遥感入门图像融合ppt课件
合集下载
图像信息融合ppt课件
直接进行平均运算。在数学上可以证明，多幅图像平均的结 果是使图像的方差降低，这虽然有利于降低图像的噪声，但 同时也使得图像的边缘、轮廓等重要信息变得模糊。
图像信息融合
（2）减法 可以用于：①区分不同的地物。假如物体甲对不同频率
电磁波的反射能力基本相同，而物体乙却有差异，那么对这两 种物体的遥感图像进行相减操作，就可以提供一些区分这两类 物体的信息；②提取地物变化的趋势。将同一地区不同时间的 遥感图像进行相减，可以从中得出这一地区地物光谱变化的信 息。
最低层次的融合。是基于最原始的图像数据，能更多地保留 图像原有的真实感，提供其他融合层次所不能提供的细微信 息，因而被广泛应用。 。
图像信息融合
② 特征级融合
是指运用不同算法，首先对各种数据源进行目标识别的 特征提取如边缘提取、分类等，即先从初始图像中提取 特征信息—空间结构信息如范围、形状、领域、纹理等； 然后对这些特征信息进行综合分析与融合处理。
着重于把那些在空间或时间上冗余或互补的多源数据， 按一定的规则（或算法）进行运算处理，获得比任何单一 数据更精确、更丰富的信息，生成一幅具有新的空间、波 谱、时间特征的合成图像。
图像信息融合
1）遥感图像融合的三个层次 ① 像元级融合 是指直接在采集的原始数据层上进行融合。它强调不同图像 信息在像元基础上的综合，先对栅格数据进行相互的几何配 准，在各像元一 一对应的前提下进行图像像元级的合并处理， 以改善图像处理的效果，使图像分割、特征提取等工作在更 准确地基础上进行，并可能获得更好的图像视觉效果。
图像信息融合
二、遥感图像融合方法
像素级融合
代数法 IHS方法 HPF方法 小波变换方法 回归模型法
PCA法
卡尔曼滤波法
特征级融合
图像信息融合
（2）减法 可以用于：①区分不同的地物。假如物体甲对不同频率
电磁波的反射能力基本相同，而物体乙却有差异，那么对这两 种物体的遥感图像进行相减操作，就可以提供一些区分这两类 物体的信息；②提取地物变化的趋势。将同一地区不同时间的 遥感图像进行相减，可以从中得出这一地区地物光谱变化的信 息。
最低层次的融合。是基于最原始的图像数据，能更多地保留 图像原有的真实感，提供其他融合层次所不能提供的细微信 息，因而被广泛应用。 。
图像信息融合
② 特征级融合
是指运用不同算法，首先对各种数据源进行目标识别的 特征提取如边缘提取、分类等，即先从初始图像中提取 特征信息—空间结构信息如范围、形状、领域、纹理等； 然后对这些特征信息进行综合分析与融合处理。
着重于把那些在空间或时间上冗余或互补的多源数据， 按一定的规则（或算法）进行运算处理，获得比任何单一 数据更精确、更丰富的信息，生成一幅具有新的空间、波 谱、时间特征的合成图像。
图像信息融合
1）遥感图像融合的三个层次 ① 像元级融合 是指直接在采集的原始数据层上进行融合。它强调不同图像 信息在像元基础上的综合，先对栅格数据进行相互的几何配 准，在各像元一 一对应的前提下进行图像像元级的合并处理， 以改善图像处理的效果，使图像分割、特征提取等工作在更 准确地基础上进行，并可能获得更好的图像视觉效果。
图像信息融合
二、遥感图像融合方法
像素级融合
代数法 IHS方法 HPF方法 小波变换方法 回归模型法
PCA法
卡尔曼滤波法
特征级融合
图像融合ppt课件
4.4 遥感影像的融合处理
多源遥感数据合的内涵与基本原理 数据融合过程 数据融合分类及方法
•数据融合的方法分类 •主要图像融合方法
多源遥感数据融合的内容分类
ppt课件.
