遥感图像融合效果客观评价
遥感影像融合方法分析
遥感影像融合方法分析遥感影像的融合是对来自同一区域的多源图像数据进行综合处理，以获得对该区域更为准确、全面、可靠的影像描述。
由于遥感影像融合的这一特点，使得这一技术在遥感中有着很重要的作用，这一技术也成为近几年国际遥感界的研究热点。
本文研究了目前学术界提出的几种较为流行的影像融合算法，对它们的特点进行了分析，同时给出了影像融合的效果的评价准则。
标签：遥感；影像；融合引言随着遥感技术的发展，各种各样的传感器也不断出现，对于同一地区，我们可以得到用不同传感器获取的不同尺度、不同时相特别是不同光谱信息的遥感影像数据。
不同源的数据反映了区域的不同方面的特征，如何合理的综合利用这些多源数据，对于遥感应用十分关键。
显然，影像融合为我们提供了一个很好的途径。
影像融合就是将不同源的数据配准后变换到同一尺度、同一坐标系，然后采用一定的融合方法将各种数据的信息充分的结合起来，产生一种更适合应用的影像数据的新技术。
图像融合一般分为三个层次：①像素级融合。
像素级融合也称数据级融合，是指对传感器采集来的数据进行采集、分析和处理，生成目标特征而获得融合图像；②特征级融合。
是指对预处理和特征提取后获得的景物信息如边缘、形状、轮廓、方向、区域和距离等信息进行综合与处理；③决策级融合。
是指根据一定的准则以及每个决策的可信度作出最优决策，数据融合的容错能力即由此而来。
图像融合的算法有很多，传统的算法主要有：HIS变换的融合、小波变换融合、主成分变换融合、高通滤波变换法、比值运算法、Brovey变换法等等，最近也提出了一些新的或改进型的图像融合算法，比如Contourlet变换融合、基于HSV变换与atrous变换的图像融合、一种基于最大区域熵值的图像融合方法、基于小波包的融合等等。
下面本文将对其中一些算法进行介绍并分析。
1 目前较为流行的影像融合算法分析1.1 小波变换法1.2 Brovey变换法Brovery变换（Brovery Transform，BT）：是一种用来对来自不同传感器的数据进行融合的较为简单的融合方法，该方法将多光谱各波段进行归一化，然后将高分辨率全色影像与归一化后的各波段相乘得到融合后的影像。
遥感图像融合心得体会
遥感图像融合心得体会遥感图像融合是一种将多源遥感图像合并为一幅具有更多信息的图像的技术。
通过将多源遥感图像中具有相同地理空间分辨率的特征融合，可以获得更高质量、更丰富的信息，对于遥感图像的应用具有重要的意义。
在学习和研究遥感图像融合的过程中，我得到了以下几点心得体会。
首先，在进行遥感图像融合时，选择合适的融合方法非常关键。
常用的遥感图像融合方法包括基于像素的融合、基于变换的融合和基于区域的融合等。
不同的融合方法适用于不同的情况，需要根据具体的应用目标和数据特点来选择最合适的方法。
例如，在对高光谱图像和高分辨率图像进行融合时，可以选择基于小波变换的融合方法，通过将高光谱图像的光谱信息和高分辨率图像的空间信息融合，得到更丰富的特征信息。
因此，选择适合的融合方法是实现遥感图像融合的首要任务。
其次，在进行遥感图像融合时，需要考虑到多源遥感图像的配准问题。
由于不同遥感图像的获取方式和时间不同，存在一定的配准误差。
为了使融合后的图像更加精确和准确，需要进行图像配准操作，将多源图像投影到同一坐标系下。
目前，常用的图像配准方法有基于特征点的配准和基于控制点的配准等。
配准后的图像在融合时能够更好地保持特征的一致性和稳定性，提高了融合结果的质量。
再次，在进行遥感图像融合时，需要充分考虑融合结果对后续应用的影响。
遥感图像融合的最终目的是为了更好地支持决策和应用，因此，在选择融合方法和参数时，需要根据融合后图像的特性和需求进行合理的选择。
例如，在农业领域，可以通过融合多源遥感图像来提取农田土壤水分信息，进而进行农田水分管理和灌溉调度。
因此，在进行遥感图像融合时，需要充分考虑应用需求，确保融合结果具有可操作性和可解释性。
最后，在进行遥感图像融合时，需要充分利用遥感图像的多光谱、多尺度和多角度信息。
随着遥感技术的不断发展，现代遥感图像具有多光谱、多尺度和多角度等多源信息。
通过综合利用这些信息，可以获得更全面、更准确的遥感图像融合结果。
遥感图像融合实验报告
遥感图像融合实验报告遥感图像融合实验报告一、引言遥感图像融合是指将多个不同传感器获得的遥感图像融合为一幅综合图像的过程。
通过融合不同传感器获取的图像，可以获得更全面、更准确的地物信息。
本实验旨在探究遥感图像融合的原理和方法，并通过实验验证其效果。
二、实验目的1. 了解遥感图像融合的原理和意义；2. 掌握常用的遥感图像融合方法；3. 进行实验验证，比较不同融合方法的效果。
三、实验步骤1. 数据准备：选择两个不同传感器获取的遥感图像，如光学图像和雷达图像；2. 图像预处理：对两幅图像进行预处理，包括辐射校正、几何校正等；3. 图像配准：通过图像配准算法将两幅图像对齐，使其具有相同的空间参考系；4. 图像融合：选择合适的融合方法，如基于像素级的融合方法或基于特征级的融合方法，对两幅图像进行融合；5. 结果评价：通过定量和定性的评价指标，对融合结果进行评估。
