遙感畢業(yè)設(shè)計(jì)論文遙感融合技術(shù)

1、摘 要遙感圖像融合是遙感領(lǐng)域中的關(guān)鍵技術(shù)之一。隨著遙感的快速發(fā)展，尤其是傳感器技術(shù)的發(fā)展，信息融合在遙感中發(fā)揮著越來越重要的作用。本文首先對(duì)遙感技術(shù)及遙感信息融合進(jìn)行簡要概述，接著從技術(shù)基礎(chǔ)、原理及優(yōu)缺點(diǎn)等方面對(duì)常用的遙感圖像融合方法進(jìn)行了闡述，主要包含PCA融合、HIS融合和小波融合。然后又介紹了如何評(píng)價(jià)融合的結(jié)果，提出了一些量化的評(píng)價(jià)方法。最后在傳統(tǒng)圖像融合方法的基礎(chǔ)上提出了新的融合方法，如基于PCA與IHS融合的新的圖像融合方法，并通過實(shí)驗(yàn)驗(yàn)證分析了新方法的可行性。關(guān)鍵詞：遙感，遙感圖像融合，PCA融合，HIS融合ABSTRACTRemote Sensing Image Fusion i

2、s one of the key techniques in the Remote Sensing(RS) domain.With the rapid development of the RS,information fusion has been playing an increasingly important role.After a brief introduction to the RS Technology and RS information fusion,this paper describes the multi-spectrum image fusion in detai

3、l,with the emphasis on the PCA Fusion,the HIS Fusion and the Wavelet Fusion approach,whose mathematical foundation,principle and traits are explored in turn.Finally in the traditional image fusion is proposed on the basis of a new fusion method based on PCA and HIS,such as the new image fusion metho

4、d fusion,and through experiment verification analyzed the new method is feasible.Keywords：Remote Sensing,Remote Sensing Image Fusion,PCA Fusion,HIS Fusion目 錄1 前 言11.1 遙感圖像融合方法研究目的與意義11.2 圖像融合的研究和發(fā)展現(xiàn)狀21.3 遙感融合技術(shù)亟待解決的問題32 遙感圖像融合的基本理論62.1 遙感圖像融合的特點(diǎn)62.2 遙感圖像融合原理72.3 圖像融合的層次及其比較73 ERDAS IMAGINE 介紹113.1 E

5、RDAS IMAGINE 軟件圖像處理特點(diǎn)113.2 ERDAS IMAGINE軟件中遙感影像融合具體過程123.2.1 選擇融合的影像文件如圖3.2133.2.2 選擇多光譜文件用來進(jìn)行融合的波段號(hào)（Layer Selection）134 遙感圖像融合方法144.1 PCA變換144.2 HIS變換144.3 小波分析164.3.1 小波融合流程164.4 各種方法的比較184.5 融合方法評(píng)價(jià)準(zhǔn)則195 遙感圖像融合方法的改進(jìn)215.1 主成分分析與HIS變換的結(jié)合改進(jìn)方法215.1.1 融合流程及實(shí)驗(yàn)分析215.1.2 常用評(píng)價(jià)參數(shù)225.1.3 客觀評(píng)價(jià)235.1.4 主觀評(píng)價(jià)246

6、結(jié) 論26致 謝27參 考 文 獻(xiàn)281 前 言遙感圖像融合就是將不同類型傳感器獲取的同一地區(qū)的圖像數(shù)據(jù)進(jìn)行空間配準(zhǔn)，然后采用一定方法將各圖像的優(yōu)點(diǎn)或互補(bǔ)性有機(jī)結(jié)合起來產(chǎn)生新圖像的技術(shù)。它是遙感圖像應(yīng)用和分析的一種重要的手段，特別是當(dāng)前遙感技術(shù)的迅速發(fā)展，多源遙感數(shù)據(jù)(多傳感器、多時(shí)相、多波段、多平臺(tái)、多分辨率)的獲取變得越來越方便，多源圖像之間融合的意義也就顯得越來越重要。將高分辨率的圖像和低分辨率多光譜圖像進(jìn)行融合，已成為遙感應(yīng)用研究領(lǐng)域的重要主題。研究者們從各個(gè)不同的應(yīng)用領(lǐng)域，提出了多種不同的圖像融合方法，具有代表性的方法有：PCA(主成分分析)變換法、HIS變換法、多分辨率小波分析法。

7、1.1 遙感圖像融合方法研究目的與意義圖像融合是將兩個(gè)或者兩個(gè)以上的傳感器在同一時(shí)間(或不同時(shí)間)獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或者圖像序列信息加以綜合，生成一個(gè)新的有關(guān)此場(chǎng)景的解釋，從而使融合的圖像更適應(yīng)人眼感知或計(jì)算機(jī)后續(xù)處理，如圖像分割、目標(biāo)識(shí)別等。圖像融合的目的是產(chǎn)生更可靠的數(shù)據(jù)并增加可用性，即數(shù)據(jù)可信度增加，不確定性減少，圖像融合的主要應(yīng)用體現(xiàn)在以下幾個(gè)方面：1)提高空間分辨率圖像融合可提高數(shù)據(jù)的空間分辨率。如將高分辨率單色圖像SpotPAN與低分辨率多光譜圖像LandSatTM進(jìn)行融合，在保留多光譜信息的同時(shí)，圖像空間分辨率得到提高，這就意味著更多圖像細(xì)節(jié)可以顯示。類似的還有SAR雷

8、達(dá)圖像和TM的融合，同樣可以提高多光譜圖像的空間分辨率。2)圖像增強(qiáng)綜合來自多傳感器(或者單一傳感器在不同時(shí)間)的圖像，獲得比原始圖像更高清晰度的新圖像。如將融合技術(shù)用于同一數(shù)碼相機(jī)在不同時(shí)間拍攝的對(duì)同一對(duì)象的聚焦點(diǎn)不同的圖像，可以獲得比原始圖像更加清晰的圖像。3)提高分類識(shí)別精度多源數(shù)據(jù)的復(fù)合可以顯著提高圖像分類識(shí)別的精度。如利用微波圖像和光學(xué)圖像相的補(bǔ)互信息可以識(shí)別一些地物，光學(xué)數(shù)據(jù)是依靠地物在圖像上的光譜特征來分類，然而一些具有相似的光譜響應(yīng)的植被很難被分開，因此雷達(dá)圖像可用作輔助數(shù)據(jù)來識(shí)別難以區(qū)分的植被類型。在分類模型上，由于多源數(shù)據(jù)難以滿足傳統(tǒng)的概率統(tǒng)計(jì)模型的數(shù)據(jù)分布條件，因此人工神

