遥感图像处理图像融合

1、遥感图像处理-图像融合第1页背景伴随遥感技术发展，越来越多不一样类型遥感器被用于对地观察。这些多遥感器、多时相、多分辨率、多波段遥感图像数据，各自显示了本身优势和局限。为了更充分利用这些数据资源，数字融合技术应运而生。第2页内容提要概述遥感数据融合方法介绍遥感与非遥感数据融合方法介绍融合质量评定第3页1、概述第4页定义数据融合( Fusion, Merge)指同一区域内遥感数据之间或遥感数据与非遥感数据之间匹配融合。各种遥感数据源信息融合是指利用各种对地观察技术所获取关于同一地物不一样遥感数据，经过一定数据处理技术提取各遥感数据源有用信息，最终将其融合到统一空间坐标系(图像或特征空间)中进行综

2、合判读或深入解析处理。 图像融合是一个对多遥感器图像数据和其它信息处理过程。着重于把那些在空间和时间上冗余或互补多源数据，按照一定规则进行运算处理，取得比任何一个数据更准确、更丰富信息，生成一幅含有新空间、波谱、时间特征合成图像。第5页数据融合发展数据融合概念始于70年代。进入20世纪90年代以后，伴随各种遥感卫星发射成功，从不一样遥感平台取得不一样空间分辨率和时间分辨率遥感影像形成了多级分辨率影像金字塔序列，给遥感用户提供了从粗到精、从多光谱到高光谱各种遥感数据源。融合发展在一定程度上处理了各种数据源综合分析问题。第6页数据融合发展起初是进行同种遥感数据多波段、多时相数据融合，以提升遥感解译

3、能力和进行动态分析。以后发展到不一样类型遥感数据融合，如陆地卫星与气象卫星、陆地卫星MSS与航天飞机成象雷达SIRA、陆地卫星MSS与海洋卫星侧视雷达SAR，以及陆地卫星 MSS与RBV等，以扩大应用范围，提升分析精度，取得更加好遥感应用效果。与此同时，人们越来越感到因为遥感本身以及实际应用中不足，要真正认识事物，并非遥感独家所能完成。它需要其它学科支持，只有遥感与非遥感数据融合，如与气象、水文数据，与重力、磁力等地球物理增息，与地球化学勘探数据，与专题地图数据，以及与数字地形模型（DTM）等数据融合，进行综合分析，才能更加好地发挥作用。第7页数据融合目标空间分辨率提升目标特征增强提升分类精度

4、信息互补第8页概述-图像融合流程精 确 几 何 配 准几何纠正全色几何纠正ZYaZYbZYc图 像 融 合融合结果评价及利用预 处 理融合处理应 用遥感图像融合流程图第9页概述-图像融合层次像素级特征级决议级对数据抽象程度第10页概述-图像融合层次 图像融合三级处理过程Image1Image2Image nImage3图像几何纠正与准确配准像素级融合特 征 提 取特 征 提 取特征级融合决议级融合特征属性说明高层态势评定决 策第11页概述-图像融合层次像元级 线性加权法、IHS变换、PCA变换、高通滤波法、小波变换融合算法等。 特征级 Dempster-shafer推理法；聚类分析法；贝叶斯预

5、计法；熵法；带权平均法；表决法及神经网络法等。 决议级 贝叶斯预计法；教授系统；神经网络法；含糊集理论；可靠性理论以及逻辑模板法等。 第12页数据融合技术关键充分认识研究对象地学规律。充分了解每种融合数据特点和适用性。充分考虑到不一样遥感数据之间波谱数据相关性引发有用数据增加以及噪声误差增加，所以对各种遥感数据作出合理选择。几何配准，即处理遥感图像几何畸变，处理空间配准问题。 只有对地学规律、影象特征、成象机理这三者有深刻认识，并把它们有机地结合起来，数据融合才能到达更加好地效果。第13页2、遥感数据融合方法介绍第14页遥感数据融合 遥感数据融合主要指不一样传感器遥感数据融合，以及不一样时相遥

