加权法

线性加权法顾名思义，即将多幅图像的各像素点进行线性加权，得到生成图像的像素。对于灰度图像，即将每个位置的灰度值进行线性加权，计算方法如下式：

B

其中，Aki,j为待融合的每幅图像在i,j处的灰度值，W为权重，Bi,j

1.1.2HPF（高通滤波）法

根据图像频谱概念，每幅图像都含有高频与低频分量，其中图像中急剧变化的成分为高频分量，对应的便是图像的结构细节信息，相对的，缓慢变化的部分为低频分量，对应图像的色彩信息。高通滤波法即是利用高通滤波器将高分辨率图像的结构细节提取出来，并与低分辨率多光谱图像进行叠加，这样既能保留多光谱图像的光学信息，又能让图像的结构信息更加丰富。HPF法可以对多波段图像进行融合，无波段数限制，且计算量小，但在使用HPF算法是，若采用固定大小的高通滤波器，则对图像中不同尺寸大小的地物细节信息提取效果不一，结果便是导致融合图像噪声明显。

1.1.3PCA（主分量分析）变换融合法

主分量分析（PCA,PrincipalComponentAnalysis)实质是一种数据降维的算法，算法通过将n维特征映射到k维上，得到一组全新的k维正交特征，即主分量。在遥感图像融合领域的应用为将多光谱遥感图像通过降维，得到一种类似于全色图像的灰度图像，然后对灰度图像进行融合，这种融合能够尽量保留全色图像的细节信息，同时融入光谱信息，最后通过反变换即可得到融合后的多光谱遥感图像。通过PCA变换融合得到的图像往往光谱特性保留的比较好，但缺点是计算量非常大，不具有良好的实时性。

1.1.4IHS变换法

IHS变换常用于图像融合，IHS与RGB类似是一种描述图像特征的色彩空间，但该色彩空间中的三个分量I、H、S是相对独立的，分别代表亮度（Intensity）、色调和(Hue)饱和度(Saturation)。IHS与RGB色彩空间可以相互转化，有多种变换方法如球体变换、柱体变换、单锥形变换和三角变换，其中锥形变换公式如下：

S=1?

H=

θ=

IHS变换需要待融合多光谱图像波段数为3，通常可以有效提高图像的纹理特性，但缺会导致光谱失真。

1.1.5Brovey融合算法

Brovey融合算法是一种比值融合算法，原理是将多光谱图像各个波段进行归一化后，再将其与全色图像进行乘积运算，表达式如下：

Bxn

其中,Br,Bg,Bb分别代表多光谱图像中红绿蓝波段数值，Bpan代表全色图像，Bx代表红绿蓝波段数值中其中一个，Bxn代表融合后图像波段数值。Brovey算法对于保留原多光谱图像的信息内容十分有效，但是缺点也十分明显，即存在光谱扭曲。

1.1.6小波变换

小波变换建立于傅立叶分析基础之上，由于傅立叶变换是一种全局性变换，不具备局部分析能力，小波变换在其基础上更换了变换基，采用有限长衰弱的小波基，使得其能更好地适应非平稳与短时信号。在图像处理领域，小波变换能通过平移与伸缩等变换实现对图像信号的多尺度分解与重构。基于小波变换进行图像融合步骤大致如下：1.进行图像配准以及灰度调整；1.分别对待融合图像进行n次小波变换，获取各图像高频细节图像以及低频轮廓图像；3.取高分辨图像高频部分与低分辨率图像低频部分，对综合后的图像进行小波反变换，得到融合后图像。通过小波变换可以有效保留图像的空间信息，但得到的图像容易产生明显的分块现象。

1.2传统算法存在的问题及发展

传统融合