实验五 遥感图像的融合

遥感图像融合实验报告遥感图像融合实验报告一、引言遥感图像融合是指将多个不同传感器获得的遥感图像融合为一幅综合图像的过程。

通过融合不同传感器获取的图像，可以获得更全面、更准确的地物信息。

本实验旨在探究遥感图像融合的原理和方法，并通过实验验证其效果。

二、实验目的1. 了解遥感图像融合的原理和意义；2. 掌握常用的遥感图像融合方法；3. 进行实验验证，比较不同融合方法的效果。

三、实验步骤1. 数据准备：选择两个不同传感器获取的遥感图像，如光学图像和雷达图像；2. 图像预处理：对两幅图像进行预处理，包括辐射校正、几何校正等；3. 图像配准：通过图像配准算法将两幅图像对齐，使其具有相同的空间参考系；4. 图像融合：选择合适的融合方法，如基于像素级的融合方法或基于特征级的融合方法，对两幅图像进行融合；5. 结果评价：通过定量和定性的评价指标，对融合结果进行评估。

四、实验结果与分析经过实验，我们得到了融合后的遥感图像。

通过对比融合前后的图像，可以发现融合后的图像在空间分辨率和光谱信息上都有所提高。

融合后的图像能够更清晰地显示地物的边缘和细节，且具有更丰富的颜色信息。

在融合方法的选择上，我们尝试了基于像素级的融合方法和基于特征级的融合方法。

基于像素级的融合方法将两幅图像的像素直接进行融合，得到的结果更加保真，但可能会导致信息的混淆。

而基于特征级的融合方法则通过提取图像的特征信息，再进行融合，可以更好地保留地物的特征，但可能会引入一定的误差。

通过对比不同融合方法的结果，我们可以发现不同方法在不同场景下的效果差异。

在某些场景下，基于像素级的融合方法可能会产生较好的效果，而在其他场景下，基于特征级的融合方法可能更适用。

因此，在实际应用中，需要根据具体场景和需求选择合适的融合方法。

五、实验总结通过本次实验，我们深入了解了遥感图像融合的原理和方法，并进行了实验验证。

遥感图像融合可以提高图像的空间分辨率和光谱信息，使得地物信息更全面、更准确。

实习五遥感图像的Pansharp融合方法
一、实习目的
遥感图像的融合意在提高图像空间分辨率，改善图像几何精度，增强特征显示能力，改善分类精度、提供变化检测能力、替代或修补图像数据的缺陷等。

