当前位置：文档之家 › 实验二 图像融合与镶嵌

实验二 图像融合与镶嵌

  • 格式：doc
  • 大小：1.08 MB
  • 文档页数：12

实验二图像融合与镶嵌一、实验目的与要求1 掌握ENVI图像融合方法，本实验提供两个实例：英国伦敦TM图像和SPOT图像融合、法国布雷斯特SPOT多光谱和全色图像融合。

2 掌握ENVI图像镶嵌原理和方法：羽化、基于像素的镶嵌、基于地图的镶嵌、颜色平衡。

二、实验材料与数据三、实验方法与步骤（一）图像融合图像融合是将多幅图像合成单一图像的方法，通常用以提高多光谱数据的空间分辨率并保留多光谱图像的色彩信息，融合后的图像更容易目视判读。

高空间分辨率图像可以是全色图像，也可以是单波段合成孔径雷达图像。

进行融合的图像要么是具有相同的地理坐标系统，要么是覆盖相同的地理区域且图像大小相同、像素大小相同且具有相同的方向。

如果图像不具有相同的地理坐标系统，低空间分辨率的图像必须采样到与高空间分辨率图像的像素大小相同。

英国伦敦图像融合示例1 读取和显示ER Mapper图像所用的图像是具有ER Mapper格式头文件的TM图像和SPOT图像。

ENVI可以自动读取具有ER Mapper头文件的图像。

●从ENVI主菜单栏选择File→ Open External File→IP Software→ER Mapper，出现文件选择对话框。

●按下Shift键选择lon_tm.ers和lon_spot.ers，单击Open。

●在Available Bands List中，选择RGB Color单选按钮，然后单击Load RGB显示TM真彩色图像（lon_tm）。

●在Available Bands List中，单击Display ＃1并选择New display。

●选择Gray Scale单选按钮。

在lon_spot下，选择Pseudo Layer波段并单击Load Band 显示SPOT灰度图像（lon_spot）。

2 调整图像到相同的像素大小在Available Bands List对话框中可以看到，SPOT图像的大小为2820 x 1569，空间分辨率为10 m，TM图像的大小是1007 x 560，空间分辨率为28 m。

因此需要将TM图像调整拉伸2.8倍创建10 m空间分辨率图像来匹配SPOT图像。

●从ENVI主菜单栏，选择Basic T ools→Resize Data（Spatial/Spectral），出现Resize DataInput File对话框。

●选择lon_tm并单击OK，出现Resize Data Parameters对话框。

●在xfac栏中，输入2.8。

在yfac栏中，输入2.8009。

yfac使用值2.8009而不是2.8是为了使图像完全匹配。

●在Enter Output Filename栏中输入resize_lon_tm，单击OK。

●在Available Bands List中，单击Display ＃2然后选择Display ＃1。

●单击RGB Color按钮，加载resize_lon_tm RGB合成图像到Display ＃1。

●在图像窗口选择T ools→Link→Link Displays，出现Link Displays对话框。

单击OK连接调整大小后的图像(Display #1)到SPOT全色图像(Display #2)，并比较两幅图像。

●选择T ool s→Link→Unlink Displays取消连接。

3 手动HSV变换图像融合手动图像融合可以帮助您更好地理解图像融合的过程。

首先，将TM图像从RGB色彩空间转换到HSV（Hue-Saturation-V alue）色彩空间。

将SPOT图像拉伸到0到1之间，并替换TM变换后的V alue波段，通过HSV逆变换回到RGB色彩空间。

◆HSV色彩模型正向变换●从ENVI主菜单栏，选择Transform→Color T ransforms→RGB to HSV，出现RGB toHSV对话框。

●选择Display ＃1（即resize_lon_tm），单击OK。

出现RGB to HSV Parameters对话框。

●在Enter Output Filename栏中输入out_hsv，单击OK执行转换。

●在Available Bands List中out_hsv下，显示hue、saturation、value波段，可以分别以灰度图像显示，也可以彩色合成显示。

◆创建一个拉伸SPOT图象替换TM V alue波段值●从ENVI主菜单栏，选择Basic T ools→Stretch Data，出现Data Stretch Input File对话框。

