遥感图像融合方法

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：

遥感影像融合处理方法

摘要：本文介绍了遥感影像数据融合技术，并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法，最后简要描述了融合评价的方式方法等。

关键词：遥感影像融合融合评价

1、前言

将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合，获得色彩信息丰富且分辨率高的遥感融合影像的过程，成为遥感影像融合。全色影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富，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。

2、遥感影像融合一般步骤

遥感影像信息融合一般流程主要分为两个阶段：图像预处理，图像融合变换。

图像预处理主要包括：几何校正及影像配准。几何校正主要在于去除透视收缩、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。

3 常用融合方式

3.1 IHS融合

IHS（亮度I、色度H、饱和度S）变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据，合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度、色度、饱和度，它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。RGB颜色空间和IHS色度空间有着精确的转换关系。IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。

3.2 小波融合

小波变换，基于遥感影像的频域分析进行的，由于同一地区不同类型的影像，低频部分差别不大，而高频部分相差很大，通过小波变换对变换区实现分频，在分频基础上进行遥感影像的融合，常用于雷达影像SAR与TM影像的融合。

3.3 Pansharping融合

Pansharping算法用于高分辨率全色影像和多光谱影像的融合生成高分辨率彩色影像，此方法要求全波段影像和多波段影像同平台、同时间（或间隔很短）获得。Pansharping独具特色的融合方式(目前国际上公认的最好的融合方法)，能最大限度地保留多光谱影像的颜色信息和全色影像的空间信息，融合后的图像更加接近实际。

中国地质大学长城学院2011届毕业论文

1 1 绪 论

1.1研究目的及意义

20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。

遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。

遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。

1.2研究现状及发展的趋势

1.2.1研究现状

20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。

1）、融合结构

融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。

2）、融合的层次

图像融合可分为：像元级融合、特征级融合和决策级融合。

像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。

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。