6、感数据融合。融合方式确实定应依据目标空间分布、光谱反射特征及时相规律方面特征选择不一样遥感图像数据，它们在空间分辨率、光谱分辨率和时间分辨率方面相互补充，以形成一个更有利识别环境，来识别所要识别目标或类型。第15页遥感数据融合预处理影像配准是数据融合处理中关键步骤，其几何配准精度直接影响融合影像质量。通常情况下，不一样类型传感器影像之间融合时，因为它们成像方式不一样，则其系统误差类型也不一样。如SPOT与TM数据融合时，SPOT传感器是以CCD推帚式扫描成像，而TM则是经过光机扫描方式成像，因而不一样类型影像进行融合时必须经过严密几何校正，分别在不一样数据源影像上选取控制点，用双线性内插或三次

7、卷积内插运算对分辨率较低图像进行重采样，更正其误差，将影像投影到同一地面坐标系统上，为图像配准奠定基础。第16页像素级图像融合 像素级融合是最低层次图像融合，它将经过高精度图像配准后多源影像数据按照一定融合标准，进行像素合成，生成一幅新影像。融合目标在于提升图像质量，提供良好地物细节信息，直接服务于目视解译，自动分类。高空间分辨率全色影像和高光谱分辨率高光谱影像像素级融合影像普通含有以下性质（Wald,1997）：融合影像空间特征应该和高空间分辨率影像尽可能保持一致； 融合影像光谱特征应该和多光谱影像尽可能保持一致； 融合影像空间分辨率被降解到低分辨率时，必须和原来影像保持一致。第17页像素级

8、数据融合发展历程早期：代数运算法、彩色空间法等，以图像视觉增强为主要目标转变期：以高通滤波方法出现为标志，开始重视数据融合光谱保持能力当前：依赖先进数学工具，在信号分析基础上，深入强调光谱保持能力第18页当前像素级数据融合研究特点研究工具：新数学理论和计算智能理论研究伎俩：对已经有方法进行组合、集成研究目标：以光谱信息提取为目标第19页遥感数据惯用像素级融合方法代数法基于彩色空间变换影像融正当基于主成份分析影像融正当基于高通滤波影像融正当基于小波变换影像融正当基于小波HIS影像融合第20页代数法将低空间分辨率图像重采样成高空间分辨率图像传感器1影像数据传感器2影像数据空 间 配 准 对应像素代

9、数运算 融合影像数据惯用代数法：（1）相乘：适合用于SAR影像与光学影像；（2）相关系数加权法：适合用于全色影像与多光谱影像。第21页代数法-相关系数加权法以SPOT全色影像与TM多光谱影像融合为例；融合步骤： （1）对SPOT全色影像与TM多光谱影像进行图像配准；将多光谱影像进行重采样，使其大小和全色波段影像一致； （2）计算多光谱影像各波段与全色影像相关系数： （3）按下式将全色波段图像信息融合到多光谱图像各波段中第22页分量替换融正当多光谱数据LMS全色数据HRP正变换空间分量LRS光谱分量TC融合图像HMS逆变换空间分量HRS第23页基于彩色空间变换影像融合方法-彩色变换遥感图像融合方

10、法关键技术之一是彩色变换，下面首先简单介绍彩色变换。 彩色变换又称为彩色编码，所谓彩色变换即为两种彩色模型编码系统之间变换。彩色模型指是某个三维彩色空间一个可见光子集。它包含某个彩色域全部彩色，彩色模型用途是在某个彩色域内方便地指定彩色。因为任何一个彩色都只是可见光子集，所以任何一个彩色模型都无法包含全部可见光。第24页基于彩色空间变换影像融合方法-IHS彩色变换从色度学可知，颜色可用三基色来表示，比如，用红、绿、蓝所含成份多少来表示颜色（即RGB系统）。颜色RGB编码含有方法简单，便于彩色显示和彩色扫描优点。所以当前惯用于彩色显示器和彩色扫描仪上。一样，颜色也可用色品度方式来表示，IHS系统