四、实验结果与分析经过实验，我们得到了融合后的遥感图像。
通过对比融合前后的图像，可以发现融合后的图像在空间分辨率和光谱信息上都有所提高。
融合后的图像能够更清晰地显示地物的边缘和细节，且具有更丰富的颜色信息。
在融合方法的选择上，我们尝试了基于像素级的融合方法和基于特征级的融合方法。
基于像素级的融合方法将两幅图像的像素直接进行融合，得到的结果更加保真，但可能会导致信息的混淆。
而基于特征级的融合方法则通过提取图像的特征信息，再进行融合，可以更好地保留地物的特征，但可能会引入一定的误差。
通过对比不同融合方法的结果，我们可以发现不同方法在不同场景下的效果差异。
在某些场景下，基于像素级的融合方法可能会产生较好的效果，而在其他场景下，基于特征级的融合方法可能更适用。
因此，在实际应用中，需要根据具体场景和需求选择合适的融合方法。
五、实验总结通过本次实验，我们深入了解了遥感图像融合的原理和方法，并进行了实验验证。
遥感图像融合可以提高图像的空间分辨率和光谱信息，使得地物信息更全面、更准确。
遥感图像处理中的图像融合方法与精度评价
遥感图像处理中的图像融合方法与精度评价遥感图像处理是一门研究如何获取、处理和应用遥感图像信息的学科。
遥感图像融合是其中的一个重要研究方向，它旨在通过将多个遥感图像融合为一个具有更高空间、光谱分辨率和更丰富信息量的图像，来提高遥感图像的解译和应用能力。
本文将探讨遥感图像融合的方法和精度评价。
一、遥感图像融合方法1. 传统融合方法传统的遥感图像融合方法主要包括像素级融合和特征级融合。
像素级融合是指将不同分辨率的遥感图像通过插值方法将其像素一一对应，然后对对应像素进行加权平均得到融合图像。
常用的插值方法有最邻近插值、双线性插值等。
这种方法简单易实现，但无法利用各个波段之间的相关性。
特征级融合是指通过提取多个图像的不同特征，然后将这些特征融合到同一个图像中。
常见的特征包括边缘信息、纹理信息、频谱信息等。
特征级融合方法可以更好地保留各个图像的特征，但对特征的提取和融合过程较为复杂。
2. 基于变换的融合方法基于变换的融合方法是指通过对多个遥感图像进行变换操作，然后将变换后的图像进行融合。
常见的变换包括小波变换、主成分分析、时频分析等。
小波变换是一种时频分析方法，可以将图像分解为不同频率和方向的小波系数。
通过对小波系数进行加权平均，可以实现遥感图像的融合。
小波变换融合方法能够提取图像的局部特征，能更好地保留图像的细节信息。
主成分分析是一种基于统计的方法，通过分析遥感图像的协方差矩阵，提取出图像的主要成分。
然后将这些主成分按照一定的权重进行线性组合，得到融合图像。
主成分分析融合方法可以更好地提取遥感图像的空间信息，对图像的纹理特征具有较好的保留效果。
以上只是其中的两种常见的基于变换的融合方法，实际上还有很多其他的方法，如独立分量分析、稀疏表示等。
二、图像融合精度评价图像融合精度评价是指对融合图像质量进行定量评估的方法。
常用的融合图像质量评价指标有以下几种：1.谱信息准确度谱信息准确度评价主要针对于融合图像的光谱特征，常用的指标有谱变异性、谱角等。
遥感图像融合实验报告
遥感图像融合实验报告遥感图像融合实验报告一、引言遥感技术在现代科学研究和应用中发挥着重要的作用。
遥感图像融合是将多个遥感图像的信息融合为一个综合图像的过程，可以提供更全面、更准确的地理信息。
本实验旨在通过遥感图像融合技术，对不同分辨率的遥感图像进行融合，以获得更高质量的图像。
二、实验方法1. 数据收集我们使用了两个不同分辨率的遥感图像，一个是高分辨率的卫星图像，另一个是低分辨率的无人机图像。
这两个图像分别代表了不同的空间分辨率。
为了保证数据的准确性，我们选择了同一地区的图像进行比较。
2. 图像预处理在进行图像融合之前，需要对图像进行预处理，以提高融合效果。
我们首先对两个图像进行边缘增强处理，以增强图像的边缘信息。
然后，对图像进行直方图均衡化，使图像的灰度分布更均匀。
最后，对图像进行尺度匹配，以确保两个图像的尺度一致。
3. 图像融合算法本实验使用了一种基于小波变换的图像融合算法。
该算法通过将两个图像的低频部分和高频部分进行融合，得到一个综合图像。
具体步骤如下：a. 对两个图像进行小波变换，得到它们的低频部分和高频部分。
b. 对两个图像的低频部分进行加权平均，得到融合后的低频部分。
c. 对两个图像的高频部分进行加权平均，得到融合后的高频部分。
d. 将融合后的低频部分和高频部分进行逆小波变换，得到最终的融合图像。
4. 实验结果分析通过对融合后的图像进行视觉和定量分析，我们可以评估融合效果。
视觉分析可以通过观察图像的细节和边缘来判断融合效果的好坏。
定量分析可以通过计算图像的信息熵、互信息和均方误差等指标来评估融合效果。
三、实验结果与讨论经过实验，我们得到了融合后的图像。
通过对比原始图像和融合图像，我们可以看到融合后的图像在细节和边缘方面有明显的提升。
