当前课程知识点:遥感数字图像处理理论与方法 > 第八章 遥感图像变化检测 > 第八章习题 > 6.1 遥感图像融合概述
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
-第一章习题
-第一讲
-第二讲
-第二章习题
-第三章习题
-第一讲
--4.1.1 概述
--最小二乘法原理
-第二讲
-第四章习题
-第一讲
-第二讲
-第五章习题
-第六章习题
-第一讲
-第二讲
-第七章习题
-第八章习题