第六章 遙感圖像輻射處理-4

第六章遙感圖像的輻射處理遙感圖像的輻射定標與校正1遙感圖像的融合3遙感圖像的四則運算212遙感圖像的融合一、遙感影像融合的概念二、影像融合的層次與關鍵問題三、遙感影像融合的方法四、遙感影像融合的應用3第六章第3節(jié)遙感圖像的融合4一、遙感影像融合的概念遙感影像融合5遙感影像融合【定義】將多源遙感圖像按照一定的算法，在規(guī)定的地理坐標系，將不同傳感器獲取的遙感影像中所提供的各種信息進行綜合,生成新的圖像的過程。遙感影像融合遙感衛(wèi)星的互補特點取長補短，信息綜合同一地區(qū)兩幅或多幅要點一、遙感影像融合的概念6遙感影像融合在本課程中的位置后續(xù)：判讀、識別、分類、應用等處理遙感影像融合基礎融合目的

提高對影像進行分析的能力(通過融合既提高多光譜圖像空間分辨率，又保留其多光譜特性)。一、遙感影像融合的概念一、遙感影像融合的概念二、影像融合的層次與關鍵問題三、遙感影像融合的方法四、遙感影像融合的應用7第六章第3節(jié)遙感圖像的融合8二、影像融合的層次與關鍵問題2.1影像融合層次如何充分利用遙感影像的信息互補，突出有用信息。融合要解決的核心問題：像素級融合決策級融合融合層次：特征級融合1像素級融合將各圖像的像元的物理量進行處理,該值對應為同一坐標上新圖像的像元值。

9二、影像融合的層次與關鍵問題2.1影像融合層次2特征級融合 對不同圖像進行特征提取,按照各自圖像上相同類型的特征進行融合處理。10二、影像融合的層次與關鍵問題2.1影像融合層次3決策級融合決策級融合是高水平的融合。其按照應用的要求首先對圖像進行分類,確定各個類別中的特征影像,然后進行融合處理。11二、影像融合的層次與關鍵問題2.1影像融合層次12二、影像融合的層次與關鍵問題2.1影像融合層次

(1)對多源遙感數據作出合理的選擇有用信息的增加波譜信息相關性噪聲誤差的增加13二、影像融合的層次與關鍵問題2.2多源遙感圖像融合的關鍵(2)影像精確配準解決遙感影像的幾何畸變問題,使各種遙感影像在空間位置上能精確配準(3)選擇合理的融合算法最大限度的利用多種遙感數據中的有用信息14二、影像融合的層次與關鍵問題2.2多源遙感圖像融合的關鍵一、遙感影像融合的概念二、影像融合的層次與關鍵問題三、遙感影像融合的方法四、遙感影像融合的應用15第六章第3節(jié)遙感圖像的融合16三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合（像素級）遙感影像上最小的記錄單元像素地面上的目標點本質：像素記錄值優(yōu)勢信息綜合被兩顆衛(wèi)星觀測像素記錄值1像素記錄值2融合后的記錄值17多光譜遙感影像全色遙感影像問題1：兩幅影像像素記錄值優(yōu)勢信息是什么？目標強度信息豐富目標色彩信息豐富優(yōu)勢信息：強度值優(yōu)勢信息：色彩值三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合18問題2：記錄值優(yōu)勢信息如何綜合？強度值色彩值同一個像素擁有兩個記錄信息標量I建立強度值I與色彩(R,G,B)的定量轉換關系矢量(R,G,B)(紅,綠,藍)三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合19IHS-RGB變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合20IHS-RGB變換RGB坐標->IHS坐標

IHS坐標->RGB坐標三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合

I明度：是人眼對光源或物體明亮程度的感覺。 物體反射率越高，明度就越高。

H色調：是色彩彼此相互區(qū)分的特性。

S飽和度：是色彩純潔的程度，即光譜中波長段是否窄， 頻率是否單一的表示。21IHS-RGB變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合2223242526IHS-RGB變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合27IHS-RGB變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合28IHS-RGB變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合將RGB模式轉換成IHS模式，對于定量地表示色彩特性，以及在應用中實現(xiàn)兩種表達方式的轉換具有重要作用。29IHS-RGB變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合30多光譜遙感影像全色遙感影像(R,G,B)強度值I0優(yōu)勢信息替換I分量(I,H,S)(I0,H,S)

IHS逆變換三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合31遙感圖像的融合三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合歸納：將圖像處理常用的RGB彩色空間變換到ＩＨＳ空間。圖像融合只在強度通道上進行，圖像的色調和飽和度保持不變。

32三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合

基于ＩＨＳ變換的融合過程如下：(1)．待融合的全色圖像和多光譜圖像進行幾何配準，并將多光譜圖像重采樣與全色分辨率相同；(2)．將多光譜圖像變換轉換到ＩＨＳ空間。(3)．對全色圖像I′和ＩＨＳ空間中的亮度分量I進行直方圖匹配。用全色圖像I′代替ＩＨＳ空間的亮度分量，即HIS－>I′HS。將Ｉ′ＨＳ逆變換到RGB空間，即得到融合圖像。33三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合采用IHS變換方法將LandSatTM和SPOT影像進行影像融合