融合后的图像更清晰、更丰富，能够提供更多有用的地理信息。
在定量分析方面，我们计算了融合图像的信息熵、互信息和均方误差。
结果显示，融合图像的信息熵和互信息较高，均方误差较低，说明融合效果较好。
遥感图像处理算法研究与性能评估
遥感图像处理算法研究与性能评估遥感图像处理算法在近年来得到了广泛的研究和应用。
随着遥感技术和数据的快速发展，遥感图像处理算法的研究和性能评估也变得愈发重要。
本文将探讨遥感图像处理算法的研究现状和方法，并介绍常用的性能评估指标。
一、遥感图像处理算法的研究现状遥感图像处理算法是指利用遥感技术获取的图像数据进行处理和分析，以提取目标信息或获得特定应用需求的结果。
根据不同的应用需求，遥感图像处理算法可以包括图像去噪、图像增强、特征提取、分类识别等多个方面。
1. 图像去噪算法图像去噪是遥感图像处理中的一个重要任务，其目的是降低图像中的噪声对后续分析和应用的影响。
常用的图像去噪算法包括小波变换去噪、基于统计学的去噪方法、基于邻域的去噪方法等。
近年来，深度学习方法也被引入到图像去噪中，取得了较好的效果。
2. 图像增强算法图像增强是提高遥感图像质量和信息内容的关键步骤。
常见的图像增强算法包括直方图均衡化、锐化、模糊、对比度增强等。
近年来，以深度学习为代表的方法在图像增强中也取得了显著的效果提升。
3. 特征提取算法特征提取是遥感图像处理中的一个重要任务，其目的是从图像中提取具有代表性的信息，用于进一步的分类和识别。
常见的特征提取方法包括传统的基于滤波和边缘检测的方法，以及基于深度学习的方法。
深度学习方法由于其强大的表征能力，已经在特征提取任务上取得了突破性的进展。
二、遥感图像处理算法的性能评估为了准确评估遥感图像处理算法的性能，需要制定合适的评估指标和评估方法。
以下是常用的性能评估指标及其说明。
1. 噪声与信噪比在图像去噪任务中，常用的评估指标是噪声与信噪比（PSNR）。
PSNR是通过计算原始图像与去噪图像之间的均方误差来衡量图像质量的指标。
PSNR值越高，表示图像质量越好。
2. 对比度在图像增强任务中，对比度是评估图像质量的重要指标。
图像的对比度反映了图像中不同亮度级别之间的差异。
对比度值越高，表示图像质量越好。
遥感图像融合定量评价方法及实验研究
Ｆｉｇ．４
图４图像融合定量评价界面 ＰｒＯｇｒａｍ ｉｎｔｅｒｆａｃｅ ｏｆ ｉｍａｇｅ ｆｕｓｉＯｎ ｅＶａｌｕａｔｉＯｎ
３．３．２亮度信息评价 由表ｌ第一列信息（亮度信息）可以看出ＩＨＳ
融合具有明显的优势来增加图像的亮度信息，其平 均梯度和方差有较大程度的提高，便于更好目视解 译。ＰＣＡ融合在梯度上有明显的增强，但在方差上
４６３
圉３极限放大的图像 Ｆｉｇ．３ Ｍａｇｎｉｆｉｅｄ ｉｍａｇｅ
图像空间分辨都比多光谱波段高也即空间分辨率增 强，图像也变得更加清晰。两种融合方法相比较而言 ＩＨＳ效果更好，马路两旁的绿地ＩＨＳ融合后显得更 加清晰，图像整体效果较ＰＣＡ融合清晰。 ３．２．２光谱特征
价参数能够很好地反映遥感影像融合效果。本文即 通过此程序对遥感图像融合进行客观定量评价。融 合结果参数评价指标如表１所示。
此项评价主要是通过评价融合图像与原图像的 变形情况来判断融合效果。
依据表１的第３列结果可以得出ＰＣＡ融合的 扭曲程度和偏差指数较ＩＨＳ融合小，得出ＰＣＡ融 合后图像变形较小，并且相关性也较大。ＩＨＳ融合变 形较大因为不同数据具有不同的光谱特性曲线，尽 管用于替换明度分量１的高分辨率的全色影像ｊ。。。 在替换前进行了影像统计特性的匹配，但是匹配误 差艿＝Ｊ。。。一，导致了图像融合变形［１引，并且融合波 段仅仅为３个波段的原因。而通过定性分析无法评 价出ＩＨＳ融合存在较大程度的光谱变形。
基于ETM+遥感图像的图像融合试验及评价方法
第３ ４卷
第１ 期
南 京 林 业 大 学 学 报 （自然 科 学 版 ）
Ｖｏ ． １３４，Ｎｏ １ ．
２１ ０ ０年 １月
ｈｔ ／ ｗ ． ｌｘ ． ｏ ｔ ｐ： ／ ｗｗ ｎｄ ｂ ｃ ｎ
Ｊｕｎｌ ｆ ａｊ ｇＦ ｒｓ ｙＵ ｉ ｒ ｔ Ｎ ｔｒｌ ｃｅｃ ｄｔ ｎ ｏｒａ ｏ ｎｉ ｏ ｔ ｎｖ ｓｙ（ ａ ａ Ｓ ｉ ｅＥ ｉｏ ） Ｎ ｎ ｅｒ ｅｉ ｕ ｎ ｉ
２ Ｓ ｈ ｏ ｏ ｎ ｉ ｎ ｅ ｔ ｅ ｈ ｏｏｙ ｈ ｉ ｇＦ ｒｓ ｙ Ｃ ｌ ｇ ， ｉ ’ ， １ ３ ０ Ｃ ｉａ ． ｃ ｏｌ ｆ ｖ ｏ ｍ ｎａ Ｔ ｃ ｎ ｌｇ ，Ｚ ￣ ａ ｏｅｔ ｏ ｅ ｅ Ｌｎ ｎ ３ １ ０ ， ｈｎ ） Ｅ ｒ ｌ ｎ ｒ ｌ ａ
合结 果表 明： Ｂｏｅ 、Ｈ 、 Ｃ、 ｒｍ Ｓｈ ｉ 方 法 融合 后 的 图像 ， 光谱 保 真 程 度 逐 渐 降低 。 依 ｒｖｙ Ｉ Ｓ Ｐ Ｇ ａ ．ｃｍ ｔ 其 Ｂｏｅ ｒｖｙ变换最 大限度保持 了原 始 图像 的光谱 信息 ， 空间信息 的详 细程 度较 差 ；Ｈ 而 Ｉ Ｓ变换 空 间融 合后 的 图像 空 间细 节信息最 大 ， 光谱 保 真 能力 差 ；Ｃ 变换 和 Ｇａ ｓｈ ｄ 变换 后 融 合 图像 的 但 Ｐ ｒｍ— ｍｉｔ ｃ 光谱保 真和 空 间信 息详细 程度介 于 Ｂ ｏｅ ｒｖｙ和 Ｉ Ｓ之 间； ｒｖｙ和 Ｉ Ｓ有 较好 的融合效果 。 Ｈ Ｂｏｅ Ｈ