传统的图像融合方法只能有3个波段参与融合。

本实习探讨PCI的一种新的融合方法—Pansharp，它可以实现多个波段的同时融合，融合效果不错。

二、实习准备
数据准备：2004年同一区域的spot影像。

全色分辨率2.5米的影像spot2-5和多光谱分辨率10米的影像spot10。

处理软件：PCI。

三、实习步骤
1．打开PCI软件，在focus中调入spot全色和多光谱影像。

2. 选择Tools\Algorithm Library，打开算法库，找到Pansharp命令。

3. 双击Pansharp命令，出现如下界面，做如图设置。

4. 点击run，完成融合。

在focus中打开融合好的影像，可以查看融合结果。

如图：
四、实习总结
通过实习，深刻理解了图像融合的目的方法和意义。

掌握了用PCI实现影像的Pansharp融合，增强了动手操作能力。

遥感图像融合实验报告遥感图像融合实验报告一、引言遥感技术在现代科学研究和应用中发挥着重要的作用。

遥感图像融合是将多个遥感图像的信息融合为一个综合图像的过程，可以提供更全面、更准确的地理信息。

本实验旨在通过遥感图像融合技术，对不同分辨率的遥感图像进行融合，以获得更高质量的图像。

二、实验方法1. 数据收集我们使用了两个不同分辨率的遥感图像，一个是高分辨率的卫星图像，另一个是低分辨率的无人机图像。

这两个图像分别代表了不同的空间分辨率。

为了保证数据的准确性，我们选择了同一地区的图像进行比较。

2. 图像预处理在进行图像融合之前，需要对图像进行预处理，以提高融合效果。

我们首先对两个图像进行边缘增强处理，以增强图像的边缘信息。

然后，对图像进行直方图均衡化，使图像的灰度分布更均匀。

最后，对图像进行尺度匹配，以确保两个图像的尺度一致。

3. 图像融合算法本实验使用了一种基于小波变换的图像融合算法。

该算法通过将两个图像的低频部分和高频部分进行融合，得到一个综合图像。

具体步骤如下：a. 对两个图像进行小波变换，得到它们的低频部分和高频部分。

b. 对两个图像的低频部分进行加权平均，得到融合后的低频部分。

c. 对两个图像的高频部分进行加权平均，得到融合后的高频部分。

d. 将融合后的低频部分和高频部分进行逆小波变换，得到最终的融合图像。

4. 实验结果分析通过对融合后的图像进行视觉和定量分析，我们可以评估融合效果。

视觉分析可以通过观察图像的细节和边缘来判断融合效果的好坏。

定量分析可以通过计算图像的信息熵、互信息和均方误差等指标来评估融合效果。

三、实验结果与讨论经过实验，我们得到了融合后的图像。

通过对比原始图像和融合图像，我们可以看到融合后的图像在细节和边缘方面有明显的提升。

融合后的图像更清晰、更丰富，能够提供更多有用的地理信息。

在定量分析方面，我们计算了融合图像的信息熵、互信息和均方误差。

结果显示，融合图像的信息熵和互信息较高，均方误差较低，说明融合效果较好。

实验五不同分辨率图像融合一实验目的通过本次实验了解图像数据融合的基本原理和基本思路，学会利用ERDAS软件进行不同分辨率图像之间的融合，并对不同数据融合方法进行分析和比较，掌握不同数据融合方法的基本操作。

二实验原理在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。

在ERDAS是指分辨率融合(Resolution Merge)是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。

一般来说，遥感影像的数据融合分为预处理和数据融合两步：1.预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准（1）几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；（2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。

空间配准的精度一般要求在1~2个像元内。

2.ERDAS软件提供了三种图像融合方法：1、主成分变换融合(Pinciple Component)主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地提示提示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。

具体过程是首选对输入的多波段遥感数据进行主成分变换，然后以高空间分辨遥感数据替代变换以后的第一主成分，最后再进行主成分逆变换，生成具有高空间分辨率的多波段融合图像。

2、乘积变换融合(Mutiplicative)乘积变换融合应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进地合成，即Bi_new=Bi_m*B_h，其中Bi_new代表融合以后的波段数值(i=1,2,3,..n)，Bi_m表示多波段图像中的任意一个波段数值，B_h代表高分辨率遥感数据。

图像融合实验报告一、实验目的通过本实验熟练操作遥感图像处理的专业软件PCI，进行图像融合。

二、实验内容（1）、利用遥感图像处理的专业软件PCI的Xpace模块的Image Processing中的IHS进行IHS变换处理；（2）、利用遥感图像处理的专业软件PCI利用Xpace模块的Image Processing中的FUSE进行图像融合处理。

三、实验步骤(一)生成Pix文件先用ImageWorks Configuration打开B10.FST文件，在此之前先用记事本打开查看其参数，将其参数填在相应位置，确定生成一个aux文件，并load第一波段的图像即B10.FST。

将B10转为pix文件格式，并将其他波段（除了第八波段）都添加到这个pix 文件中，这里命名pix文件名为123-32.pix。

说明：B61，B62都为第六波段且为争议波段，这里选择一个即可，这里选的是B61 (二)HIS与RGB的转换打开生成的pix文件添加6个空通道，打开Xpace模块，进行IHS转换：在Image Processing（Pacages）中的IHS（Convert RGB to IHS）进行IHS正变换处理。

