6.1 遥感图像融合概述在线视频

今天我们来学习

遥感数字图像处理

理论与方法的第6章

遥感图像融合

遥感图像融合

是多图像增强处理技术的延伸

它面向多种遥感数据

比如多传感器 多时相

多分辨率 多波段等等

充分挖掘不同数据的优势

然后将其复合形成新的遥感数据

从而有效的提升遥感图像解译的能力

在这一章当中

我们从图像融合技术产生的背景出发

介绍图像融合的基本的概念

及其发展历程

融合的层次和常用的方法

然后重点介绍

IHS融合PCA融合

小波变化原理

和基于小波变换的融合

这些内容

最后是针对遥感图像融合

它的结果进行评估

从定性和定量角度

介绍如何进行评估

本讲分为五个小节

分别是第一小节概述

第二小节IHS图像融合

第三小节PCA图像融合

第四小节

小波变换及其图像融合

第五小节

融合的质量的评估

学习完本章以后

大家可以了解

多元数据融合的理论和方法

图像融合处理的技术流程

为了后期的

遥感图像的专题信息提取

计算机图像分类等奠定基础

我们来学习遥感图像融合的概述部分

什么是图像融合呢

遥感技术的飞速发展

以及遥感器多时相

多分辨率 多波段为代表的数据

层出不穷

为用户不同的应用需求提供了

充足的数据源

但是由于每一种图像数据

都有其自身的特点和适用的领域

在多元遥感数据综合应用的过程当中

能否充分的利用

不同特征遥感图像的优势

以克服单一信息源

难以满足的实际的应用的需求的不足

在这种背景下面

为了充分运用数据资源

发掘有用信息

图像融合就应运而生了

从定义一方面来说

图像融合也就是Fusion

它是指针对空间和时间上

存在着冗余或者是互补的多元数据

按照一定的规则进行运算处理

获得比原始数据更加精确

更加丰富的信息

生成一幅具有新的空间

波普时间特征的合成的图像

它最大限度地利用了多种数据的优势

使得图像同时具有

较高的光谱和空间分辨率

较高的图像视觉效果

从而可以获得更好的图像特征

和分类的精度

从图像融合的目标来看

我们经常说图像融合的目标是

提高图像的空间分辨率

增强图像目标的特征

提高图像的分类精度

以及多种信息的互补

这里展示了多光谱图像的一个示例

它是资源一号卫星

也就是CBERS一号卫星的影像

有多个波段是一个多波段数据

具备了相对比较好的光谱信息

但是它的空间分辨率不够

很多的地物看不清楚

在这里展示的是一个

全色图像的示例

它是SPOT4卫星全色影像

具备比较好的相对较好的

空间分辨率和纹理信息

比如像地面的机场

我们看得很清楚

但是它的光谱分辨率不够

它是单个波段的数据

那么既然这两个数据各有所长

又各有不足

我们把这两个数据进行融合处理

在这里展示了

全色图像和融合结果图像

很明显

左边的融合结果图像

它既有多波段的光谱信息

又有较高空间分辨率的信息

像地面的机场我们看得非常清楚

同时多个波段组合

还能形成彩色图像

融合后的图像

汇集了原图像的各自的优势

我们来了解一下

图像融合的发展历程

图像融合先后经历了三个发展阶段

第一阶段是同一传感器

多波段 多时相遥感数据的融合

比如像Landsat数据

它的多光谱和全色图像的融合

这种融合用以提高

遥感图像的解译能力

和进行动态监测

第二阶段

慢慢的发展到不同类型

遥感图像的之间的融合

比如像陆地卫星数据与气象卫星数据

海洋卫星数据之间

光学图像与SAR图象之间等等

第三阶段那就出现了

遥感图像与非遥感图像之间的融合

这比如像遥感图像与气候数据

水文数据与数字地形数据

等等的融合

我们来介绍一下图像融合的层次

目前按照数据抽象程度的高低

图像融合主要分为三个层次

也就是像素级融合

特征级融合和决策级融合

像素级图像融合

直接在原始数据层上进行融合

主要的任务是

对多传感器目标

和背景要素的测量结果

进行融合处理

特征性融合是对原图像

进行预处理和特征获取

它使用一些参数模板

比如统计分析

模式相关这些方法来完成几何关联

特征提取和目标识别等功能

以有利于系统的判决

决策级融合是根据一定的准则

以及每一个决策的可信度

做出最优的决策

决策技术融合是高层次的信息融合

每一个遥感数据

已完成了目标提取与分类之后

融合系统再根据一定的准则

以及每一个决策它的可信度

做出决策融合处理

在本章当中

我们主要是介绍

像素级融合的基本理论和方法

像素级图像融合的常用的方法

有哪一些呢

图像融合的方法很多

本章我们主要介绍两大类方法

代数法和分量替换融合法

首先介绍代数法

代数法在不同原图像的几何的校正

精确配准的基础上

将对应项数进行代数运算

计算得到各项元的结果数值

经常用的算法有

像乘积法

相关系数加权法

SFIM法

那么乘积法主要是用于

SAR图像和光学影像之间的融合

相关系数加权法

常用于同传感器的权色影像

与多光谱图像的融合

SFIM是

一种基于亮度平衡调节的融合

SFIM是

现在商用软件常用的算法之一

它的处理是对乘积法进行改进

首先计算的是各个项元的乘积

然后利用一个几乘几的模板

比如像3乘3的模板

进行均值滤波

将滤波输出的结果

作为最终的融合图像

我们来学习一下分量替换融合法

从名字上我们也可以看得出来

分量替换融合法它的特点

存在着分量替换这种处理过程

这有一个示意图

首先多光谱数据

我们用LMS表示

通过正面换

可以分解为空间特征分量LRS

以及代表原图像光谱特性的SC

我们的全色数据

它具备高空间分辨率的特性

可以用来替换

多光谱数据的空间分量LRS

最后再进行逆变换

得到融合的结果图像

比如基于彩色空间变化的融合法

也就是IHS融合法

基于主成分分析的融合法

也就是PCA融合法

还有基于高通滤波的融合法

基于小波变换的融合法等等

这些常用的融合算法

都可以归入分量替换融合法