遥感图像融合方法比较(共18页).doc

《遥感图像融合方法比较(共18页).doc》由会员分享，可在线阅读，更多相关《遥感图像融合方法比较(共18页).doc（18页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上 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

2、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

3、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。特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融

4、合分为目标状态信息融合和目标特征融合。决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。3）、融合的算法目前遥感影像数据融合的算法有：IHS变换法、PCA变换法、简单加权法、Brovery变换法、小波变换法和高通滤波法等。IHS变换法是基于IHS 变换的遥感图像融合。IHS变换通过将由常用的RGB彩色空间变化至IHS空间，从而将图像的亮度（Intensity）、色调（Hue）和饱和度（Saturation）分离开来。PCA变换

5、法又叫做K-L变化，是一种最小均方误差意义上的最优正交变化。简单加权法是对所获得的配准后的两幅图像中各对新像素做加权平均处理，融合成一幅新的图像。Brovery变换法又称为色彩标准化变换。该方法是将遥感图像的3个波段，按照一定的公式进行计算，获得融合后各个波段的数值。小波变换法是将图像的光谱特征和空间分辨率信息分离的有力工具。它的实质是在一定的分解水平对低分辨率图像的相应小波系数按照某种算法结合高分辨率图像对应的系数，构成融合图像的小波系数，再反变换生成新图像，以获取所需的光谱与空间分辨率信息。高通滤波（HPF）法是将高分辨率图像通过一个高通滤波器，然后将高分辨率图像的高频部分的空间信息叠加到

6、多光谱图像上。1.2.2 发展方向 经过几十年的发展，遥感影像数据融合技术得到了很大的发展，各种算法如雨后春笋般的出现。这为更好的提取和利用遥感信息提供了很多的便利。随着科技的不断进步和与课题相关的新问题的不断出现，国内外学者根据具体情况提出了一些基于原融合方法的改进算法和将现有数据融合方法结合起来使用的一些方法。基于原融合方法的改进算法有：1）、基于HIS变换法的改进算法；2）、基于Brovery变换法，突破3个波段的局限性的改进算法；3）、基于小波变换的改进算法；4）、基于PCA变换法的改进算法等。将现有数据融合方法结合起来使用的方法有：1）、小波变化与HIS结合的改进算法；2）、小波变换

7、与PCA相结合的改进算法；3）、直接相加的小波变换低频信息处理方法；4）、IHS变换法、小波变化法与高通滤波相结合的融合算法；5）、基于人眼视觉系统（HSV）的小波图像融合新算法。这些新算法的提出，对图像融合理论和应用无疑是一个巨大的扩充，使得图像融合方法不断充实和完善。随着计算机技术的不断发展，各种传感器的成功研制，各种遥感影像数据融合技术的不断走向成熟。理论界认为：遥感影像数据融合处理技术研究的领域依然是理论基础、数据库、算法与模型开发、推理及应用。未来的发展方向是：（1）、开展多传感器遥感影像信息融合系统的理论研究，建立基本理论框架，开发出广义的融合模型、准则和算法，从而确定出融合模型的

8、设计和评估方法。（2）、多进制小波在对称性、光滑性、紧致性等方面都要优于二进制小波，能够解决二进制小波不能解决的诸多问题，因此多进制小波作为小波理论的重要分支会得到更广发的重视和研究。（3）、高分辨率、各种传感器的不断出现，使我们可以直接获得地面物体的大小、形状、位置、性质及环境相互关系等地面信息，这些数据成为了GIS重要的数据源和数据更新手段。遥感为GIS 提供了大量的有用数据，而GIS又为遥感探测成果的评价和空间分析提供了有力的工具。两者的更好结合是今后一个重要的研究方向。（4）、随着遥感器类型的增多，造成目前遥感数据成指数地增加，大量的遥感基础资料，用传统的目视解译已经无法满足现实的需要

9、。因而遥感数据与专家系统的决策级结合研究会是一个重要的研究方向。（5）、由于卫星平台上获得的地面信息能力大幅提高，但由此生成的遥感数据量也成几何级数般的增加，所以星上数据处理技术的研究也是一个研究方向。1.3 研究的主要内容及方法从遥感数据融合产生至今，经历几十年的发展，形成了很多的遥感数据融合处理方法。主要的方法有：HIS变换法，PCA变换法、简单加权法、Brovery变化法、小波变换法和高通滤波法等。本文研究的主要内容是：研究分析目前国际国内遥感影像数据融合的算法，获得各种算法的优缺点和各自的应用领域。依据本文的研究内容，则本文的研究方法是：（1）、收集、查阅大量的有关方面的资料。知道各种

