下载文档原格式
第1篇一、实验目的1. 理解遥感影像镶嵌的概念和意义。
2. 掌握遥感影像镶嵌的基本原理和方法。
3. 学会使用遥感图像处理软件进行影像镶嵌操作。
4. 分析影像镶嵌的效果，并探讨优化影像镶嵌的方法。
二、实验原理遥感影像镶嵌是将多幅遥感影像按照一定规则拼接成一幅大范围、连续的遥感影像，以展示更大范围的地理信息。
影像镶嵌的原理主要包括：1. 影像匹配：通过比较多幅影像之间的相似性，确定影像之间的对应关系。
2. 影像配准：根据影像匹配结果，对多幅影像进行几何校正，使其在空间上对齐。
3. 影像拼接：将配准后的影像按照一定规则拼接成一幅连续的遥感影像。
三、实验数据本实验使用的数据为我国某地区Landsat 8影像，包含全色波段和多个多光谱波段。
四、实验步骤1. 数据预处理（1）辐射定标：将原始影像的数字量转换为地物反射率或辐射亮度。
（2）大气校正：去除大气对影像的影响，提高影像质量。
（3）几何校正：纠正影像的几何畸变，使其符合实际地理坐标。
2. 影像匹配（1）选择匹配算法：本实验采用互信息匹配算法。
（2）设置匹配参数：根据影像特点，设置匹配窗口大小、匹配阈值等参数。
（3）进行匹配运算：将多幅影像进行匹配，得到匹配结果。
3. 影像配准（1）根据匹配结果，确定影像之间的对应关系。
（2）选择配准方法：本实验采用二次多项式配准方法。
（3）进行配准运算：将多幅影像进行配准，使其在空间上对齐。
4. 影像拼接（1）选择拼接方法：本实验采用线段拼接方法。
（2）设置拼接参数：根据影像特点，设置拼接线宽、重叠区域等参数。
（3）进行拼接运算：将配准后的影像进行拼接，得到一幅连续的遥感影像。
5. 结果分析（1）分析拼接效果：观察拼接后的影像，检查是否存在明显的拼接线、几何畸变等问题。
（2）优化拼接方法：根据分析结果，调整拼接参数，优化拼接效果。
五、实验结果与分析1. 拼接效果通过实验，成功将多幅Landsat 8影像拼接成一幅连续的遥感影像。
![[VIP专享]利用ENVI软件进行遥感图像的融合和增强实习报告](https://img.taocdn.com/s1/m/9ea8d1066bec0975f565e27b.png)
遥感图像处理实习报告实验内容：影像融合与增强班级：测绘1102班学号：1110020213姓名：晓亮指导老师：陈晓宁、黄远程、竞霞、史西安科技大学测绘科学与技术学院二零一三年一月实习三影像融合与增强1、实习内容：1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点；2.熟悉ENVI图像增强操作；3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。
2、实习目的：1.了解和认识各种图像融合方法的原理、内容及要点；2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较；3.学习利用ENVI软件进行各种图像增强处理操作；4.学会定性、定量分析比较图像融合的差异。
3、实习步骤：1.图像融合：三波段融合：HSV和Color Normalized (Brovey)变换：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1；3）在ENVI的主菜单选择Transform → Image Sharpening → HSV；4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。
5）从High Resolution Input File对话框中选择全色影像，点击OK。
6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。
即可完成HSV变换融合；与上述方法类似，选择Transform →Image Sharpening →Color Normalized (Brovey)，使用Brovey进行融合变换。
多光谱融合：Gram-Schmidt、主成分（PC）和color normalized (CN)变换三种方法操作过程基本类似，下面以Gram-Schmidt为例：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2 在ENVI的主菜单选择Transform →Image Sharpening →Schmidt Spectral Sharpening；3）在Select Low Spatial Resolution Multi Band Input File对话框中选择资源三号多光谱影像，在Select High Spatial Resolution Pan Input Band对话框中选择全色影像，点击OK。
