文档介绍：遥感影像融合方法分析
摘要: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。
关键词: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
小波变换法
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:
R=pan×band3/(band1+band2+band3)
G=pan×band2/(band1+band2+band3)
B=pan×band1/(band1+band2+band3)
式中:pan表示高分辨率全色影像,band1、band2、band3表示多光谱的3个波段。
主成分变换
主成分分析,又称K-L变换法,它的几何意义是把原始特征空间的特征轴旋转到平行于混合集群结构轴的方向去,得到新的特征轴。PCA变换的具体步骤:多光谱波段经过PCA变换后,将全色高分辨率影像进行灰度拉伸,使其均值和方差与PCA变换的第一分量的影像一致;然后用拉伸过的高分辨率全色影像代替第一分量;最后经过PCA逆变换得到融合影像。
实际操作是将原来的各个因素指标(这些指标中部分有相关关系)重新组合,组合后的新指标是互不相关的。在由这些新指标组成的新特征轴中,只用前几个分量图像就能完全表征原始集群的有效信息,图像中彼此相关的数据被压缩,而特征得到了突出,此方法在对于