遥感影像像素级融合方法概述

ＣＮ４３—１２５８／ＴＰ　ＩＳＳＮ　１００７－１３０Ｘ　计算机工程与科学　ＣＯＭＰＵＴＥＲ　ＥＮＧＩＮＥＥＲＩＮＧ＆ＳＣＩＥＮＣＥ　２００７年第２９卷第１１期　Ｖｏ１．２９，Ｎｏ．１１，２００７　

文章编号：１００７－１３０Ｘ（２００７）１１－００２２－０５　

遥感图像像素级融合方法的建模与分析　

Ｍｏｄｅｌｉｎｇ　ａｎｄ　Ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　Ｐｉｘｅｌ－Ｌｅｖｅｌ　Ｆｕｓｉｏｎ　

Ｍｅｔｈｏｄｓ　ｆｏｒ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｉｍａｇｅｓ　

王攀峰，杜云飞，周海芳，贾佳．杨学军　ＷＡＮＧＰａｎ－ｆｅｎｇ，ＤＵＹｕｎ－ｆｅｉ，ｚｎｏｕＨａｉ－ｆａｎｇ，ＪＩＡ　Ｊｉａ，ＹＡＮＧＸｕｅ－ｊｕｎ　（并行与分布处理国家重点实验室，湖南长沙４１００７３）　（Ｎａｔｉｏｎａｌ　Ｌａｂｏｒａｔｏｒｙ　ｆｏｒ　Ｐａｒａｌｌｅｌ　ａｎｄ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｐｒｏｃｅｓｓｉｎｇ，Ｃｈａｎｇｓｈａ　４１００７３，Ｃｈｉｎａ）　

摘要：遥感图像像素级融合方法众多，但缺乏统一的定义，使得各种方法的差并不明确，不利于有针对性的应用；各　种方法的融合质量差异悬殊，缺乏选用合适融合方法的理论指导，往往只能根据操作者的经验进行判断。为此，本文首先　对融合方法的一般处理过程进行建模，提出了基于融合过程中图像信息表示的遥感图像融合方法的形式化定义ＲＳＰＦ；然　后，基于ＲＳＰＦ从理论上分析了现有融合方法的融合质量差异；最后，通过实验定量分析了各种典型融合方法的融合质量。　结果表明，融合过程中图像信息的表示形式是影响融合质量的关键因素。　Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅ　ａｒｅ　ｍａｎｙ　ｐｉｘｅｌ－ｌｅｖｅｌ　ｆｕｓｉｏｎ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ，ｂｕｔ　ｔｈｅ　ｄｉｆｆｅｒｅｎｃｅｓ　ｏｆ　ｔｈｏｓｅ　ａｒｅ　ａｍｂｉｇｕ—　ＯＵＳ　ｂｅｃａｕｓｅ　ｏｆ　ｌａｃｋｉｎｇ　ａ　ｕｎｉｑｕｅ　ｄｅｓｃｒｉｐｔｉｏｎ，ｗｈｉｃｈ　ｍａｋｅｓ　ｉｔ　ｄｉｆｆｉｃｕｌｔ　ｔｏ　ａｐｐｌｙ　ｉｍａｇｅ　ｆｕｓｉｏｎ　ｐｕｒｐｏｓｅｆｕｌｌｙ．Ｏｎ　ｔｈｅ　ｏｔｈｅｒ　ｈａｎｄ，　ｔｈｅ　ｑｕａｌｉｔｉｅｓ　ｏｆ　ｔｈｏｓｅ　ｆｕｓｉｏｎ　ｍｅｔｈｏｄｓ　ｄｅｐｅｎｄ　ｏｎ　ｔｈｅ　ｏｐｅｒａｔｏｒｓ’ｅｘｐｅｒｉｅｎｃｅ　ａｓ　ａ　ｒｅｓｕｌｔ　ｏｆ　ｌａｃｋｉｎｇ　ｔｈｅ　ｔｈｅｏｒｙ　ｏｆ　ｍｅｔｈｏｄｓ　ｓｅｌｅｃ—　ｔｉｏｎ．Ｐｏｉｎｔｉｎｇ　ｔＯ　ｔｈｉｓ　ｓｔａｔｕｓ，ｔｈｅ　ｇｅｎｅｒａｌ　ｐｒｏｃｅｓｓ　ｏｆ　ｉｍａｇｅ　ｆｕｓｉｏｎ　ｉｓ　ｍｏｄｅｌｅｄ　ａｔ　ｆｉｒｓｔ，ａｎｄ　ｔｈｅ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ　ｆｕｓｉｏｎ　ｍｅｔｈｏｄｓ　ａｒｅ　ｄｅｆｉｎｅｄ　ｆｏｒｍａｌｌｙ．Ｔｈｅｎ　ｔｈｅ　ｄｉｆｆｅｒｅｎｃｅ　ｏｆ　ｔｈｅ　ｆｕｓｉｏｎ　ｑｕａｌｉｔｙ　ｏｆ　ｔｈｅ　ｅｘｉｓｔｉｎｇ　ｍｅｔｈｏｄｓ　ｉｓ　ａｎａｌｙｚｅｄ　ｔｈｅｏｒｅｔｉｃａｌｌｙ．Ｆｉ—　ｎａｌｌｙ　ｑｕａｌｉｔｉｅｓ　ｏｆ　ｓｏｍｅ　ｃｌａｓｓｉｃ　ｆｕｓｉｏｎ　ｍｅｔｈｏｄｓ　ａｒｅ　ｑｕａｎｔｉｆｉｅｄ　ｔｈｒｏｕｇｈ　ｅｘｐｅｒｉｍｅｎｔｓ．Ｃｏｎｃｌｕｓｉｏｎｓ　ｉｎｄｉｃａｔｅ　ｔｈａｔ　ｔｈｅ　ｒｅｐｒｅｓｅｎｔａ－　ｔｉｏｎ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｄｕｒｉｎｇ　ｔｈｅ　ｆｕｓｉｏｎ　ｐｒｏｃｅｓｓ　ｉｓ　ｔｈｅ　ｋｅｙ　ｔＯ　ｆｕｓｉｏｎ　ｑｕａｌｉｔｙ．　关键词：遥感图像；建模；像素级融合；融合质量；ＩＫＯＮＯＳ图像　Ｋｅｙ　ｗｏｒｄｓ：ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅ；ｍｏｄｅｌｉｎｇ；ｐｉｘｅｌ－ｌｅｖｅｌ　ｆｕｓｉｏｎ；ｆｕｓｉｏｎ　ｉｍａｇｅ　ｑｕａｌｉｔｙ；ＩＫ０Ｎ０Ｓ　ｉｍａｇｅ　中图分类号：ＴＰ７５１　文献标识码：Ａ　