1
4.4.1 多源遥感数据融合的内涵与基本原理
多种信息源的遥感数据融合是指多种空间分辨率、辐射分辨 率、波谱分辨率和时间分辨率的遥感数据之间以及遥感数据 与非遥感数据之间的信息进行多层次有机组合匹配的技术， 包括空间几何配准和数据融合两个方面，从而在统一地理坐 标系统下，构成一组新的空间信息和合成图像。
七波段图 像
ppt课件.
6
10米分辨 率SPOT 图像
ppt课件.
7
对比两图， 可以看出， 复合后的图 像既保留了 TM的光谱分 辨率又保留 了SPOT的空 间分辨率， 图像质量有 所提高。
ppt课件.
8
4.4.2 数据融合过程
1.预处理：主要包括遥感影像的几何纠正、辐射 校正和空间配准
（1）几何纠正、辐射校正的目的主要在于去除图 像变形、阴影等因素以及卫星扰动、天气变化、 大气散射等随机因素对成像结果一致性的影响；
决策级融合的流程：经过预处理的遥感影像数 据——特征提取——属性说明——属性融合——融 合属性说明。
ppt课件.
14
三级融合层次的特点
融合 框架
像元 级
特征 级
决策 级
信息 损失 小
中
大
实时 性 差
中
优
精度 高 中 低
容错 性 差
中
优
抗干 扰力
差
中
优
工作 量 小
中
大
融合 水平 低
中
高
ppt课件.
多源遥感数据合的内涵与基本原理 数据融合过程 数据融合分类及方法
•数据融合的方法分类 •主要图像融合方法
多源遥感数据融合的内容分类
ppt课件.
1
4.4.1 多源遥感数据融合的内涵与基本原理
多种信息源的遥感数据融合是指多种空间分辨率、辐射分辨 率、波谱分辨率和时间分辨率的遥感数据之间以及遥感数据 与非遥感数据之间的信息进行多层次有机组合匹配的技术， 包括空间几何配准和数据融合两个方面，从而在统一地理坐 标系统下，构成一组新的空间信息和合成图像。
七波段图 像
ppt课件.
6
10米分辨 率SPOT 图像
ppt课件.
7
对比两图， 可以看出， 复合后的图 像既保留了 TM的光谱分 辨率又保留 了SPOT的空 间分辨率， 图像质量有 所提高。
ppt课件.
8
4.4.2 数据融合过程
1.预处理：主要包括遥感影像的几何纠正、辐射 校正和空间配准
（1）几何纠正、辐射校正的目的主要在于去除图 像变形、阴影等因素以及卫星扰动、天气变化、 大气散射等随机因素对成像结果一致性的影响；
决策级融合的流程：经过预处理的遥感影像数 据——特征提取——属性说明——属性融合——融 合属性说明。
ppt课件.
14
三级融合层次的特点
融合 框架
像元 级
特征 级
决策 级
信息 损失 小
中
大
实时 性 差
中
优
精度 高 中 低
容错 性 差
中
优
抗干 扰力
差
中
优
工作 量 小
中
大
融合 水平 低
中
高
ppt课件.