11、是惯用一个色品度表示颜色方式。其中:强度 I 仅表示照度大小；色度 H 代表颜色色纯程度；饱和度 S 代表含有相同明亮颜色离开中性灰色程度。第25页基于彩色空间变换影像融合方法-IHS彩色变换饱和度概念可描述以下：假设你有一桶纯红颜料，它对应色度为0，饱和度为1。混入白色染料后使红色变得不再强烈，降低了它饱和度，但没有使它变暗。粉红色对应于饱和度值为0.5左右。伴随更多白色染料加入到混合物中，红色变得越来越淡，饱和度降低，最终靠近于零（白色）。相反地，假如你将黑色染料与纯红色混和，它亮度将降低（变黑），而它色度和饱和度保持不变。IHS编码优点是能把强度和颜色区分开。第26页基于彩色空间变换影像

12、融合方法-IHS彩色变换下面介绍RGB系统与IHS三角形系统之间彩色变换。正变换公式：第27页基于彩色空间变换影像融合方法-步骤首先，必须将图像进行严格几何校正，使不一样遥感图像在几何上能完全匹配，而且分辨率一致。 将多波段图像由RGB彩色系统变换到IHS彩色系统中；用高分辨率图像代替I分量，进行彩色逆变换，就能够得到融合图像 第28页基于彩色空间变换影像融正当-流程用全色影像替换多光谱影像I分量进行IHS反变换 基于IHS融合流程融合结果ZYc ZYbZYaIHS变换提取I分量全色波段直方图匹配第29页基于彩色空间变换影像融合方法北京地域资源一号卫星影像 北京地域SPOT卫星PAN影像 第3

13、0页基于彩色空间变换影像融合方法 IHS变换融合结果图第31页基于彩色空间变换影像融正当-光谱扭曲HIS融合模式多用于特征增强和特征差异大数据间融合，提升多光谱图像空间分辨率。适合于彩色图像处理，但可能融合结果光谱特征会有扭曲。 1、将低分辨率多光谱影像之尺寸调整至与高分辨率全色影像Pan相同。2、.第32页基于彩色空间变换影像融正当-光谱扭曲3、使用全色影像Pan取代HIS强度影像I.4、从（3）、（4）式可看出，融合后影像颜色值取决于全色影像与IHS变换后I影像之差。 第33页基于彩色空间变换影像融合方法-直方图匹配意义 新疆地域资源一号卫星影像 新疆地域SPOT卫星PAN影像 第34页基

14、于彩色空间变换影像融合方法-直方图匹配意义 不进行直方图修正 进行直方图修正第35页基于彩色空间变换影像融合方法-直方图匹配意义原图 不进行直方图修正 进行直方图修正第36页基于PCA变换影像融正当 彩色图像RGB三波段彼此之间相关性较强。第37页基于PCA变换影像融正当-步骤将多光谱图像进行PCA正变换将原始图像R、G、B经过PCA变换，形成按能量排序正交分量：第1主分量、第2主分量、第n主分量用高分辨率影像代替第1主分量；将合成数据进行PCA逆变换，取得高分辨率多光谱融合图像。 第38页基于PCA变换影像融正当-流程基于PCA融合流程用全色影像替换多光谱影像第一主分量进行PCA反变换ZYc

15、ZYbZYaPCA变换提取主分量全色波段融合结果第39页基于PCA变换影像融正当北京地域资源一号卫星影像 北京地域SPOT卫星PAN影像 第40页基于PCA变换影像融正当第41页高通滤波法图像融合-流程融合结果ZYcZYbZYa全色波段单波段高通滤波融合 HPF法融合流程第42页高通滤波法图像融合-频率域比如对于SPOT全色波段图像和多光谱图像，可先对多光谱图像进行几何校正，使其在图像大小方面和全色波段图像相一致。然后对三个波段多光谱实施FFT正变换，并用10m分辨率全色波段图像替换经FFT正变换以后得到经过直方图匹配后多光谱图像高频部份,然后进行FFT逆变换可得到10m分辨率多光谱图像。第4