9、經(jīng)網(wǎng)絡(luò)模型和證據(jù)推理理論在此領(lǐng)域具有更大的應(yīng)用潛力。4)信息互補(bǔ)任何傳感器都有自己的優(yōu)勢(shì)和不足。如多光譜傳感器數(shù)據(jù)的光譜信息豐富，但它易受云霧的遮擋而不能獲得相應(yīng)的地面結(jié)構(gòu)信息。有時(shí)地面的陰影也能產(chǎn)生解讀的不準(zhǔn)確性。SAR雷達(dá)數(shù)據(jù)紋理信息豐富，分辨率高，具有全天時(shí)全天候觀測(cè)的優(yōu)點(diǎn)，但易受地面起伏的影響，因此，不同類型傳感器圖像的融合可以彌補(bǔ)各自的不足，發(fā)揮各自的優(yōu)勢(shì)。此外，圖像的融合在特征提取、去噪、目標(biāo)識(shí)別跟蹤以及三維重建等方面也有著積極的作用。1.2 圖像融合的研究和發(fā)展現(xiàn)狀圖像融合技術(shù)最早是被應(yīng)用于遙感圖像的分析和處理中。1979年，Daliy等人首先把雷達(dá)圖像和Landsat-MSS圖

10、像的復(fù)合圖像應(yīng)用于地質(zhì)解釋，其處理過程可以看作是最簡單的圖像融合。1981年，Laner和Todd進(jìn)行了LandsatRBV和MSS圖像數(shù)據(jù)的融合試驗(yàn)。到80年代中后期，圖像融合技術(shù)開始引起人們的關(guān)注，陸續(xù)有人將圖像融合技術(shù)應(yīng)用于遙感多譜圖像的分析和處理，如多光譜遙感圖像與SPOT衛(wèi)星得到的高分辨率圖像進(jìn)行融合。90年代以后，隨著多顆遙感雷達(dá)衛(wèi)星JERS-1，ERS-I，Radarsat等的發(fā)射升空，圖像融合技術(shù)成為遙感圖像處理和分析中的研究熱點(diǎn)之一。對(duì)遙感圖像進(jìn)行融合處理的目的主要有銳化、改善幾何矯正、色彩矯正、改善分類特性、彌補(bǔ)某種圖像中丟失的數(shù)據(jù)、檢測(cè)觀測(cè)大地環(huán)境的變化等等。其采取的融合

11、方法主要有IHS變換、平均、加權(quán)平均、差分及比率、PCA、高通濾波等。這些方法在進(jìn)行融合處理時(shí)都不對(duì)參加融合的圖像進(jìn)行分解變換，融合處理只是在一個(gè)層次上進(jìn)行的，因此均屬于簡單的圖像融合方法。80年代中期，人們提出了基于金字塔方法的圖像融合方法，其中包括拉普拉斯金字塔、梯度金字塔、比率低通金字塔等，并開始將圖像融合技術(shù)應(yīng)用于一般的圖像處理(可見光圖像、紅外圖像、多聚焦圖像等)。90年代，小波理論的廣泛應(yīng)用，為圖像融合提供了新的數(shù)學(xué)工具。小波變換具有良好的時(shí)域和頻域的局部性以及多分辨性，因此在多分辨率圖像融合應(yīng)用中，小波分析技術(shù)己經(jīng)取代了傳統(tǒng)的高斯拉普拉斯金字塔技術(shù)。人們針對(duì)傳統(tǒng)的Mallat方法

12、及選擇不同的小波基函數(shù)和不同的融合算法進(jìn)行了深入研究，取得了一些進(jìn)展。同時(shí)，對(duì)Atrous算法，基于第二代小波、基于樹狀小波以及基于小波包等的融合技術(shù)進(jìn)行了深入的研究。這使得圖像融合技術(shù)的研究呈不斷上升的趨勢(shì)，應(yīng)用的領(lǐng)域也遍及到遙感圖像處理、計(jì)算機(jī)視覺、自動(dòng)目標(biāo)識(shí)別、機(jī)器人、醫(yī)學(xué)圖像處理等各個(gè)領(lǐng)域。如在醫(yī)學(xué)上，可通過對(duì)CT與核磁共振圖像的融合，以幫助對(duì)疾病的準(zhǔn)確判斷；圖像融合還可以用于計(jì)算機(jī)輔助顯微手術(shù)。另外，圖像融合還可用于交通管理和航空管制。圖像融合技術(shù)在美、英等技術(shù)發(fā)達(dá)國家受到高度重視并己取得相當(dāng)?shù)倪M(jìn)展，如在海灣戰(zhàn)爭(zhēng)中發(fā)揮很好作戰(zhàn)性能的“LANTIAN”吊艙就是一種可將前視紅外、激光測(cè)距

13、、可見光攝像機(jī)等多種傳感器信息迭加顯示的圖像融合系統(tǒng)。美國TI公司1995年底從美國夜視和電子傳感器管理局(NVESD)獲得將DSP為核心的圖像融合設(shè)計(jì)集成到先進(jìn)直升機(jī)駕駛(AHP)傳感器系統(tǒng)的合同。在20世紀(jì)90年代，美國海軍在SSN一&91(孟菲斯)潛艇上安裝了第一套圖像融合樣機(jī)，可使操縱手在最佳位置上直接觀察到各傳感器的全部圖像。1998年1月7日防務(wù)系統(tǒng)月刊電子版報(bào)道，美國國防部己授予BTG公司兩項(xiàng)合同，其中一項(xiàng)就是美國空軍的圖像融合系統(tǒng)設(shè)計(jì)合同，此系統(tǒng)能給司令部一級(jí)的指揮機(jī)構(gòu)和網(wǎng)絡(luò)提供比較穩(wěn)定的戰(zhàn)場(chǎng)圖像。在醫(yī)學(xué)發(fā)展方面，2001年11月25日30日在美國芝加哥召開了每年一度的

14、RSNA北美放射學(xué)會(huì)年會(huì)，在會(huì)議上GE公司醫(yī)療系統(tǒng)部展銷了其產(chǎn)品Discovery LS。Discovery LS是GE公司于2001年6月剛推出的最新PETCT，是世界上最好的PET(正電子發(fā)射斷層掃描)與最高檔的多排螺旋CT的一個(gè)完美結(jié)合，具有單體PET不能比擬的優(yōu)勢(shì)。1.3 遙感融合技術(shù)亟待解決的問題遙感圖像融合經(jīng)過近二十年的發(fā)展,已經(jīng)取得了非常廣泛的應(yīng)用。但是還有一些問題亟待解決。（1）完善遙感圖像融合理論和框架對(duì)遙感圖像融合理論和框架進(jìn)行進(jìn)一步完善。目前遙感圖像融合沒有統(tǒng)一的融合模型,目前的融合模型大致可以分為空間域融合模型,顏色變換域融合模型和小波變換域融合模型三類。尋求一種更廣義

