当前课程知识点：遥感数字影像处理与农业应用 > 第五章 遥感影像融合 > 第一讲 遥感影像融合概述 > 第一讲 遥感影像融合概述
大家好欢迎大家学习
遥感数字影像处理
及农业应用这门课程
我是中国农业大学
土地科学与技术学院的苏伟
前面我们在第三章学习了
如何进行遥感影像的预处理
第四章学习了如何进行遥感影像的增强
在这两章的基础上
我们今天将会学习
如何进行遥感影像的融合
也就遥感信息的兼收并蓄
在这一章我们学习的
内容包括三个方面
一是遥感影像融合的概述
包括影像融合的意义
概念和融合层次
二是我们一起学习六种影像融合方法
包括Brovey变换
PBIM融合方法
SFIM融合方法
IHS变换融合
主成分变换融合和小波变换融合方法
第三我们将学习如何评价
遥感影像的融合效果
将会从两个方面进行评价
定性的视觉评价和定量的数学评价
在学习具体的融合方法前
我们先看一个IKONOS影像多光谱波段
和全色波段融合的案例
左图是北京玉渊潭公园内的
一小块多光谱影像
这个影像区域包括
水体、植被、建筑物和道路
因为多光谱影像的空间分辨率粗一些
所以我们只能大概看出
一些轮廓和细节信息
右图是对应区域的
对应时间点上的全色波段影像
因为只有一个波段
所以只能是灰度显示
但是它的空间分辨率很高
所以地物细节表达的非常详细
我们甚至能看到一棵一棵的树
一栋一栋的房子
将这个多光谱影像和全色波段影像
融合处理后
我们可以得到下面这个影像
从这个影像我们可以明显看出
融合后的影像既具有多光谱信息
也就是颜色
也具有细致的纹理信息
同样能够识别出一棵棵的树
一栋栋的房子
湖的边界也非常的清晰
看了这个案例后
我们来学习有关遥感影像融合的内容
先来看一下影像融合的意义
遥感是以不同的空间分辨率
时间分辨率、波谱分辨率 、辐射分辨率
来提供电磁波谱不同谱段的数据
这个我们在第三章的内容讲解过了
同时还知道
由于成像原理的不同
和技术条件的限制
任何一个单一的遥感器
所获取的遥感数据
都不能够全面的反映目标对象的特征
各自都有一定的应用范围和局限性
那么我们就在考虑
如何将多种不同特征的数据
这个不同特征
包括遥感和非遥感的数据结合起来
结合的目的是相互取长补短
可以发挥各自的优势
弥补各自的不足
从而能更全面的反映地面的目标
提供更强的信息解译能力
和更可靠的分析结果
如果经过影像融合
这样不仅扩大了各种数据的应用范围
而且可以提高分析精度
应用效果和实用价值
再来看第二个内容
遥感影像融合的定义
遥感影像融合
是将在空间上、时间上、波谱上
冗余或者是互补的多源遥感数据
按照一定的规则或者是算法
进行运算处理
从而获得比任何一个单一数据源
更为精确、更为丰富的信息
从而生成具有
新的空间分辨率、波谱分辨率
和时间特征的合成的影像数据
这样影像通过融合可以提高
多光谱影像的空间分辨率
还同时能够保留它的多光谱特征
我们需要强调的是遥感影像的融合
它不仅仅是数据间的一个简单的复合
而是强调信息的优化
目的是突出有用的专题信息
消除或者是抑制无关的信息
从而达到改善目标识别的影像环境
从而增强解译的可靠性、减少模糊性
这里的模糊性是指我们目标解译的
多义性、不确定性和误差等等
从而达到提高分类精度
扩大应用范围的效果和目的
第三个我们需要了解的内容是
遥感影像融合的层次
按照影像的抽象程度
我们可以将遥感影像融合分为三个层次
数据级的、特征级的和决策级的
所谓数据级的融合
就是在像元级的融合
是直接对几何配准后的影像
进行像素对像素的融合
在这里要提醒大家的是
像素级或者是像元级的融合
前提是要保证严格的几何校正精度
如果影像没有几何配准
或者是几何配准的精度
没有达到最低的要求
那么影像融合后就会产生
目前我们所看到的这幅影像中的
双眼皮效应
双眼皮对于我们人来说是比较好的
但是对于影像来讲
这样的影像是没法使用的
第二个层次是特征级的融合
特征级的融合是指运用不同方法
首先对各种数据源进行目标识别
目的是提取影像的特征
比如说边缘、形状和纹理
然后对这些特征信息进行
综合分析或者是融合处理
这是一种中等水平的融合
特征融合的特点是对于特征的影像融合
强调特征之间的对应
并不突出像元的对应
因而在影像处理上避免了
像元重采样等方法的组合
因为它对特征属性的判断
具有更高的可信度和准确度
但是这种方法的缺点是
它不是基于原始影像的数据
而是基于提取的特征
但是在特征提取的过程中
会不可避免的出现信息的损失
这样就会难以提供一些细节信息
第三个层次是决策级的融合
是指在影像理解和影像
识别的基础上的融合
它的融合结果是直接面向应用的
为决策支持服务
基于决策层的这种影像融合
是经过特征提取和一些辅助信息的参与
再对有价值的复合数据
产生一些判别规则
决策规则的加以判断、识别、分类
然后在一个更抽象的层次上
将这些有价值的信息进行融合
获得综合的一个决策结果
从而提高识别和解译能力
更好的理解目标
有效的反映地学过程
决策级融合的优点
是具有很强的容错性
具有很好的开放性
它的处理时间短、数据要求低、分析能力强
但是这种方法对影像预处理
特征提取和特征识别有较高的要求
所以决策级融合的代价比较高
-请您欣赏：遥感之美
--遥感之美
-第一讲 课程介绍
--课程介绍
-第二讲 绪论
--绪论
-第一章 绪论--作业
-本课程实验内容建议
-第一讲 色度学基本知识
-第二讲 遥感影像的级别和数据格式
-第三讲 遥感影像的数字表示及特征
-第二章 遥感数字影像处理基础--作业
-第一讲 影像辐射误差来源
-第二讲 影像辐射误差校正
-第三讲 影像几何误差来源
-第四讲 影像几何误差校正
-第三章 遥感影像预处理--作业
-第一讲 空间域影像增强
-第二讲 频率域影像增强
-第四章 遥感影像增强处理--作业
-第一讲 遥感影像融合概述
-第二讲 遥感影像融合方法
-第三讲 遥感影像融合效果评价
-第五章 遥感影像融合--作业
-第一讲 分类原理、特征和相似性度量
--第一讲 分类原理、特征和相似性度量--作业
-第二讲 非监督分类
--第二讲 非监督分类--作业
-第三讲 监督分类
--第三讲 监督分类
--第三讲 监督分类--作业
-第四讲 分类后处理和分类精度的评价与提高
--第四讲 分类后处理和分类精度的评价与提高--作业
-第五讲 遥感影像分类的农业应用
-第一讲 长势监测的意义及监测指标
-第二讲 植被指数构建原理
-第三讲 农作物冠层参数反演原理
-第四讲 农作物长势监测案例
-第七章 农作物长势遥感监测--作业
-第一讲 微波的物理基础
-第二讲 SAR原理
-第三讲 微波传输模型及农作物种植面积提取
-第四讲 土壤水分反演
-第五讲 微波传输模型
-第六讲 农作物种植面积提取
-第七讲 土壤水分反演
-第八章 微波遥感及农业应用
