高分辨率遥感图像融合方法的比较正式

包头师范学院

本科学年论文

论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院

专业：地理信息系统

学号：0912430022

姓名：郭殿繁

指导教师：同丽嘎

撰写学年：2010 至2011 学年

二零一零年十二月

摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。

关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较

Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV.

Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；

目录

中文摘要

英文摘要

1引言 (1)

2四种融合方法的原理和分析 (2)

2.1HSV变换 (2)

2.2 Color Normalized(Brovey)变换 (3)

2.3PC Spectral Sharpening变换 (3)

2.4Gram-Schmidt Spectral Sharpening变换 (4)

3四种融合方法的比较 (4)

3.1四种融合方法应用举例 (4)

3.2四种融合方法精度的比较 (5)

4结束语 (5)

参考文献 (6)

致谢

1引言

随着遥感技术的迅速发展，如何有效利用不同传感器、不同时相及不同分辨率的多源数据成了遥感应用的瓶颈问题。目前，高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。其实质是将高分辨率影像空间特征与低分辨率影像多光谱特征组合成一幅影像，使融合后影像具有高空间分辨率，又具有丰富的光谱信息，达到影像增强目的[1]。

本文选用ENVI4.7软件作为遥感影像处理平台。ENVI4.7新增了影像融合处理工具—SPEAR，SPEAR提供4种专门用于全色遥感影像与多光谱融合的算法，即PCA 变换、Gram-Schmid变换、Brovey变换和HSV变换。通过具体举例来深入了解四种融合方法的应用，并且选取呼和浩特市快鸟影像的一部分融合影像作为实例来进行精度的比较。

2四种融合方法的原理和分析

遥感影像融合的关键有两点：一是融合前影像的高精度配准；二是融合算法选择。

通常，只有将不同空间分辨率影像精确配准，才可能得到满意的融合效果。影像配准包括相对配准和绝对配准，前者只是保证像元位置的一致性，以高空间分辨率影像为参照，作几何变换即可，后者是以地形图等为地理参照点，分别对高空间分辨影像和多光谱影像几何纠正及坐标配准，同时达到两种影像地理空间位置的绝对配准。当然，影像配准主要是针对不同传感器获取的影像而言。2.1HSV变换

HSV变换可以进行RGB图像到HSV色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换到RGB色度空间。输出图像的像元将于高分辨率数据的像元大小相同。

在图像处理中经常应用的彩色坐标系统(彩色空间)有RGB，HSV，HIS，YIQ 及USGSMunsell空间等。计算机上显示的彩色图像一般用RGB颜色空间来表示和存储像素点的颜色信息，虽然RGB 有利于图像显示，但与人眼的感知差别很大，不符合人们的视觉习惯，不适合于图像分割和分析，因为R、G、B3个分量是高度相关的，只要亮度改变，3个分量都会相应改变。而HSV空间中的3个分量H、S、V具有相对独立性，可分别对它们进行控制，并且能够准确定量描述颜色特征，更加符合人眼的感知特性，同时，从RGB 到HSV的转换是一个简单、快速的非线性变换。因此，在遥感影像融合中，常常需要把RGB空间转换为HSV空间，在HSV空间融合不同分辨率的影像。HSV变换先将多光谱影像进行彩色变换，分