遥感图像处理实习报告实验内容：影像融合与增强班级：测绘1102班学号： 1110020213姓名：指导老师：陈晓宁、黄远程、竞霞、史晓亮西安科技大学测绘科学与技术学院二零一三年一月实习三影像融合与增强一、实习内容：1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点；2.熟悉ENVI图像增强操作；3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。
二、实习目的：1.了解和认识各种图像融合方法的原理、内容及要点；2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较；3.学习利用ENVI软件进行各种图像增强处理操作；4.学会定性、定量分析比较图像融合的差异。
三、实习步骤：1.图像融合：三波段融合：HSV和Color Normalized (Brovey)变换：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1；3）在ENVI的主菜单选择Transform → Image Sharpening → HSV；4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。
5）从High Resolution Input File对话框中选择全色影像，点击OK。
6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。
即可完成HSV变换融合；与上述方法类似，选择Transform → Image Sharpening → Color Normalized (Brovey)，使用Brovey进行融合变换。
多光谱融合：Gram-Schmidt、主成分（PC）和color normalized (CN)变换三种方法操作过程基本类似，下面以Gram-Schmidt为例：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2 在ENVI的主菜单选择Transform → Image Sharpening →Schmidt Spectral Sharpening；3）在Select Low Spatial Resolution Multi Band Input File对话框中选择资源三号多光谱影像，在Select High Spatial Resolution Pan Input Band对话框中选择全色影像，点击OK。
遥感图像处理实验报告遥感图像处理实验报告引言：遥感图像处理是一门应用广泛的技术，它通过获取、分析和解释地球表面的图像数据，为地质勘探、环境监测、农业发展等领域提供了重要的支持。
本实验旨在探索遥感图像处理的基本方法和技术，以及其在实际应用中的价值和意义。
一、图像预处理图像预处理是遥感图像处理的第一步，它主要包括图像的去噪、增强和几何校正等操作。
在本实验中，我们使用了一张卫星图像作为样本，首先对图像进行了去噪处理，采用了中值滤波算法，有效地去除了图像中的椒盐噪声。
接着，我们对图像进行了增强处理，采用了直方图均衡化算法，使得图像的对比度得到了显著提高。
最后，我们进行了几何校正，通过对图像进行旋转和缩放，使得图像的几何形状与实际地理位置相符合。
二、图像分类图像分类是遥感图像处理的关键步骤之一，它通过对图像中的像素进行分类，将其划分为不同的地物类型。
在本实验中，我们使用了监督分类方法，首先选择了一些具有代表性的样本像素，然后通过训练分类器，将这些样本像素与不同的地物类型进行关联。
接着，我们对整个图像进行分类，将图像中的每个像素都划分为相应的地物类型。
最后，我们对分类结果进行了验证，通过与实地调查结果进行对比，验证了分类的准确性和可靠性。
三、图像融合图像融合是遥感图像处理的一项重要技术，它可以将多个不同波段或分辨率的图像融合成一幅高质量的图像。
在本实验中，我们选择了两幅具有不同波段的卫星图像，通过波段归一化和加权平均的方法，将这两幅图像融合在一起。
融合后的图像不仅保留了原始图像的颜色信息，还具有更高的空间分辨率和光谱分辨率，可以提供更全面和准确的地物信息。
四、图像变化检测图像变化检测是遥感图像处理的一项关键任务，它可以通过对多幅图像进行比较，检测出地表发生的变化情况。
在本实验中，我们选择了两幅具有不同时间的卫星图像，通过差异图像法和指数变化检测法，对这两幅图像进行了变化检测。
通过对比差异图像和变化指数图，我们可以清晰地看到地表发生的变化，如城市扩张、植被变化等，为城市规划和环境监测提供了重要的参考依据。
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。
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。
《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)。
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。