遥感影像数据融合技术及融合质量评价研究
确 、 面 、 靠 的描 述． 全 可 通过 对 多源 遥 感 图像 的融
合 ， 以提高 遥感 图像 的空问分 辨率 和分类 精度 ， 可
增 强对 目标特 征 和 动态 监 测 区域 的识 别 ， 补有 修
进行初 步分 类 ， 后在各 类 中进行特 征提 取 ， 进 然 再
缺 陷的 图像 信 息 等 ．０多 年亲 ， 内外 学 者 对 图 ２ 旧 像融 合技 术进行 了大 量研究 ． 国外 ， 以美 国为代 表 的技 术发 达 国家 ， 图像 融合技 术遥遥 领 先 ， 已从 理
像 素之 间 的直接数 学运算 ， 括差 值 ， 包 梯度 、 比值 、 加权或 其他 数学 运 算 ； 特征 级 融 合 是指 对 图像 的
特征进 行融 合 ， 不 同图像 进 行特征 提取 ， 对 按各 图 像上相 同类 型 的特 征 进行 融 合 处 理 ； 策级 融 合 决
是最 高层次 的融 合 ， 先 按 照应 用 的要求 对 图像 首
遥感 图像 融合处 理能 够综合 利用来 自同一场 景的不 同源 的图像信 息 ， 得更 为准确 、 获 更为 全面
系统并 不多 ， 未能 形 成 可为 多 种 目的共 同应 用 的
工 程化 产 品 ， 己形 成 的理论 研 究 也存 在 明显 的不
足之处 ． 文系笔 者 在 阅读 了 大量 国内外 相 关 文 本 献 的基 础上 ， 对遥 感 图像 融合 方法 的基本原 理 、 关 键技术 及评 价准 则进行 的综 合评述 ．
论 逐渐转 向工 程 ， 具有 代 表 性 的机 构 是 美 国林 肯 实 验 室 和 荷 兰 的人 力 冈素 所 ． 国内 从 ２ ０世 纪
行 融合处 理 ． 据 数 据融 合 系 统 一 般模 型并 结 根
如何进行遥感影像质量评价
如何进行遥感影像质量评价遥感影像质量评价，是指对通过遥感技术获取的影像数据进行质量检验和评估，以保证数据的准确性和可靠性。
随着遥感技术的快速发展和广泛应用，遥感影像质量评价在各个领域都显得尤为重要。
本文将从不同维度，探讨如何进行遥感影像质量评价。
一、解译精度评价在进行遥感影像质量评价时，最重要的因素之一便是解译精度。
解译精度评价可以从多个角度进行，如地物检测的正确率和误报率、地物分类的准确率等。
为确保评价结果的客观性和准确性，可以采用地面实地调查、高清地图数据、其他遥感数据及辅助信息进行对比分析，从而进行遥感影像的解译精度评价。
二、图像质量评价图像质量是指遥感影像在成像过程中所表达的细节和色彩信息与真实世界一致程度的度量。
图像质量评价可以从图像的清晰度、色彩还原度、空间分辨率等多个方面进行。
常用的图像质量评价指标包括均方根误差、偏差、信噪比等，这些指标可以帮助我们评估图像的质量和成像效果。
三、几何精度评价几何精度是指遥感影像的位置和形状与实际地物的位置和形状之间的差异。
几何精度评价对很多应用来说是至关重要的，特别是在地图制图和地物定位方面。
通过对图像的空间分布进行统计分析，可以评估遥感影像的几何精度，并与地面控制点进行比对，以提高几何精度。
四、辐射精度评价辐射精度评价是对遥感影像在辐射测量过程中的准确性进行评估。
辐射精度评价的主要目的是检测遥感影像在辐射校正和辐射匹配过程中的误差，并通过与辐射参考标准进行比对，以提高遥感影像的辐射精度。
五、时间精度评价时间精度评价是对遥感影像获取的时间精度进行评估。
时间精度对于监测与观测变化的研究非常关键。
常用的时间精度评价方法包括重复观测、对比分析和时间序列分析等，这些方法可以帮助我们评估遥感影像获取过程中的时间偏差，并验证数据的时效性。
综上所述，遥感影像质量评价是一项复杂而又重要的工作。
通过对解译精度、图像质量、几何精度、辐射精度和时间精度等的评估，可以全面提升遥感影像质量，为遥感应用提供可靠的数据支撑。
遥感影像融合的质量评价探讨
ｌ 学术研 究 ０
测绘 技术 装备
季刊
第 １ ０卷
２０ ０ ８年第 ４期
量 做 出 主观 定性 评 价 ，可 以确 定 融合 图像 的 可用 方 向上 的一 阶差 分 。 性 。实 际做 法 是提 交 融 合 后 的 图像 给 经 验 丰 富 、长 ２ ２ ３融合 图像 光谱信 息的 继承程 度 ：偏 差指 数 ．．
期从事摄影测量的一线作业人员来评价 。由于长期