16、3页高通滤波法图像融合 新疆地域资源一号卫星影像 新疆地域SPOT卫星PAN影像 第44页高通滤波法图像融合 新疆地域融合结果图 (窗口大小为33) 新疆地域融合结果图 (窗口大小为55)第45页基于小波变换图像融合基于小波变换数据融合对同一地域不一样传感器影像来说，其差异不在低频部分，而在高频部分。换言之，对其空间频谱低频部分是相同或相近，而有显著差异只是高频部份.第46页基于小波变换图像融合-小波变换LLLHHHHLHLLHHHLLLHHLHH一级小波变换结果二级小波变换结果 小波变换结果示意图 第47页基于小波变换图像融合-流程将多光谱影像和高分辨率影像进行小波分解 将多光谱图像重采样成

17、尺度大小一致图像,并进行小波分解取得低频分量和高频分量; 同时, 将高分辨率影像也进行小波分解取得低频分量和高频分量用高频分量进行信息融合 将合成数据进行小波重构，取得高分辨率多光谱融合图像。第48页基于小波变换图像融合高分辨率影像多光谱影像分解分解融 合准 则融 合结 果逆变换基于小波变换图像融合框图第49页像素级融合结果比较北京地域资源一号卫星影像 北京地域SPOT卫星PAN影像 第50页PCA融合结果小波融合结果IHS融合结果HPF融合结果第51页像素级融合结果比较 新疆地域资源一号卫星影像 新疆地域SPOT卫星PAN影像 第52页IHS融合结果HPF融合结果PCA融合结果小波融合结果第

18、53页基于小波HIS融合针对IHS融合中，融合结果光谱特征扭曲现象，利用小波变换优势，将二者结合起来，更大程度上保留了多光谱信息，且在提升空间分辨率方面也有很好效果。基于小波IHS融合是将多光谱图像IHS变换后分量与高分辨率图像先进行直方图匹配，然后再分别进行小波变换，用高分辨率图像高频替换I分量高频，再对I分量进行小波反变换，而后经过IHS反变换，取得融合后图像。融合影像与原始影像相比，其空间分辨率都有不一样程度提升，且可有效保留多光谱图像光谱信息。第54页基于小波HIS融合用全色影像高频替换I分量高频部分，进行小波反变换 基于小波IHS融合流程融合结果ZYc ZYbZYaIHS变换提取I分

19、量全色波段直方图匹配（全色波段与I分量）小波分解小波分解新亮度分量I与H、S一起做IHS-RGB变换第55页密云水库地域雷达影像图密云水库地域TM4影像第56页HIS变换融合影像图小波变换融合影像图第57页基于HIS滤波小波变换融合影像第58页应用基于影像融合去云将多源遥感数据进行空间配准，必要时可进行直方图匹配；对多源遥感数据分别进行小波分解；对多源遥感数据小波分解低频部分进行分析，结合云高灰度特征，阴影低灰度特征制订融合图像低频带数据；将多源图像高频带数值融合并与低频带数值一起作小波变换逆变换得到结果图像。第59页应用基于影像融合去云去云融合第60页应用基于影像融合去云有云源图像无云源图像

20、第61页应用基于影像融合去云融合去云处理图像第62页洪水监测研究中影像数据融合针对详细问题经常有不一样融合方案。研究洪水监测，可选择遥感数据源有TM图像： TM图像光谱数据丰富，几何性能好，空间分辨率较高，有利于分析洪水数据；侧视雷达图像：侧视雷达图像较易观察水体和线性地物，而且可全天候获取数据，有利于实地监测洪峰。气象卫星图像：多时相NOAA气象卫星图像地面分辨率低（1.1km），但时相分辨率高，数据及时，可昼夜获取，同时性强，有利于动态监测；将TM与侧视雷达图像融合，既可取得洪水、水田、旱地情况，也可取得大堤、水渠等线性地物情况；将TM与气象卫星图像融合，能够克服云层影响和气象卫星分辨率低