一、实习背景随着遥感技术的发展，遥感影像在地理信息、环境监测、城市规划等领域得到了广泛应用。
为了提高我们对遥感影像处理和分析的能力，我们开展了为期两周的遥感影像实习。
本次实习旨在让我们了解遥感影像的基本原理，掌握遥感影像处理软件的使用方法，并能对遥感影像进行初步的解译和分析。
二、实习内容1. 遥感影像基础知识实习期间，我们首先学习了遥感影像的基本原理，包括遥感数据的获取、处理、分析等环节。
了解了遥感影像的成像原理、成像模型、传感器类型等基本概念。
2. 遥感影像处理软件学习我们主要学习了ENVI软件的使用。
通过实习，我们掌握了以下操作：（1）数据导入与导出：学会了如何将遥感影像数据导入ENVI软件，以及如何导出处理后的影像数据。
（2）图像预处理：学会了如何对遥感影像进行辐射校正、几何校正、大气校正等预处理操作。
（3）图像增强：学会了如何对遥感影像进行对比度增强、亮度增强、锐化等增强操作。
（4）图像分类：学会了如何对遥感影像进行监督分类和非监督分类，以及如何提取地物信息。
3. 遥感影像解译与分析在实习过程中，我们对实习区域进行了遥感影像解译与分析。
主要内容包括：（1）地物识别：通过对遥感影像进行解译，识别实习区域内的主要地物类型，如水体、植被、建筑等。
（2）变化检测：对比不同时期的遥感影像，分析实习区域内的地物变化情况。
（3）专题图制作：根据遥感影像解译结果，制作实习区域的专题图，如土地利用现状图、植被覆盖度图等。
三、实习成果通过本次实习，我们取得了以下成果：1. 掌握了遥感影像处理软件ENVI的基本操作，能够对遥感影像进行预处理、增强、分类等操作。
2. 提高了遥感影像解译与分析能力，能够对实习区域内的地物进行识别和变化检测。
3. 了解了遥感技术在地理信息、环境监测、城市规划等领域的应用，为今后从事相关领域的工作奠定了基础。
四、实习体会本次遥感影像实习让我们受益匪浅。
在实习过程中，我们不仅学到了遥感影像处理和分析的基本知识，还提高了实际操作能力。
遥感图像处理实习报告实验内容：影像融合与增强班级：测绘1102班学号：1110020213姓名：晓亮指导老师：陈晓宁、黄远程、竞霞、史西安科技大学测绘科学与技术学院二零一三年一月实习三影像融合与增强1、实习内容：1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点；2.熟悉ENVI图像增强操作；3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。
2、实习目的：1.了解和认识各种图像融合方法的原理、内容及要点；2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较；3.学习利用ENVI软件进行各种图像增强处理操作；4.学会定性、定量分析比较图像融合的差异。
3、实习步骤：1.图像融合：三波段融合：HSV和Color Normalized (Brovey)变换：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1；3）在ENVI的主菜单选择Transform → Image Sharpening → HSV；4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。
5）从High Resolution Input File对话框中选择全色影像，点击OK。
6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。
即可完成HSV变换融合；与上述方法类似，选择Transform →Image Sharpening →Color Normalized (Brovey)，使用Brovey进行融合变换。
多光谱融合：Gram-Schmidt、主成分（PC）和color normalized (CN)变换三种方法操作过程基本类似，下面以Gram-Schmidt为例：1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中；2 在ENVI的主菜单选择Transform →Image Sharpening →Schmidt Spectral Sharpening；3）在Select Low Spatial Resolution Multi Band Input File对话框中选择资源三号多光谱影像，在Select High Spatial Resolution Pan Input Band对话框中选择全色影像，点击OK。
《遥感导论》 实验四专业名称：海洋技术班级：海洋101姓 名：张 丹学 号：141003137日 期：2012/11/15成 绩：测绘工程学院实验四高分辨率遥感影像的融合一、实验目的1、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。