图像融合及应用ppt课件
4. 相似性度量
征。
37
三、图像配准
配准步骤
图像配准的过程也就是“确定空间 变换模型——求解变换模型参数”的过 程。
1. 搜索空间 2. 特征空间 3. 搜索策略
在搜索空间寻找最佳 的变换模型参数的过程 中所采用的方法。
4. 相似性度量
38
三、图像配准
配准步骤
图像配准的过程也就是“确定空间 变换模型——求解变换模型参数”的过 程。
B
I
3
3
1200
SI
[min(R,G, B)]
(R G B)
00
H
arccos
(
R
(R G) R B)/
G)2 (R B)(G
2 B)
1/
2
2400 IHS柱形空间
51
四、（5图）像RGB融-I合HS变方换法法
(1) RGB-IHS变换法
13
国内出版物
14
参考书
15
国内出版物
[1]覃征等,数字图像融合,西安交通大学出版社,2005年
[2]张永生等,天基多源遥感信息融合—理论算法与应用系统,科学出版 社 ,2005 [3]韩崇昭等,多源信息融合,清华大学出版社,2006
[4]那彦,焦李成等,基于多分辨分析理论的图像融合方法(研究生系列教 材),西安电子科技大学出版社,2007 [5]李振华等,图像融合—理论与应用,高等教育出版社,2007 [6] 胡良梅等,基于信息融合的图像理解方法研究,合肥工业大学 出版 社,2007. [7]郭雷,李晖晖等,图像融合,电子工业出版社,2008 [8] 刘卫光等,图像信息融合与识别,电子工业出版社,2008
遥感图像融合
遥感图像融合问题描述1．遥感图像融合基本概念2．多传感器信息融合技术优点3．遥感图像融合层次的划分4．多源遥感数据融合的意义5．图像融合技术应用解答1．遥感图像融合基本概念遥感图像融合就是将多个传感器获得的同一场景的图像或同一传感器在不同时刻获得的同一场景的图像数据或图像序列数据进行空间和时间配准,然后采用一定的算法将各图像数据或序列数据中所含的信息优势互补性的有机结合起来产生新图像数据或场景解释的技术。
这种新的数据同单一信源相比,能有效减少或抑制对被感知目标或环境解释中可能存在的多义性、残缺性、不确定性和误差,最大限度地提高各种图像信息的利用率,从而更有利于对物理现象和事件进行正确的定位、识别和解释。
2．多传感器信息融合技术优点多传感器数据融合起源于上个世纪70年代初,至今己经经历了近30年的发展,成为一门具有比较完整的体系和丰富方法的学科。
多传感器图像融合属于多传感器信息融合的范畴,是指按照一定的算法,将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像合成到一幅满足给定要求的图像中。
单一传感器由于受由光的能量和衍射决定的分辨极限、成像系统的调制传递函数、信噪比三个方面的限制,要同时获得光谱、空间和时间的高分辨率是很难的。
多传感器图像融合技术由于可以有效的利用多幅图像提供的互补信息和冗余信息,因此融合后的图像对场景的描述比任何单一源图像都更全面、精确。
一般而言,使用多传感器信息融合技术具有以下优点：(1)可提高系统的可靠性和鲁棒性;(2)可扩展空间和时间上的观测范围;(3)可提高信息的精确程度和可信度;(4)可提高对目标物的监测和识别性能;(5)可降低对系统的冗余投资。
3．遥感图像融合层次的划分多源遥感图像数据从层次上可分为:像素级(特征提取之前)、特征级(属性说明之前)和决策级(各传感器数据独立属性说明之后)。
因此,图像融合就可相应地在像素级、特征级和决策级3个层次上进行,构成3种融合水平。
遥感影像图像融合方法ppt课件
贝叶斯估计法；专家系统；神经网络法；模糊集理 论；可靠性理论以及逻辑模板法等
7
遥感数据融合方法介绍
➢ 像素级融合是最低层次的图像融合 ➢ 它将经过高精度图像配准后的多源影像数据按照一定
的融合原则，进行像素的合成，生成一幅新的影像 ➢ 融合的目的在于提高图像质量，提供良好的地物细节