15、的融合模型,為遙感融合確定廣義的框架是一項(xiàng)非常有指導(dǎo)意義的工作。（2）構(gòu)建合理的融合評(píng)價(jià)體系面對(duì)海量的遙感數(shù)據(jù),要實(shí)現(xiàn)對(duì)圖像的自動(dòng)判讀和解譯,評(píng)價(jià)是一個(gè)至關(guān)重要的環(huán)節(jié)。然而,對(duì)遙感圖像融合的評(píng)價(jià)是一個(gè)薄弱環(huán)節(jié),建立更加合理的融合評(píng)價(jià)體系是構(gòu)建遙感圖像處理系統(tǒng)的一個(gè)非常重要的問題,迫切需要解決。（3）多尺度幾何分析方法的應(yīng)用（MGA）雖然小波等多分辨率分析方法在遙感圖像融合中取得了成功,但是小波變換對(duì)于高頻細(xì)節(jié)分量只有有限的感知能力(垂直、水平和對(duì)角線三個(gè)方向),遙感圖像通常包含有豐富的紋理信息,高頻細(xì)節(jié)分量多。多尺度幾何分析方法(Multiscale Geometric Analysis,以下

16、簡稱MGA)工具使小波分析進(jìn)入了后小波時(shí)代,近年來涌現(xiàn)出各種多尺度幾何分析(Multiscale Geometric Analysis,簡稱MGA)算法,如Ridglet,Curvlet,Bandlet,Brush-let,Shearlet和Contourlet等。MGA變換的基本思想是將圖像分解為一個(gè)多尺度多方向的表示形式。（4）不同傳感器平臺(tái)進(jìn)行圖像配準(zhǔn)在遙感圖像融合的過程中,融合算法一般對(duì)圖像的配準(zhǔn)要求非常嚴(yán)格。通常對(duì)于同一平臺(tái)同一時(shí)刻獲取的圖像進(jìn)行配準(zhǔn)較容易，然而對(duì)不同的傳感器平臺(tái),不同的時(shí)刻得到的圖像進(jìn)行準(zhǔn)確的圖像配準(zhǔn)往往是一件較困難的事情,如何在圖像配準(zhǔn)存在較小的平移、旋轉(zhuǎn)、縮放誤

17、差的情況下,減小融合圖像的失真度,為目標(biāo)識(shí)別和解譯奠定良好的基礎(chǔ)有著非常重要的現(xiàn)實(shí)意義。具有平移不變性的多分辨率和多尺度多方向分析工具能夠減小圖像因未能嚴(yán)格配準(zhǔn)所造成的失真,是未來研究的一個(gè)重要方向。（5）基于區(qū)域特征的遙感圖像融合算法研究遙感圖像融合通常是為目標(biāo)識(shí)別和圖像解譯服務(wù)的,獨(dú)立于圖像之外的像素點(diǎn)并不能提供任何對(duì)目標(biāo)識(shí)別和圖像解譯有用的信息,我們通常更關(guān)注的是圖像中的區(qū)域,提取的區(qū)域特征信息應(yīng)是像素信息的充分表示量或充分統(tǒng)計(jì)量,如邊緣、形狀、輪廓、角、紋理、相似亮度區(qū)域、相似景深區(qū)域等?；趨^(qū)域分割的圖像融合算法以包含有用信息的區(qū)域作為融合對(duì)象對(duì)圖像進(jìn)行融合處理。首先,用一些成熟的區(qū)

18、域分割算法對(duì)已經(jīng)配準(zhǔn)的圖像進(jìn)行分割,區(qū)域分割算法有很多,主要有基于圖論的分割法、基于模糊集合的分割法、閾值分割法、像素分割法、區(qū)域提取法、邊緣分割法、微分算子邊緣檢測(cè)法等,依據(jù)融合圖像的實(shí)際情況合理選擇區(qū)域分割算法;接著對(duì)分割的區(qū)域進(jìn)行分析,產(chǎn)生一個(gè)聯(lián)合區(qū)域作為融合的區(qū)域圖;最后采用成熟的融合算法(如簡單加權(quán),小波分析和多尺度幾何分析算法等)對(duì)聯(lián)合區(qū)域圖中各區(qū)域進(jìn)行融合,得到融合圖像?；趨^(qū)域特征的遙感圖像融合算法將目標(biāo)識(shí)別和圖像解譯的需求予以提前考慮,是未來融合算法的一個(gè)趨勢(shì)。（6）海量數(shù)據(jù)的處理遙感圖像融合系統(tǒng)的實(shí)時(shí)性。由于遙感數(shù)據(jù)量非常大,現(xiàn)有的融合算法在普通的商用計(jì)算機(jī)上對(duì)遙感圖像進(jìn)行

19、實(shí)時(shí)處理是一件非常困難的事情。開發(fā)專用的遙感圖像融合處理芯片,或者基于高端DSP 和FPGA 開發(fā)融合處理系統(tǒng)是解決實(shí)時(shí)性要求的趨勢(shì)。在實(shí)時(shí)性要求不高的場(chǎng)合,對(duì)海量數(shù)據(jù)的處理依然是一件非常艱巨的工作,由于地面上不受空間的限制,我們可以開發(fā)更高效的融合算法,或者進(jìn)行分布式并行處理。（7）基于遙感融合技術(shù)的三維成像技術(shù)基于遙感圖像融合的三維成像技術(shù)研究。由于二維遙感圖像融合只能看成是現(xiàn)實(shí)三維世界的一個(gè)投影,所能提供的信息有限,僅僅提供平面信息,因此越來越多的研究將集中于基于遙感融合技術(shù)的三維成像技術(shù)。2 遙感圖像融合的基本理論2.1 遙感圖像融合的特點(diǎn)盡管多源圖像融合也屬于多傳感器數(shù)據(jù)融合的范疇，

20、但由于圖像是一種特殊形式的信號(hào)，多傳感器圖像融合有其自身的特殊性和復(fù)雜性。其特殊性和復(fù)雜性主要表現(xiàn)為：（1）通常，圖像是二維信號(hào)，圖像信息數(shù)據(jù)量很大。例如僅一幅256*256的灰度圖像，就要求約512kbits的數(shù)據(jù)量。因此，多傳感器圖像融合所面臨的數(shù)據(jù)量是一般數(shù)據(jù)融合所無法比擬的。（2）由于圖像的特征往往是由多個(gè)像素“集中”體現(xiàn)出來的，因此，在某一特定局部區(qū)域內(nèi)的像素間往往具有相關(guān)性。例如，就電視畫面而言，同一行中相鄰兩個(gè)像素或相鄰兩行間的像素，其相關(guān)系數(shù)有時(shí)可達(dá)0.9以上，而相鄰兩幀之間的相關(guān)性比幀內(nèi)相關(guān)性可能還要大些。因此，圖像融合并非是簡單的大量“獨(dú)立”像素間的融合。（3）通常情況下，

21、圖像融合對(duì)參加融合圖像的配準(zhǔn)精度要求很高(尤其是像素級(jí)圖像融合)，例如像素級(jí)圖像融合的配準(zhǔn)精度最好能達(dá)到像素級(jí)。而一般數(shù)據(jù)融合(如位置融合等)的配準(zhǔn)精度要求就低得多。一般數(shù)據(jù)融合中，若傳感器的分辨率不同，對(duì)融合處理的處理過程或許不會(huì)增加太多的負(fù)擔(dān)(不少情況下仍可直接融合)；而在像素級(jí)圖像融合的處理中，若兩傳感器圖像的分辨率不同，則圖像不能直接融合，必須進(jìn)行預(yù)處理后方可融合。圖像中包含了大量的信息。據(jù)估計(jì)，人從外界獲取的信息中，約有80信息是通過視覺(以圖像的形式)獲得的。這就意味著圖像融合的潛力很大，如何從圖像中提取更多的有用信息，對(duì)圖像融合技術(shù)提出了更高的要求。不同應(yīng)用場(chǎng)合對(duì)圖像融合的要求是

