内容发布更新时间 : 2024/12/23 2:51:57星期一 下面是文章的全部内容请认真阅读。

辨率，可以将全色图像融合进多光谱图像，通过融合既提高多光谱图像空间分辨率（2.5m），又保留其多光谱特性。

图像融合可以分为若干层次。一般认为可分像素级，特征级和决策级。像素级融合对原始图像及预处理各阶段上所产生的信息分别进行融合处理，以增加图像中有用信息成分，改善图像处理效果。特征级融合能以高的臵信度来提取有用的图像特征。决策级融合允许来自多源数据在最高抽象层次上被有效的利用。

像素级的图像融合。图像融合首先要求多源图像精确配准，分辨率不一致时，要求重采样后保持一致；其次，将图像按某种变换方式分解成不同级的子图像，同时，这种分解变换必须可逆，即由多幅子图像合成一幅图像，即为融合图像。这时多幅子图像中包含了来自其它需要融合的经图像变换的子图像。

遥感图像融合的算法很多，有基于ＩＨＳ变换、主成分变换，比值变换，剩法变换以及小波变换的融合方法。

2.2.2.1 加权融合

基于像元的加权融合对两幅图像Ii,Ij按下式进行： Iij'=A（PiIi + PjIj）+ B （6－77）

其中：A，B为常数； Pi,Pj为两个图像的权，其值由下式决定： Pi =1/2（1－|rij|） Pj = 1－Pi

ri,j为两幅图像的相关系数

以SPOT全色图像与多光谱图像的融合为例，由于多光谱中的绿、红波段与全色波段相关性较强，而与红外波段相关性较小，可以采用全色波段图像与多光谱波段图像的相关系数来融合。其过程如下：

1．对两幅图像进行几何配准，并对多光谱图像重采样与全色图像分辨率相同； 2．分别计算全色波段与多光谱波段图像的相关系数； 3．用全色波段图像和多光谱波段图像组合。

2.2.2.2 基于ＩＨＳ变换的图像融合

ＩＨＳ变换将图像处理常用的RGB彩色空间变换到ＩＨＳ空间。ＩＨＳ空间用亮度

46

（Intensity）、色调（Hue）、饱和度(Saturation)表示。ＩＨＳ变换可以把图像的亮度、色调和饱和度分开，图像融合只在亮度通道上进行，图像的色调和饱和度保持不变。

基于ＩＨＳ变换的融合过程如下：

1．待融合的全色图像和多光谱图像进行几何配准，并将多光谱图像重采样与全色分辨率相同；

2．将多光谱图像变换转换到ＩＨＳ空间。

3．对全色图像I′和ＩＨＳ空间中的亮度分量I进行直方图匹配。 4．用全色图像I′代替ＩＨＳ空间的亮度分量，即HIS－>I′HS。 5．将Ｉ′ＨＳ逆变换到RGB空间，即得到融合图像。

通过变换、替代、逆变换获得的融合图像既具有全色图像高分辨的优点，又保持了多光谱图像的色调和饱和度。

2.2.4.3 基于主分量变换的图像融合（K－L变换法）

本方法对多光谱图像的多个波段进行主分量变换，变换后第一主分量含有变换前各波段的相同信息，而各波段中唯一对应各波段的部分，被分配到变换后的其它波段。然后将高分辨率图像和主成分第一分量进行直方图匹配，使高分辨率图像与主成分第一分量图像有相近的均值和方差。最后，用直方图匹配后的高分辨率图像代替主成份的第一分量进行主分量逆变换。

2.2.4.4 基于小波变换的图像融合

1．正交二进小波变换分解与重构 ２．基于正交二进制小波变换的图像融合

采用离散二进小波变换的Mallat算法的图像融合步骤如下：

①对高分辨率全色图像和多光谱图像进行几何配准，并且对多光谱图像重采样与全色图像分辨率相同；

②对全色图像和多光谱图像进行直方图匹配；

③对全色高分辨图像进行分解，分解成LL（低频部分），HL（水平方向的小波系数），LH（垂直方向小波系数），HH（对角方向的小波系数）；

④对多光谱图进行分解成四部份LL，LH，HL，HH；

47

⑤根据需要或保持多光谱色调的程度由③, ④中的LL重新组合成新的LL； ⑥根据需要由③, ④中的LH，HL，HH重新组合成新的LH，HL，HH； ⑦由⑤,⑥所得的新的LL，HL，LH，HH反变换重建影像； ⑧其它波段融合重复步骤③－⑦。