21、不足。所以融合图像在洪水监测中更具实用意义。 第63页特征级融合-流程ROI确定ROI确定特征提取特征提取融合推理融合推理特征层融合应用目标监测目标监测改变检测改变检测目标识别目标识别外部信息融合性能评定融合性能评定信息生成第64页特征级融合-特征提取几何特征，比如直线、曲线、边缘、脊、角，等； 结构特征，包含面积、相对定位等；统计特征，包含目标表面数目、平面周长、纹理特征等； 谱特征，如色彩、谱信号等。第65页特征级融合-特征提取包含港口横须贺海滨IRS1-C影像 使用基于形态和区域增加海岸分割算法提取海岸线特征第66页特征级融合-特征提取(c)、(d) 使用模板匹配方法确定港口ROI第67

22、页特征级融合-特征提取前图(c)边缘提取结果； (a)图中航母边缘特征； 不一样时刻IRS1-C影像航母边缘特征。第68页3、遥感与非遥感数据融合第69页遥感与非遥感数据融合意义遥感数据起源于地球表面物体对太阳辐射反射（被动遥感），一些波段还含有一定穿透能力，由此可得到含有一定地表深度数据。经过不一样地物相关性，还可间接地取得数据，比如植被和土壤相关，经过覆盖在土壤上植被数据，可间接地分析出土壤情况。还可经过不一样遥感数据源优势互补，进行融合增加数据量。尽管如此，仅经过遥感伎俩获取数据仍感到不够，不能处理碰到全部问题，所以将地形、气象、水文等专题数据，行政区划、人口、经济收入等人文与经济数据作

23、为遥感数据补充，可有利于综合分析问题，发觉客观规律，提升解译效果，所以遥感数据与地理数据融合也是遥感分析过程中不可缺乏伎俩。 第70页遥感与非遥感数据融合 遥感数据是以栅格格式统计，而地面采集地理数据常展现出多等级，多量纲特点，数据格式也多样化。所以，为了使各种地理数据能与遥感数据兼容，首先需要将获取非遥感数据按照一定地理网格系统重新量化和编码，以完成各种地理数据定量和定位，产生出新数据格式。甚至能够将其制作成与遥感数据类似若干独立波段，方便和遥感数据融合。这么，遥感数据与非遥感数据可在空间上对应一致，又可在成因上相互说明，以到达深入分析目标。 第71页遥感与非遥感数据融合步骤地理数据网格化

24、为了使非遥感地理数据与遥感数据融合，前提条件是必须使地理数据可作为遥感数据一个“波段”，这就是说经过一系列预处理：使地理数据成为网格化数据；地面分辨率与遥感数据一致；对应地面位置与遥感影像配准。第72页遥感与非遥感数据融合步骤最优遥感数据选取 融合时遥感数据经常只需一个或二个波段，如为使分辨率优化，可选取SPOT数据全色波段，当用TM数据时，则可选取KL变换后前两个波段，以到达降低数据量，保持数据量目标。所以选取适合需要遥感波段十分主要。配准融合 栅格数据与栅格数据：在完成份辨率与位置配准后，多采取两种方法：非遥感数据与遥感数据共组成三个波段，实施假彩色合成；两种数据直接叠加，波段之间可作加法或其它数学运算，也可在波段之间做适当“与”、“或”等布尔运算。第73页遥感与非遥感数据融合步骤栅格数据与矢量数据：常采取不一样数据格式融合和不一样数据层融合。只要坐标位置配准，栅格数据与矢量数据也能够叠加，如在遥感影像上加上行政边界或等高线等。不一样层面融合，这里层面指计算和统计时将不一样图像统计到不一样层上，显示时能够分别显示，也能够一起叠合显示。到达融合效果，如要想在遥感影像背景上突出河流湖泊等水体部分，或突出其它地理特征，则被突出部分可单独统计为一层。第74页遥感与非遥感数据融合遥感数据和非遥感数据还能够在同