22、不同的。在不同應(yīng)用場(chǎng)合可以采用不同的融合方法和融合規(guī)則，有時(shí)對(duì)圖像的不同區(qū)域也可采用不同的融合方法及融合規(guī)則。那么，如何去評(píng)價(jià)某種融合方法的融合性能呢?這就需要建立合理的融合性能/融合效果的評(píng)價(jià)方法和準(zhǔn)則。然而，這一問題至今仍未得到較好地解決。2.2 遙感圖像融合原理多源遙感影像數(shù)據(jù)融合是將同一環(huán)境或?qū)ο蟮亩嘣催b感影像數(shù)據(jù)綜合的方法和工具的框架，以獲得滿足某種應(yīng)用的高質(zhì)量信息，產(chǎn)生比單一信息源更精確、更完全、更可靠的估計(jì)和判決。因此，多源遙感影像數(shù)據(jù)融合的數(shù)據(jù)源可來自各個(gè)層次，既可以是同一傳感器的不同波段和不同時(shí)間獲取的影像，還可以是來自不同處理水平的數(shù)據(jù)。對(duì)多源遙感數(shù)據(jù)進(jìn)行融合，主要是進(jìn)行影

23、像的空間配準(zhǔn)和影像融合兩步。影像的空間配準(zhǔn)影像的空間配準(zhǔn)是遙感影像數(shù)據(jù)融合的前提，對(duì)于兩幅影像的空間配準(zhǔn)，一般把其中一幅作為參考影像，以它為基準(zhǔn)對(duì)另一幅影像進(jìn)行校正。其操作步驟如下。1)特征選擇。在欲配準(zhǔn)的兩幅影像上，選擇明顯特征點(diǎn)。2)特征匹配。采用一定配準(zhǔn)算法，找出兩幅影像上對(duì)應(yīng)的明顯地物點(diǎn)作為控制點(diǎn)。3)空間變換。根據(jù)控制點(diǎn)，建立影像間的映射關(guān)系。4)插值。根據(jù)映射關(guān)系，對(duì)非參考點(diǎn)影像進(jìn)行重采樣，獲得同參考影像配準(zhǔn)的影像?？臻g配準(zhǔn)的關(guān)鍵問題是：通過特征匹配尋找對(duì)應(yīng)的明顯地物作為控制點(diǎn)。影像融合根據(jù)融合的目的和層次，選擇合適的融合算法，將空間配準(zhǔn)的遙感影像數(shù)據(jù)進(jìn)行有機(jī)合成，得到目標(biāo)更準(zhǔn)確的

24、表示和估計(jì)。2.3 圖像融合的層次及其比較圖像融合根據(jù)其處理所處的階段不同分為3個(gè)層次的融合,即像素級(jí)融合、特征級(jí)融合和決策級(jí)融合,3個(gè)層次所采用的融合算法各不相同,圖像融合通常按照這3個(gè)層次相應(yīng)地劃分為3類：1)像素級(jí)圖像融合像素級(jí)圖像融合屬于底層圖像融合,在這種融合形式中,首先將全部傳感器的觀測(cè)數(shù)據(jù)融合,然后從融合的數(shù)據(jù)中提取特征向量,并進(jìn)行判斷識(shí)別。這便要求傳感器是同質(zhì)的(傳感器觀測(cè)的是同一物理現(xiàn)象),如果多個(gè)傳感器是異質(zhì)的(觀測(cè)的不是同一個(gè)物理量),那么數(shù)據(jù)只能在特征層或決策層進(jìn)行融合。像素級(jí)圖像融合的優(yōu)點(diǎn)在于盡可能多地保留了場(chǎng)景的原始信息,通過對(duì)多幅圖像進(jìn)行像素級(jí)圖像融合,可以增加圖

25、像中像素級(jí)信息,它提供了其他兩個(gè)層次,即特征級(jí)圖像融合和決策級(jí)圖像融合所不具有的細(xì)節(jié)信息,進(jìn)行融合的各圖像可能來自多個(gè)不同類型的圖像傳感器,也可能來自單一的圖像傳感器。單一圖像傳感器提供的各個(gè)圖像可能來自不同觀測(cè)時(shí)間或空間(視角),也可能是同一時(shí)間和空間但光譜特性不同的圖像(如多光譜照相機(jī)獲得的圖像)。與單一傳感器獲得的單幀圖像相比,通過像素級(jí)圖像融合后的圖像包含的信息更豐富、精確、可靠、全面,更有利于圖像的進(jìn)一步分析、處理與理解。像素級(jí)圖像融合的結(jié)構(gòu)示意圖,如圖2.1所示圖像2圖像N圖像1預(yù)處理預(yù)處理預(yù)處理圖像配準(zhǔn)基于決策的融合特征提取與分類最終結(jié)果用戶決策增強(qiáng)后的圖像配準(zhǔn)后的圖像像素級(jí)融合

26、融合后特征分類圖2.1 像素級(jí)圖像融合的結(jié)構(gòu)示意圖2)特征級(jí)圖像融合特征級(jí)圖像融合是中間層的融合處理過程,利用從各個(gè)傳感器圖像的原始信息中提取特征信息進(jìn)行綜合分析及融合處理,通過特征級(jí)圖像融合不僅可以增加從圖像中提取特征信息的可能性,還可能獲取一些有用的復(fù)合特征。所謂主要特征是通過對(duì)圖像數(shù)據(jù)進(jìn)行空間或時(shí)間上的分割等處理獲得的,而復(fù)合特征是通過對(duì)現(xiàn)有各個(gè)特征的綜合得到的。從圖像中提取并用于融合的典型特征信息有邊緣、角、紋理、相似亮度區(qū)域、相似景深區(qū)域等。當(dāng)在特定環(huán)境下的特定區(qū)域中,多傳感器圖像均具有相似的特征時(shí),說明這些特征實(shí)際存在的可能性極大,同時(shí)對(duì)該特征的檢測(cè)精度也可大大提高。融合處理后得到

27、的特征可能是各種圖像特征的綜合,如融合后的邊緣是不同傳感器檢測(cè)得到的邊緣段的綜合,也可能是一種完全新型的特征,如對(duì)用立體照相機(jī)得到的各圖像中的邊緣信息進(jìn)行融合處理形成的3維邊緣。特征層圖像融合的結(jié)構(gòu)示意圖,如圖2.2所示圖像1圖像N圖像2預(yù)處理預(yù)處理預(yù)處理特征提取特征提取特征提取圖像配準(zhǔn)基于決策的融合特征分類用戶決策最終結(jié)果提取后的特征配準(zhǔn)后的特征特征級(jí)融合融合后的分類特征圖2.2 特征級(jí)圖像融合的結(jié)構(gòu)示意圖3)決策級(jí)圖像融合決策級(jí)的圖像融合是在信息表示的最高層上進(jìn)行的融合處理。在進(jìn)行融合處理前,先對(duì)從各個(gè)傳感器獲得的圖像分別進(jìn)行預(yù)處理、特征提取、識(shí)別或判決,建立對(duì)同一目標(biāo)的初步判決和結(jié)論；然