信息，直接服务于目视解译，自动分类
➢ 这样，遥感数据与非遥感数据可在空间上对应一致， 又可在成因上互相说明，以达到深入分析的目的。
20
遥感与非遥感数据的融合
1. 地理数据的网格化 ①使地理数据成为网格化的数据； ②地面分辨率与遥感数据一致； ③对应地面位置与遥感影像配准。 2. 最优遥感数据的选取 3. 配准融合
21
小结
➢ 多源数据融合实现了遥感数据之间的优势互补，也实 现了遥感数据与地理数据的有机结合。
精确几何配准
图像融合
融合结果评价及利用
遥感图像融合流程图
预处理 融合处理 应用
6
图像融合的层次
➢ 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
估计法；熵法；带权平均法；表决法及神经网络法等 ➢ 决策级
3
图像融合
➢ 数据融合( Fusion, Merge)的定义 指同一区域内，遥感数据之间或遥感数据与非 遥感数据之间的匹配融合
➢ 多种遥感数据源信息融合是指利用多种对地观测技术 所获取的关于同一地物的不同遥感数据，通过一定的 数据处理技术，提取各遥感数据源的有用信息，最后 将其融合到统一的空间坐标系(图像或特征空间)中， 进行综合判读或进一步的解析处理
不进行直方图修正
7
遥感数据融合方法介绍
➢ 像素级融合是最低层次的图像融合 ➢ 它将经过高精度图像配准后的多源影像数据按照一定
的融合原则，进行像素的合成，生成一幅新的影像 ➢ 融合的目的在于提高图像质量，提供良好的地物细节
信息，直接服务于目视解译，自动分类
➢ 这样，遥感数据与非遥感数据可在空间上对应一致， 又可在成因上互相说明，以达到深入分析的目的。
20
遥感与非遥感数据的融合
1. 地理数据的网格化 ①使地理数据成为网格化的数据； ②地面分辨率与遥感数据一致； ③对应地面位置与遥感影像配准。 2. 最优遥感数据的选取 3. 配准融合
21
小结
➢ 多源数据融合实现了遥感数据之间的优势互补，也实 现了遥感数据与地理数据的有机结合。
精确几何配准
图像融合
融合结果评价及利用
遥感图像融合流程图
预处理 融合处理 应用
6
图像融合的层次
➢ 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
估计法；熵法；带权平均法；表决法及神经网络法等 ➢ 决策级
3
图像融合
➢ 数据融合( Fusion, Merge)的定义 指同一区域内，遥感数据之间或遥感数据与非 遥感数据之间的匹配融合
➢ 多种遥感数据源信息融合是指利用多种对地观测技术 所获取的关于同一地物的不同遥感数据，通过一定的 数据处理技术，提取各遥感数据源的有用信息，最后 将其融合到统一的空间坐标系(图像或特征空间)中， 进行综合判读或进一步的解析处理
不进行直方图修正
遥感图像处理_图像融合83页PPT
遥感图像处理_图像融合
51、山气日夕佳，飞鸟相与还。 52、木欣欣以向荣，泉涓涓而始流。
53、富贵非吾愿，帝乡不可期。 54、雄发指危冠，猛气冲长缨。 55、土地平旷，屋舍俨然，ቤተ መጻሕፍቲ ባይዱ良田美 池桑竹 之属， 阡陌交 通，鸡 犬相闻 。
61、奢侈是舒适的，否则就不是奢侈 。——CocoCha nel 62、少而好学，如日出之阳；壮而好学 ，如日 中之光 ；志而 好学， 如炳烛 之光。 ——刘 向 63、三军可夺帅也，匹夫不可夺志也。 ——孔 丘 64、人生就是学校。在那里，与其说好 的教师 是幸福 ，不如 说好的 教师是 不幸。 ——海 贝尔 65、接受挑战，就可以享受胜利的喜悦 。——杰纳勒 尔·乔治·S·巴顿
谢谢！
51、山气日夕佳，飞鸟相与还。 52、木欣欣以向荣，泉涓涓而始流。
53、富贵非吾愿，帝乡不可期。 54、雄发指危冠，猛气冲长缨。 55、土地平旷，屋舍俨然，ቤተ መጻሕፍቲ ባይዱ良田美 池桑竹 之属， 阡陌交 通，鸡 犬相闻 。
