遥感图像处理-图像融合

合集下载
  1. 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. 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. 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)。
融合影像空间特性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多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。
© 中国科学院遥感应用研究所
像素级数据融合的发展历程
早期:代数运算法、彩色空间法等,以图像视觉增强为主 要目的
© 中国科学院遥感应用研究所
2、遥感数据融合方法介绍
© 中国科学院遥感应用研究所
遥感数据融合
遥感数据的融合主要指不同传感器的遥感数据的融合, 以及不同时相的遥感数据的融合。融合方式的确定应根据 目标空间分布、光谱反射特性及时相规律方面的特征选择 不同的遥感图像数据,它们在空间分辨率、光谱分辨率和 时间分辨率方面相互补充,以形成一个更有利的识别环境 ,来识别所要识别的目标或类型。
应用
概述-图像融合的层次
对 数 据 的 抽 象 程 度
© 中国科学院遥感应用研究所
决策级 特征级 像素级
概述-图像融合的层次
Image1
Image2
Image3
……
Image n
图像几何纠正与精确配准
特征提取
特征提取


像素级融合
特征级融合
© 中国科学院遥感应用研究所
特征属性说明
图像融合的三级处理过程
图像融合是一个对多遥感器的图像数据和其他信息的处
理过程。着重于把那些在空间和时间上冗余或互补的多源 数据,按照一定的规则进行运算处理,获得比任何一种数 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。
© 中国科学院遥感应用研究所
数据融合的发展
数据融合的概念始于70年代。进入20世纪90年代以后,随 着多种遥感卫星的发射成功,从不同遥感平台获得的不同 空间分辨率和时间分辨率的遥感影像形成了多级分辨率的 影像金字塔序列,给遥感用户提供了从粗到精、从多光谱 到高光谱的多种遥感数据源。融合的发展在一定程度上解 决了多种数据源综合分析的问题。
© 中国科学院遥感应用研究所
遥感数据பைடு நூலகம்合预处理
影像配准是数据融合处理中的关键步骤,其几何配准精度 直接影响融合影像的质量。通常情况下,不同类型的传感 器影像之间融合时,由于它们成像方式的不同,则其系统 误差类型也不同。如SPOT与TM数据融合时,SPOT的传感器 是以CCD推帚式扫描成像的,而TM则是通过光机扫描方式 成像的,因而不同类型影像进行融合时必须经过严密的几 何校正,分别在不同数据源的影像上选取控制点,用双线 性内插或三次卷积内插运算对分辨率较低的图像进行重采 样,改正其误差,将影像投影到同一的地面坐标系统上, 为图像配准奠定基础。
© 中国科学院遥感应用研究所
数据融合的发展
1. 起初是进行同种遥感数据多波段、多时相的数据融合 ,以提高遥感解译能力和进行动态分析。
2. 后来发展到不同类型遥感数据的融合,如陆地卫星与 气象卫星、陆地卫星MSS与航天飞机成象雷达SIR-A、 陆地卫星MSS与海洋卫星侧视雷达SAR,以及陆地卫星 MSS与RBV等,以扩大应用范围,提高分析精度,获得 更好的遥感应用效果。
© 中国科学院遥感应用研究所
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,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一般具有以下性质( Wald,1997):
© 中国科学院遥感应用研究所
数据融合的目标
空间分辨率的提高 目标特征增强 提高分类精度 信息互补
© 中国科学院遥感应用研究所
概述-图像融合的流程
全色 几何纠正
ZYa ZYb ZYc
几何纠正
精确几何配准
图像融合
© 中国科学院遥感应用研究所
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
3. 与此同时,人们越来越感到由于遥感本身以及实际应 用中的局限性,要真正认识事物,并非遥感独家所能 完成。它需要其它学科的支持,只有遥感与非遥感数 据的融合,如与气象、水文数据,与重力、磁力等地 球物理增息,与地球化学勘探数据,与专题地图数据 ,以及与数字地形模型(DTM)等数据融合,进行综合 分析,才能更好地发挥作用。
© 中国科学院遥感应用研究所
1、概述
© 中国科学院遥感应用研究所
定义
数据融合( Fusion, Merge)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。
决策级融合 高层态势评估
概述-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
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。
© 中国科学院遥感应用研究所
数据融合的技术关键
充分认识研究对象的地学规律。 充分了解每种融合数据的特点和适用性。 充分考虑到不同遥感数据之间波谱数据的相关性引起
的有用数据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,数据融合才能达 到更好地效果。
遥感图像处理-图像融合
背景
随着遥感技术的发展,越来越多的不同类型遥感器被用于 对地观测。这些多遥感器、多时相、多分辨率、多波段的 遥感图像数据,各自显示了自身的优势和局限。为了更充 分运用这些数据资源,数字融合技术应运而生。
© 中国科学院遥感应用研究所
内容提纲
概述 遥感数据融合方法介绍 遥感与非遥感数据融合方法介绍 融合质量评估
相关文档
最新文档