28、后對(duì)來自各個(gè)傳感器的決策進(jìn)行相關(guān)配準(zhǔn)處理；最后進(jìn)行決策級(jí)的融合處理,從而獲得最終的聯(lián)合判決。決策級(jí)融合是直接針對(duì)具體的決策目標(biāo),充分利用了來自各個(gè)圖像的初步?jīng)Q策,因此在決策級(jí)圖像融合中,對(duì)圖像的配準(zhǔn)要求很低,在某些情況下甚至是無須考慮,因?yàn)槠涓鱾€(gè)傳感器的決策已經(jīng)符號(hào)化或數(shù)據(jù)化了。由于對(duì)傳感器的數(shù)據(jù)進(jìn)行了濃縮,這種方法產(chǎn)生的結(jié)果相對(duì)而言最不準(zhǔn)確,但它對(duì)通信帶寬的要求最低,融合中心常用的融合方法有Bayea方法、Demp-ster- shafter方法,廣義推理理論或根據(jù)不同情況而專門設(shè)計(jì)的各種方法,決策級(jí)圖像融合的結(jié)構(gòu)示意圖,如圖2.3所示圖像1圖像2圖像N預(yù)處理預(yù)處理預(yù)處理特征提取特征提取特征

29、提取特征分類特征提取特征提取圖像配準(zhǔn)基于決策的融合用戶決策最終結(jié)果分類后的特征配準(zhǔn)后的特征決策級(jí)融合融合后的分類特征圖2.3 決策級(jí)圖像融合的結(jié)構(gòu)示意圖表2.1中給出了圖像融合在上述3個(gè)層次中的性能特點(diǎn)比較說明。從表中以及上面的表述中可知,在這3個(gè)層次中,像素級(jí)圖像融合是最重要、最根本的多傳感器圖像融合方法,其獲取的信息量最多,檢測(cè)性能最好,而難度也是最大的。目前的圖像融合,絕大多數(shù)的方法都屬于像素級(jí)圖像融合。表2.1 圖像融合的3個(gè)層次性能比較表 性能 像素級(jí)融合 特征級(jí)融合 決策級(jí)融合 信息量最大 中等最小信息損失最小 中等最大容錯(cuò)值最差 中等最好抗干擾性最差 中等最好對(duì)傳感器的依賴性最強(qiáng)

30、 中等最弱 預(yù)處理最小 中等最大分類性能最后 中等最差融合方法的難易性最難 中等最易系統(tǒng)的靈活性最差 中等最好3 ERDAS IMAGINE 介紹目前遙感圖像處理軟件繁多，主要有PCI GEOMATICA、ERDAS IMAGINE、ENVI、ER Mapper，本文以ERDAS IMAGINE為操作平臺(tái)對(duì)遙感圖像進(jìn)行處理、分析、結(jié)果驗(yàn)證。3.1 ERDAS IMAGINE 軟件圖像處理特點(diǎn)1）方便和直觀的操作步驟使用戶操作非常靈活：ERDAS IMAGINE具有非常友好、方便地管理多窗口的功能。不論是幾何校正還是航片、衛(wèi)片區(qū)域正射校正以及其它與多個(gè)窗口有關(guān)的功能，IMAGINE都將相關(guān)的多個(gè)

31、窗口非常方便地組織起來，免去了用戶開關(guān)窗口、排列窗口、組織窗口的麻煩，應(yīng)用方便因而加快了產(chǎn)品的生產(chǎn)速度。IMAGINE的窗口提供了卷簾、閃爍、設(shè)置透明度以及根據(jù)坐標(biāo)進(jìn)行窗口聯(lián)接的功能，為多個(gè)相關(guān)圖像的比較提供了方便的工具。IMAGINE的窗口還提供了整倍的放大縮小、任意矩形放大縮小、實(shí)時(shí)交互式放大縮小、虛擬及類似動(dòng)畫游戲式漫游等工具，方便對(duì)圖像進(jìn)行各種形式的觀看與比較。2）ERDAS IMAGINE為不同的應(yīng)用提供了250多種地圖投影系統(tǒng)。支持用戶添加自己定義的坐標(biāo)系統(tǒng)。支持不同投影間的實(shí)時(shí)轉(zhuǎn)換、不同投影圖像的同時(shí)顯示對(duì)不同投影圖像直接進(jìn)行操作等。支持相對(duì)坐標(biāo)的應(yīng)用。另外有非常方便的坐標(biāo)轉(zhuǎn)換工

32、具，經(jīng)緯度到大地坐標(biāo)，反之亦然。3）常用的圖像處理算法都可用圖形菜單驅(qū)動(dòng)，用戶也可指定批處理方式(batch)，使圖像處理操作在用戶指定的時(shí)刻開始執(zhí)行；4）圖像的處理過程可以由圖像的屬性信息控制，而上層屬性信息可存在于本層或任何其他數(shù)據(jù)層次；5）圖像處理過程可以用于具有不同分辨率的圖像數(shù)據(jù)上，輸出結(jié)果的分辨率可由用戶指定；6)支持對(duì)不同圖像數(shù)據(jù)源的交集、并集和補(bǔ)集的圖像處理；7)圖解空間建模語言，EML和C語言開發(fā)包的應(yīng)用使得解決應(yīng)用問題的客戶化更加容易與簡單。用戶可以對(duì)IMAGINE本身應(yīng)用的功能進(jìn)行客戶化的編輯，滿足自己專業(yè)的獨(dú)特需求。還可以將自己多年探索、研究的成果及工作流程以模型的形式

33、表現(xiàn)出來。模型既可以單獨(dú)運(yùn)行也可以和界面結(jié)合像其它功能一樣運(yùn)行。更可以利用C Toolkit進(jìn)行新型算法及功能的開發(fā)。8)獨(dú)一無二的專家工程師及專家分類器工具，為高光譜、高分辨率圖像的快速高精度分類提供了可能。此工具突破了傳統(tǒng)分類只能利用光譜信息的局限，可以利用空間信息輔助分類。此工具可以把所有數(shù)字信息應(yīng)用于分類，是分類應(yīng)用的一大飛越。其功能強(qiáng)大且應(yīng)用方便，其提供的游標(biāo)功能使知識(shí)庫的優(yōu)化成為輕而易舉的操作。其知識(shí)庫的可移動(dòng)性為其它非專業(yè)人員進(jìn)行分類工作提供了方便，為成熟知識(shí)庫的推廣應(yīng)用提供了方便易行的途徑。利用專家的知識(shí)還可以建立決策支持系統(tǒng)，為決策人提供工具。3.2 ERDAS IMAGIN