10、算法的概念、步骤、各自的优缺点和已经成功应用的领域。（2）、对已经了解的方法进行总结，对已有的算法进行详细的介绍和阐述，同时着重关注近年来出现的各种新算法和基于原有算法的改进算法。 2 遥感影像数据融合方法简介2.1 遥感影像数据融合方法2.1.1 遥感影像数据融合的概念图像融合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。遥感影像信息融合就是针对不同环境条件和不同的应用目的，选择最佳的波段组合和分辨率，最终得到最准确的遥感信息描述，

11、以利于用户利用信息。2.2遥感影像数据融合的原理 对于不同传感器获得遥感数据进行融合，可以分为：影像的空间配准和影像融合。2.2.1 遥感影像的空间配准 影像的空间配准是影像融合的前提，配准的方法是：采用几何纠正，分别在不同数据源上选取控制点，用双线性内插或三次卷积内插运算等对分辨率较小的图像进行重采样，完成配准。2.2.2 遥感影像的融合根据融合目的和融合层次选择合适的融合算法，将空间配准后的影像数据进行有效地合成，得到对目标更准确的表示和估计。遥感影像数据融合流程如图1所示：影像1影像2、影像N遥 感数 据准 备融 合 图 像 变 换 处 理图1 遥感影像信息融合的流程2.3 遥感影像数据

12、融合的层次 遥感影像数据融合的层次分为：像素级融合、特征级融合和决策级融合。像素级融合即在严格配准的条件下，对多源遥感图像直接进行信息的综合分析。它是在基础数据层面上进行的数据融合。像素级融合的准确性最高，能够提供其他层次的融合处理所不具有的细节。但是处理的数据量最大，计算时间长，要求融合过程中有较强的纠错能力，且抗干扰能力较差，对设备的要求很高。特征级融合即对预处理和特征提取后获得的景物信息如边缘信息等进行综合分析和处理的过程。它是在中间层次进行的信息融合。该融合既保留了足够数量的重要信息，又可对信息进行压缩，极大地提高了数据处理和传输效率，有利于实时处理。决策级融合是：首先将不同类型传感器

13、观测同一目标获得的数据在本地完成预处理、特征提取、识别或判断，以建立对所观测目标的初步结论，然后通过相关处理、决策级融合判决，最终获得推断结果，从而直接为决策提供依据。它是最高层次的数据融合。该融合的数据量少，容错性高，对传感器的依赖性低，分析能力强，但对预处理和特征提取有较高要求。3 HIS 融合法3.1 HIS 融合简介3.1.1 HIS融合的概念 HIS 融合是基于HIS 变换的图像融合。HIS 变换通过将图像由常用的RGB空间变换至HIS空间，从而可以将图像的亮度（Intensity）、色调（Hue）和饱和度（Saturation）分离开来。HIS 融合又称为“I 分量替换法”，即用全

14、色图像代替多光谱图像的I分量，并与其H和S分量相结合进行HIS 逆变换获得融合图像。HIS 图像融合的基本步骤： （1）、对两幅图像进行几何配准，并将多光谱图像重采样与全色图像分辨率设置一致；（2）、对多光谱图像进行HIS变换， 将图像变换之HIS空间；（3）、对全色图像和多光谱图像的I分量进行直方图匹配；（4）、用直方图配准后的全色图像代替多光谱图像的I分量；（5）、对I分量替换后的多光谱图像进行HIS 逆变换至RGB空间，得到融合图像。HIS融合流程如图2所示：多光谱图像融合图像融合处理直方图匹配预处理全色图像HIS变换图2 HIS 融合流程图3.2 HIS 变换法的优缺点及应用3.2.1

15、 HIS 变换法的优缺点 HIS融合法简单易行，能够提高多光谱影像的空间分辨率和清晰度，所以融合后得到的影像既具有高的空间分辨率又有与原影像相同的色度和饱和度。同时较大程度地保留了多光谱影像的光谱特征，从而增强了原多光谱影像的判译和量测能力。 HIS融合具有只能用三个波段的多光谱图像与全色图像进行融合的缺陷，当多光谱图像的波段多余三个时，则需要将多光谱图像划分为多个三个波段图像，分别执行HIS融合，并将HIS 逆变换后的多个波段重新组合起来。此外，当多光谱图像的I分量与全色图像之间存在很大差异时，会导致融合图像严重失真。3.2.2 HIS 融合的应用 HIS融合是应用最广泛的融合方法之一。已经

