最新版-ENVI下的图像融合方法
- 格式:docx
- 大小:49.51 KB
- 文档页数:7
目录第一部分利用ENVI对图像进行配准-校正-拼接-裁剪 (2)一、图像配准与校正 (2)(一)基础知识 (2)(二)ENVI操作 (4)二、图像镶嵌(图像拼接) (16)(一)基础知识 (16)(二)ENVI操作 (16)三、图像裁剪 (20)(一)基础知识 (20)(二)ENVI操作 (21)第二部分:下载影像及介绍 (26)(一)基本信息 (26)(二)日期信息 (26)(三)云量信息 (26)(四)空间信息 (26)第一部分利用ENVI对图像进行配准-校正-拼接-裁剪一、图像配准与校正(一)基础知识1、图像配准就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程,它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。
2、几何校正是指利用地面控制点和几何校正数学模型,来矫正非系统因素产生的误差,非系统因素如传感器本身的高度、地球曲率、空气折射或地形等的影响。
由于校正过程中会将坐标系统赋予图像数据,所以此过程包括了地理编码。
简单来说,图像校正是借助一组控制点,对一幅图像进行地理坐标的校正。
本文将采用地面控制点+校正模型的几何校正方式中的Image to Image,利用Image格式的基准影像对2006年兰州TM影像进行配准与校正。
3、图像选点原则[1]选取图像上易分辨且较精细的特征点,如道路交叉点、河流弯曲或分叉处、海岸线弯曲处、飞机场、城廓边缘等。
[2]特征变化大的地区需要多选。
[3]图像边缘部分一定要选取控制点。
[4]尽可能满幅均匀选取。
[5]保证一定数量的控制点,不是控制点越多越好。
4、数理知识:[1]多项式模型x=a0+a1X+a2Y+a3X²+a4XY+ a5Y²+....y=b0+ b1X+b2Y+b3X²+ b4XY +b5Y²+ ....X,Y:校正前该点的位置;x,y:校正后该点的位置[2]最少控制点个数: ( n+1 )²[3]误差计算:RMSEerror= sqrt( (x' -x)²+ (y' -y)²)5、重采样方法(插值算法)[1]最近邻法概念:取与所计算点( x,y )周围相邻的4个点,比较它们与被计算点的距离,哪个点距离最近就取哪个亮度值作为 ( x,y )点的亮度值优点:简单易用,计算显小缺点:图像的亮度具有不连续性,精度差[2]双线性内插法概念:取(x,y)点周围的4个邻点,在y方向内插2次,再在x方向内插1次,得到( x,y)点的亮度值 f ( x,y)优点:双线性内插法比最近邻法虽然计算虽有所增加,但精度明显提高,特别是对亮度不连续现象或线状特征的块状化现象有明显的改善。
ENVI下的图像融合步骤经过对ERDAS和ENVI两种软件中提供的大部分融合方法的对比,发现用ENVI中的Gram-Schmidt Spectral Sharpening方法进行融合能够比较好的保留原多光谱图像的光谱信息,或者使遥感影像的融合保留多光谱影像的增强效果。
1.用Gram-Schmidt Spectral Sharpening方法进行遥感影像融合时,有时需对原多光谱影像进行增强,在ENVI中对影像的增强可使用Enhance中的各种方法,使多光谱影像色彩信息达到需求的效果;增强方法如下图,选取不同的样区进行影像增强所得到的效果不同,在影像增强过程中应选取不同的样区进行尝试;ENVI中影像增强方法2.对遥感影像增强到达满意的效果后,通过File | Save Image As | Image File…保存增强果后的影像;保存窗口,在Output File Type中选择保存的数据类型,通过Choose选择文件的保存路径及文件名;3.进行影像融合,在ENVI主菜单中,通过Transform | Image Sharpening |Gram-Schmidt Spectral Sharpening 进行融合;4.