将7，4，1波段转为RGB 到8,9,10空通道加载图像，将7，4，1波段的与8，9，10通道的进行小窗口对比换用第二种模型转换，将其与第一种模型进行比较再添加6个空通道，利用RGB（Convert IHS to RGB）进行HIS逆变换处理，即将8,9,10通道的波段变回RGB模式加载图像，将其与原来的7,4,1通道的合成图像进行比较若是换第二种模型，将其转回去，得到的结果如下出现了明显差异用第5波段对7,4,1波段进行融合(三)图像融合加载第八波段的FST文件，将其转为pix文件，命名为123-32Pan.pix打开Xpace模块的Image Processing（Pacages）中的FUSE（Data Fusion），进行图像融合处理，在此之前先添加3个空通道。

《遥感原理与应⽤》实验报告——影像融合实验名称：影像融合⼀、实验内容1. 对TM 影像和SPOT 影像进⾏HSV 数据融合。

2. 查阅相关资料⽤envi 软件实现⼀种数据融合的⽅法，如Brovey 、PCA 等。

3. 利⽤均值、标准差、特征值等参数对上述两种⽅法的融合效果进⾏评价。

⼆、实验所⽤的仪器设备，包括所⽤到的数据电脑⼀台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM 影像数据lon_tm 和SPOT 影像数据lon_spot 。

三、实验原理1. 定义：图像（影像）融合是指将多余遥感影像按照⼀定的算法，在规定的地理坐标系中，⽣成新的图像的过程。

2. ⽬的：(1) 提⾼图像空间分辨率 (2) 改善分类(3) 多时相图像融合⽤于变化检测 3. 基本原理(1) HSV 变换法：HSV （hue, saturation, and value ：⾊调，饱和度，亮度值）。

⾸先将多光谱图像经HSV 变换得到H 、S 、V 三个分量。

然后将⾼分辨率的全⾊图像代替V 分量，保持H 、S 分量不变。

最后再进⾏HSV 变换得到具有⾼空间分辨率的多光谱图像。

(2) Brovey 变换法:对彩⾊图像和⾼分辨率数据进⾏数学合成，从⽽使图像锐化。

彩⾊图像中的每⼀个波段都乘以⾼分辨率数据与彩⾊波段总和的⽐值。

函数⾃动地⽤最近邻、双线性或三次卷积技术将3个彩⾊波段重采样到⾼分辨率像元尺⼨。

输出的RGB 图像的像元将与⾼分辨率数据的像元⼤⼩相同。

4. 评价指标 (1) 均值与标准差∑==ni i x n µ11 （公式1）()212∑=-=ni i µx σ（公式2）上述两个式⼦中，n 表⽰图像总的像素的个数，xi 为第i 像素的灰度值。

(2) 特征值设 A 是n 阶⽅阵，如果存在数m 和⾮零n 维列向量 x ，使得 Ax=mx 成⽴，则称 m是A 的⼀个特征值（characteristic value)或本征值（eigenvalue)。

实验五-遥感图像的融合实验五遥感图像的融合一、实验目的和要求1.理解遥感图像的融合处理方法和原理；2.掌握遥感图像的融合处理，即分辨率融合处理。

二、设备与数据设备：影像处理系统软件数据：TM SPOT 数据三、实验内容多光谱数据与高分辨率全色数据的融合。

分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。

注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。

四、方法与步骤融合方法有很多，典型的有 HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。

ENVI 里除了 SFIM 以外，上面列举的都有。

HSV 可进行 RGB 图像到 HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回 RGB 色度空间。

输出的 RGB 图像的像元将与高分辨率数据的像元大小相同。

打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL选择File>data manage，任意选择3个波段组合，查看效果打开分辨率为30和15的图像下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰选择如下图所示的三个波段选择分辨率高的为15的点击ok，Sensor选择landsat8_oil，Resampling选择三次方的Cubic Convolution，实现融合，选择输出路径为sssrong融合之后的图像如下图，可以发现图像清晰度提高，分辨率变高，图像质量变好五、实验心得多光谱数据与高分辨率全色数据的融合可以使遥感图象既具有较好的空间分辨率，又具有多光谱特征，继而达到增强图象质量的目的，可谓是一举两得。

