基于ENVI的多源遥感影像数据融合毕业设计论文

存档日期：存档编号：
本科生毕业设计（论文）
论文题目：基于ENVI的多源遥感影像数据融合
姓名：董建
系别：环境与测绘系
专业：测绘工程
年级、学号： 11 测绘 118324107
指导教师：林卉
江苏师范大学科文学院印制
摘要
在世界遥感技术领域极速发展的情况下，对于用卫星传感器来观测和获取某一地域遥感影像数据的方法越来越多，此时多时相、多平台、高光谱和高分辨率卫星等影像数据大量涌现，并且在有关地学的多个领域都用到了这些影像数据。

多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有效的途径之一。

并且在不同的学科范畴都涉及到多源遥感影像数据融合技术，因此该技术被不断地完善与推行。

而当前在世界上对该技术还尚未形成一套完善的理论与方法，于是目前在遥感领域研究的一个重要的研究技术就是周密处理与剖析遥感信息。

本文基于ENVI对多源遥感影像数据融合的研究。

第一章介绍了遥感影像数据融合的基本理论知识和本论文内容研究的背景和意义，以及国内外目前对遥感图像融合技术的发展现状。

第二章是对数据融合三个层次（像素级融合、决策级融合和特征级融合）的对比介绍，像素级融合、决策级融合和特征级融合，另外还展示了每个层次数据处理流程图。

第三章对像素级融合中加权融合法变换、Brovery 变换、IHS变换和PCA变换等融合方法进行了分析比较。

第四章介绍了融合的评价指标（主观评价、客观评价）。

第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的进行融合实验，对实验结果进行分析，总结出这四种融合方法的特点和适用范围，得到更准确，更可靠、更安全的估计和判断，为相关工作提供帮助。

关键词：数据融合；ENVI；IHS变换；PCA变换；评价指标；多源遥感影像；
Abstract
Fast development in the field of remote sensing technology in the world, with satellite sensors to measure and obtain a regional method of remote sensing image data is becoming more and more this time multi temporal, multi platform, hyperspectral and high-resolution satellite , and in the study of the image data used in these areas. Multi-source remote sensing image fusion technology in dealing with how to make a variety of discriminating the use of remote sensing image is kept their important characteristics and objects, and at the same time its limitations will be shrunk to a minimum is one of the most effective way. And in different disciplines category involves multi-source remote sensing image data fusion technology, thus being constantly perfected and the implementation of the technology. And the current in the world and also with the technology has not yet formed a perfect theory and method, so the current research in the field of remote sensing is an important research techniques careful processing and analysis of remote sensing information.
This article is based on ENVI of multi-source remote sensing image data fusion research. The first chapter introduces the basic theoretical knowledge of remote sensing image data fusion and the content of this thesis research background and significance, as well as the present situation on the development of remote sensing image fusion technology at home and abroad. Second chapter on three levels of data fusion (pixel level fusion and decision level fusion and feature level fusion) contrast, pixel level fusion and decision level fusion and feature level fusion, it also shows the data processing flow chart of each level. The third chapter of weighted fusion method in pixel level fusion transformation, Brovery transformation, IHS transform and PCA transform fusion method are analyzed and compared. The fourth chapter of the fusion evaluation (subjective evaluation and objective evaluation). Fifth chapter through to the Quickbird multispectral image of 4, 3, 2 band and Quickbird panchromatic image 1 band data fusion experiments, analysis of the experimental results, summarized the characteristics of the four fusion method and the applicable scope, get more accurate, more reliable and safer estimates and judgment, to offer help for related work.
Key words：Data Fusion；ENVI；IHS transform；PCA transform；Evaluation;Multi-source remote sensing image
目录
摘要 (Ⅰ)
Abstract (Ⅱ)
1 绪论 (1)
1.1 概述 (1)
1.2 选题研究的背景与意义 (1)
1.3 国内外研究现状 (2)
1.3.1 国外研究现状 (2)
1.3.2国内研究现状 (3)
1.4论文结构 (4)
2 多源遥感影像数据融合 (5)
2.1 层次分类 (5)
2.2 像素级融合 (5)
2.3特征级融合 (5)
2.4 决策级融合 (6)
3 影像融合的常用方法 (10)
3.1 融合常用方法分类 (10)
3.2 加权融合法 (11)
3.3 Brovery 变换法 (11)
3.4 IHS 变换 (11)
3.5 PCA变换 (13)
3.6方法比较 (14)
4 融合影像质量评价 (15)
4.1 主观评价 (16)
4.2 客观评价 (17)
4.2.1 均值 (18)
4.2.2 标准差 (18)
4.2.3 信息熵 (18)
4.2.4 平均梯度 (18)
4.2.5 相关系数 (18)
5 融合实验数据分析 (20)
6 总结与展望 (25)
6.1总结 (25)
6.2展望 (25)
7致谢 (27)
1 绪论
1.1 概述
在二十世纪七十年代美国最早提出了数据融合（Data Fusion）的概念，然而那时人们并没有对其足够重视，直到进入80 年代以后在军事中广泛应用直接促使其快速发展[1]。