在Select Low Spatial Resolution Multi Band Input File对话框窗口中选择多光谱影像,点击OK确定;Select Low Spatial Resolution Multi Band Input File对话框5.在Select High Spatial Resolution Pan Input Band 对话框中选择高分辨率的影像波段,点击OK确认;Select High Spatial Resolution Pan Input Band 对话框6.在Gram-Schmidt Spectral Sharpen Parameters 中设置融合的参数,Resampling中选择重采样的模型,Choose中选择存储的文件路径和文件名;。
ENVI中的各种融合方法融合方法有很多,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。
Brovey锐化方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。
用Gram-Schmidt可以对具有高分辨率的高光谱数据进行锐化。
第一步,从低分辨率的波谱波段中复制出一个全色波段。
第二步,对该全色波段和波谱波段进行Gram-Schmidt变换,其中全色波段被作为第一个波段。
第三步,用Gram-Schmidt变换后的第一个波段替换高空间分辨率的全色波段。
最后,应用Gram-Schmidt反变换构成pan锐化后的波谱波段。
用PC可以对具有高空间分辨率的光谱图像进行锐化。
第一步,先对多光谱数据进行主成分变换。
第二步,用高分辨率波段替换第一主成分波段,在此之前,高分辨率波段已被缩放匹配到第一主成分波段,从而避免波谱信息失真。
第三步,进行主成分反变换。
函数自动地用最近邻、双线性或三次卷积技术将高光谱数据重采样到高分辨率像元尺寸。
CN波谱锐化的彩色标准化算法也被称为能量分离变换(EnergySubdiviionTranform),它使用来自锐化图像的高空间分辨率(和低波谱分辨率)波段对输入图像的低空间分辨率(但是高波谱分辨率)波段进行增强。
该功能仅对包含在锐化图像波段的波谱范围内的输入波段进行锐化,其他输入波段被直接输出,不发生变换。
实验九遥感图像预处理(三)一、实验内容图像融合、镶嵌(2学时)图像裁剪(2学时)二、实验学时4学时二、实验原理、方法和手段图像融合、镶嵌、裁剪原理内容在操作中进行介绍。
三、实验数据实验数据:第四章:遥感图像预处理四、实验步骤1. 图像融合数据:第四章:遥感图像预处理\5-图像融合。
图像融合是将低空间分辨率的多光谱图像或高光谱数据与高空间分辨率的单波段重新采样,生成一幅高分辨率多光谱遥感图像的图像处理技术。
使得处理后的图像既有较高的空间分辨率,又具有多光谱特征。
ENVI中提供了两种融合方法:HSV变换和Brovey变换。
这两种方法均要求数据具有地理参考或者具有相同的尺寸,RGB输入波段必须为无符号8-bit数据或从打开的彩色display中选择。
两种方法基本类似,下面介绍Brovey变换操作过程。
操作过程:1. 打开融合的两个文件:TM-30m.img和bldr_sp.img(分别在两个display 窗口中显示),将TM-30m.img以RGB格式显示在display窗口中。
2. 选择主菜单→transform→image sharpening→color normalized(brovey),在select input RGB对话框中,有两种选择方式(如第一图):可用波段列表中选择或display窗口中选择,选择display#1窗口中的RGB,单击OK按钮。
3. 选中相应波段,双击,进入color normalized(brovey)对话框(如第二图),在color normalized(brovey)对话框中,选择重采样方式(resampling)和输入文件路径及文件名,单击OK按钮输出结果。
融合后结果如下,可以对两幅图像链接进行比较。
对于多光谱图像,ENVI可以利用以下融合技术:Gram-Schmidt:能保持融合前后图像波谱信息的一致性。