2、通过实验掌握遥感图像融合的方法，比较区分各自优缺点。
二、实验软件ERDAS IMAGINE9.2三、实验准备“影像材料在 Gis38 上“的图像fusion1.img和图像spot5pan.img；图像spot5mul.img。
四、实验目的背景：多角度、多传感器、多平台和高时间分辨率、高空分辨率、高时间分辨率的遥感图像数据各自具有自己的优势和局限性。
但是通过大量的研究发现，通过不同传感器、不同方式获取的大量遥感图像数据之间，既具有互补性，又存在极大的冗余性。
如何从这些兼有互补性和冗余性的多源海量遥感数据中有效、合理的提取更有用、更精练、质量更高的信息，为辅助决策系统提供决策依据，已经成为一个迫切需要得到解决的前沿性问题，遥感图像融合技术就成为一个研究热点。
目的：将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。
五、融合过程1、遥感影像的预处理，几何校正（1）预处理：主要包括遥感影像几何纠正、大气订正、辐射校正及空间配准几何纠正、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；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。
（2）几何校正配准步骤1、特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。
ERDAS图表面板菜单条：Session→Title Viewers在Viewer1中打开需要校正的Lantsat图像：spot5mul.img在Viewer2中打开作为地理参考的校正过的SPOT图像：fusion1.img图1-2 采取控制点2、特征匹配：采用一定配准算法，找处两幅影像上对应的明显地物点，作为控制点。
图1-3选取特征点3、空间变换：根据控制点，建立影像间的映射关系。
4、插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。
5、计算检查点误差：在GCP Tool工具条中点击Compute Error图标，检查点的误差为Total=0.6524，误差小于一个像元，进行重采样。
图1-5 采样检查点注意1:空间配准的精度一般要求在1~2个像元内。
空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。
6、图像重采样图1-6影像重采样7、输出图像文件（OutputFile）:rectify2.img8、用同样的方法对spot5pan.Img进行几何校正配准，并且输出图像文件（OutputFile）:rectify1.img图1-8几何校正后的影像rectify1.img2、遥感影像的预处理，剪裁在输出的进行过几何矫正过的rectify1.img和rectify2.img的图像，两个图像都是歪斜的，并且面积大小不一样，在进行遥感影像融合前必须对遥感影像的图像rectify1.img和rectify2.img进行裁剪，使他们的面积大小和形状一致，保证融合的准确性，不出现偏移现象和出错。
注意2：遥感影像的图像rectify1.img和rectify2.img中，面积最小者是rectify1.img，它是spopan5.img校正后的，剪裁以它为准。
（1）ERDAS图表面板菜单条：Session→Title Viewers在Viewer1中打开校正过的的遥感影像：rectify1.img在Viewer2中打开校正过的的遥感影像：rectify2.img在DataPrep下，打开SubSet，Input File选择rectify1.img,Output选择输出文件。
，img名为caipan.img，并且在图像上选择合适的左上坐标与右下坐标，使之裁剪成方正的图像，并记录（X,Y）数据，留剪裁rectify2.img使用同样的左上角和右下角坐标，是两个图像裁剪大小面积一致。
我的左上角（X,Y）数据为左上(448564.500000，3982024.500000), 右下角数据为（451972.500000，3979492.500000）。
图1-9 裁剪影像rectify1.img（2）对rectify2.img影像进行裁剪，方法同第一步裁剪rectify1.img，不需要重新进行左上角与右下角的坐标选择：图1-10裁剪影像rectify2.img只需要在坐标中输入左上角（X,Y）数据为(448564.500000，3982024.500000), 右下角数据为（451972.500000，3979492.500000）即可，就如前文所述，使两个图像裁剪大小面积一致。
（下图1-11裁剪进程），裁剪后为caimul.img。
