图像融合ppt课件
相关主题
- 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)。
或不稳定性，所以对融合过程中的纠错能力有较高要求。 4.抗干扰性差。
12
2、特征级融合
特征级融合是一种中等水平的融合。在这一 级别中，先是将各遥感影像数据进行特征提取， 提取的特征信息应是原始信息的充分表示量或充 分统计量，然后按特征信息对多源数据进行分类、 聚集和综合，产生特征矢量，而后采用一些基于 特征级融合方法融合这些特征矢量，作出基于融 合特征矢量的属性说明。
它以特征信息优化为原则，目的是将单一传感器的多波段信 息或不同类别传感器所提供的信息加以综合，消除多传感器 信息之间可能存在的冗余和矛盾，融合后的数据将更有利于 综合分析，提高遥感数据的可应用性和多地物的识别能力。
该方法能够更好的发挥不同遥感数据源的优势互补，弥补单 一遥感数据的不足，是解决多源海量数据集成表示的有效途 径。
19
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。
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
15
4.4.3.2 主要图像融合方法
4.4 遥感影像的融合处理
多源遥感数据融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
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。
（2）影像空间配准的目的在于消除由不同传感器 得到的影像在拍摄角度、时相及分辨率等方面的 差异。
9
2.数据融合 根据融合目的和融合算法，将空间配准的遥
感影像数据（或提取的图像特征或模式识别的 属性说明）进行有机合成，得到目标的更准确 表示或估计 。
对于各种算法所获得的融合遥感信息，有时 还需要做进一步的处理，如“匹配处理”和 “类型变换”等，以便得到目标的更准确表示 或估计。
10
4.4.3 数据融合分类及方法
4.4.3.1 数据融合的方法分类
遥感影像的数据融合方法分为三类：基于像元（pixel） 级的融合、基于特征(feature)级的融合、基于决策 (decision)级的融合。融合的水平依次从低到高。 像素级融合对原始图像及预处理各阶段上所产生的信息 分别进行融合处理，以增加图像中有用信息成分，改善 图像处理效果。 特征级融合能以高的置信度来提取有用的图像特征。 决策级融合允许来自多源数据在最高抽象层次上被有效 的利用。 这里主要介绍基于像素级的图像融合。
特征级融合的流程为：经过预处理的遥感影 像数据——特征提取——特征级融合——（融合） 属性说明。
13
3、决策级融合
决策级融合是最高水平的融合。融合的结果为指 挥、控制、决策提供了依据。在这一级别中，首先 对每一数据进行属性说明，然后对其结果加以融合， 得到目标或环境的融合属性说明。
决策级融合的优点时具有很强的容错性，很好的 开放性，处理时间短、数据要求低、分析能力强。 而由于对预处理及特征提取有较高要求，所以决策 级融合的代价较高。
首先要求多源图像精确配准，分辨率不一致时，要求重采 样后保持一致；
其次，将图像按某种变换方式分解成不同级的子图像，同 时，这种分解变换必须可逆，即由多幅子图像合成一幅图 像，即为融合图像。这时多幅子图像中包含了来自其他需 要融合的经图像变换的子图像。
遥感图像融合的算法很多，有基于IHS变换、主分量变换、 比值变换、乘法变换以及小波变换的融合方法。
11
1、像元级融合
像元级融合是一种低水平的融合。 像元级融合的流程为： 经过预处理的遥感影像数据——数据融合—特征提取——融 合属性说明。
优点：保留了尽可能多的信息，具有最高精度。 局限性：
1. 效率低下。由于处理的传感器数据量大，所以处理时间较 长，Βιβλιοθήκη Baidu时性差。
2.分析能力差。不能实现对影像的有效理解和分析。 3.纠错要求。由于底层传感器信息存在的不确定性、不完全性
2
多源遥感数据具有以下三种特点：
1.冗余性：表示多源遥感影像数据对环境或目标 的表示、描述或解译结果相同；
2.互补性：指信息来自不同的自由度且相互独立 3.合作性：不同传感器在观测和处理信息时对其
它信息有依赖关系；
融合的目的： 尽可能消除冗余性、利用合作性和互补性
4
30米分辨 率的TM 七波段图
像
6
10米分辨 率SPOT 图像
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。
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；
18
基于IHS变换的融合过程如下:
(1)待融合的全色图像和多光谱图像进行几何配准，并将多 光谱图像重采样与全色分辨率相同； (2)将多光谱图像变换转换到IHS空间； (3)对全色图像I’和IHS空间中的亮度分量I进行直方图匹配； (4)用全色图像I’代替IHS空间的亮度分量，即I’HS； (5)将I’HS逆变换到RGB空间，即得到融合图像。 通过变换、替代、逆变换获得的融合图像既具有全色图像 高分辨的优点，又保持了多光谱图像的色调和饱和度。
17
一、基于IHS变换的图像融合
IHS变换将图像处理常用的RGB彩色空间变换到 IHS 空 间 。 IHS 空 间 用 亮 度 (Intensity) 、 色 调 (Hue)、饱和度(Saturation)表示。IHS变换可以 把图像的亮度、色调和饱和度分开，图像融合只 在亮度通道上进行，图像的色调和饱和度保持不 变。