随后用于军用信息方面的融合系统被美国研发出来了，美国全军利用该技术进行目标辩别、目标追踪、形势估评和胁迫估计完善了军方的战略监视系统，在第一代信息融合系统下还研制出了大型的战争系统、小型的战术系统和海洋的监视系统技术，使得信息融合的可行性和有效性得到进一步的证明。

关于数据融合概念说法不一，很难给出数据融合的确切定义。

比如美国宇航局在对其功能的方面描述数据融合是将多传感器和多源信息处理过程综合起来来展现和促进实体估计特征提高的能力[2]。

军事上美国军队利用该技术进行目标辩别、目标追踪、形势估评和胁迫估计完善了军方的战略监视系统，以及使用该系统对分析战场局势危险情况和受到胁迫的程度实行恰当的详细评估[3]。

Lucien 在对信息的质量和真实性的研究下，将融合定义为：“为了产生单个信号在质量与可靠性方面都更好的，数据融合要将一组传感器的信息进行综合的处理”。

1998 年L.Wald 对上述的定义进行了改善和补充，给出了更为普通的定义：从表达形式上将数据融合是一个框架, 然后对多源数据进行组织、关系联系和综合归纳是运用特定的逻辑推理用具来完成的,从而通过这些多源数据的共同作用会获得质量更高的信息。

数据融合的方式、进程、方法、评价质量等方面都在该定义中给出了比较全面的概述[4]。

1.2 选题研究的背景与意义
遥感技术的数据特性具有庞大性。

不同的波谱分辨率、空间分辨率和时间分辨率遥感图像由多种对地观察卫星不断地来提供。

任何单一信息源在不同的遥感卫星成像原理和不同的技术条件限制下，都不能将目标对象特征全部展现出，在操作领域方面都会有一定的特指性和限制性，于是信息源单一的数据很难达到数据资源在信息监测方面的要求。

随着遥感技术的飞速发展，怎么将所需数据资源信息在基于大量数据的数据库中充分显现出出来，迫使人们急切的寻找一种可以对各源数据进行综合利用的方法来对观测目标有一个更加清晰、全面和准确的解
读与认识。

图像融合为了获取比任一单一数据更加准确、更加充足的新图像则需要对多幅遥感图像数据中的同一目标检测选用一定的算法来实现,。

为了提高解译的精度指标、解译的可靠性以及它的使用频率我们可以用融合将多源信息进行总结归纳，来消除它们之间的冗余和抵牾。

冗余性、互补性、合作性是多源遥感影像数据所供应信息的三个最基本特征。

影像对其环境或目标的表述，冗余性的体现为影像描述和解译的结果都是一样的，这样使目标的相关误差和不确定性大大减少，并且识别率和精确度也能相应被提供是该信息应用的一大优势；在遥感中相互独立的不同信息通过融合来互补彼此的缺陷度，这样大大增加了结果的可靠性，这就是互补性的主要内容；合作性顾名思义就是指不一样的传感器在勘测和处置自己获得的信息的时候不能单
独的处理会对另外的消息有相互依赖性，这样使得各信息相互合作，从而可以各信息间的相互协调能力。

在实际应用中我们为了获得影像对环境或对象的解译正确，通常会结合并且应用影像数据各自的优势，多源遥感影像融合技术在处理怎么使各种有差别的的遥感影像既保存着各自重要的使用特点和对象，同时也会将其局限性缩至最小这方面是最有用的渠道之一，于是目前我们对遥感影像进行融合的探究刻不容缓。