34、E軟件中遙感影像融合具體過程為了得到1米分辨率的彩色影像數(shù)據(jù)，將IKONOS影像的多光譜波段數(shù)據(jù)和其全色波段數(shù)據(jù)進(jìn)行融合。ERDAS圖標(biāo)面板工具條，單擊Interpreter圖標(biāo)|Spatial Enhancement|Resolution Merge命令，打開Resolution Merge對(duì)話框，如圖3.1所示。圖3.1 Resolution Merge對(duì)話框在Resolution Merge對(duì)話框中，需要設(shè)置下列參數(shù)： 選擇融合的影像文件如圖3.2圖3.2 Resolution Merge1）高分辨率影像文件（High Resolution Input File），對(duì)于IKONOS影像來

35、說就是指全色波段的影像文件；2）多光譜影像文件（Multispectral Input File），這里指包含多個(gè)波段數(shù)據(jù)的影像文件。使用ERDAS IMAGIN軟件提供的Layer Selection and Stacking功能（Image Interpreter|Utilities.|Layer Stack.）將IKONOS的多光譜波段的影像文件合成一個(gè)影像文件；3）融合后輸出文件（Output File）的路徑及文件名； 選擇多光譜文件用來進(jìn)行融合的波段號(hào)（Layer Selection）合成的多光譜影像會(huì)有幾個(gè)波段的影像，在這里輸入層名來選擇要進(jìn)行融合的波段?？梢允褂谩埃眮砹信e層名

36、，也可以使用“：”來表示參與融合的層的范圍。4 遙感圖像融合方法遙感圖像信息中的一個(gè)主要研究內(nèi)容是將高分辨率的圖像和多光譜圖像(低分辨率)進(jìn)行融合，高分辨率圖像的空間分辨率較高，但只有強(qiáng)度信息，沒有光譜信息；而多光譜圖像具有豐富的光譜信息，但空間分辨率較低。將這兩幅圖像融合，可以得到一幅同時(shí)具有較高空間分辨率和光譜信息的融合圖像。有代表性的方法有IHS變換法、PCA變換等。4.1 PCA變換PCA(Principle Component Analysis)變換又稱主成分分析,數(shù)學(xué)上也被稱為KL變換,是在統(tǒng)計(jì)特征基礎(chǔ)上進(jìn)行的一種多維(多波段)正交線性變換。主成分變換是建立在圖像統(tǒng)計(jì)特征基礎(chǔ)上的多

37、維線性變換，具有方差信息濃縮，數(shù)據(jù)壓縮的作用。變換后的第一主成分包含了總信息量的絕大部分(一般在80以上)，并且第一主成分相當(dāng)于原來各波段的加權(quán)和，反映了地物總的輻射強(qiáng)度，而且降低了噪聲，有利于細(xì)部特征的增強(qiáng)和分析?；赑CA變換的圖像融合算法的最大優(yōu)點(diǎn)是可以融合任意數(shù)目的波段,算法首先對(duì)N個(gè)波段的低分辨率圖像進(jìn)行PCA變換,將單個(gè)波段的高分辨率圖像進(jìn)行灰度拉伸,使其灰度值的均值與方差和PCA變換第一分量圖像一致；然后以拉伸過的高分辨率圖像代替第一分量圖像,經(jīng)過PCA反變換得到融合圖像。融合圖像不僅包含了源圖像的高空間分辨率和高光譜分辨特征,而且還保留了源圖像的高頻信息，使得融合圖像的目標(biāo)細(xì)節(jié)

38、特征更清晰,光譜信息更豐富。設(shè)有向量集X=,i=1,2,N,E(X)為X的數(shù)學(xué)期望,U是X的協(xié)方差矩陣C的特征向量按其特征根由大到小的順序排列而構(gòu)成的變換矩陣,則稱=（4-1）和=（4-2）為主成分分析算法,其中Y=,i=1,2,N。4.2 HIS變換HIS變換融合是影像融合最常用的一種方法，融合影像保留了絕大部分的高空間分辨率影像的信息，使得其空間分辨率接近高空間分辨率影像，同時(shí)也保留了多光譜影像的光譜特征，提高了影像的判讀、識(shí)別、分類能力，特別有利于視覺理解。HIS變換圖像融合的原理：由HIS彩色系統(tǒng)可知,明度I、色度H與飽和度S等3種成份間的相關(guān)性很低，這就使我們能夠?qū)IS空間中的3個(gè)

39、分量單獨(dú)地進(jìn)行處理。由于明度I主要反映地物輻射總的能量及其空間分布，即表現(xiàn)為幾何特征；而H、S則主要反映地物的光譜信息。因此首先利用正變換將多光譜圖像從RGB三原色空間變換到HIS彩色空間,得到亮度I(Intensity)、色度H(Hue)和飽和度S(Saturation)三個(gè)分量；然后將高分辨率全色圖像與分離出的亮度I分量進(jìn)行直方圖匹配,使其灰度的均值和方差與分量I圖像一致；最后用匹配好的全色波段代替I分量,與分離出的H、S分量進(jìn)行IHS逆變換,重新回到RGB空間。其算法框圖如圖4.1所示IHS變換I融合圖像IHS反變換全色圖像 I分量多光譜圖像H分量S分量圖4.1 HIS融合變換算法HIS

40、變換融合法對(duì)高分辨率全色影像和低分辨率多光譜影像進(jìn)行融合。解決了全色影像具有較高的空間分辨率但缺乏光譜信息；多光譜影像光譜分辨率高，光譜信息豐富，但其空間分辨率低的技術(shù)問題。通過試驗(yàn)對(duì)比表明使用該方法顯著提高了多光譜影像的空間分辨率，同時(shí)也保留了豐富的光譜特征，提高了影像的判讀、識(shí)別、分類能力，融合后圖像的信息量比原始圖像有明顯增加，而且圖像的細(xì)節(jié)反差、紋理和清晰度得到較大的提高，融合圖像質(zhì)量較好。4.3 小波分析小波變換是在短時(shí)傅立葉變換的基礎(chǔ)上發(fā)展起來的一種新型變換方法。小波變換具有多分辨率分析的特點(diǎn)，在時(shí)域、頻域都具有表征信號(hào)局部特征的能力，因此廣泛地應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域中，成為

41、信號(hào)強(qiáng)有力的處理工具?；谛〔ㄗ儞Q的圖像融合就是將源圖像首先進(jìn)行小波分解，將其分解到不同頻段的不同特征域上，然后在特征域上進(jìn)行融合。根據(jù)分解形式的不同，基于小波變換的融合可分為塔型小波融合方法、樹狀小波融合方法和小波標(biāo)架融合方法。 小波融合流程若對(duì)二維圖像進(jìn)行N層小波分解，最終將有(3N+1)個(gè)不同頻帶，其中包含3N個(gè)高頻帶和一個(gè)低頻帶。小波分解的層數(shù)越高，對(duì)應(yīng)層圖像的尺寸將越小，因此圖像小波分解的各個(gè)圖像具有金字塔形結(jié)構(gòu)，故可以稱為小波分解會(huì)字塔。圖像的小波變換是一種圖像的多分辨率、多尺度分解，因此可以用于圖像的融合處理。開 始圖像2圖像1M層小波分解M層小波分解高頻子帶HL、LH、HH低頻

