Page 16
优缺点对比
经过PCT融合的图像包括了原始两幅图像的高空间分 辨率和高光谱分辨率特征，保留了原图的高频信息。融 合图像上目标的细部特征更加清晰，光谱信息更加丰富。 由于光谱信息的变化，使融合图像不能用于地物识别和 反演工作。 乘积运算优点是对于大的地貌类型,如高起伏地区、 荒漠区域类型增强效果是比较理想的。缺点是光谱变化 大, 纹理不如高分辨率影像清晰, 此类融合方法对于表 现细碎地貌类型是不合适的。 Brovey 变换优点是多光谱图像的方空间分解为色彩 和亮度成分进行计算, 锐化影像的同时能够保持原多光 谱信息内容。缺点是只能抽取和选择多光谱影像中的三 个波段参与变换, 使其他波段的信息丢失。不利于影像 信息的综合利用。融合过程中包括归一化处理, 融合影 像像元灰度值一般要比其他方法的小。没有解决波谱范 围不一致的全色影像和多光谱影像融合的问题。
Page 14
经Brovey比值变换融合后图4-5
Page 15
小结
采用乘积方法变换、Brovey比值变换和PCA变换融合 方法融合后的图像，其光谱保真程度逐渐降 低．Muhiplieative（乘积）变换融合较好地保留了多光谱 波段的光谱分辨率和空间信息，融合图像的光谱保真能力 较好，详细程度较高；PCA变换融合和Brovey变换；融合 和影像质量一般．与PCA变换融合比较，Brovey变换融合 的空间信息的详细程度较低，但相对好的保留了多光谱波 段的光谱分辨率。
Page 11
三.实验及分析
以下影像数据主要来自ERDAS系统，位于<IMAGINE-HOME>\examples。
图4-1高空间分辨率图像 SPOT .img
图4-2多光谱图像 DMTM.img 原图
Page 12
上面的影像图进行主成分变换后成果图4-3
Page 13
由图SPOT.img , DMTM.img 作乘积变换处理，生成成果图4-4
Page 3
实质： 在统一地理坐标系中将对同一目标检测的多幅遥 感图像数据采用一定的算法，生成一幅新的、更能有效表 示该目标的图像信息。 目的：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，加以互补，改善遥感信息提取的及时性和可靠 性，提高数据的使用效率。 简单的说，多源遥感数据融合的目的是：①简化图像处理② 便于图像特征提取③实现图像压缩④从概念上增强对图像 信息的理解。
Page 5
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，实时性差。 2. 分析数据限制。为了便于像元比较，对传感器信息的配准 精度要求很高，而且要求影像来源于一组同质传感器或同单 位的。 3.分析能力差。不能实现对影像的有效理解和分析 4.纠错要求。由于底层传感器信息存在的不确定性、不完全 性或不稳定性，所以对融合过程中的纠错能力有较高要求。 5.抗干扰性差。 像元级融合所包含的具体融合方法有：代数法、IHS变 换、小波变换、主成分变换（PCT）、K-T变换等
Page 17
谢谢观看!
Page 18
多源遥感数据融合的方法及实对比 分析
专 业：摄影测量与遥感技术
一. 多源数据融合基本原理
多源数据融合是把来自多个传感器和信息源的 数据进行联合、相关、组合和估值的处理。产生 比单一信息源更精确、更完全、更可靠的估计和 判决，以获得满足某种应用的高质量信息完成一 个单一传感器独自所不能进行的推理。
Page 2

相对于单源遥感影象数据，多源遥感影象数据所提供的 信息具有以下特点： 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；
4.信息分层的结构特性：数据融合所处理的多源遥感信 息可以在不同的信息层次上出现，这些信息抽象层次包括 像素层、特征层和决策层，分层结构和并行处理机制还可 保证系统的实时性。
Page 6
1.2 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。 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。
Page 4
二、数据融合分类及方法
1 数据融合方法分类
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。
1.1 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ቤተ መጻሕፍቲ ባይዱ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。


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。
Page 8
2 多源遥感数据融合常用方法介绍
2.1 主成分变换（PCT）

也称为W-L变换，数学上称为主成分分析（PCA） 。PCT是应用于遥感诸多领域的一种方法，包括高光谱数 据压缩、信息提取与融合及变化监测等。PCT的本质是通 过去除冗余，将其余信息转入少数几幅影像（即主成分） 的方法，对大量影像进行概括和消除相关性。PCT使用相 关系数阵或协方差阵来消除原始影像数据的相关性，以达 到去除冗余的目的。对于融合后的新图像来说各波段的信 息所作出的贡献能最大限度地表现出来。 PCT的优点是能够分离信息，减少相关，从而突出不 同的地物目标。另外，它对辐射差异具有自动校正的功能， 因此无须再做相对辐射校正处理。
Page 10
2.3 Brovey比值变换融合 Brovey 融合也称为色彩标准化融合, 是美国科学家 Brovey建立的一种模型并将其推广的, 是目前一种应用广 泛的RGB彩色融合变换方法。该方法能够保留每个像素的 相关光谱特性, 并且将所有的亮度信息变换成高分辨率的 全色影像融合。但由于Brovey影像融合对影像的要求比较 高, 为减少数据冗余和非光谱信息, 融合前必须预先进行 相关预处理和噪声滤波处理,采用Brovey 融合会导致光谱 信息的失真。
Page 9
2.2 乘积变换

乘积性融合法是应用最基本的乘积组 合算法, 直接对两种空间分辨率的遥感数 据进行融合, 其运算法则为:Bi_new=Bi_m ×B_h式中:Bi_new 代表融合以后 的波段 数值(i=1,2,⋯8943 .,n);Bi_m 代表多光谱 图像中的任意一个波段数值:B_h 代表高分 辨率遥感数据波段值。 将一定亮度的图像 进行变换处理时, 只有乘积变换可以使其 色彩保持不变。

Page 7
1.3 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。