在信息处理方面多源遥感影像数据融合不单只是一种纯粹的处理数据的技术，而更多的表现是在对遥感信息实行综合管理和剖析的技术层次。

该技术不单单能准确的为地理系统信息更新技术提供数据，并且还能促进目前与计算机相关的融合视觉信息技术的发展，以此对此研究已渐渐在遥感应用方面成为钻研的重点之一。

1.3 国内外研究现状
1.3.1 国外研究现状
在国外二十世纪七十年代美国最早提出了数据融合（Data Fusion）的概念，然而那时人们并没有对其足够重视，直到进入80 年代以后在军事中广泛应用直接促使其快速发展。

基于遥感技术飞快发展的形势下，国外学者顺应着形势在对融合进行大批的探究和工作的前提下，最终得到了一些显著的研究成果。

在某些国外的参考文献中提出当时影像融合的主要发展方向是对特征级和决策级融合
的研究，比如对DS的证实推理、贝叶斯（Bayesian）的决策统计论述、推理模
糊、自动适应空间权融合方法、鉴于分类决策树的融合方法和当时火热的神经网络的研究等。

从应用程度上讲，相比其他两级的融合方法最先被投入使用并且使用的范围最普及的是像素级融合方法，所以我们要把大部分的精力都放在研究像素级融合方法的内容上。

例如海顿第一次就在遥感影像融合中将以色彩空间为代表作的定位参数的IHS的亮度、色度、饱和度植入到其中去，并且还运用高分辨率图像来提高对多光谱图像的处理效果。

因为该方法融合的影像的算法简单并且在效果上该融合后的目视较好，所以该方法受到众多学者的认可，并且使它在生活中的应用更加普及，然而渐渐地人们发现影像融合后的光谱失真现象严重是该方法的最大缺陷。

进而人们探寻可以将影像不同波段之间的相关性克服掉的影像技术，PCA法随之而生并饱受青睐，处理成像原理不一样的遥感图像之间的融合也运用到了该融合方法。

国外学者Jia为了考证在维持光谱效果真实的方面PCA法是不是要比IHS法更突出，于是他将SAR影像与TM影像采取了融合实验。

实验结果总的来讲PAC法更突出，但融合后目视的效果不佳也是该方法不可避免的缺点；基于小波变换的离散正交小波变换的图像融合算法，并进行分析，从小波融合图像的频率域的角度变换具有很好的频率，实现图像滤波的优点。

在图像融合中做了大量的基于小波分解层的研究；
1.3.2 国内研究现状
我国对于遥感影像融合方法的研究相比国外来说相对较晚，其中主要原因有：首先国内相对自主的影像资源极其贫乏这样直接使有关影像融合的技术发展较迟；另外在需求方面国内的遥感技术相比国外要小的多这样就间接地对遥感融合技术诞生的萌芽产生了影响。

经过对国内许多参考文献的阅读掌握到目前我国关于特征级和决策级融合
方法的钻研还正处在早期的起步阶段，例如关于分类的常用融合的方法是由焦子弟提出的；由陈东林等人提出的融合方法是一种如何准确地结合影像的光谱特征的处理方法；严冬梅钻研了怎样在具有典型性的路段中将某一特定区域提取出来生长的目标融合法；在证据推理方面方勇借此研究了多源遥感影像融合；肖刚对此基础上提出一种改进的“ISODATA”算法在通过对遥感影像的特征影像融合理论方面进行了具体的研究后；董晓冲等在基于遗传算法的基础上提出影像分级决策融合法等，并且研究的主要是怎么对像元级融合方法做出改良的方面内容。

在“863计划”和“第九个五年计划”中我国提出了目前国家着重探究的项目和着重的规划是信息融合技术，其中最关键的技术之一是高新技术产业范畴中的发展，计算机方面的技术以及航空航天技术的发展等。

目前国内在探究多传感器图像融合方面处于领先者的组织主要有武汉大学、中科院遥感所、北京理工大学、西北工业大学、南京理工大学等。

总结上述情况我们可以得出，关于如何对遥感影像进行融合的方法方面，当下我国对此的研究必须还要增强，特别是在对光谱扭曲严重相对于像元级融合方法的这一问题的研究上，目前都还没有解决的方案还需要更近一步的研究。

所以对于从影像融合应用的角度来讲，选择对像元级遥感影像融合方法的钻研，是非常有实际意义的。

1.4 论文结构
本论文从研究多源遥感影像数据融合技术出发，以Quickbird多光谱影像和Quickbird全色影像为数据源，进行了以下的研究工作：
本论文共有六个章节，各章节描述的详细内容如下所述：
第一章为绪论，粗略的描述了本论文课题探究的背景和意义，目前国内外研究近况，以及本论文探究的基本内容。