61、奢侈是舒适的，否则就不是奢侈 。——CocoCha nel 62、少而好学，如日出之阳；壮而好学 ，如日 中之光 ；志而 好学， 如炳烛 之光。 ——刘 向 63、三军可夺帅也，匹夫不可夺志也。 ——孔 丘 64、人生就是学校。在那里，与其说好 的教师 是幸福 ，不如 说好的 教师是 不幸。 ——海 贝尔 65、接受挑战，就可以享受胜利的喜悦 。——杰纳勒 尔·乔治·S·巴顿
谢谢！
第四章 遥感图像处理-多源信息融合ppt课件
用信息的增加以及噪声误差的增加，因此对多种遥感数据 作出合理的选择。 – 几何配准，即解决遥感图像的几何畸变，解决空间配准问 题。
只有对地学规律、影象特征、成象机理这三者有深 刻的认识，并把它们有机地结合起来，信息复合才 能达到更好地效果。
（二）多源遥感信息复合的应用案例
遥感信息的复合 （1）不同传感器的遥感数据的复合， （2）不同时相的遥感数据的复合 （3）遥感与非遥感信息的复合
遥感图象处理：信息复合
信息复合的概念和简介 信息复合的应用举例
-不同传感器的遥感信息复合 -不同时相的遥感数据复合 遥感数据复合前处理—几何纠正和空间配准 常用的数据复合方法 遥感信息与非遥感信息的复合
（一）信息复合的概念和简介
定义：多源信息的复合是将多种遥感平台， 多时相遥感数据以及遥感数据与非遥感数据 之间的信息组合匹配的技术。
透 明 叠 加 检 查
（四）常用的数据融合方法—彩色合成
数据融合方法：彩色变换、 K-L 变换，比值变换； 基于小波理论的特征融合、基于贝叶斯法则的分 类融合等
诸多复合方案中，彩色合成方法的效果比较明显。 所以应尽可能生成三幅新图像，分别赋予红、绿、 蓝色，进行假彩色合成。
具体做法举例：
将TM与SPOT复合，选取TM三个波段4，3，2 和 SPOT全色波段共4个波段， 复合方法1：每幅TM图像均与SPOT图像作逐点运 算，如相加、相减或相乘，或其他运算方案，生 成三幅图像，进行彩色合成，生成复合图像。
（四）常用的数据融合方法—彩色合成
具体做法举例：
复合方法2：设 LRTM、 LGTM、 LBTM分别为TM4,3,2 波段的亮度值， LSPOT为SPOT全色波段的亮度值， A为权函数，则生成三幅新图像亮度值L复为： LR复＝A·LSPOT·LRTM/（LRTM +LGTM +LBTM） LG复＝A·LSPOT·LGTM/（LRTM +LGTM +LBTM） LB复＝A·LSPOT·LBTM/（LRTM +LGTM +LBTM） 将新生成的图像LR复、LG复、LB复分别赋予红、绿、 蓝色，合成后生成复合图像。
只有对地学规律、影象特征、成象机理这三者有深 刻的认识，并把它们有机地结合起来，信息复合才 能达到更好地效果。
（二）多源遥感信息复合的应用案例
遥感信息的复合 （1）不同传感器的遥感数据的复合， （2）不同时相的遥感数据的复合 （3）遥感与非遥感信息的复合
遥感图象处理：信息复合
信息复合的概念和简介 信息复合的应用举例
-不同传感器的遥感信息复合 -不同时相的遥感数据复合 遥感数据复合前处理—几何纠正和空间配准 常用的数据复合方法 遥感信息与非遥感信息的复合
（一）信息复合的概念和简介
定义：多源信息的复合是将多种遥感平台， 多时相遥感数据以及遥感数据与非遥感数据 之间的信息组合匹配的技术。
透 明 叠 加 检 查
（四）常用的数据融合方法—彩色合成
数据融合方法：彩色变换、 K-L 变换，比值变换； 基于小波理论的特征融合、基于贝叶斯法则的分 类融合等
诸多复合方案中，彩色合成方法的效果比较明显。 所以应尽可能生成三幅新图像，分别赋予红、绿、 蓝色，进行假彩色合成。
具体做法举例：