16、成功地应用在 SPOT PAN和XS，SPOT PAN和TM MUL，Landsat ETM+ PAN和TM MUL等得融合研究中。 4 PCA变换法4.1 PCA 变换法简介4.1.1 PCA变换法的概念 PCA（Principal Component Analysis）变换又称为K-L变换(主成分变换)。它是将N 个波段的低分辨率图像进行KL变换，将单波段的高分辨率图像经过灰度拉伸，使灰度的均值与方差和KL变换第一分量图像一致；然后以拉伸过的高分辨率图像代替第一分量图像，经过KL逆变换到原空间。 PCA 变化法的基本步骤：（1）、对多光谱图像进行主成分分析，用相关矩阵求特征值和特征性向量，

17、然后求各主分量；（2）、将空间配准后的单波段高分辨率图像与第一主分量图像做直方图配准；（3）、用配准后的单波段高分辨率图像代替第一主分量；并将与其余主分量做逆变换得到融合图像。 PCA融合变换流程如图3所示：用配准后的图像代替第一主分量并做逆变换多光谱图像高分辨率图像空间配准多光谱图像主分量变换对高分辨率图像直方图配准融合图像 图3 PCA融合变换流程图4.2 PCA变换法的优缺点PCA 变换法最大的优点是可以应用任意数目的波段，克服了HIS变换只能用于三个波段的缺陷。经过融合后的图像包括了两幅原始图像高空间分辨率和高光谱分辨率特征，保留了原图像的高频信息。在保留多光谱图像的光谱特征方面优于H

18、IS变换法。融合图像上的细部特征更加清晰，光谱信息更加丰富。PCA变换法的融合效果取决于替代图像与第一主分量图像的相似程度，容易产生光谱特征扭曲现象。 5 小波变换法5.1 小波变换简介5.1.1 小波变换的概念小波变换采用时间尺度表示，将图像分解为更低分辨率尺度上的低频近似分量以及水平、垂直和对角线方向的高频细节分量，通过小波分解，利用高分辨率影像的高频分量和相应的多光谱影像的低频分量在不同尺度上按照一定的规则进行融合，提取出重要的小波系数，可以将前者的空间信息与后者的光谱信息有机结合，形成空间分辨率和光谱分辨率最佳的融合图像。小波融合的基本步骤：（1）、对高分辨率图像进行小波分解，得到近似

19、分量和3个方向的细节分量；（2）、对多光谱图像的各个波段进行单独处理，实现与高分辨率图像相同的分解过程；（3）、分解得到的细节分量及近似分量，由算法模型生成用于重构过程的近似分量和3个方向的细节分量；（4）、执行重构算法，实现数据融合；（5）、将分别进行融合的图像，重新进行波段组合，得到融合图像。小波融合流程如图4所示：高分辨率图像小波分解融合图像融合小波分解多光谱图像小 波逆 变 换图4 小波融合流程图5.2 小波融合的优缺点及应用5.2.1小波融合的优缺点近年来，小波变换是克服傅里叶变换的局限性的有效方法。小波融合具有以下优点：（1）、通过数据融合，可以有针对性的去除无用信息，消除冗余，大

20、幅度减少数据处理量，提高数据处理中的效率；（2）、通过数据融合，可以将海量的数据信息集合起来，融合在一起，便于各种信息特征互补，发挥各自的优势获得更多的有用信息，减少识别目标的模糊性和不确定性，融合后的图像不仅分辨率有很大的提高，而且在图像的亮度和颜色上也有所提高；（3）、小波融合不仅能够针对输入图像的不同特征来合理选择小波基和分解层数，同时能够在融合操作时根据实际需要引入双方的细节信息，从而表现出针对性和实用性；（4）、小波融合能够完成对单一波段和多波段的融合运算，且时频分辨率可变，有较大的灵活性；（5）、 融合后的图像在熵、联合熵和平均梯度上都有很大的提高，图像的清晰度、解译能力和可判读性