第二章为遥感图像融合，图像融合三个层次像素级、特征级、决策级的比较，并描绘出三个层次的融合流程，对比出三个层次的优缺点。

第三章为像素级融合中的常用方法：加权融合法变换、Brovery 变换、IHS 变换和PCA变换等进行了分析与比较。

第四章为数据融合的主观和客观的分析，对主观和客观分析进行描述主观分析的方法和客观分析的相关指标。

第五章通过对Quickbird多光谱影像的4、3、2波段和Quickbird全色影像的1波段数据的融合实验总结出这四种融合方法的特点和适用范围。

第六章为结论和展望，通过研究得出的一些结论并通过此论文得到的心里体会再指出对以后的发展做出更大胆的假设。

2 多源遥感影像数据融合
2.1 层次的分类
人们根据数据的抽象层次效果将多源遥感数据分为三个等级即像素级（特征提取之前）、特征级（属性说明之前）、决策级（数据独立属性说明之后）【5】。

2.2 像素级融合
将经过空间配准好的影像按照某种独特的算法进行融合，这是像素级融合的主要内容，算法一般有加、乘、梯度、线性平均、比值和多元回归运算等，接着是对融合后的影像实行提取特征和说明属性的操作【6】。

该融合的层次是最低的并且在倘若只知道原始数据层的情况下也可以对影像进行融合，对于多元图像的复合、图像剖析等处理都可以用该融合方法进行。

像素级图像融合可以获得更大、更全面的信息量，并且为进一步的图像分析与理解提供依据。

传感器的融合配准的准确度高，相比其他两个融合层次而言该融合独特之处在于它可以尽量的将一个对象的初始信息保留下来，而且其他两融合水平不能给予的微妙的信息它也具备，该融合的精度也很高。

缺点是该方法对信息的处理量大，处理代价高、耗费时间长、高要求的校准精度、实时性差、抗干扰能力差[7]。

由于像素级融合是图像融合的最低水平，大部分算法都集中在该水平，并能够更多的使图像保留着真实性，还有能给予其他层次不能给予的微观信息的独特优势，因而被广泛应用。

像素级融合的常用方法有：加权融合方法、Brovey变化方法、IHS 变换融合方法、主成分变换方法等。

图2-2为像素级融合的过程。

2.3 特征级融合
处于中层的融合是特征级融合，该方法流程是首先将通过校准后的数据来对影像特征进行提取，其次为了得到同一目标的特征向量要将这些数据实行综合处
置和分析，这样每种传感器都能得到处理后的数据，然后在对这些数据进行融合，最终再进行图像的分类或目标的识别[8]。

人们对目标状态的信息状况和特征的状况的融合是特征级融合主要探究的重要的两个内容。

多传感器在如何对目标进行判读的领域主要应用的是目标状态信息融合。

该融合系统处理流程为首先进行预处理，预处理完成后用
图2-2 像素级融合
Figure2-2 Flowing Chart of Pixel Level Data Fusion
2.4 决策级融合
处在最高层次上表示信息的融合是决策级融合，是指首先将配准后的数据先进行预处理、特征提取、识别的处理，然后再将目标初步识别结果与之相对应的传感器数据给出来，然后根据地物的不同特征得到图像分类结果，最后得出联合推理结果[10]。

决策级融合是直接利用特征级融合后得到的各类目标特征信息来对具体目标进行决策，然后给出简单而明了结果的融合过程。

所以，在此图像融合
中相对其他的融合对配准图像的精度要求较低。

不同的逻辑推理的方法，不同的统计方法以及信息理论可以用在此图像融合，因为对影像特征提取的预处理要求较高，所以此融合的处理代价较高。

决策级融和方法在对图像有良好的实时性和容错性方面展现出了巨大的优势，该方法对融合的处理要求的时间段，怎样将分类特征的组合和量化和统一的机理难以表达缺点是该融合的主要缺点[11]。

决策级融合的常用方法有：最大似然法，基于Dempster-Shafer理论方法，基于模糊集理论方法，基于BP神经网络方法等。

决策级融合流程如图2-4 所示。

图2 -3特征级融合流程图
Figure2-3 Flowing Chart of Feature Data Fusion
3个融合层次比较如表2-5 所示。

表2-5 3个融合层次比较
Table 2-5 The Comparison of Three Fusion Levels
融合的层次信息的
丢失量
抗干扰
能力
精度大
小
容错性
能力
实时性优
劣
处理的
工作量
融合水平
像素级融合少弱大弱弱少差特征级融合适中适中适中适中适中适中适中决策级融合多强小强强多优
图2-4 决策级融合流程图
Figure2-4 Flowing Chart of Decision Level Data Fusion
3 影像融合的常用方法
在三个融合层次中最基础的融合是像素级融合，所以我们要对像素级进行融合，融合后才能为后两级融合提供相应的影像特征，实际中对影像的目视解译是该级融合层次的主要运用。