变 换 、Ｄ Ｔ 余 弦变换 ） ａ ｅ ｅ ｒｎ ｆｒ （ Ｃ（ 、Ｗｖ ｌｔＴａ ｓ ｏｍ 小波 变 ２ ２ １ 融合 图像信 息量增 加 的程度 ：信 息熵 ．． 换） Ｈ ＋ ￣ 、ＩＳ ｄ波变 换 、ＤＴ ｔ 波变 换 、加 权融 合 以及 Ｃ ＋］ ￣ 信 息量 增 加 是 图像 融 合 最 基 本 的要 求 。图像 的 ＰＡ （ Ｃ 主成 份 分析 ）变 换等 七 种融 合方 法所 进 行 的试 信 息熵 是 衡量 信 息量增 加 大 小的重 要 参数 ，值越大 ， 验 ，取 得 了融合 图像 。本 文就 融 合 影 像 的质 量 评 价 则 该 图 像 中所 含 信 息越 丰 富 。可 以通 过 融合 前 后 图 展 开讨 论 ， 以确 保 融 合 后 图像 能达 到 摄 影测 量 生 产 像 信 息 熵 的变 化 来 反 映 ， 图像信 息熵 的含 义 为 图像 中采 集数 据 的精度 要 求 。 的平均 信 息量 ，其 表达 式 为 ：
利用偏差指数可 以反映融合图像与原始图像在
以来 他 们 以全色 光 学 影 像 作 为作 业 对 象 ，因此 ，对 光 谱 信息 上 的匹配 程度 。例 如 ，高空 间分辨 率 影像 Ａ ， 融合 后 影 像 所 同 时具 有 的高 分辨 率 和 多 光谱 特 征 能 与 多 光谱 影像 Ｂ进 行 融合 生成 影像 Ｃ 偏 差指 数 定义
基于像素级遥感图像融合方法对比与评价
通 过平均值、标准 差、平均梯度 、信息熵 、相关系数和扭 曲程度对这些融合方法进行评价 。评价 结果表 明 ４种
融合 方法 都能不同程度的改善影像质量 ，其 中 Ｂ ｏ ｅ ｒ ｖ ｙ融合 法光 谱失真度 小，清 晰度和 空间分辨 率较 高，影像 所含信 息量丰 富，更适 合于隆 昌 Ｅ Ｍ 影像 的融合处理 。 Ｔ＋
Ｃｏ ｍｐ ｒｓ ｎ ａ ｄＥｖ ｌａｉ ｎｏ ｍ ｏ ｅＳ ｎ ｉｇＩ ａ ｅＦ ｉ ｎＭ ｅｈ ｄ ａ ｉｏ ｎ ａｕ ｔ ｆ ｏ Ｒｅ ｔ ｅ ｓｎ ｍ ｇ ｕｓｏ ｔ ｏ Ｂａ ｅ ｎ ｔ ｅＰ ｘ １１ｖ ｌ ｓ ｄｏ ｉ ｅ．ｅ ｅ ｈ
Ｚ ＨＵＬ－ ａ Ｙ ＮＧ Ｗ —ｉｎ ｉｕ ｎ Ａ ｕｎａ ｊ
级 融 合 （ ｅ ｔ ｒ ａ ｅ ）和 决 策级 融合 （ ｅ ｉ ｉ ｎ Ｆ ａ ｕｅｂ ｓ ｄ Ｄ ｃ ｓｏ
ｌｖ １ ｅｅ ）三个 层 次 。其 中像素 级 融合 是对 多元 图像
中 的 目标 和 背景 等 信 息 直接 进 行 融合 处 理 ，它 能最
大程度 的保持图像细微的信息 ，是 目前最为常用 的 融合 方 法 。本文 在 参 考 大量 之 前 研 究成 果 的基础 上 选 择 像 素 级 融 合 中较 为常 用 的Ｂ ｏ ｅ 、ＰＡ Ｉ和 ｒｖ ｙ Ｃ 、ＨＳ Ｇ ａ — ｃ ｍ ｄ 四种 融 合 方法 对 隆 昌县 试 验 区遥 感 影 ｒ ｍ Ｓｈ ｉｔ
测绘第 ３ 卷第 ４ ２ １ 年 ８月 ５ 期 ０２
１３ ６
基 于像 素级遥感 图像 融合方法对 比与评价
诸 丽娟 杨 武年
（ 成都理工大学 国土 资源信 息技术 与应用 国土资源部重点实验室／ 遥感 与 Ｇ Ｓ研 究所 ，四川 成都 ６ ０ ９ Ｉ １ ５） ０
图像分类和融合中精度评价指标
图像分类和融合中精度评价指标1.图像分类中精度评价的几个指标对分类结果进行评价，确定分类的精度和可靠性,有两种方式用于精度验证：一是混淆矩阵，二是ROC曲线。
比较常用的为混淆矩阵，ROC曲线可以用图形的方式表达分类精度，比较形象。
评价精度的因子有混淆矩阵、总体分类精度、Kappa系数、错分误差、漏分误差、每一类的制图精度和用户精度：1. 混淆矩阵（confusion matrix）混淆矩阵又称误差矩阵（error matrix），是一个用于表示分为某一类别的像元个数与地面检验为该类别数的比较阵列。
通常，阵列中的列代表参考数据，行代表由遥感数据分类得到的类别数据。
有像元数和百分比表示两种。
Ground Truth(Pixels)Class水体林地耕地未利用地居民地Total水体257920024425838林地8016825297684132419210耕地5196027424381154239583未利用地3100963848710156居民地3230491333055131056 Total26745168852777010495439481258432.总体分类精度（Overall Accuracy）等于被正确分类的像元总和除以总像元数。
被正确分类的像元数目沿着混淆矩阵的对角线分布，总像元数等于所有真实参考源的像元总数，如本次精度分类精度表中的Overall Accuracy = 110230/1258433.Kappa系数（Kappa Coefficient）它是通过把所有真实参考的像元总数（N）乘以混淆矩阵对角线（XKK）的和，再减去某一类中真实参考像元数与该类中被分类像元总数之积之后，再除以像元总数的平方减去某一类中真实参考像元总数与该类中被分类像元总数之积对所有类别求和的结果。
结果k=83.96%.4.错分误差（Commission）指被分为用户感兴趣的类，而实际属于另一类的像元，它显示在混淆矩阵里面。
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。