21、得到了很大的改善。 小波融合过程的计算量较大，而且整体外观效果类似高通滤波，颜色信息并未与空间特征结合在一起，容易出现过度不自然的现象。随着小波分层数的增加，融合图像容易出现方块效应。小波融合保留了高分辨率影像的高频特征，所以整体融合效果较好。与HIS融合和PCA变化换相比，HIS变换只能而且必须同时对3个波段进行融合，PCA变换的输入图像必须是3个或3个以上，而小波变换可以对任意多个波段进行融合，对单个黑白图像的融合，小波融合是最好的选择。5.2.2 小波变换的应用 小波变化是基于遥感影像的频域分析进行的，通过小波变换，对变换区实现分频，在分频基础上实现融合。常用于雷达影像SAR与TM图像的

22、融合。 6 高通滤波法（HPF）6.1高通滤波的概念 HPF(High Pass Filtering)法是将高空间分辨率图像中的边缘信息提取出来，加入到低分辨率高光谱图像中。它是由Schowengerdt在1980年提出，当时被看着是一种减少Landsat多光谱数据的数量而增加分辨率的方法。其基本思想是：让高分辨率图像通过一个高通滤波器，然后将高分辨率图像的高频部分的空间信息叠加到多光谱图像上。6.2高通滤波法的基本步骤 高通滤波算法的步骤：（1）、提取高空间分辨率图像中空间信息的高频分量，去掉大部分的低频信息；（2）、将高通滤波结果加入到低分辨率光谱图像中，形成融合图像。6.3高通滤波法的优

23、缺点高通滤波变换的主要目的是提高影像高频细节，突出影像线性特征和边缘信息，有效地保留了多光谱信息。但是该方法在对高分辨率波段影像滤波时滤掉了大部分的纹理信息。该方法常用于影像纹理和细节处理方面。该方法与HIS变换法和PCA变换法相比，能够更加有效地保持光谱信息。7 Brovery变换法和简单加权法7.1 Brovery变换法Brovery变换融合又称为比值变化融合。它将输入的遥感影像3个波段按照以下公式计算：Bi-new=Bi-m/(Br-m+Bg-m+Bb-m)B-h，Bi-new代表融合以后的波段数值（i=1,2,3），Br-m，Bg-m，Bb-m分别代表多波段影像中的红、绿、蓝波段数值，

24、Bi-m表示红、绿、蓝3波段中的任意一个，B-h代表高分辨率遥感影像。Brovery变换法在增强影像的同时保持了原多光谱图像的光谱信息。但它不能解决波谱范围不一致的全色图像和多光谱图像的融合问题，对图像的预处理要求较高，融合前必须进行相关处理和噪声处理，以便减少非光谱信息和冗余数据。Brovery变换只能对3个波段的影像数据进行处理。7.2 简单加权法简单加权法就是对所获得的配准后的两幅图像中各对应像素做加权平均处理，融合成一幅新的图像。其算法是以下公式：F(m,n)=aA(m,n)+bB(m,n)，m和n分别为图像中像元的行号和列号，a和b为加权系数，a+b=1。简单加权法的算法简单直观，便

25、于硬件实现和实时处理，可以有效地抑制图像中的噪声。该方法抑制了图像中的显著部分，使得融合结果的对比度降低。当融合图像的灰度差异太大时，会出现明显的拼接痕迹。8 几种基于原有算法的改进算法8.1 基于HIS变换的改进算法 针对参与融合的两组数据源的光谱范围不一致，李均力等提出了一种基于HIS 变换的局部回归分析融合法。该方法的基本思想是：首先对RGB空间的多光谱影像进行HIS变换，然后采用多分辨率分析法对PAN进行分辨率退化，把它分为空间分辨率与I相同的概貌部分和反映影像高分辨率特征的细节部分，再对概貌部分与I进行局部回归分析，用概貌部分拟合I，得到与I 相近的I，I与细节部分相加组合为新的强度

26、分量并替换I，经过HIS 反变换得到融合影像。8.2 基于PCA 变换的改进算法杨存建等对TM2、TM3、TM4、TM5和TM7进行主成分变换，然后用Radarsat SAR 影像分别代替各主分量，并对其进行反变换。他们的研究表明：替换第四和第五主分量与替换第一主分量相比，在信息量上有很大的提高，且信息增强，类别间分离度增大，分类精度提高。8.3 基于小波的改进算法8.3.1 小波算法与HIS 相结合的改进算法 小波算法与HIS相结合的算法通常是：首先对多光谱数据进行HIS变换，再对其I分量和高分辨率图像进行小波分解，通过不同的融合准则融合，再进行HIS和小波逆变换。哈斯巴干等提出了小波局部高

