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，分离出色度(H)、饱和度(S)、亮度(V)分量;然后，将高分辨率全色影像与分离的亮度分量进行直方图匹配；最后，将分离的色度和饱和度分量与匹配后的高分辨率影像按照HSV反变换，进行彩色合成。
由于直接采用全色影像替换多光谱影像的亮度分量，从而使HSV变换在增强多光谱影像空间细节表现能力的同时，也带来了较大的光谱失真[5]。
2.2Color Normalized (Brovey)变换Color Normalized(Brovey)变换方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。
彩色图像中的每一个波段都乘以高分辨数据与彩色波段总合的比值。
函数自动的用最近邻、双线性或三次卷积技术将三个彩色波段重采样到高分辨率像元尺寸。
输出的RGB图像的像元将与高分辨率数据的像元大小相同。
Brovey变换融合又称比值变换融合，是一种比较简单的融合方法。
它只能而且必须同时对3个波段进行融合运算。
它将输入的遥感影像3个波段按照下列公式计算，获得融合以后各个波段的数值：Bi_new = [Bi_m/(Br_m+ Bg_m+Bb_m)]×B_hBi_new代表融合以后的波段数值(i=1，2，3)，Br_m，Bg_m，Bb_m分别代表多波段影像中的红、蓝、蓝波段数值，Bi_m表示红、绿、蓝3波段中的任意一个，B_h代表高分辨率遥感影像[2]。
2.3PC Spectral Sharpening变换PC Spectral Sharpening变换选项可以对具有高空间分辨率的光谱图像进行锐化，第一步，现对多光谱数据进行主成分分析；第二步，用高分辨率波段替换主成分波段，在此之前，高分辨率波段已经被缩放匹配到第一主成分波段，从而避免波普信息失真；第三步，进行主成分反变换。
函数自动的用最近邻、双线性或三次卷积技术将三个彩色波段重采样到高分辨率像元尺寸。
PCA (主成分分析)是在统计特征基础上进行的一种多维(多波段)正交线性变换，数学上称为K - L变换。
它将一组相关变量转化为一组原始变量的不相关线性组合的正交变换，其目的是把多波段的影像信息压缩或综合在一幅图像上，并且各波段的信息所作的贡献能最大限度地表现在新图像中[1]。
PCA变换在进行融合中有两种变换方法：一种是参与法(将参与变换的各波段，包括高空间分辨率影像数据在内，统一进行主分量变换，然后，再进行PCA逆变换)另一种是替换法，这也是目前PCA变换中最常用的方法。
融合时，首先根据多光谱影像间的相关矩阵计算特征值和特征向量；其次，将特征向量按对应特征值的大小从大到小排列并得到各主分量影像；再次，将高空间分辨率影像进行拉伸，使之与第一主分量具有接近相同的均值和方差；最后，用拉伸影像代替第一主分量，并将它与其余主分量做主分量逆变换即可得到融合影像[4]。
2.4Gram-Schmidt Spectral Sharpening变换Gram-Schmidt Spectral Sharpening变换可以对具有高分辨率的高光谱数据进行锐化。
第一步，从低分辨率的波谱波段中复制出一个全色波段；第二步，对该全色波段和波普波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段；第三步，用Gram-Schmidt变换后的第一个波段替换高空间分辨率的全色波段；第四步，应用Gram-Schmidt反变换构成pan锐化后的波谱波段。
3 四种融合方法的比较3.1四种融合方法应用举例通过ENVI4.7软件对呼和浩特市快鸟影像的一部分进行融合、剪裁，把呼和浩特市原始的多波段的彩色图像（如图1）和呼和浩特市原始的高分辨率全色波段影像（如图2）进行融合，以ENVI4.7软件作为平台，进行Transform中的Image Sharpening进行Gram-Schmidt融合（如图3）、HSV融合（如图4）、PC影像融合（如图5）、Brovey融合（如图6）。
图1原始多波段彩色影像图2 原始高分辨率全色波段影像图3 Gram-Schmidt融合影像图4 HSV融合影像图5 PC融合影像图6 Brovey融合影像3.2四种融合方法精度的比较对于四种融合方法的精度比较，本文对上面的图3-6截取相同的部分进行比较，通过截取后的融合影像可见，通过截取后的PC融合影像（如图10）和GS 融合影像（如图8）的效果好，而经过截取图4的HSV融合影像（如图9），色彩比较鲜艳，是因为直接采用全色影像替换多光谱影像的亮度分量，从而使HSV 变换在增强多光谱影像空间细节表现能力的同时，也导致了较大的光谱失真。
相比PC融合影像和Gram-Schmid融合影像，Brovey变换后影像（如图7）光谱畸变很严重，可以得出Gram–Schmidt融合效果最好。