Color normalized:要求数据具有中心波长和FEHM主成分(PC)变换下面介绍参数相对较多的Gram-schmidt操作过程。
ENVI软件正射纠正和融合
一、正射纠正
1.打开影像
2.显示待纠正影像:Load Band
3.用RPC模型进行正射纠正
先对正视影像进行正射纠正。
4.设置各项参数
上述对话框中,从左到右分别表示:采样方法
输入DEM:在无控的情况下,选用前后视提取的DEM结果。
设置输出路径和文件名。
投影方式:建议不修改
分辨率:2.1和2.1Metre,其中,正视影像为2.1m,多光谱为5.8m。
OK! 完成正射纠正。
二、融合
融合方法选择:融合方法有很多种,对不同的影像也会有不同的
效果,不能说某一种方法绝对好会绝对不好,在这里也只是一个建议。
在ENVI软件中,可以选择Gram‐Schmidt Spectral Sharpening。
依次选择多光谱和全色影像。
方法选第一种,然后设置重采样方法和输出路径、文件名。
完成融合。
ENVI下多波段WV、QB影像融合方法1分别打开多光谱、全色影像打开WV或QB影像的方法有多种,为了免去镶嵌的步骤,推荐的方法是直接打开有DG 公司提供的头文件【*.TIL】,该文件可同时打开一条带的影像文件。
打开该文件之后可直接通过该文件对同一条带之内的影像进行处理,无缝隙,免去融合,简化了处理步骤。
打开方法在ENVI主菜单下【FILE】→【Open Image File】打开【Enter Data Filename】对话框。
通过该方法,分别打开全色和多光谱文件,进入下个步骤。
图一打开文件对话框2 启用锐化模块图像锐化自动地将一幅低分辨率的彩色图像与一幅高分辨率的灰阶图像结合在一起,再抽样成高分辨率像元大小。
ENVI 有两种图像尖锐化技术,用一个HIS 变换,以及用一个彩色标准化变换。
图像必须是地理坐标定位了的或有同样的维数。
图像尖锐化需要输入三个波段。
这些波段应该是拉伸过的字节型数据,或从一个开放的彩色显示中选择。
根据经验,本实验将介绍ENVI下的【Gram-Schmidt】光谱锐化方法。
启动该模块方法为在ENVI主菜单下选择【Transforms】→【Image Sharpening】→【Gram-Schmidt Spectral Sharpening】。
打开该功能之后将弹出对话框要求输入低分辨率多光谱影像(Low Spatial Resolution Multi Bafnd),如图二选择影像,单击【OK】按钮,确认输入信息并关闭该对话框。
之后弹出第二个对话框要求输入高分辨率灰度图(High Spatial Resolution Pan),选择高分辨率全色影像,单击【OK】按钮,确认输入信息并关闭该对话框。
图二输入低分辨率影像选择好需要融合的高分辨率全色影像和低分辨率多光谱影像后,将弹出具体设置对话框,因ENVI的锐化模块中已经输入好WV和QB影像融合需要的参数,故该步骤较为简单,只需确认传感器类型、重采样方法和输出路径即可。
envi多波段融合步骤
嘿,朋友们!今天咱就来唠唠 envi 多波段融合的那些事儿。
你知道吗,这就好比是一场奇妙的魔法之旅。
想象一下,各个波段就像是不同颜色的颜料,而我们要做的呢,就是把这些颜料巧妙地融合在一起,创造出一幅绚丽多彩的画卷。
首先呢,咱得把需要融合的多波段数据准备好。
这就像是做菜前要把食材都准备齐全一样,可不能马虎。
然后呢,进入到 envi 软件里,找到那个神奇的多波段融合功能。
接下来,就开始施展魔法啦!根据具体的需求和算法,调整各种参数。
这可不能瞎调哦,就像炒菜时放盐放多了或少了都会影响味道一样。
我们得细心地琢磨,找到最合适的那个平衡点。
在融合的过程中,要时刻留意数据的变化,看看是不是朝着我们想要的方向发展。
这就好比走路,得时不时看看路有没有走偏。
要是发现不对劲,赶紧调整策略呀。
哎呀,你说这多波段融合是不是挺有意思的?就像搭积木一样,一块一块地拼凑出我们想要的形状。
有时候可能一次融合得不太满意,那没关系呀,咱再来一次,就不信搞不定它!