这次实验虽然比较简单，但是一开始的时候还比较模模糊糊，甚至于连目的都不清楚。

《遥感原理与应用》实验报告三实验五图像融合一、实验目的1.掌握多源遥感影像融合的概念和意义。

2.掌握遥感影像融合的原理和方法。

3.掌握使用ENVI进行图像融合的方法和步骤。

二、实验原理遥感影像融合技术采用一定的算法对同一地区的多源遥感影像进行处理，生成一幅新的图像，从而获取单一传感器所不能提供的某些特征信息。

例如，全色图像一般具有较高的空间分辨率，但光谱分辨率较低，而多光谱图像则具有光谱信息丰富、空间分辨率低的特点，为了有效的利用两者的信息，可以对他们进行融合处理，在提高多光谱图像分辨率的同时，又保留了其多光谱特性。

表5.1 融合方法三、实验内容以GS变换为例：1.打开多光谱图像和全色波段图像2.在工具箱中，选择Image Sharpening→Gram-Schmidt Pan Sharpening，在输入低分辨率多光谱对话框中，选择多光谱文件；3.在输入高分辨率多光谱对话框中，选择全色波段文件；4.在Pan Sharpening Parameters对话框中设定输出文件名和路径。

以Brovey变换为例：1.打开多光谱图像和全色波段图像，并将图像转变为无符号8bit数据，Raster Management→Masking→Stretch Data，在Data Stretching面板中Data Type选择Byte；2.在工具箱中，选择Image Sharpening→Color Normalized (Brovey)，在输入低分辨率多光谱对话框中，选择红、绿、蓝波段；3.在输入高分辨率多光谱对话框中，选择全色波段；4.在Color Normalized (Brovey)输出面板中选择重采样方式，并设定输出文件名和路径。

四、实验要求1.应用ENVI软件对遥感影像进行HSV变换融合。

2.应用ENVI软件对遥感影像进行Brovey变换融合。

3.应用ENVI软件对遥感影像进行PC变换融合。

4.应用ENVI软件对遥感影像进行GS变换融合。

第1篇一、实验背景随着遥感技术的发展，遥感影像在资源调查、环境监测、城市规划等领域发挥着越来越重要的作用。

然而，由于遥感传感器类型、观测时间、观测角度等因素的限制，同一地区获取的遥感影像往往存在光谱、空间分辨率不一致等问题。

为了充分利用这些多源遥感影像数据，提高遥感信息提取的准确性和可靠性，遥感影像融合技术应运而生。

遥感影像融合是将不同传感器、不同时间、不同分辨率的多源遥感影像进行综合处理，以获得对该区域更为准确、全面、可靠的影像描述。

本文通过实验验证了遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。

二、实验目的1. 了解遥感影像融合的基本原理和方法；2. 掌握常用遥感影像融合算法；3. 通过实验验证遥感影像融合技术在提高遥感信息提取准确性和可靠性方面的作用。

三、实验原理遥感影像融合的基本原理是将多源遥感影像数据进行配准、转换和融合，以获得具有更高空间分辨率、更丰富光谱信息的融合影像。

具体步骤如下：1. 影像配准：将不同源遥感影像进行空间配准，使其在同一坐标系下；2. 影像转换：将不同传感器、不同时间、不同分辨率的遥感影像转换为同一分辨率、同一波段的影像；3. 影像融合：采用一定的融合算法，将转换后的多源遥感影像数据进行融合，生成具有更高空间分辨率、更丰富光谱信息的融合影像。