图1-12 输出的裁剪后的caismul.img和caipan.img3、遥感影像的融合(1)对配准后的两幅幅遥感影像caismul.img和caipan.img利用PCA 变换在工具栏的“interpreter”下，选择“spatial enhancement”，再选择“resolution merge”图1-13打开融合工具（2）采用PCA主成分分析法：在High Resoluton IputFile 中输入剪裁后的全色影像caipan.img，在Mulpretral IputFile中输入剪裁后的多光谱彩色影像caimul.img，Output File 中为输入的PCA方法融合后的影像，命名为ronghe.img。
（下图1-14所示）图1-15 融合进度条（3）采用Brovery法：在High Resoluton IputFile 中输入剪裁后的全色影像caipan.img，在Mulpretral IputFile中输入剪裁后的多光谱彩色影像caimul.img，Output File中为输入的Brovery方法融合后的影像，命名为ronghe2.img。
图1-16Brovery融合输出设置（4）采用Mutiplicative法：在High Resoluton IputFile 中输入剪裁后的全色影像caipan.img，在Mulpretral IputFile中输入剪裁后的多光谱彩色影像caimul.img，Output File 中为输入的Mutiplicative方法融合后的影像，命名为ronghe3.img。
图1-17 融合输出设置（5）输出后的融合影像，ronghe.img ronghe2.img ronghe3.img图1-18不同方法融合后的影像集六、结果分析及评价通过实验学习多源遥感影像融合技术，我了解到遥感影像融合就是将不同传感器遥感影像数据源所提供的信息加以综合，以获得高质量的影像信息，同时消除多传感器信息之间的冗余和矛盾，加以互补，降低其不确定性，减少模糊度，以增强影像中信息清晰度，改善解释的精度、可靠性以及使用率，以形成对目标相对完整一致的信息描述。
本次实验老师给的融合素材是“影像材料在 Gis38 上“的图像fusion1.img和图像spot5pan.img；图像spot5mul.img。
spot5pan.img影像是全色影像，具有较高空间分辨率，多光谱影像spot5mul.img光谱信息较丰富，为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱影像。
通过影像融合既可以提高多光谱影像空间分辨率，又能保留其多光谱特性。
这次实验主要采取三种方法对我裁剪后的影像进行融合，当然在裁剪前，我用已学到的几何校正方法对影像spot5pan.img和spot5mul.img进行了校正，然后剪裁大小一致，用来进行遥感影像的融合，如果不校正也不剪裁，那么出来的融合影像就会很失真，重叠很多，影响就会变质，完全分辨不出地物。
首先采用的融合方法是PCA法。
PCA的本质是通过去除冗余，将其余信息转入少数几幅影像（即主成分）的方法，对大量影像进行概括和消除相关性，生成具有高空问分辨率的多波段融合图像。
PCA融合后的影像能够分离信息，减少相关，从而突出不同的地物目标，影响比较清晰，提高了分辨率，居民区、道路、建筑物轮廓和行树的构像及对其它目标的影像细节显示清晰。
但是，从我融合后的影像ronghe.img，我的主观来判断用PCA法融合后的影像相比其他方法感觉失真有点大，可能是分类误差较大导致吧。
然后我采用了Brovey融合法，它是较为简单实用的一种融合方法，其原理是将原有多光谱波段进行归一化处理之后与全色波段相乘得到新的融合波段，融合后的影像ronghe2.img，影像感觉分辨率清晰度不如PCA法，但是失真较小，地物轮廓也比较清楚。
Brovery变换融合增强了影像的纹理信息，通过看高密度建筑物的遥感影像便会发现。
接下来我采用的是乘积变换法，乘积变换是应用最基本的乘积组合算法直接对两类遥感信息进行合成，将一定亮度的影像进行变换处理时，只有乘法变换可以使其色彩保持不变，所以融合出来的影像ronghe3.img多光谱特性好，几乎没有失真，而且同时提高了分辨率，在这三个融合影像中是地物最清晰切光谱特性良好的，我个人喜欢这个融合法。
实验后发现，通过融合增强多光谱影像分辨率，必然会产生多光谱影像光谱特性或多或少的变化。
所以选择或设计合理的融合算法，最大限度的利用多种遥感数据中的有用信息才是本次实验最应该在比较中自己总结感悟的。
这几张融合图片可以清晰地反映出几种方法的优缺点。
从融合结果图可以看出，无论是空间分辨率，还是图像的清晰程度，这几种融合方法的结果图都比原始影像提高很多，并且融合后的影像信息量较为丰富。
主成分变换法得到的影像是一种特定的结果，能够分离信息，该方法主要是根据需要选择特定的因素，并以其为主要因素进行融合处理；乘积变换法的优点在于能够保持其原有的色彩，并且其亮度得到增加；比值变换法能够较清晰的反映出地物的细节，使道路的网络清晰可见，而且有利于云雾等的消除。
但是总的来说，由不同融合法得到的影像相对原始多光谱彩色影像均有很大的提高。
在以后的学习实验中，根据不同实际情况的需要选择不同的融合方法。