●选择lon_spot并单击OK，出现Data Stretching对话框。

●在Data Stretching对话框Output Data section的Min field栏输入0，在Max field栏输入1.0。

●在Enter Output Filename栏输入stretch_lon_spot，单击OK，将SPOT图像拉伸到0～1.0之间。

◆HSV逆变换●从ENVI主菜单栏，选择Transform→Color T ransforms→HSV to RGB，出现HSV toRGB Input Bands对话框。

●在out_hsv下选择Hue和Sat波段作为H和S波段，在stretch_lon_spot下选择Stretch波段作为V波段，单击OK，出现HSV to RGB Parameters对话框。

●在Enter Output Filename栏输入fused_london，并单击OK进行逆变换。

◆显示结果●在Available Bands List中，加载fused_london RGB合成图像到Display ＃1。

●在Available Bands List中，单击Display ＃1并选择New Display。

●加载resize_lon_tm RGB合成图像到Display ＃3。

Display #1:融合后的TM/SPOT图像(fused_london)Display #2: SPOT全色图像(lon_spot)Display #3:调整大小后的TM图像(resize_lon_tm)●在图像窗口选择T ools→Link→Link Displays，出现Link Displays对话框。

●单击OK，连接三组图像。

在图像窗口中单击使用动态重叠进行图像比较。

4 自动HSV数据融合●从ENVI主菜单栏，选择Transform →Image Sharpening →HSV，出现Select InputRGB对话框。

●选择Display ＃3（resize_lon_tm），单击OK，出现High Resolution Input File对话框。

●在lon_spot下选择Pseudo Layer波段，单击OK，出现HSV Sharpening Parameters对话框。

●在Enter Output Filename栏输入lontmsp.img，单击OK。

●在Available Bands Lis中，单击Display ＃3，然后选择New Display。

●加载lontmsp.img RGB合成图像到Display ＃4。

●在图像窗口选择T ools→Link→Link Displays，出现Link Displays对话框。

单击OK，连接四幅图像。

以下是原始TM图像（左）与融合后TM/SPOT图像（右）在大致相同地区之间的比较●从ENVI主菜单栏尝试用同样的操作方法进行其他方法的图像融合。

如T ransform →Image Sharpening →Color Normalized (Brovey)。

法国布雷斯特图像融合示例1 打开并显示图像●从ENVI主菜单栏选择File →Open Image File，选择s_0417_2.bil，单击Open。

这是一个SPOT-XS多光谱图像文件。

●在Available Bands List中，单击RGB Color按钮，单击加载s_0417_2.bil假彩色红外合成图像。

●从ENVI主菜单栏选择File →Open Image File，选择s_0417_1.bil，单击Open。

这是一个SPOT全色图像文件。

●在Available Bands Lis中，单击Gray Scale按钮，选择s_0417_1.bil下的Band 1，单击Load Band以显示SPOT全色图像。

2 调整图像到相同的像素大小●在Available Bands List中的图像维数栏中显示全色图像大小为2835 x 2227，空间分辨率为10 m，SPOT-XS多光谱图像大小为1418 x 1114，空间分辨率为20 m，因此需要将SPOT –XS多光谱图像拉伸2.0倍来创建10米空间分辨率的图像来匹配SPOT全色图像。

●从ENVI主菜单栏，选择Basic T ools→Resize Data（Spatial/Spectral），出现Resize DataInput File对话框。

●选择s_0417_2.bil（SPOT - XS图像）并单击OK，出现Resize Data Parameters对话框。

●在xfac栏和yfac栏中，输入1.999。

使用值1.999而不是2.0是为了使图像完全匹配。

●在Enter Output Filename栏中输入resize_spotxs，单击OK。

●在Available Bands List中，单击Display ＃1然后选择New Display。

●单击RGB Color按钮，加载resize_spotxs RGB合成图像到Display ＃2。

●在图像窗口选择T ools→Link→Link Displays，出现Link Displays对话框。

单击OK连接调整大小后的图像(Display #2)到SPOT全色图像(Display #1)，并比较两幅图像。

●选择T ools→Link→Unlink Displays取消连接。

SPOT - XS的图像（20 m空间分辨率，左）和SPOT全色图像（10 m空间分辨率，右）3 融合SPOT全色图象●从ENVI主菜单栏，选择Transform →Image Sharpening →HSV，出现Select InputRGB对话框。