42、子帶 LL高頻子帶HL、LH、HHHL低頻子帶 LL融合圖像的高頻子帶融合規(guī)則融合圖像的低頻子帶融合規(guī)則融合后圖像終止小波逆變換圖4.2 基于小波變換的圖像融合算法流程示意圖圖4.2中所示為基于小波變換的圖像融合算法流程示意圖。這里以兩幅圖像的融合為例，對(duì)于多幅圖像的融合方法可由此類推。設(shè)A，B為兩幅原始圖像，F(xiàn)為融合后的圖像。其融合處理的基本步驟如下：1)對(duì)每一源圖像分別進(jìn)行二維離散小波變換，建立圖像的小波塔形分解；2)對(duì)各分解層分別進(jìn)行融合處理，各分解層上的不同頻率分量可采用不同的融合算子進(jìn)行融合處理，最終得到融合后的小波金字塔；3)對(duì)融合后所得小波金字塔進(jìn)行小波逆變換(即進(jìn)行圖像重構(gòu))，

43、所得到的重構(gòu)圖像即為融合圖像?；谛〔ㄗ儞Q的圖像融合的物理意義在于：1)通常圖像中的物體、特征和邊緣是出現(xiàn)在不同大小的尺度上的。也就是說，圖像中的某些邊緣或細(xì)節(jié)是在一定尺度范圍內(nèi)存在的。也正是因?yàn)槿绱?，任何一幅特定比例?可看作“尺度”)的地圖都無法清晰反映所有特征的細(xì)節(jié)信息，例如在較大尺度上，大陸、山脈、海洋等大的特征是可見的，而像城市街道等小的細(xì)節(jié)就在地圖的分辨率之外了：而在較小尺度上，細(xì)節(jié)變得可見而較大的特征卻不見了。圖像的小波分解是多尺度、多分辨率分解，其對(duì)圖像的多尺度分解過程，可以看作是對(duì)圖像的多尺度邊緣提取過程，同時(shí)，小波的多尺度分解還具有方向性。若將小波變換用于圖像融合處理，就可

44、能在不同尺度上，針對(duì)不同大小、方向的邊緣和細(xì)節(jié)進(jìn)行融合處理；2)小波變換具有空間和頻域局部性，利用小波變換可以將融合圖像分解到一系列頻率通道中，這樣對(duì)圖像的融合處理是在不同的頻率通道分別進(jìn)行的。而我們知道，人眼視網(wǎng)膜圖像就是在不同的頻率通道中進(jìn)行處理的，因此基于小波變換的圖像融合是可能達(dá)到更好的視覺效果的；3)小波變換具有方向性，人眼對(duì)不同方向的高頻分量具有不同的分辨率，若在融合處理時(shí)考慮到這一特性，就可以有針對(duì)地進(jìn)行融合處理，以獲取良好的視覺效果；4)對(duì)參加融合的各圖像進(jìn)行小波塔形分解后，為了獲得更好的融合效果并突出重要的特征細(xì)節(jié)信息，在進(jìn)行融合處理時(shí)，不同頻率分量、不同分解層、不同方向均可

45、以采用不同的融合規(guī)則及融合算子進(jìn)行融合處理；另外，同一分解層上的不同局部區(qū)域上采用的融合算子也可以不同，這樣就可能充分挖掘被融合圖像的互補(bǔ)及冗余信息，有針對(duì)地突出/強(qiáng)化所感興趣的特征和細(xì)節(jié)信息。4.4 各種方法的比較遙感影像融合的方法很多，近幾年，HIS變換、PCA變換、小波變換等方法已應(yīng)用于遙感影像融合中，如HIS變換與多分辨小波變換相結(jié)合的融合方法；小波的多分辨率分析與HIS變換相結(jié)合，提出了疊加融合的新方法。但在實(shí)際應(yīng)用中，究竟選擇那種方法最為有效？一般來說，基于HIS變換融合方法可以提高結(jié)果圖像的地物紋理特性，同時(shí)在色彩上色度、飽和度與經(jīng)過直方圖拉伸的SPOT進(jìn)行的反變換，基本保持了多

46、光譜的TM影像色調(diào)，但光譜信息有一定的損失，而且HIS融合方法只能對(duì)3波段進(jìn)行融合；PCA是運(yùn)用比較廣泛的一種融合方法，它主要是針對(duì)超過三波段影像的融合變換，該融合算法的主要優(yōu)點(diǎn)是：融合后的圖像光譜特性保持比較好，尤其在波段數(shù)較多的情況下；缺點(diǎn)是：由于要對(duì)自相關(guān)矩陣求特征值和特征向量，計(jì)算量非常大，實(shí)時(shí)性比較差?？梢姡糠N算法雖對(duì)融合有一定的效果，但是同樣存在一定的局限性。為了提高融合質(zhì)量，不同應(yīng)用領(lǐng)域的學(xué)者都進(jìn)行了相關(guān)探討，對(duì)傳統(tǒng)的融合算法提出了一些改進(jìn)思路：有些學(xué)者認(rèn)為，HIS變換法扭曲了原始多光譜影像的光譜特性而產(chǎn)生光譜退化，為了降低IHS變換的顏色偏差可采用以下方法：在替換之前將Pan

47、與強(qiáng)度分量I進(jìn)行匹配。在反變換之前對(duì)色調(diào)和飽和度進(jìn)行拉伸。根據(jù)具體的數(shù)據(jù)特點(diǎn)對(duì)I、H、S三個(gè)分量分別進(jìn)行拉伸；PCA融合的問題是空間信息突出而色彩信息較弱，其原因是被替代的第一主成分通常具有最大的方差，這種替代將使Pan波段在融合影像中的效果最大，建議的解決方案有對(duì)主成分進(jìn)行拉伸使其具有球形分布；替換前將Pan與PCA進(jìn)行匹配；放棄第一主成分，改用其他主成分；另外，PCA變換后各主成分失去了原有的物理特性，且該方法對(duì)融合區(qū)域的選擇非常敏感。近幾年來由于小波具有變焦性，基于小波變換的遙感影像融合技術(shù)體現(xiàn)出以下其它方法所不可比擬的優(yōu)勢(shì)：融合處理時(shí)，不同的頻率分量、不同分解層以及不同的方向均可采用不