在影像融合三个层次中像素级融合是钻研最为娴熟和有用的一级，目前对该融合已经有了一套充足有效的融合方法来描述它。

本章主要的内容介绍像素级融合的主要方法。

3.1 融合常用方法分类
影像融合方法如图3-1所示。

融合常用方法：加权融合方法、Brovery 变换方法、IHS变换方法、PCA变换方法等。

图3-1 像素级融合方法
Figure 3-1 The Method of Pixel Level Fusion
3.2 加权融合法
加权融和方法是基于像元，对全色和多光谱影像的波段进行灰度值的加权计算[12]。

加权融合法按式（3-2）进行融合。

B L I L P H I H P A fused I ++=)(*
(3-2)
fused I 为融合影像灰度值；A 、B 为常数；H
P 、为权系数；H I 、L I 分别为高空间分辨
率影像和低空间分辨率多波段影像的像L P 素灰度值。

权系数和常数的选取决定了融合
影像效果的质量。

3.3 Brovery 变换融合法
Brovery 变换融合的另一个说法为彩色标准化变换融合，该变换融合的主要目的是如何将多光谱影像三个颜色的波段（红、绿、蓝）标准化，通过多光谱标准化和高分辨率图像乘积的产品提高图像信息[13]。

该方法最明显的特点是最大限度地发挥每个像素如何对其光谱特性的保留以及如何将影像的光彩信息转变为高分辨率图像全色信息的融合，将融合图像的视觉效应大大增强了。

式（3-3）是Brovey 融合的定义公式。

)/(*
I R P a n R =' )/(*I G Pan G ='
)/(*
I B P a n B =' 其中 3/)(B G R I ++= （3-3）
Pan 为调整大小后的全色光谱图像的对应值，R 、 G 、 B 分别代表了影像光谱数据的红色光波段，绿色光波段，蓝色光波段。