34三、遙感影像融合的方法3.1基于ＩＨＳ變換的圖像融合對兩幅圖像Ii,Ij按下式進行：I'ij=A（PiIi+PjIj）+B其中：Pi,Pj為兩個圖像的權，其值由下式決定：Pi=（1－|rij|)/2Pj=1－Piri,j為兩幅圖像的相關系數ri,j=σij/σ

iσjA，B為常數。35三、遙感影像融合的方法3.2加權融合

對多光譜圖像的多個波段進行主分量變換，變換后第一主分量含有變換前各波段的相同信息然后將高分辨率圖像和主成分第一分量進行直方圖匹配，使高分辨率圖像與主成分第一分量圖像有相近的均值和方差。

最后，用直方圖匹配后的高分辨率圖像代替主成份的第一分量進行主分量逆變換。36三、遙感影像融合的方法3.3基于主分量變換的圖像融合

對一幅數字圖像，分解后可以形成四幅子圖像LLHLLHHH37三、遙感影像融合的方法3.4基于小波變換的圖像融合小波變換的圖像融合步驟如下：①對高分辨率全色圖像和多光譜圖像進行幾何配準，并且對多光譜圖像重采樣與全色圖像分辨率相同；②對全色圖像和多光譜圖像進行直方圖匹配；③對全色高分辨圖像進行分解，分解成LL（低頻部分），HL（水平高頻），LH（垂直高頻），HH（對角高頻）；38三、遙感影像融合的方法3.4基于小波變換的圖像融合④對多光譜圖進行分解成四部份LL，LH，HL，HH；⑤根據需要或保持多光譜色調的程度由③,④中的LL重新組合成新的LL；⑥根據需要由③,④中的LH，HL，HH重新組合成新的LH，HL，HH；⑦由⑤,⑥所得的新的LL，HL，LH，HH反變換重建影像；⑧其它波段融合重復步驟③－⑦。39三、遙感影像融合的方法3.4基于小波變換的圖像融合比值變換融合算法按下式進行：

[B1/(B1+B2+

B3)]D=DB1[B2/(B1+B2+

B3)]D=DB2[B3/(B1+B2+

B3)]D=DB3

其中:Bi(i=1,2,3)為多光譜圖像；D為高分辨率圖像；DBi(i=1,2,3)為比值度變換融合圖像。比值變換融合可以增加圖像兩端的對比度40三、遙感影像融合的方法3.5

比值變換融合乘積變換融合算法按下式進行：D*Bi=DBi通過乘積變換融合得到的融合圖像其亮度成分得到增加。41三、遙感影像融合的方法3.6

乘積變換融合例如：對其中一個圖像作邊緣提取，然后融合到另一個圖像上。42三、遙感影像融合的方法3.7

基于特征的融合特征植被指數邊緣特征紋理特征遙感影像1遙感影像2影像特征1影像特征2融合特點：融合不針對原始遙感影像，而是經過加工的特征。先要對圖像分類，在分類的基礎上進行融合。(1)．對圖像中的不同類別用不同波段或不同圖像融合以達到增加空間特性和光譜特性；(2)．對不同時相的圖像進行分類后融合，可以達到提取圖像內變化信息的目的。43三、遙感影像融合的方法3.8

基于分類的融合44分類融合法地物類別某地面目標TM遙感影像建筑分類SPOT遙感影像車輛分類HJ-1遙感影像車輛分類類別特征對比分析車輛……三、遙感影像融合的方法3.8

基于分類的融合

(1)定性評價

主要以目視判讀為主優(yōu)點：簡單、直接缺點：是因人而已，具有主觀性45三、遙感影像融合的方法3.9

圖像融合的效果評價(2)定量評價從融合圖像包含的信息量和分類精度這兩方面進行評價，可以彌補定性評價的不足。46三、遙感影像融合的方法3.9

圖像融合的效果評價1）平均梯度：

反映圖像中微小細節(jié)反差和紋理變化的特征，表達圖像的清晰度；

其中：G平均梯度，Δxf(i,j),Δyf(i,j)分別為像素(I,j)在x,y方向上的一階差分值，M，N為圖像大?。窃酱髣t圖像層次越多，圖像越清晰。47三、遙感影像融合的方法3.9

圖像融合的效果評價2）熵與聯(lián)合熵

其中：Ｐi為圖像像素灰度值i的概率。對于彩色圖像的聯(lián)合熵為：

其中Ｐi1i2i3

表示圖像x1中像素為i1與圖像x2中像素灰度為i2以及圖像x3中像素為i3

的聯(lián)合概率。熵越大則圖像包含的信息越豐富。48三、遙感影像融合的方法3.9

圖像融合的效果評價3)圖像融合前后差異:交叉熵交叉熵或稱相對熵,可以用來度量兩幅圖像間的差異,交叉熵越小,表示圖像間的差異越小。設標準參考圖像為R,融合后的圖像為F,則參考圖像R與融合圖像F的交叉熵為:49三、遙感影像融合的方法3.9

圖像融合的效果評價4)光譜信息的繼承:偏差度用偏差指數(DifferenceIndex)l來反映融合后圖像與原始圖像在光譜信息上的匹配程度。其中C為融合后的圖像,B為