将TM与SPOT复合，选取TM三个波段4，3，2 和 SPOT全色波段共4个波段， 复合方法1：每幅TM图像均与SPOT图像作逐点运 算，如相加、相减或相乘，或其他运算方案，生 成三幅图像，进行彩色合成，生成复合图像。
（四）常用的数据融合方法—彩色合成
具体做法举例：
复合方法2：设 LRTM、 LGTM、 LBTM分别为TM4,3,2 波段的亮度值， LSPOT为SPOT全色波段的亮度值， A为权函数，则生成三幅新图像亮度值L复为： LR复＝A·LSPOT·LRTM/（LRTM +LGTM +LBTM） LG复＝A·LSPOT·LGTM/（LRTM +LGTM +LBTM） LB复＝A·LSPOT·LBTM/（LRTM +LGTM +LBTM） 将新生成的图像LR复、LG复、LB复分别赋予红、绿、 蓝色，合成后生成复合图像。
遥感入门图像融合ppt课件
遥感图像的融合处理
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的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的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
编辑课件
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
编辑课件
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的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的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一
个彩色模型都无法包含所有的可见光。
编辑课件
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
编辑课件
H arctan[
2R G B ] C 3 (G B )
C 0, ifG B
C
, if
G B
S 6 R 2 G 2 B 2 RG RB GB 3
编辑课件
17
3.基于PCA变换的融合
对低分辨率图像进行PCA变换后，以高空间 分辨率图像代替第一主成分，进行反变换。
遥感影像的镶嵌与融合 ppt课件
d1
gA(i,j0j)gB(i,j0j)
j0
2.3 影像拼接--重叠区亮度确定
（1)把两幅图象对应像元的平均值作为重叠区像元点的 亮度值，即：
1 g(i,j)2[gE(iK 1 ,j)gH (i,j)]
(2)把两幅待镶嵌图象中亮度值最大的亮度值作为重叠区像元 的亮度值，即：
g ( i ,j ) m g E ( ia K x 1 ,j ) ， [ g H ( i ,j )]
• “太阳当空照，花儿对我笑，小鸟说早早早……”
遥感影像镶嵌应用背景
应用领域
• 原始数据－”真实数据” • 真实数据与原始数据相关，成像范围和分辨率由
原始数据决定
• 实际分析处理的范围与原始影像不一致 • 分辨率不符合要求
遥感影像镶嵌
影像镶嵌
• 镶嵌－影像的拼接
对若干幅互为邻接的影像通过几何镶嵌、色调调 整、去重叠等处理，拼接为统一的数字影像
影像镶嵌的目标
• 空间位置镶嵌－空间位置的一致 • 色调调整－辐射信息的一致
影像镶嵌的主要步骤
• 影像预处理 • 确定重叠区 • 色调调整 • 影像镶嵌
影像镶嵌实施方案的确定
在这九幅图象中选取中心幅E为标准像幅，利用相邻两幅图象 的重叠部分，按箭头所示的顺序依次进行色调调整和几何镶 嵌，最终便可使所有9幅图象实现以E为基准的图象镶嵌。
2.色调调整效果检查。利用图象处理系统的显示功 能，使图象分别显示于屏幕左右两边。如果色 调调整成功，在屏幕上应看不出左、右两幅图 象的差别。如果还有差别，则修改拉伸时的点 对值，进行拉伸处理，直到在终端屏幕上看不 到差异为止。