●选择Display ＃2（resize_spotxs），然后单击OK，出现High Resolution Input File对话框。

●在s_0417_1.bil下选择Band 1，单击OK，出现HSV Sharpening Parameters对话框。

●在Enter Output Filename栏输入brest_fused.img，单击OK。

合集下载

遥感影像的镶嵌与融合 PPT

遥感影像的镶嵌与融合 PPT


2.2色调调整－方差均值法
设要进行色调调整的相邻两幅图象为f(x,y)和g(x,y)，x和y是 图象上每个像元的采样行号和列号，希望把图象f(x,y)的 色调调整到与g(x,y)图象一致。
设α(x,y)是f(x,y)图象相对于g(x,y)图象记录增益变化，是f (x,y)图象相对于g(x,y)图象的零线漂移量。使f(x,y)图象的
d1
gA(i,j0j)gB(i,j0j)
j0
g(i,j)1 2[gE(iK 1 ,j)gH (i,j) ]
g ( i ,j ) m g E ( a i K x 1 ,j ) [ ， g H ( i ,j H (i,j)
色调调整到g(x,y)图象的技术问题，可归结到求α和β。
[g(x,y)M g]f[(x,y)M f]dx d2fyg
[f(x,y)M f]2dxdy
2 ff
Mg
2
fg 2
ff
Mf
f(x ,y )f(x ,y )
2.2 色调调整－直方图法
1.取出重叠部分，保证和A与B图象在行数上要一 致，一定不要小于A和B所具有的行数，并且在 取样时，要有足够的样本数。然后，在直方图 上找出两幅图象相应的频率像元所对应的灰度 值对。从直方图上读出灰度值对应的点对，用 分段拉伸的功能，把图象上的灰度值0，3，22， 46，54对应地拉伸到相应的图象上的灰度值0， 15，41，62，80。这些点中间的灰度值按线性 比例内插 .
2.色调调整效果检查。利用图象处理系统的显示功 能，使图象分别显示于屏幕左右两边。如果色 调调整成功，在屏幕上应看不出左、右两幅图 象的差别。如果还有差别，则修改拉伸时的点 对值，进行拉伸处理，直到在终端屏幕上看不 到差异为止。
3.用最后得到的拉伸点值，对相邻的两幅整图象A 和B的色调进行调整，即分波段把A图象的灰度 值拉伸到B图象相应的灰度值，从而完成相邻两 幅图象A和B的色调调整。
遥感图像融合实验报告

遥感图像融合实验报告

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。

遥感实验五_影像镶嵌、裁剪、融合

遥感实验五_影像镶嵌、裁剪、融合

在Mosaic Tool视窗菜单条中，点击Edit/setOverlap Function—打开setOverlap Function对话框，如图1.2.6示，设置以下参数：
.设置相交关系(Intersection Method):No Cutline Exists。
.设置重叠图像元灰度计算(select Function):Average。
图2.1.5
点击DataPrep,在弹出的下拉菜单中单击Subset Images，在Input File中输入裁切的底图xianqiang.img，在Output File中设置输出文件路径和文件名，这里保存名为jianqie3.img。
单击From Inquire Box,然后点击AOI，在弹出的Choose AOI中点击Viewer,点击OK。，最后在subset点击OK,步骤如图2.1.6示。
图2.1.6
图2.1.7
在新视图窗口中打开裁切结果，如图2.1.8示。
图2.1.8
同理对全色影像进行剪切。
操作步骤如图2.2.1—2.2.3示。
图2.1.1
图2.2.2
图2.2.3
全色影像裁切效果如图2.2.4示。
图2.2.4
2.3.按已有图像范围裁切(掩膜)
按已有图像的范围从一幅较大图像中裁切一部分图像时，按下图所示方法操作：其中4处为较大图像文件（即待裁切图像），5处为限定范围的图像文件（即裁切范围），6处为结果文件（即裁切后图像），如图2.3.1示。
.Apply—close。
图像拼接线设置，在Mosaic Tool视窗菜单条中选择Set Mode For Intersection按钮 ，两幅图像之间将出现叠加线，单击两幅图像的相交区域，重叠区域将被高亮显示。根据实际需要，选择拼接线模式：
遥感图像融合实验报告

遥感图像融合实验报告

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。