遥感图像融合效果评估方法
第 ３期
现 代 雷 达
Ｍｏ ｄ ｅ ｒ ｎ Ｒａ ｄ ａ ｒ
Ｖ ｏ １ ． ３ ５ Ｎｏ ． ３
Ｍａ ｒ ．２ ０１ ３
２ ０ １ ３年 ３月
・
信 号／ 数据 处 理 ・
中 图 分 类 号： Ｔ Ｐ ７
文献 标志 码： Ａ
文 章 编号： １ ０ ０ ４ — ７ ８ ５ ９ （ ２ ０ １ ３ ｝ ０ ３ — ０ ０ １ ９ — ０ ５
关键词 ： 遥感图像融合 ； 融合 效果评估 ； 多传感器信息融合 ； 合成孔径雷达
Ｅｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ Ｍ ｅ ｔ ｈｏ ｄ ｏ ｆ Ｒｅ ｍｏ ｔ ｅ Ｓｅ ｎ ｓ ｉ ｎｇ Ｉ ｍａ ｇ ｅ Ｆｕｓ ｉ ｏ ｎ Ｅｆ ｆｅ ｃ ｔ
Ｚ Ｈ ＯＵ Ｆａ ｎ ｇ， Ｗ ＡＮＧ Ｐ ｅ ｎ ｇ ｂ ｏ， Ｌ Ｉ Ｃｈ ｕ ｎ ｓ ｈ ｅ ｎ ｇ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｂ ｅ ｉ ｈ ａ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ８ ３， Ｃ ｈ ｉ ｎ ａ ）
０ 引 言
多 传感 器信 息融 合是 指对 由多 个传感 器 获取 的信 息进 行 多层 次 、 多 角度 处理 ， 得 到具 有和 原信 息相关 或 集成 特 性 的综 合 信 息 。传 感 器 的 概念 是 广 义 的 ， 不 仅
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｔ ｈ ｅ ｐ ｅ ｒ ｆ ｏ ｒ ｍａ ｎ ｃ ｅ ｍｅ ａ ｓ ｕ ｒ ｅ ｏ ｆ ｉ ｍａ ｇ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｉ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｉ ｎ ｔ ｈ ｅ ｉ ｆ ｅ ｌ ｄ ｏ ｆ ｉ ｍａ ｇ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｗｈ ｉ ｃ ｈ ｈ ａ ｓ ａ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｍｐ ａ ｃ ｔ ｏ ｎ ｔ ｈ ｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｏ ｆ ｉ ｍａ ｇ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ．Ｔ ｈ ｅ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ｆ ｏ ｒ ｒ ｅ ｍｏ ｔ ｅ — ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｉ ｍａ ｇ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｗ ａ ｓ ｂ ｕ ｉ ｌ ｄ ｉ ｎ ｇ ，ａ ｎ ｄ
基于双正交小波遥感图像融合及效果评价
４０７） ３ ０ ４
摘 要 ： 双 正交 小波 变换与 Ｉ 将 ＨＳ变换相 结合 ， 得 融合 图像 最 大限度 地 保 留 了 多光谱 影像 使
的光谱 信 息 ， 同时提 高 了图像 的清 晰度 和 空 间分辨 率． 中给 出 了 Ｅ 文 ＴＭ 影像 多光谱 与 全 色 融合 结果 ， 用双 正 交与 Ｄ ４ Ｉ ｂ 、ＨＳ法进 行 了比较 ， 果表 明无 论是 目视 解译还 是 定量分 析 ， 结 双正 交融合 方法 均优 于后 两者． 实验 分析表 明 ， 于双正 交 小波遥 感 图像 数据 融合 技 术是提 高 多源 基
要优 点是 融合后 的 图像光 谱特 性保持 比较好 （ 尤其 在波 段数 较多 的情 况下 ） 缺 点是 计算 量非 常大 ， 时性 ， 实 比较 差． 目前 Ｄａ ｂ ｅ ｉ ｕ ｅｈｅ 紧支撑 正 交 小波 在 基 于小 波变 换 的遥 感 图像 融 合研 究 中很 普 遍 ， ｓ系 这种 正 交小 波 除 Ｈａｒ 波之外 没有 线性 相位性 ， 输 出的信 号会 产 生相 位 畸变 ［ ， ｒ小 其 ３ 而视 觉 对 图像信 号 相 位 畸变 是 非 ］
，
．
（） １
在实 际应用 中 ， 进 小波是 最 常用 的离散 小波 变换 ． 二
＊
收 稿 日期 ：０ ７ ７ １ ２０ —０ — ６ 作者简介 ： 肖辉 军 （９ ２ ） 男 ， 南 省 东 安 县人 ， １７ 一 ， 湖 实验 师 ， 士 ， 究 方 向 ： 感 图像 处 理 、 Ｓ应 用 硕 研 遥 ＧＩ 基金项 目： 科技 部 攻 关 计 划 一南 水 北 调 中线 工 程 水 源 区 可 持 续 发 展 农 业 项 目（Ｏ ３ ＡＪ ０ ０ ） ２Ｏ Ｂ Ｉ ０ ２ ）