四、实验方法1. 实验数据：选取我国某地区的高分辨率多光谱遥感影像和全色遥感影像作为实验数据；2. 融合算法：选用Brovey变换、主成分分析（PCA）和归一化植被指数（NDVI）三种常用遥感影像融合算法进行实验；3. 融合效果评价：采用对比分析、相关系数、信息熵等指标对融合效果进行评价。

五、实验步骤1. 数据预处理：对实验数据进行辐射校正、大气校正等预处理；2. 影像配准：采用双线性插值法对多光谱影像和全色影像进行配准；3. 影像转换：对多光谱影像进行波段合成，得到与全色影像相同分辨率的影像；4. 影像融合：分别采用Brovey变换、PCA和NDVI三种算法对转换后的多源遥感影像数据进行融合；5. 融合效果评价：对比分析三种融合算法的融合效果，并采用相关系数、信息熵等指标进行定量评价。

遥感图像融合方法遥感图像融合是指将来自不同传感器的多幅遥感图像融合成一幅具有更丰富信息和更高质量的图像，以便更好地应用于地学领域和资源环境管理中。

遥感图像融合方法的选择和应用对于提高遥感图像的分析和解译能力具有重要意义。

一、遥感图像融合的原理。

遥感图像融合的原理是基于多源数据的互补性和协同性，通过融合多个波段或多种分辨率的图像，可以获取更为全面和准确的信息。

常见的遥感图像融合方法包括基于像素级的融合和基于特征级的融合。

像素级融合是指将不同波段或分辨率的像素直接进行融合，而特征级融合则是在特征空间进行融合，如主成分分析、小波变换等。

二、遥感图像融合的方法。

1. 基于变换的融合方法。

基于变换的融合方法包括小波变换、主成分分析、非线性变换等。

小波变换能够将图像分解为不同尺度和方向的小波系数，通过选择不同的尺度和方向进行融合，可以实现多尺度和多方向的信息融合。

主成分分析则是通过对多幅图像进行主成分分解，提取出图像的主要信息进行融合。

非线性变换方法则是利用非线性映射将多幅图像进行融合，以实现更好的信息融合效果。

2. 基于分解的融合方法。

基于分解的融合方法包括多分辨率分解、多尺度分解等。

多分辨率分解将图像分解为不同分辨率的子图像，通过对子图像进行融合，可以得到更为丰富和准确的信息。

多尺度分解则是将图像分解为不同尺度的子图像，通过对不同尺度的子图像进行融合，可以获得更为全面的信息。

三、遥感图像融合的应用。

遥感图像融合方法在土地利用分类、环境监测、资源调查等领域具有广泛的应用。

通过融合多源遥感图像，可以提高图像的空间分辨率和光谱分辨率，从而更好地进行土地利用分类和环境监测。

同时，融合多源遥感图像还可以提高图像的信息量和准确性，为资源调查和规划提供更为可靠的依据。

四、结语。

遥感图像融合方法是遥感图像处理和分析的重要手段，对于提高遥感图像的信息量和质量具有重要意义。

在选择和应用遥感图像融合方法时，需要根据具体的应用需求和图像特点进行综合考虑，以实现更好的融合效果和应用效果。

实习五遥感图像的Pansharp融合方法
一、实习目的
遥感图像的融合意在提高图像空间分辨率，改善图像几何精度，增强特征显示能力，改善分类精度、提供变化检测能力、替代或修补图像数据的缺陷等。