融合完成后,可得好好欣赏欣赏自己的作品。
看看这融合后的图像,是不是比之前更加清晰、更加丰富了呢?就像原本平淡无奇的一幅画
突然变得栩栩如生了一样。
总之呢,envi 多波段融合可不是一件简单的事儿,但也绝对不是什
么高不可攀的技术。
只要咱有耐心,有细心,再加上一点点的创意,
就一定能把它玩转得团团转!你还等什么呢?赶紧去试试吧!。
摘要:介绍了遥感影像三种常用的图像融合方式。
进行实验,对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理,生成一幅既有高分辨率又有多光谱信息的图像,简要分析比较三种图像融合方式的各自特点,择出本次实验的最佳融合方式。
关键字:遥感影像;图像融合;主成分变换;乘积变换;比值变换;ERDAS IMAGINE1. 引言由于技术条件的限制和工作原理的不同,任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征,而不能反应出全部特征。
因此,与单源遥感影像数据相比,多源遥感影像数据既具有重要的互补性,也存在冗余性。
为了能更准确地识别目标,必须把各具特色的多源遥感数据相互结合起来,利用融合技术,针对性地去除无用信息,消除冗余,大幅度减少数据处理量,提高数据处理效率;同时,必须将海量多源数据中的有用信息集中起来,融合在一起,从多源数据中提取比单源数据更丰富、更可靠、更有用的信息,进行各种信息特征的互补,发挥各自的优势,充分发挥遥感技术的作用。
[1]在多源遥感图像融合中,针对同一对象不同的融合方法可以得到不同的融合结果,即可以得到不同的融合图像。
高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像,融合方法的选择取决于融合影像的应用,但迄今还没有普适的融合算法能够满足所有的应用目的,这也意味着融合影像质量评价应该与具体应用相联系。
[2]此次融合操作实验是用三种不同的融合方式(主成分变换融合,乘积变换融合,比值变换融合),对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理,生成一幅既有高分辨率又有多光谱信息的图像。
2. 源文件1 、 imagerycolor.tif ,SPOT图像,分辨率10米,有红、绿、两个红外共四个波段。
2 、imagery-5m.tif ,SPOT图像,分辨率5米。
3. 软件选择在常用的四种遥感图像处理软件中,PCI适合用于影像制图,ENVI在针对像元处理的信息提取中功能最强大,ER Mapper对于处理高分辨率影像效果较好,而ERDAS IMAGINE的数据融合效果最好。
ENVI下的图像融合方法
图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间
分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的
图像处理技术,使得处理后的影像既有较高的空间分辨率,又具有多光谱特征。
图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。
只有将两幅融合图像进行精确配准,才可能得到满意的结果。
对于融合方法的选择,取决于被融合图像的特征以及融合目的。
ENVI中提供融合方法有:
HSV变换
Brovey变换
这两种方法要求数据具有地理参考或者具有相同的尺寸大小。
RGB 输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。
这两种操作方法基本类似,下面介绍Brovey变换操作过程。
(1)打开融合的两个文件,将低分辨率多光谱图像显示在Display中。
(2)选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey),在Select Input RGB对话框中,有两种选择方式:从可用波段列表中和从Display窗口中,前者要求波段必须为无符号8bit。
(3)选择Display窗口中选择RGB,单击OK。
(4)Color Normalized (Brovey)输出面板中,选择重采样方式和输入文件路径及文件名,点击OK输出结果。
对于多光谱影像,ENVI利用以下融合技术:
Gram-Schmidt
主成分(PC)变换
color normalized (CN)变换
Pan sharpening
这四种方法中,Gram-Schmidt法能保持融合前后影像波谱信息的一致性,是一种高保真的遥感影像融合方法;color normalized (CN)变换要求数据具有中心波长和FWHM,;Pansharpening融合方法需要在ENVI Zoom中启动,比较适合高分辨率影像,如QuickBird、IKONOS 等。
这四种方式操作基本类似,下面介绍参数相对较多的Gram-Schmidt 操作过程。
(1)打开融合的两个文件。
(2)选择主菜单-> Transform->Image
Sharpening->Gram-Schmidt Spectral Sharpening或者选择主菜单