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

1.2 Brovey变换法

Brovery变换（Brovery Transform，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：

像素级融合方法

像素级融合方法是一种图像处理技术，可以将多幅图像进行融合，使得融合后的图像更加清晰、自然。本文将介绍像素级融合方法的原理和应用。

一、像素级融合方法的原理

像素级融合方法是基于像素的图像处理技术，其原理是将多幅图像的像素值进行逐像素的融合，得到融合后的图像。这种融合方法可以保留每幅图像的细节信息，同时可以消除图像之间的噪声和模糊。

在像素级融合方法中，首先需要对每幅图像进行预处理，包括去噪、增强等操作。然后，将预处理后的图像进行比较，根据一定的融合规则将像素进行融合。最后，将融合后的像素值重新映射到0-255的范围内，得到最终的融合图像。

像素级融合方法在许多领域都有广泛的应用，下面将介绍其中几个常见的应用场景。

1. 医学影像融合

在医学影像中，不同的扫描设备和模态往往可以提供不同的信息。利用像素级融合方法可以将这些不同的信息进行融合，得到更全面、准确的医学影像，帮助医生进行诊断和治疗。

2. 遥感图像融合 遥感图像通常包含不同的波段，例如可见光、红外线等。通过像素级融合方法可以将这些不同波段的图像进行融合，得到更丰富、细致的遥感图像，用于土地利用、环境监测等领域。

3. 视频图像融合

在视频监控、无人驾驶等应用中，经常需要将多个摄像头的图像进行融合。利用像素级融合方法可以将多个摄像头的视频图像融合成单个图像，提高图像的清晰度和细节，提供更好的视觉效果和识别能力。

4. 虚拟现实图像融合

在虚拟现实技术中，经常需要将真实世界的图像和虚拟场景的图像进行融合，以实现真实感和沉浸感。通过像素级融合方法可以将真实世界的图像和虚拟场景的图像进行融合，使得虚拟现实的体验更加逼真、真实。

三、像素级融合方法的发展趋势

随着计算机视觉和图像处理技术的不断发展，像素级融合方法也在不断创新和改进。未来的发展趋势主要包括以下几个方面：

1. 深度学习的应用

深度学习在图像处理领域有着广泛的应用，可以提取图像的高级语义信息。将深度学习技术与像素级融合方法相结合，可以进一步提高融合图像的质量和效果。

遥感影像数据融合原理与方法

遥感影像数据融合是将不同波段或不同传感器的遥感影像数据融合在一起，以获取更全面、准确、可靠的信息。它在农业、林业、城市规划、环境监测等领域具有广泛的应用。下面将对遥感影像数据融合的原理和方法进行详细介绍。

一、遥感影像数据融合原理

遥感影像数据融合的原理是通过将多个波段或多个传感器的影像数据进行组合，以获取多波段或多传感器数据的综合信息。融合后的影像数据能够提供更多的数据维度和更丰富的信息内容，从而增强地物辨别能力和特征提取能力。

1.时空一致性：遥感影像数据融合要求融合后的影像数据在时域和空域上具有一致的特性，即不同时间或空间的影像数据融合后要保持一致性，以便进行准确的信息提取和分析。

2.特征互补性：不同波段或传感器的影像数据通常具有不同的特征信息，例如，光学影像可以提供颜色信息，而雷达影像可以提供物体的形状和纹理信息。融合时要充分利用不同波段和传感器的特征互补性，使融合后的影像数据包含更全面、准确的信息。

3.数据一致性：遥感影像数据融合应保持数据的一致性，即融合后的影像数据应在不改变原始数据的情况下，能够反映出原始数据的真实信息。在融合过程中要注意去除噪声和图像畸变等因素，以保持数据的一致性。

二、遥感影像数据融合方法 1.基于像素的融合方法：基于像素的融合方法是将不同波段或传感器的影像数据进行像素级别的融合。常用的方法有像素互换法和加权平均法。像素互换法是将一个波段或传感器的像素值替换到另一个波段或传感器的影像上，以增加信息的表达能力。加权平均法是对不同波段或传感器的像素值进行加权平均，得到融合后的像素值。

2.基于特征的融合方法：基于特征的融合方法是针对不同波段或传感器的特征进行分析和融合。常用的方法有主成分分析法和小波变换法。主成分分析法是通过对不同波段或传感器的影像数据进行主成分分析，提取出影像数据中的主要特征，然后将主成分进行融合。小波变换法是利用小波变换来分析和提取不同波段或传感器的影像数据中的特征，然后通过小波系数的线性组合对影像数据进行融合。