27、频替代的替换方法。其基本思想是：首先对多光谱数据进行HIS变换，然后对高分辨率图像和I分量进行小波变换，获得各自的低频图像和不同尺度下的高频细节部分，对I和高分辨率图像同级的水平、垂直和45方向的高频成分按局部方差最大的准则进行融合，组成新的三个方向的高频成分。他们的实验表明：该方法确实能够显著提高融合图像的分辨率，并且保持原有图像的光谱信息。8.4 HIS 变换、小波变换与高通滤波相结合的融合算法魏俊等人HIS变换、小波变换与高通滤波等方法结合，利用HIS变换来增强融合影像的空间细节表现力，利用小波变换来保留多光谱影像的光谱特性。在使用小波变换的同时，用高通滤波法对小波变换的低频部分进行融合

28、。该算法不仅增强了融合影像的空间细节表现能力，还很好地保留了多光谱影像的光谱信息，更提高了融合影像的信息量与清晰度。9 结束语 综上所述，遥感影像数据融合方法在经过将近半个世纪的发展后，已经初步形成了一个较为完整的方法体系。各种基于原有算法的改进算法也在不断涌现。相比各种算法，小波融合是最优的算法。随着人们对小波的不断研究，其应用的领域会更加的宽广。参考文献1 梅安新，彭望琭，秦其明，刘慧平.遥感导论M.高等教育出版社，2001.2 陈鹰.遥感影像的数字摄影测量M.同济大学出版社，2003.3 戴昌达，姜小光，唐伶俐.遥感图像应用处理与分析M.清华大学出版社，2004.4 孙家抦.遥感原理与应

29、用M.武汉：武汉大学出版社，2003.5 李芳芳，贾永红，肖本林，张谦.利用基线特征和SIFT特征进行多源遥感影像配准J.武汉大学学报，2010年，第33卷（2）:233236.6 胡传奇.多传感器图像融合技术及其发展J.测绘与空间地理信息，2010年，第1卷（1）：159162.7 党安荣，王晓栋，陈晓峰，等.ERDAS IMAGINE遥感图像处理方法M.北京：清华大学出版社，20028 杨丽萍，陈发虎，颉耀文.国内多源遥感信息融合技术的新进展J.遥感技术与应用，2007年，第22卷（1）：4649.9 杨保长，姜琦刚，丘殿明，刘万崧.多源遥感数据融合方法的新探索J.吉林大学学报，2006年

30、，第24卷（6）：580585.10 张寅玥，付炜.多源遥感图像融合算法研究J.电子测量技术，2010年，第33卷（6）：343811 兰进京，李保杰，李久飞，刘耀鹏，李丽.多源遥感数据融合理论与方法的研究J.太原科技，2009年，（12）:717312 周前祥，敬忠良，姜世忠.多源遥感影像信息融合研究现状与展望J.宇航学报，2002年，第23卷（5）：899413 张爱明，李乃强.多源遥感影像小波融合方法研究与分析J.现代测绘，2009年，第32卷（5）：394114 李均力，毛曦，孙家抦.土地利用遥感变换监测中影像融合方法研究J. 自然杂志，2004，第26卷（5）：28228515 杨存

31、建，许珺，张增祥.SAR和TM图像主成分变换融合不同主分量替换的比较J.国土资源遥感，2001,第3 卷：303516 哈斯巴干，马建文，李启青，等.小波局部高频替代融合方法J. 中国图像图形学报，2002，7A（10）:1012101617 魏俊，李弼程.基于HIS 变换、小波变化与高通滤波的遥感影像融合J. 信息工程大学学报，2003，第4期（2）：4650致 谢首先，向我的指导老师杨敏致以衷心的感谢！感谢杨敏老师的细心的指导，在论文的进行过程中，杨敏老师做了大量的指导工作，对论文的结构及内容提出了许多的意见和建议。在论文定稿期间，杨敏老师还花了大量的时间做了仔细认真的审阅并提出了许多宝贵的意见。其次，我要感谢朱增锋老师、魏向辉老师、董玉娟老师、王培胜老师和石奉华老师！谢谢你们对我的教导！谢谢你们无私的奉献！最后，我要感谢我的同学。感谢他们四年来在生活和学习上的帮助。特别是我的舍友，感谢她们在我写论文期间的极大帮助！专心-专注-专业