12
2、特征级融合
特征级融合是一种中等水平的融合。在这一 级别中，先是将各遥感影像数据进行特征提取， 提取的特征信息应是原始信息的充分表示量或充 分统计量，然后按特征信息对多源数据进行分类、 聚集和综合，产生特征矢量，而后采用一些基于 特征级融合方法融合这些特征矢量，作出基于融 合特征矢量的属性说明。
它以特征信息优化为原则，目的是将单一传感器的多波段信 息或不同类别传感器所提供的信息加以综合，消除多传感器 信息之间可能存在的冗余和矛盾，融合后的数据将更有利于 综合分析，提高遥感数据的可应用性和多地物的识别能力。
该方法能够更好的发挥不同遥感数据源的优势互补，弥补单 一遥感数据的不足，是解决多源海量数据集成表示的有效途 径。
19
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。
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
15
4.4.3.2 主要图像融合方法
4.4 遥感影像的融合处理
多源遥感数据融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
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。
（2）影像空间配准的目的在于消除由不同传感器 得到的影像在拍摄角度、时相及分辨率等方面的 差异。
9
2.数据融合 根据融合目的和融合算法，将空间配准的遥
感影像数据（或提取的图像特征或模式识别的 属性说明）进行有机合成，得到目标的更准确 表示或估计 。
对于各种算法所获得的融合遥感信息，有时 还需要做进一步的处理，如“匹配处理”和 “类型变换”等，以便得到目标的更准确表示 或估计。
10
4.4.3 数据融合分类及方法
4.4.3.1 数据融合的方法分类
遥感影像的数据融合方法分为三类：基于像元（pixel） 级的融合、基于特征(feature)级的融合、基于决策 (decision)级的融合。融合的水平依次从低到高。 像素级融合对原始图像及预处理各阶段上所产生的信息 分别进行融合处理，以增加图像中有用信息成分，改善 图像处理效果。 特征级融合能以高的置信度来提取有用的图像特征。 决策级融合允许来自多源数据在最高抽象层次上被有效 的利用。 这里主要介绍基于像素级的图像融合。
特征级融合的流程为：经过预处理的遥感影 像数据——特征提取——特征级融合——（融合） 属性说明。
13
3、决策级融合
决策级融合是最高水平的融合。融合的结果为指 挥、控制、决策提供了依据。在这一级别中，首先 对每一数据进行属性说明，然后对其结果加以融合， 得到目标或环境的融合属性说明。
决策级融合的优点时具有很强的容错性，很好的 开放性，处理时间短、数据要求低、分析能力强。 而由于对预处理及特征提取有较高要求，所以决策 级融合的代价较高。
首先要求多源图像精确配准，分辨率不一致时，要求重采 样后保持一致；
其次，将图像按某种变换方式分解成不同级的子图像，同 时，这种分解变换必须可逆，即由多幅子图像合成一幅图 像，即为融合图像。这时多幅子图像中包含了来自其他需 要融合的经图像变换的子图像。
遥感图像融合的算法很多，有基于IHS变换、主分量变换、 比值变换、乘法变换以及小波变换的融合方法。
11
1、像元级融合
像元级融合是一种低水平的融合。 像元级融合的流程为： 经过预处理的遥感影像数据——数据融合—特征提取——融 合属性说明。
优点：保留了尽可能多的信息，具有最高精度。 局限性：
1. 效率低下。由于处理的传感器数据量大，所以处理时间较 长，Βιβλιοθήκη Baidu时性差。
2.分析能力差。不能实现对影像的有效理解和分析。 3.纠错要求。由于底层传感器信息存在的不确定性、不完全性
2
多源遥感数据具有以下三种特点：
1.冗余性：表示多源遥感影像数据对环境或目标 的表示、描述或解译结果相同；
2.互补性：指信息来自不同的自由度且相互独立 3.合作性：不同传感器在观测和处理信息时对其
它信息有依赖关系；
融合的目的： 尽可能消除冗余性、利用合作性和互补性
4
30米分辨 率的TM 七波段图
像
6
10米分辨 率SPOT 图像
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。
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；
18
基于IHS变换的融合过程如下:
(1)待融合的全色图像和多光谱图像进行几何配准，并将多 光谱图像重采样与全色分辨率相同； (2)将多光谱图像变换转换到IHS空间； (3)对全色图像I’和IHS空间中的亮度分量I进行直方图匹配； (4)用全色图像I’代替IHS空间的亮度分量，即I’HS； (5)将I’HS逆变换到RGB空间，即得到融合图像。 通过变换、替代、逆变换获得的融合图像既具有全色图像 高分辨的优点，又保持了多光谱图像的色调和饱和度。
17
一、基于IHS变换的图像融合
IHS变换将图像处理常用的RGB彩色空间变换到 IHS 空 间 。 IHS 空 间 用 亮 度 (Intensity) 、 色 调 (Hue)、饱和度(Saturation)表示。IHS变换可以 把图像的亮度、色调和饱和度分开，图像融合只 在亮度通道上进行，图像的色调和饱和度保持不 变。