3.4 IHS 变换
IHS 变换是一种成熟的空间变换算法，IHS(I 表示亮度；H 表示色调；S 表示饱度)。

把彩色影像的RGB(红、绿、蓝)变换成IHS,称为 IHS 正变换；由 IHS 变换成RGB 称为 IHS 的反变换[14]。

IHS 系统能够将影像的颜色的特征定量地描绘出来，因此该变换在图像的数字化处置和理会中使用最为的广泛。

我们在研究中要将RGB 空间与IHS 空间的模型关系建立起来来实现RGB 和IHS 之间的转换。

该变换方法通常有圆柱体变换、球体变换、单六角锥变换、三角形变换这四种形式。

坐标系的选择和计算量是这些变换的主要区别。

本文以圆柱体彩色变换和单六角锥彩色变换为例来比较RGB 和IHS 之间的正反变换如表3-4所示。

表 3-4 圆柱体彩色变换和单六角锥彩色变换
Table 3-4 Color Transformation And Single Cylinder Pyramid Color
Transformation
彩色
变换
正变换反变换备注
圆柱体变换
()B
G
R
I+
+
=
3
1
()C
B
G
B
G
R
H+
⎪
⎪
⎭
⎫
⎝
⎛
-
-
-
-
=
3
2
1
tan
GB
RB
RG
B
G
R
S-
-
-
+
+
=2
2
2
3
6
当︒0≤H︒
≤120时
()
⎪⎪
⎪
⎪
⎭
⎫
⎝
⎛
⎪
⎭
⎫
⎝
⎛-
︒
+
=
H
COS
H
COS
S
R
60
*
1
3
1
()B
R
I
G
S
B-
-
=
-
=3
1
3
1
当︒
≤
≤
︒240
120H时
⎪⎪
⎪
⎪
⎭
⎫
⎝
⎛
⎪
⎭
⎫
⎝
⎛-
︒
⎪
⎭
⎫
⎝
⎛︒
-
+
=
H
COS
H
COS
S
G
180
120
*
1
3
1
()G
R
I
B
S
R-
-
=
-
=3
1
3
1
当︒
≤
︒360
240H时
⎪⎪
⎪
⎪
⎭
⎫
⎝
⎛
⎪
⎭
⎫
⎝
⎛-
︒
⎪
⎭
⎫
⎝
⎛︒
-
+
=
H
COS
H
COS
S
B
300
240
*
1
3
1
()G
B
I
R
S
G-
-
=
-
=3
1
3
1
=
C当B
G≥
π
=
C当B
G<
单六角锥变换
m in
m in
m ax
m ax
-
=
=S
I
6/
5⎪
⎭
⎫
⎝
⎛
-
-
+
=
G
R
B
R
H当R=max，
G=min
6/
1⎪
⎭
⎫
⎝
⎛
-
-
-
=
B
R
G
R
H当R=max，
B=min
6/
1⎪
⎭
⎫
⎝
⎛
-
-
+
=
B
G
R
G
H当G=max，
B=min
6/
3⎪
⎭
⎫
⎝
⎛
-
-
-
=
R
G
B
G
H当G=max，
R=min
h=0时R=I,G=T,B=P
h=1时R=Q,G=I,B=P
h=2时R=P,G=I,B=T
h=3时R=P,G=Q,B=I
h=4时R=I,G=P,B=I
h=5时R=I,G=P,B=Q
]
,
,
max[
max B
G
R
=
]
,
,
min[
min B
G
R
=
当S≠0时，令
h=()π/
3H
floor
P=I(1-S)
Q=I（1-S(H-h))
T=I(1-S(1-H+h)
)
6/3⎪⎭
⎫ ⎝⎛
--+=R B G B H 当B=max ，
R=min
6/5⎪⎭⎫ ⎝
⎛
---=G B R B H 当B=max ，
G=min
3.5 PCA 变换
主成分(PCA)变换也叫主元素分析，K-L 变换，它是为了获得一组相互没有关系的综合指标来替代原来指标，所以它要将许多具备一定关联性的原始指标来重新的在组合一下。

在最小均方误差方面的意义上讲PCA 变换是一种最好的正交变换。

主成分变换在对低分辨率多光谱影像与高空间分辨率影像融合的过程为：首先用该方法对多光谱影像采用主成分变换，变换后来求取各影像的主分量，最终得到融合后的影像。

主成分变换法融合流程如图3-5所示.。

3.6 融合方法比较
通过前面几种方法的介绍来对比一下它们的优缺点，如表3-6所示。

表3-6 各融合方法的比较
Table 3-6 The Comparison of Each Fusion Method
融合方法
优点
缺点
加权融合法
信号分化重建的过程中不会使信息
发生丢失和冗余，将多光谱图像在空间细节表达的方面能力进行有效地增强，来使图像的光谱特性在融
合的先后保持一致。

融合影像从总体看颜色信息没有和特征空间自然地结合在一起的正如高通滤波后的图像效果，此外也有一些目
标较小的光谱信息会丢失。

Brovery 变换融合
多光谱图像融合法变换空间分解为颜色和亮度分量的计算，该方法不仅能维持原光谱信息的内容还能将
影像进行锐化。

多光谱影像中只可选取三个波段进行变换，这样综合利用信息不全还会是信息的其他波段消失。

标准化涉及的融合过程中，在像素灰度值方面该融合图像的结果比其他方法要小。

IHS 变
IHS 变换具有显着改善的纹理，和
该方法会导致光谱信息缺失的现象更
换颜色，基本保持多光谱影像多光谱颜色。

高空间分辨率影像的信息大
部分被保留了下来。

加严重，因为此原因不能让所有的波段数据都选择到融合中去，融合后的数据利用率被降低。

主成分(PCA)变换该方法在多光谱图形的全部波段中
都可以适用，将多光谱影像的判别
和观测的本领也提高了，将多光谱
影像的光谱特征更好地被保留了下
来。

因用简单的替换来替代第一部分高分
辨率图像，反主成分因子的合成方向
会偏移原来的方向，造成色相变化。

各主成分经过该方法变换后会失去它
本有的物理特征，并且在容和区域的
选择上也异常敏锐。

图3-5 主成分变换法融合流程
Figure 3-5 Flowing Chart of PCA
4 影像质量评价
目前在对遥感影像的研究中，对某一个目标进行融合会有多种融合方法，不同的融合方法对应着不同的融合效果有好有坏，怎样才能知道融合效果的好坏，这时我们就要对融合结果进行有关影像质量的评价。

在多遥感器图像融合中，由于获取数据来源的方法，融合的方法也不一样，。