3.用最后得到的拉伸点值，对相邻的两幅整图象A 和B的色调进行调整，即分波段把A图象的灰度 值拉伸到B图象相应的灰度值，从而完成相邻两 幅图象A和B的色调调整。
gA(i,j0j)gB(i,j0j)
j0
2.3 影像拼接--重叠区亮度确定
（1)把两幅图象对应像元的平均值作为重叠区像元点的 亮度值，即：
1 g(i,j)2[gE(iK 1 ,j)gH (i,j)]
(2)把两幅待镶嵌图象中亮度值最大的亮度值作为重叠区像元 的亮度值，即：
g ( i ,j ) m g E ( ia K x 1 ,j ) ， [ g H ( i ,j )]
• “太阳当空照，花儿对我笑，小鸟说早早早……”
遥感影像镶嵌应用背景
应用领域
• 原始数据－”真实数据” • 真实数据与原始数据相关，成像范围和分辨率由
原始数据决定
• 实际分析处理的范围与原始影像不一致 • 分辨率不符合要求
遥感影像镶嵌
影像镶嵌
• 镶嵌－影像的拼接
对若干幅互为邻接的影像通过几何镶嵌、色调调 整、去重叠等处理，拼接为统一的数字影像
影像镶嵌的目标
• 空间位置镶嵌－空间位置的一致 • 色调调整－辐射信息的一致
影像镶嵌的主要步骤
• 影像预处理 • 确定重叠区 • 色调调整 • 影像镶嵌
影像镶嵌实施方案的确定
在这九幅图象中选取中心幅E为标准像幅，利用相邻两幅图象 的重叠部分，按箭头所示的顺序依次进行色调调整和几何镶 嵌，最终便可使所有9幅图象实现以E为基准的图象镶嵌。
2.色调调整效果检查。利用图象处理系统的显示功 能，使图象分别显示于屏幕左右两边。如果色 调调整成功，在屏幕上应看不出左、右两幅图 象的差别。如果还有差别，则修改拉伸时的点 对值，进行拉伸处理，直到在终端屏幕上看不 到差异为止。
3.用最后得到的拉伸点值，对相邻的两幅整图象A 和B的色调进行调整，即分波段把A图象的灰度 值拉伸到B图象相应的灰度值，从而完成相邻两 幅图象A和B的色调调整。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(P, X k )
i 1 j 1 mn
mn
(P(i, j) P)2 ( X k (i, j) X k )2
i 1 j 1
i 1 j 1
（3）按下式将全色波段图像的信息融合到多光谱图像各波段中
X
k
(i,
j) 0.5[(1
(P, X k ) ) P(i,
– 融合影像应当和高空间分辨率的影像尽可能保持一致； – 融合影像的光谱特性应当和高光谱影像尽可能保持一致； – 融合影像的空间分辨率被降解到低分辨率时，必须和原来的影
像保持一致。
4
目前在遥感图像融合中常用的像素级融合方法
• 代数法 • 基于彩色空间变换的影像融合法 • 基于主成分分析的影像融合法 • 基于高通滤波影像融合法 • 基于小波变换影像融合法
H的取值范围为[0,360]
15
圆柱体变换中RGB到HIS的转换算法
16
I 1 (R G B) 3
H arctan[2R G B ] C 3(G B)
C 0,ifG B
C ,if GB
S 6 R2 G2 B2 RG RB GB 3
2
• 因而进入二十世纪80年代，开始有人研究遥感图像 融合的方法。
图像数 据1
图像数 … 图像数 图像数
据2
据n
据1
图像数 … 图像数 图像数
据2
据n
据1
图像数 据2
…图据像n数
图像配准
特征提取
像素级 融合
特征关联
融合影像
融合特征 描述
象素级融合
特征级融合
遥感卫星影像融合的三个层次
特征提取
目识别
5
1.代数法
代数运算融合方法多用于同类遥感器不同 时相图像的融合,或低分辨率的多光谱图像 与高分辨全色图像的融合。根据应用要求， 选择好参与融合的波段数据，与全色图像 几何配准后，进行逐点像元亮度值的数学 运算。
6
• 第一种是逐点相加运算，运算通式为： Mi’（x,y）＝Mi（x,y)＋P(x,y)+Bi