遥感影像融合评价方法
遥感影像融合评价方法1. 融合数据实验采用了北京1号32米多光谱数据（绿波段：523nm-605nm ；红波段：630nm-690nm ；近红外波段：774nm-900nm ）和CBERS 全色2.36米数据（波段范围：500-800nm ）。
2. 配准方法本次实验采用二次多项式法进行配准，选择20个控制点，配准精度达到0.266像素3. 融合方法原理目前遥感领域常用的影像融合方法有：比值变换（Brovey ）融合、乘积变换（Multiplicative ）融合、主分量变换（Principal Component ）融合、小波变换（Wavelet ）融合等多种方法。
主分量变换融合是将多光谱影像各波段的相同信息变换为第一主分量，各波段的独有信息被分配到其他波段，然后将高分辨率图像拉伸至与主分量有相近的均值和方差，最后将高分辨率图像替换主成分第一分量进行主分量逆变换完成图像融合。
乘积变换融合也是一种比较简单的融合方法，其方法即将两幅影像（多光谱和高分辨率影像）的对应像素相乘，得到最终的融合影像。
公式为：newBn D B n _=⨯公式中变量含义与上个公式相同。
该变换得到的结果使融合后图像的亮度值显著提高，但不受波段个数的限制。
Brovey 融合是较为简单实用的一种融合方法，其原理是将原有多光谱波段进行归一化处理之后与全色波段相乘得到新的融合波段，公式如下：[]new B D B B B B n _/1211=⨯+++[]newBn D B B B Bn n _/21=⨯+++其中Bn (n=1,2,3…)为多光谱波段，D 为高分辨率波段，Bn_new 为融合后波段。
对RGB 影像来说，比值变换融合只能用三个波段多光谱影像与高分辨率影像进行融合，因此受一定限制。
小波变换融合是将多光谱影像的各波段和高分辨率影像均进行小波分解，得到LL （低频部分），HL （水平方向的小波系数），LH （垂直方向的小波系数）和HH （对角方向的小波系数），然后根据具体需要和保持多光谱色调的程度，将分解后的两影像LL 、HL 、LH 、HH 部分分别融合，最后将融合后的LL ，HL ，LH 和HH 反变换重建影像，达到影像融合的目的。
如何评价遥感图像的质量
如何评价遥感图像的质量在当今的科技时代，遥感图像在众多领域中发挥着至关重要的作用，如地理测绘、环境监测、农业生产、城市规划等。
然而，要想充分利用遥感图像所提供的信息，首先需要对其质量进行准确的评价。
那么，如何来评价遥感图像的质量呢？这可不是一个简单的问题，需要从多个方面进行综合考量。
我们先来说说空间分辨率。
简单来讲，空间分辨率指的是遥感图像中能够分辨的最小地物尺寸。
比如说，一张空间分辨率高的遥感图像，能够清晰地呈现出细小的物体和细节，像道路上的标线、房屋的轮廓等；而空间分辨率低的图像，这些细节就会变得模糊不清。
对于不同的应用需求，对空间分辨率的要求也不同。
如果是用于城市规划，可能需要高空间分辨率来准确规划建筑物和道路；但如果是用于大范围的生态环境监测，稍低的空间分辨率也许就足够了。
接下来是光谱分辨率。
这主要涉及到图像能够捕捉到的光谱范围和波段数量。
光谱分辨率高的遥感图像，可以更准确地识别不同地物的光谱特征，从而有助于区分各种地物类型。
比如，通过高光谱分辨率图像，我们能够区分出不同类型的植被，甚至可以监测它们的健康状况。
然后是辐射分辨率。
它反映的是遥感图像中灰度值的细分程度。
辐射分辨率高的图像，能够更精确地表示地物的辐射能量差异，使得图像中的色调更加丰富和细腻。
这对于定量分析，比如计算地表温度、植被覆盖度等，是非常重要的。
图像的清晰度也是一个关键因素。
这包括图像是否有模糊、失真、噪点等问题。
如果图像模糊不清，或者存在严重的噪点，那么就会影响我们对地物的识别和分析。
还有几何精度。
遥感图像的几何精度指的是图像中的地物位置与实际地理位置的符合程度。
如果几何精度差，那么在进行地理定位和测量时就会产生较大的误差。
时间分辨率也不能忽视。
它表示的是获取同一地区遥感图像的时间间隔。
对于动态变化的现象，比如洪水的演进、农作物的生长，时间分辨率高的图像能够提供更及时和连续的监测信息。
除了上述这些技术指标，我们还要考虑图像的完整性。
- 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)。