传统的图像融合方法只能有3个波段参与融合。

本实习探讨PCI的一种新的融合方法—Pansharp，它可以实现多个波段的同时融合，融合效果不错。

二、实习准备
数据准备：2004年同一区域的spot影像。

全色分辨率2.5米的影像spot2-5和多光谱分辨率10米的影像spot10。

处理软件：PCI。

三、实习步骤
1．打开PCI软件，在focus中调入spot全色和多光谱影像。

2. 选择Tools\Algorithm Library，打开算法库，找到Pansharp命令。

3. 双击Pansharp命令，出现如下界面，做如图设置。

4. 点击run，完成融合。

在focus中打开融合好的影像，可以查看融合结果。

如图：
四、实习总结
通过实习，深刻理解了图像融合的目的方法和意义。

掌握了用PCI实现影像的Pansharp融合，增强了动手操作能力。

图像融合融合的两幅图像至少要有重叠区域，且重叠区域的地物要一样，融合的图片一般会完全重叠。

有的影像需要转到Photoshop中进行色彩的调整。

这就需要把img 格式的文件转成tiff格式。

用到Erdas软件中的模块（输入输出模块）的“输出”。

Next 键要键两下。

数据转换完成了，就用Photoshop中进行色彩的调整。

在最后保存出的多光谱文件的文件名会与原文件名不同，那么我们一定要记得把在数据转换时从img中自动分离的坐标数据文件(.tfw)，也重命名成与新文件相同的名字。

这样图像就会自动与坐标（投影信息）相关联了。

（img转换tiff,其带有的投影信息会被分离，因为photoshop处理过的tiff 文件时不带坐标等信息的）也可以手动加入，我们在Photoshop下面处理完影像则图形会失去投影信息，加投影信息方法如下：在Photoshop 中主要进行下面的处理， 全色图：一般进行A (选择→)羽化： 在有选区时运用，使选区范围线呈圆弧状显示，这样处理成弧状会显得范围线处的颜色衔接比未羽化是的带尖角的衔接更自然些(羽化值一般为15——20，也跟图像的像素有关)——黑三角指向的色值越高，图像中偏暗的那部分颜色就会更暗——白三角指向的色值越高，图像中偏白的那部分颜色就会更百亮——中间带麻点的三角是条整幅图的亮度的C （滤镜→）锐化：是对整幅图的调整，但在颜色较亮的地方效果明显些多光谱影像：先把文件打开，在右下角有这样的窗口：分离通道→合并通道合并完通道，就把图像的模式从“多通道”改为“RGB颜色”再对RGB颜色的图像进行：色阶——对每个通道分别进行调整色彩平衡——对色阶的进一步补充可选颜色——把选中的颜色调成想要的效果保存出文件后记得把tfw文件重面名一下。

就可以启用ERDAS的融合模块了。

启动模块打开成果文件就可以看到融合的效果了。

一、如果融合用到的多光谱图像的色彩未叠加，就需要先把它叠加好。

方法如下：启动模块，用下面的菜单，输出的文件名会自动默认为img 格式。

《资源环境遥感探测》实验报告实验名称：遥感图像的融合学号：1020022151 姓名：张应芳实验时间：2013年5月13日批改：教师签名：一、实验目的通过实习操作，达到以下目的：1.熟悉掌握遥感图像几何校正的基本方法和步骤，并理解几何校正的意义2.掌握图像融合的基本方法和步骤，学会把高分辨率影像按照一定的算法或规则进行运算处理，以获取对同一目标更为全面、更为可靠、更为准确的图像，生成一幅具有新的波谱和空间特征的合成图像3.基本掌握利用ERDAS软件进行遥感图像融合的操作方法和流程二、实验环境软件：ERDAS9.2软件实验教室：实验楼7-301实验用图：xmd2007-m.img、xmd2007-p.img影像数据三、实验内容1.以全色影像数据xmd2007-p.img对xmd2007-m.img进行几何校正2.用至少四种方法进行影像融合3.比较不同的融合方法各自的优缺点四、实验步骤1.遥感图像的几何校正1)打开需要校正的遥感图像在ERDAS中点击Viewer两次，打开两个视窗（Viewer1/Viewer2），并将两个视窗平铺放置。

在Viewer1中打开需要校正的ALOS图像：xmd2007-m.img，在Viewer2中打开作为校正基准的全色影像数据图像：xmd2007-p.img。

如图1所示。

图1 显示影像图2)启动几何校正模块。

在Viewer1菜单条中依次选择Raster→Geometric Correction→Set Geometric Model对话框，并选择Polynomial（多项式几何校正模型）→OK，设置Polynomial Order（多项式次方）为2。