7
代数法-相关系数加权法融合
• 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的相关系数：
mn
(P(i, j) P) ( X k (i, j) X k )
17
3.基于PCA变换的融合
式中，R,G,B位于区间［0，1］；r,g,b位于区间
［0，1］；M＝max［R、G、B］；m＝min［R、 G、B]
注意：R、G、B中至少有一个值是0，与最大值 的颜色对应，并且至少有一个值是1，与最小值的 颜色对应。
13
则在球体变换中： （1） I（亮度）的计算公式为：
I M m 2
I的取值范围为［0，1］。 （2）S（饱和度）的计算公式为：
式中, Mi（x,y)为参与融合的i波段多光谱原 图像数据; P(x,y)为参与融合的全色波段原 图像数据; Mi’（x,y）为融合的i波段新图像; Bi为权函数. • 第二种是逐点相减运算，运算通式为：
Mi’（x,y）＝Mi（x,y)-P(x,y)-Bi • 第三种是逐点相乘运算，运算通式为：
Mi’（x,y）＝(Mi（x,y)*P(x,y)*Bi)/m
j) (1
(P, X k ) ) X k (i,
j)]
8
2.基于彩色空间变换的影像融合法-- 彩色变换
• 遥感图像融合方法的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的变换。
• 彩色模型指的是某个三维彩色空间的一个可见光 子集。它包含某个彩色域的所有彩色，彩色模型 的用途是在某个彩色域内方便地指定彩色。由于 任何一个彩色都只是可见光的子集，所以任何一 个彩色模型都无法包含所有的可见光。
遥感图像的融合处理
1
图像融合处理
• 当代航天遥感系统已能为用户提供高空间分辨率、 高波谱分辨率和高时间分辨率的海量图像。如何将 同一地区的各种遥感图像的有用信息融合在一起是 遥感应用研究的课题之一。
• 从二十世纪70年代的航天遥感应用的研究和实践表 明：由于在可见光和红外波段，各类植被的响应大 都互相重叠。因此，单用一种多光谱图像进行分析， 要解决土地覆盖、耕地和森林资源监测、军事侦察 等问题是不可能的。
决策级 融合
融合目标 属性
3
决策级融合
像素级图像融合
像素级融合是最低层次的图像融合，它将经过高精 度图像配准后的多源影像数据按照一定的融合原则， 例如局部能量原则、局部梯度或信息熵的原则，进行 像素的合成，生成一幅新的影像。融合的目的在于提 高图像质量，提供良好的地物细节信息，直接服务于 目视解译，自动分类。高空间分辨率的全色影像和高 光谱分辨率的高光谱影像的像素级融合影像具有一般 具有以下性质（Wald,1997）：
多光谱图像XS2
多光谱图像XS3
重采样
重采样
重采样
IHS正变换
色调分量H
饱和度分量S
IHS 逆变换
亮度分量I 全色波段图像PA
高分辨率多光 谱图像1
高分辨率多光 谱图像2
高分辨率多光 谱图像3
11
基于IHS变换的融合
• 球体变换
12
球体变换中RGB到HIS的转换算法
R M r ,G M g ,B M b M m M m M m
如果M m,S 0 如果I 0.5,S M - m
Mm 如果I0.5,S M - m
2-M-m
S的取值范围为［0，1］
14
(3)H(色度)的计算公式为:
ifM m, H 0 ifR M , H 60(2 b g) ifG M , H 60(4 r b) ifB M , H 60(6 g r)
9
基于彩色空间变换的影像融合法
– 首先，必须将图像进行严格的几何校正，使不同的 遥感图像在几何上能完全匹配，并且分辨率一致。
– 将多波段图像由RGB彩色系统变换到IHS彩色系统 中；
– 用高分辨率的图像代替I分量，进行彩色逆变换，就 可以得到融合图像
10
基于彩色空间变换的影像融合法
多光谱图像XS1