2.2.2.3 比值变换融合

比值变换融合可以增加图像两端的对比度。当要保持原始图像的辐射度时，本方法不宜采用。

2.2.2.4 乘积变换融合

通过乘积变换融合得到的融合图像其亮度成分得到增加。

在上述融合方法中，基于ＩＨＳ变换融合和比值变换融合只能用三个波段的多光谱图像和全色图像融合，而其它方法不受波段数限制。

2.2.2.5 基于特征的图像融合

基于特征的图像融合有以下几种方法：

1．对两个不同特性的图像作边缘增强，然后加权融合； 2．对其中一个图像作边缘提取，然后融合到另一个图像上；

3. 对两个图像经小波变换后形成基带图像和子带图像，对基带图像用加权融合方法，而对子带图像采用选择子带中特征信息丰富的图像进行融合。

2.2.2.6 基于分类的图像融合

该方法首先要求对图像中的地物类别进行分类，在分类的基础上进行图像融合。 1．对图像中的不同类别用不同波段或不同图像融合以达到增加空间特性和光谱特性； 2．对不同时相的图像进行分类后融合，可以达到提取图像内变化信息的目的。

2.2.2.7 图像融合的效果评价

对融合结果进行评价是必要的。不同的应用有不同的评价标准。评价方法可以分为两类：

48

定性评价和定量评价。

定性评价主要以目视判读为主，目视判读是一种简单、直接的评价方法，可以根据图像融合前后的对比作出定性评价。缺点是因人而已，具有主观性。

定量评价从融合图像包含的信息量和分类精度这两方面进行评价，可以弥补定性评价的不足。

定量评价的一些指标：

1）平均梯度：反映图像中微小细节反差和纹理变化的特征，表达图像的清晰度； 2）熵与联合熵描述图像信息量的一个指标，熵越大则图像包含的信息越丰富。 3）用融合后的图像进行分类，以分类的精度来评价融合图像的质量。

选用某一种分类器，对融合图像和原始图像进行分类，然后根据该图像内实际的利用情况作为参考，比较融合后图像和融合前图像分类的结果，以判断融合的质量。

其他的评价融合效果指标有：偏差指数，它反映两图像间的偏离程度。

2.2.3 数字图像镶嵌

将不同的图像文件合在一起形成一幅完整的包含感兴趣区域的图像，这就是图像的镶嵌。通过镶嵌处理，可以获得更大范围的地面图像。参与镶嵌的图像可以是不同时间同一传感器获取的，也可以是不同时间不同传感器获取的图像，但同时要求镶嵌的图像之间要有一定的重叠度。

数字图像镶嵌的关键是：1.如何在几何上将多幅不同的图像连接在一起。因为在不同时间用相同的传感器以及在不同时间用不同的传感器获得的图像，其几何变形是不同的。解决几何连接的实质就是几何纠正，按照前面的几何纠正方法将所有参加镶嵌的图像纠正到统一的坐标系中。去掉重叠部分后将多幅图像拼接起来形成一幅更大幅面的图像。2.如何保证拼接后的图像反差一致，色调相近，没有明显的接缝。对于几何纠正问题前面已有阐述，下面讨论接缝消除问题。其过程如下：

1.图像的几何纠正；

2.搜索镶嵌边。先取图像重叠区的1/2为镶嵌边；然后搜索最佳镶嵌边，即该边为左右图像上亮度值最接近的连线。

3.亮度和反差调整

4.平滑边界线：经过上述调整，两幅图像色调和反差已趋近，但仍有拼缝，必须进行边

49

界线平滑。

2.2.4 卫星正射影像图的制作流程及技术要求

1、外业控制测量

像控点的设计布点，保证每一景内布设足够的平高点和检查点，对于地形比较破碎的影像需增加检查点，每一条带重叠范围必须有同名平高点，以上各点必须均匀分布并在内业初步选定像控点范围之内。

2、内业制作 （1）图件资料

分析和收集作业范围内现势性较强的最新资料，包括地形图图纸、DEM数据等，以及作业范围内最新布设的像控点。

（2）准备数据

将卫星影像数据拷贝到作业目录中，确定影像（*.tif）文件为可读可写，转为系统内部格式。

（3）正射纠正

a选用遥感图像处理软件，比如Erdas或PCI; b选择传感器物理模型（严密模型）纠正模式。 c根据控制资料将控制点逐一加入所需纠正的影像中。 d模型计算，对该影像进行内、外方位元素定向。 e定向精度预估，根据参加的控制点解算其几何纠正精度。

f使用Geogrid、GeoTIN软件将所需纠正影像范围内的DEM进行拼接，然后转为（*.bil）格式，利用ARCGIS的ARCTOOL、ArcInfo软件将数据转为软件可读格式（GRID格式）。

g导入DEM，按全景范围进行精纠正。 h精纠正：

①全部控制点参与平差，检查点不参与平差纠正全景影像。

②利用检查点检查已纠正影像中的检查点中误差。中误差必须在规范规定之内，否则检查b步骤。

③检查点作为控制点与全部控制点参与平差纠正全景影像。 i按国家标准图幅裁取出图影像以及按入库要求裁取入库影像。

50