48、同的融合法則和融合算子，這樣既能充分挖掘被融合圖像的互補(bǔ)信息和冗余信息，又能有針對(duì)性地強(qiáng)化感興趣的特征信息和細(xì)節(jié)信息。對(duì)于基于小波的融合方法可以由多方面進(jìn)行改進(jìn)，如替代近似影像時(shí)采用的方法、高頻成分的組合方法、小波分解的層數(shù)、小波基的選擇等正是由于具有上述優(yōu)勢(shì)，小波變換在遙感影像融合中得到了廣泛應(yīng)用。4.5 融合方法評(píng)價(jià)準(zhǔn)則如何判斷某一種圖像融合算法是否滿足要求，需要具有說服力的評(píng)價(jià)標(biāo)準(zhǔn)。這些標(biāo)準(zhǔn)可分為兩類，一類是主觀評(píng)價(jià)；另一類是客觀評(píng)價(jià)，建立量化評(píng)價(jià)公式，同時(shí)采用多種量化評(píng)價(jià)可以彌補(bǔ)各自方法上的缺陷，得到更正確的結(jié)論。量化評(píng)價(jià)一般有以下幾種：相關(guān)系數(shù)(correlation coeffic

49、ients)：圖像的相關(guān)系數(shù)反映了兩幅圖像的相關(guān)程度。光譜扭曲度(spectral distortion)：圖像光譜扭曲程度直接反映了多光譜圖像的光譜失真程度。扭曲度越小越好。熵(Entropy)：融合后圖像的熵值的大小反映了融合圖像所包含的平均信息量的多少。交叉熵(Cross entropy)：交叉熵可用來度量兩幅圖像間的差異。交叉熵越小，說明融合后圖像與標(biāo)準(zhǔn)參考圖像間的差異越小，即融合效果越好。均方根誤差RMSE(Root Mean Square Error)：均方根誤差越小，說明融合效果越好。5 遙感圖像融合方法的改進(jìn)5.1 主成分分析與HIS變換的結(jié)合改進(jìn)方法 融合流程及實(shí)驗(yàn)分析（1）

50、綜合HIS變換和主成分變換的優(yōu)點(diǎn),利用主成分變換對(duì)HIS變換法進(jìn)行了改進(jìn)，采用改進(jìn)后方法進(jìn)行融合的流程如圖5.1所示低分辨率多光譜影像RGB高精度配準(zhǔn)R，G，B進(jìn)行HIS正變換I分量與Pan進(jìn)行主成分變換，并提取第一主成分以I為基準(zhǔn)對(duì)進(jìn)行直方圖匹配得到利用與H,S分量進(jìn)行HIS反變換融合后的RGB影像高分辨率全色彩影像（Pan）圖5.1 融合流程（2）試驗(yàn)結(jié)果與分析為了驗(yàn)證方法的正確性和優(yōu)越性，選取了某地區(qū)Landsat-7TM的全色波段與4,3,2波段影像進(jìn)行融合，選取的影像已經(jīng)經(jīng)過高精度空間配準(zhǔn)，誤差控制在1個(gè)像元之內(nèi)，其中4,3,2波段分別被賦予R,G,B三原色;影像大小為512

51、5;512個(gè)像素，如圖5.2、圖5.3。采用HIS變換法和本文改進(jìn)方法進(jìn)行融合后的結(jié)果如圖5.4、圖5.5。 圖5.2 原TM432 波段影像 圖5.3 TM 全色影像 圖5.4 HIS 變換融合后影像 圖5.5 本文方法融合影像影像融合結(jié)果的評(píng)價(jià)分為主觀評(píng)價(jià)和客觀評(píng)價(jià)，一般兩者結(jié)合使用。主觀評(píng)價(jià)是通過目視效果進(jìn)行分析，客觀評(píng)價(jià)是利用影像的統(tǒng)計(jì)參數(shù)進(jìn)行判定。對(duì)于遙感影像融合效果的評(píng)價(jià)，應(yīng)該綜合考慮細(xì)節(jié)信息的增強(qiáng)與光譜信息的保持。 常用評(píng)價(jià)參數(shù)影像融合評(píng)價(jià)中常用到以下參數(shù)，介紹如下：1）圖像均值 圖像均值是像素的灰度平均值，對(duì)人眼反映為平均亮度。其定義用公式（5-1）表示；（5-1）其中M,N為

52、像元的行列數(shù)。2）標(biāo)準(zhǔn)差 標(biāo)準(zhǔn)差反映了圖像灰度相對(duì)于灰度平均值的離散情況，若標(biāo)準(zhǔn)差大，則圖像灰度級(jí)分布分散，圖像的反差大，可以看出更多的信息。標(biāo)準(zhǔn)差小，圖像反差小，對(duì)比度不大，色調(diào)單一，看不出太多信息。其定義用公式（5-2）表示（5-2）3）平均梯度 平均梯度可敏感地反映圖像對(duì)微小細(xì)節(jié)反差表達(dá)的能力，可用來評(píng)價(jià)圖像的清晰程度，同時(shí)還可以反映出圖像中微小細(xì)節(jié)反差和紋理變換特征。其計(jì)算公式為（5-3）（5-3）一般來說，g 越大，圖像越清晰。4）信息熵 根據(jù)仙農(nóng)(Shannon)信息論的原理，一幅8bit 表示的圖像x 的信息熵用公式（5-4）表示（5-4）式中：x為輸入的圖像變量，為圖像像元灰度

53、值為i的概率。熵越大，圖像所包含的信息量越豐富。（5） 相關(guān)系數(shù)圖像的相關(guān)系數(shù)反映了兩幅圖像的相關(guān)程度，可用來表示多光譜信息的改變程度。兩幅圖像的相關(guān)系數(shù)可用（5-5）表示（5-5）其中，分別為融合前后圖像(i,j)點(diǎn)的灰度值，與分別為兩幅圖像的均值。 客觀評(píng)價(jià)表 5.1 參數(shù)統(tǒng)計(jì)影像波段號(hào)熵平均梯度均值與原TM對(duì)應(yīng)波段相關(guān)系數(shù)標(biāo)準(zhǔn)差LandSat-7TM多光譜影像44.73621.503960.4471.008.48035.28002.308050.5011.0014.04625.74693.004288.6471.0015.465原HIS變換影像44.77823.150960.5320.8

54、1287.51435.28483.33650.5400.946612.69426.00185.158389.0490.935217.251本文改進(jìn)方法融合影像44.74332.293560.6010.94707.88235.29102.811950.7400.980713.69325.29893.965488.9470.979316.422利用各圖像的亮度值I分別計(jì)算出了圖像的統(tǒng)計(jì)參數(shù)，統(tǒng)計(jì)結(jié)果如表5.1。從表5.1的統(tǒng)計(jì)參數(shù)可以看出：（1）新方法融合影像的信息熵、均值、標(biāo)準(zhǔn)差與原HIS變換融合影像的對(duì)應(yīng)參數(shù)值相差不大，并且更接近于原始多光譜影像的對(duì)應(yīng)參數(shù)值，這說明該方法融合影像所包含的信息量與HIS變換相當(dāng)，并且更接近于原始多光譜影像。（2）新方法融合后影像的各波段與原TM影像對(duì)應(yīng)波段的相關(guān)系數(shù)明顯高于原IHS變換融合后的對(duì)應(yīng)相關(guān)系數(shù)，說明該方法在光譜特性的保持上有很大提高。（3）新方法融合后影像各波段的平均梯度比HIS變換的平均梯度要小，但是大于沒有經(jīng)過融合的原多光譜影像的平均梯度。這說明該