->Spectral->Gram-Schmidt Spectral Sharpening。
(3)在Select Low Spatial Resolution Multi Band Input File对话框中选择低分辨率多光谱图像,在Select High Spatial Resolution Pan Input Band对话框中选择高分辨率单波段图像。
(4)在弹出的Gram-Schmidt Spectral Sharpening输出对话框
中,需要选择降低高分辨率全色波段的方法,有四种方法的意义如下:AvAverage of Low Resolution Multispectral File:利用多光谱波段的
平均值来模拟低分辨率的全色波段。
Select Input File:从外部文件中选择一个单波段并且与多光谱数据
相同尺寸大小的图像来模拟模拟低分辨率的全色波段。
Create By Sensor Type: 选择一种传感器来模拟低分辨率的全色波段。
可选传感器包括:IKONOS, IRS1, KOMPSAT-2, Landsat7, QuickBird, 和SPOT 5,选择这个方法,融合图像是经过辐射定标的数据。
User Defined Filter Function:选择一个滤波函数来模拟低分辨率的全色波段。
融合图像是经过辐射定标的数据。
选择Average of Low Resolution Multispectral File方法。
(5)选择重采样方法和输入路径及文件名,单击OK输出。
图Gram-Schmidt Spectral Sharpening输出对话框
下表为各个融合方法的适用范围。
融合方法适用范围
IHS变换纹理改善,空间保持较好。
光谱信息损失较大大,受波段限制。
Brovey变换光谱信息保持较好,受波段限制。
乘积运算(CN)对大的地貌类型效果好,同时可用于多光谱与高光谱的融合。
PCA变换无波段限制,光谱保持好。
第一主成分信息高度集中,色调发生较大变化,
Gram-schmidt(GS)改进了PCA中信息过分集中的问题,不受波段限制,较好的保持空间纹理信息,尤其能高保真保持光谱特征。
Pansharpening专为最新高空间分辨率影像设计,能较好保持影像的纹理和光谱信息。
下面对上述几种融合方法做一个简单的介绍。
HSV变换
首先对RGB图像变换HSV颜色空间,用高分辨率的图像代替颜色亮度值波段,自动用最近邻或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颜色空间。
Brovey变换
对RGB图像和高分辨率数据进行数学合成,从而使图像融合,即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值。
然后自动地用最近邻、双线性或三次卷积技术将3个RGB 波段重采样到高分辨率像元尺寸。
Gram-Schmidt
第一步,从低分辨率的波段中复制出一个全色波段。
第二步,对复制出的全色波段和多波段进行Gram-Schmidt变换,其中全色波段被作为第一个波段。
第三步,用高空间分辨率的全色波段替换
Gram-Schmidt 变换后的第一个波段。
最后,应用Gram-Schmidt反变换得到融合图像。
主成分(PC)变换
第一步,先对多光谱数据进行主成分变换。
第二步,用高分辨率波段替换第一主成分波段,在此之前,高分辨率波段已被匹配到第一主成分波段,从而避免波谱信息失真。
第三步,进行主成分反变换得到融合图像。
color normalized (CN)变换
也被称为能量分离变换(Energy Subdivision Transform),它使用来自融合图像的高空间分辨率(低波谱分辨率)波段对输入图像的低空间分辨率(高波谱分辨率)波段进行增强。
该方法仅对包含在融合图像波段的波谱范围内对应的输入波段进行融合,其他输入波段被直接输出而不进行融合处理。
融合图像波段的波谱范围由波段中心波长和FWHM(full width-half maximum)值限定,这两个参数都可以在融合图像的ENVI头文件中获得。
根据锐化图像波段的波谱范围,可以将输入图像的波段划分为各个波谱单元。
系统按照如下方法对相应的波段单元同时进行处理。
每个输入波段乘以融合波段,然后再除以波段单位中的输入波段总数,从而完成归一化:
该融合方法需要输入图像与融合图像的单位相同(即都为反射率、辐射率、DN值等)。
如果融合图像与输入图像的单位相同不同,在融合输出面板中的Sharpening Image Multiplicative Scale Factor文本框中为锐化图像键入一个比例系数,使之与输入图像相匹配。
例如:如果输入图像是定标为单位(反射率*10000)的整型高光谱文件,但
是融合图像是被定标为反射率(0到1)的浮点型多光谱文件,应该输入的比例系数为10,000。
如果输入图像单位为辐射率[µW/(cm2 .nm.sr)],而融合图像单位为辐射率[µW/(cm2.m.sr)],应该输入的比例系数为0.001。