如图2所示。

图2 选择几何校正模型并设置参数点击Apply，并关闭Polynomial Model Properties对话框。

在弹出的GCP Tool Referense Setup对话框中选择Existing Viewer，左键点击作为参考的影像所在的窗口Viewer2。

遥感图像融合实验报告
一、实验目的
本次实验旨在探究遥感图像融合技术的原理及应用，熟悉不同遥感图像融合算法的优缺点，以及掌握如何使用ENVI软件进行遥感图像融合的操作。

二、实验材料
本实验所需材料和工具如下：
1. Landsat8 OLI多光谱遥感图像；
2. Sentinel-2 MSI多光谱遥感图像；
3. ENVI软件。

三、实验步骤
1. 获取分别来自Landsat8 OLI卫星和Sentinel-2 MSI卫星的多光谱遥感图像；
2. 在ENVI软件中加载两幅遥感图像，根据图像的特点选择合
适的图像融合算法；
3. 使用ENVI的遥感图像融合工具，对两幅图像进行融合；
4. 对融合后的图像进行可视化处理，调整亮度、对比度等参数，使图像更加清晰、自然；
5. 利用融合后的遥感图像进行场景识别和分类等实际操作。

四、实验结果及分析
通过比较不同图像融合算法下的融合效果，我们发现基于互补
信息的Pansharpening算法较为适用于融合Landsat8 OLI和
Sentinel-2 MSI遥感图像。

经过图像融合后，图像的清晰度、色彩
还原度、空间分辨率等有了显著提升，使用融合后的遥感图像进
行场景识别和分类等实际操作效果也较为良好。

五、实验结论
遥感图像融合技术是提高遥感图像质量和应用效果的重要手段
之一。

本次实验通过对不同遥感图像融合算法的研究和实践操作，
了解了遥感图像融合技术的实现原理和应用场景，同时也学习了ENVI软件进行遥感图像融合的具体操作方法。

遥感图像的变换与融合实习报告1、实习目的1.掌握遥感影像融合的根本原理、容和要点；2.掌握在ENVI中遥感影像融合的操作方法、步骤，并比拟各种方法的优缺点；3. 掌握根本的遥感图像变换方法，如缨帽变换变换等方法的具体操作步骤。

2、操作步骤一、波段的运算Band Math对话框(实习数据采用软件自带数据bhtmref.img，要求用此种方法叫做NDVI)选择Basi c T ools>Band Math．1.将出现Band Math对话框。

假设运算结果是一个二维数组，它将承受任何有效的IDL数学表达式、函数或程序。

2．在标签为‘Enter an expression：’的文本框，输入变量名(将被赋值到整个图像波段或可能应用到一个多波段文件中的每个波段) 和所需要的数学运算符。

变量名必须以字符“b’’或‘‘B’’开头，后面跟着5个以的数字字符。

实例：假设想计算三个波段的平均值，那么数学方程式为：(float(b1)+float(b2)+float(b3))／3.0IDL的浮点型函数用来防止计算时出现字节溢出错误。

3．一旦一个有效的表达式被输入，点击“OK’’处理。

将出现Variable to Band Name对话框。

1．要重新使用、保存或取消任何以前应用的数学表达式，点击显示在“Prev i ous Expression〞列表中的任何表达式，把它导入到‘‘Enteran expression"，’文本区中。

2．一旦被导入，点击“OK〞，把该表达式应用到一组新的波段。

将出现Variable toBand Name对话框。

要把表达式保存到一个输出文件，点击“save〞，然后当出现Enteer output filename对话框时，键入输出文件名。

为了保持一致，输出文件名应该指定扩展名为．exp。

要恢复原先保存的表达式，点击--Restore，然后选择适当的文件名。

该表达式将显示在“Previous Expression．’，列表中。