遥感技术基础06.ppt

《遥感技术基础06.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、遥感技术基础学年学期：2010-2011学年第一学期学院：测绘与地理科学学院班级：地理081-3班教师：李玉2021/8/51一、图像融合定义：将多源（多波段）遥感数据在统一地理坐标系中，采用一定的算法生成一组新的信息或图象，以提高遥感影像解译分析精度的过程。目的：充分集成不同来源数据的优点，以获得比单一传感器更多的信息。融合后的图象信息将隐含更多信息，更有利于综合分析。2021/8/52第六讲图像融合2021/8/53作用提高分辨率,如多光谱影像与高空间分辨率影像;改善几何配准精度和几何校正精度;产生立体影像数据，有利于目视对地物分辨与识别

2、，从而有利遥感图像目视解译;提高分类精度，如多源影像复合，以实现不同信息的互补；特征增强,增强观察特性，如微波与可见光传感的资料复合;第六讲图像融合2021/8/54变化监测，如一个时相的某一谱段光谱密度值减去另一时相对应象元光谱密度值，从而产生差值图像进行动态监测;方法。根据图像处理过程中影像复合发生的阶段不同，图像融合可分为如下。基于判决水平的复合：首先对图像进行处理提取信息(如划分成大类)，然后结合判决规则的应用加强解译，解决分歧及进一步更好地了解观察对象，这是一种高水平的复合，它更有利于细分与制图。第六讲图像融合2021/8/55基于

3、特征的复合:首先分别从各数据源中提取物体特征，然后再复合。由于遥感图像结构特征的表达常不成熟，因而基于特征的复合研究有相当大的难度；基于像素的复合:图像处理过程中的最初阶段进行融合。遥感数据融合的技术关键充分认识研究对象的地学规律；针对具体应用目的，合理选择融合数据源；准确的图像配准；选择适当的融合方法进行融合。第六讲图像融合2021/8/56二、Pan-Sharpening融合低分辨率的多谱图像和高分辨率的全色图像生成高分辨率的多谱图像的过程。第六讲图像融合LowResolutionMultispectralImageHighResolut

4、ionPanchromaticImageHighResolutionMultispectralImage2021/8/57TrueColorComposite,SpatialResolution2.4mPanchromaticImage,SpatialResolution0.67mPansharpenedImage,SpatialResolution0.67m第六讲图像融合2021/8/58Pan-Sharpening算法目前有许多Pan-Sharpening算法，常用的方法包括HSVSharpening,PCSpectralSharpeni

5、ng,ColorNormalized(Brovey)SharpeningGram-SchmidtSpectralSharpening.第六讲图像融合2021/8/59HSV(orHSI)Sharpening算法算法流程将低分辨率RGB多谱图像up-sampling并转换为HSI图像；高分辨率全色图像匹配HSI图像并替代其强度值；新生成的HSI图像变换回RGB图像。第六讲图像融合2021/8/510算法流程第六讲图像融合2021/8/511存在的问题RGB图像中植被较暗（对可见光的低反射率）；NIR图像中植被很亮（对近红外的高反射率）；第六讲图

6、像融合2021/8/512某些全色图像，如QuickBirdpan，包含大量的近红外成分，使得植被像素很亮；HSI融合后，原RGB图像中很暗的植被变得很亮；原来小的彩色失真可能被放大；使得图像的回复变得困难。第六讲图像融合IntensityBandPanchromaticBand2021/8/513HSV方法的改进全色波段和多谱波段的重叠是已知的，从全色波段减去一定的NIR估计值；Visiblepan波段，接近可见波段强度。Vispan(pixel)=pan(pixel)–0.240*nir(pixel)结果IntensitybandVisi

7、blepanchromaticbandVisPanHSVResult第六讲图像融合2021/8/514特点Pan-sharpening提供清晰的融合图像；彩色恢复，特别是植被区域，困难。第六讲图像融合2021/8/515基于主成分分析(PCA)的Pan-sharpening方法主成分分析（PrincipleComponentAnalysis-PCA)转换相关的多谱波段为一组不相关的分量；最大方差的分量，既第一主成员，由全色图像代替；提供反PCA变换可以得到高分辨率pan-sharpened图像。第六讲图像融合2021/8/516FollowC

8、hartsofPCAbasedPan-sharpening2021/8/517主成分分析(PrincipalComponentAnalysis-PCA)主成分分析的