Ａｂ ｔ ａ ｔ Ｔｈ ｍ ａ ｅ ｆ ｓｏ ａ ｅ ｎ ａ ｍ ｐ ｒ ａ ｔｔ ｃ ｎ ｑ ｅ ｆ ｒｉ ａ ｅ ａ ａ ｙ ｉ ａ ｄ ｃ ｍｐ ｔ ｒ ｖ ｓｏ ． ｓ ｒ ｃ ： ｅ ｉ ｇ ｕ ｉ ｎ ｈ ｓ ｂ ｅ ｎ ｉ ｏ ｔ ｎ ｅ ｈ ｉｕ ｏ ｍ ｇ ｎ ｌ ｓｓ ｎ ｏ ｕ ｅ ｉｉ ｎ Ｍ ｕ ｔ ｓ ｎ ｏ ｍａ ｅ ｆ ｓｏ ａ ｔ ｒ ｃ ｅ ｎ ｔ ｅ ｔ ｎ ｎ ｒ ｍ ｏ ｅ ｓ ｎ ｉ ｇ ａ ｅ ． Ｗ ｉｈ ｔ ｅ ｄ ｖ ｌ ｐ ｅ ｔｏ ｌｉ ｅ ｓ ｒｉ ｇ ｕ ｉ ｎ ｈ ｓ ａ ｔ ａ ｔ ｄ ｍａ ｙ ａ ｔ ｎ ｉ ｓ ｉ ｅ ｔ ｅ ｓｎ ｒ ａ — ｏ ｔ ｈ ｅ ｅｏ ｍ ｎ ｆ ｔ ｅ ｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｉ ｇ ｕ ｉ ｎ，ｐ ｒ ｏ ｍ ａ ｃ ａ ｕ ｅ ｆ ｒ ｉ ａ ｅ ｆ ｓｏ ｌ ｐ ａ ｍｐ ｒ ａ ｔ ｒ ｌ ｓ Ｂｕ ｈ ｅ ｔ ｅ ｓｎ ｍａ ｅ ｆ ｓｏ ｅ ｆ ｒ ｎ ｅ ｍｅ ｓ ｒ ｏ ｍ ｇ ｕ ｉ ｎ ｗｉ ｌ ｙ ｉ ｏ ｔ ｎ ｏ ｅ ． ｌ ｔ ｔ ｅ ｅ ａ ｅ ｌ ｔｅ ａ ｔ ｎ ｉ ｎ ｔ ｎ ｏ ｅ ｆ ｃ ， ｙ ｔ ｍｉ ｎ ｆｅ ｔｖ ｈ ｏ ｙ ｏ ｖ ｌ ａ ｉ ｎ Ｉ ｈ ｓｐ ｐ ｒ ｈ ｒ ｒ ｉ ｌ ｔｅ ｔｏ ｏ ｉ ａ ｄ ｎ ｔａ ｐ ｒ ｅ ｔ ｓ ｓ ｅ ｃ ａ ｄ ｅ ｆ ｃ ｉ ｅ ｔ ｅ ｒ ｆｅ ａ ｕ ｔｏ ． ｎ ｔ ｉ ａ ｅ ， ｔ ｔ ｗｅ ｍａ ｎ ｙ ａ ａ ｙ ｅ ｔ ｅ ｓ ａ ｅ ｏ — ｈ — ｒ ｆ ｔ ｅ ｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｉ ａ ｅ ｆ ｓｏ ｓ ｅ ｓ ｎ ｎ ｕ ｖ ｙ ｔ ｅ ｉ ｌ ｎ ｌ ｚ ｈ ｔ ｔ — ｆｔ ｅ ａ ｔ ｏ ｈ ｅ ｔ － ｅ ｓｎ ｍ ｇ ｕ ｉ ｎ ａ ｓ ｓ ｍｅ ｔ ａ ｄ ｓ ｒ ｅ ｈ － － － ｃ ｒ ｅ ｔｅ ａ ｕ ｔ ｎ ｍｅ ｈ ｄ ｉｓ ｌ ．Ｔｈ ｎ ｔ ｅ ｋ ｙ ｄ ｆ ｉｎ ｉｓ ａ ｅ ｄ ｓ ｕ ｓ ｄ ｂ ｓ ｄ ｏ ｈ ｘ ｅ ｉ ｎ ｓ ａ ｄ ｕ ｒ ｎ ｖ ｌ ａ ｉ ｔ ｏ ｓ ｆｒ ｔｙ ｏ ｅ ｈ ｅ ｅ ｉ ｅ ｃｅ ｒ ｉｃ ｓ ｅ ａ ｅ ｎ ｔ ｅ ｅ ｐ ｒｍｅ ｔ ， ｎ ｃ ｔ ｅ ｄ ｖ ｌ ｐ ｎ ｉｅ ｔ ｎ ｏ ｍ ａ ｅ ｆ ｓ ｏ ｖ ｌ ａ ｉ ｎ ｉ ｏ ｎ ｅ ｕ ． ｈ ｅ ｅ ｏ ｍｅ ｔ ｄ ｒ ｃ ｉ ｆｉ ｇ ｕ ｉ ｎ ｅ ａ ｕ ｔｏ ｓ ｐ ｉ ｔ ｄ ｏ ｔ ｏ Ｋｅ ｒ ｓ ｉ ｆ ｒ ａ ｉ ｎ ｒ ｓ ｕ ｃ ｎ ｓ ａ ｅ ｒ ｍｏ ｅ ｓ ｎ ｉ ｇ ｉ ｇ ｕ ｉ ｎ， ｕ ｉ ｎ ｐ ｒ ｏ ｍａ ｃ ｅ ｓ ｒ ｓ ｙ ｗｏ ｄ ：ｎ ｏ ｍ ｔｏ ｅ ｏ ｒ ｅ ｉ ｐ ｃ ｅ ｔ ｅ ｓｎ ｍａ ｅ ｆ ｓｏ ｆ ｓｏ ｅ ｆ ｒ ｎ ｅ ｍ ａ ｕ ｅ
Ｖｏ ． ３ Ｎｏ ２ １ ５． ．
火 力 与 指 挥 控 制
Ｆｒ ｏ ｔｏ ＆ Ｃ ｍｍａ ｄ Ｃ ｎ ｒ ｌ ｉ Ｃ ｎｒｌ ｅ ｏ ｎ ｏ ｔｏ
Ｆｅ ２ １ ｂ， ０ ０
第 ３ ５卷 第 ２期 ２１ ０ ０年 ２月
文 章 编 号 ： ０ ２０ ４ （ Ｏ ０ Ｏ — ０ １ ０ １ ０ —６ Ｏ ２ １ ） ２００ － ５
Ｚ ＨＵ ｅ — ａ ｇ ’， ＨＯＵ ｎ ｑ ｎ ＸＵ ａ ｐ ｎ ＬＩＣｈ ｎ ｓ ｅ ｇ Ｗ ｉ ｎ Ｚ ｇ Ｙｉ — ｉ ｇ ， Ｈｕ — ｉ ｇ ， ｕ — ｈ ｎ （ ． ｃ ｏ ｌ ｆ Ｅｌ ｔ ｎｃａ ｄ Ｉ ｆ ｒ ｔ ｎＥ ｇ ｎ ｅｉｇ， ＵＡ ， ｅ ｉｇ １ ０ ８ ， ｈ ｎ ， １ Ｓ ｈ ｏ ｏ ｅ ｒ ｉ ｎ ｎ ｏ ｍａｉ ｎ ｉｅｒｎ Ｂ Ａ Ｂ ｉ ｎ ０ ０ ３ Ｃ ｉａ ｃｏ ｏ ｊ ２ Ｉ ｓｉ ｔ ｏ ｏ ｍａ ｄ ａ ｄ Ｔ ｃ ｎ ｌｇ ｑ ｉｍｅ ｔ Ｂｅ ｉｇ １ １ １ ， ｈｎ ） ． ｎ ｔ ｕ ｅ Ｃ ｍ ｎ ｎ ｅｈ ｏｏ ｙ ｏ Ｅ ｕｐ ｒ ， Ｏ ｎ ０ ４ ６ Ｃ ｉａ ｔ ｆ ｆ ｉ
关 键 词 ： 间信 息 资源 ， 感 图像 融 合 ， 合 效 果 评 估 空 遥 融
中图分类号 ： ＴＰ 文献标识码 ： Ａ
Ｓ ｖ ｙ ｏ ｍ ｏ ｅ Ｓ ｎｓｎｇ Ｉ ａ ｅ Ｆｕ ｉ ｎ Ａｓ ｅ ｓ ｅ ｕｒ ｅ ｆ Ｒｅ ｔ ｅ ｉ ｍ ｇ ｓｏ ｓ ｓ ｍ ｎｔ
中亟待解决 的问题 。对 国内外遥 感图像融合系统及技术 的发展历程进行 了介绍 ， 重点分析 了遥感 图像融合效果评估技术 的研 究现状 ， 归纳了现 有的效果 评估方法 。通 过实验 ， 进一步讨论 了当前遥感 图像融合效 果评估技术所 存在的主要问题 ， 有助于 明 确该 领域的发展方 向和研究侧重点 ， 为遥感图像融合系统及空间信息处理 的研究奠定基础 。
遥 感 图像 融合效 果客 观评 价
朱卫纲 ｈ ， 周荫 清 徐 华 平 李春 升 ， ，
（ ． 京 航 空 航 天 大学 电 子 信 息 工 程 学 院 ， 京 １北 北 １ ０８ ，．装 备 指 挥 技 术 学 院 ， 京 ００３２ 北 １１１） ０ ４ ６
摘
要： 能够对不同的融合技术 的性能进行客 观、 系统 、 全面地评价 ， 成为 目前 空间信息处理 以及遥感 图像融合研究领域