RGB颜色空间，面向硬件，三分量之间具有很强相关性； IHS颜色空间，即亮度(I)、色度(H)、饱和度(S)，三分量之 间互不相关，因此对某一分量的处理不会影响到其它分量。 而三分量中，以亮度分量最为重要。HΒιβλιοθήκη S反差 扩展 I分量R G B
IHS 变换
I H S
I’ R’ IHS H’ 反变换 G’ S’ B’
PCA逆 变换
置换PC1分量
12
小波变换融合算法
13
IHS+小波变换融合算法
低分辨率 多光谱影像 图像空间 IHS变换 谱空间 小波变换 融合 直方图匹配 H，I，S I分量
高分辨率 融合影像
IHS逆变换
H，I’，S
高分辨率 全色影像
14
IHS+小波融合算法流程
15
PCA+小波变换融合算法
16
多源图像融合
1
主要内容

目的与意义
图像融合的分类及模型 像素级图像融合处理


参考文献
融合结果演示
2
目的与意义

信息互补：各种单一传感器获取的影像数据在几何、 光谱和空间分辨率等方面存在一定的局限性和差异性 ，影像融合可以提取各自通道的信息，综合成统一图 像进行处理。 提高空间分辨率：如高分辨率的全色影像与低分辨率 的多光谱影像融合。
21
参考文献



Investigation of the Dual-Tree Complex and Shift-Invariant Discrete Wavelet Transforms on Quickbird Image Fusion. Model-Based Satellite Image Fusion. Multi-band SAR Images Fusion Using the EM Algorithm in Contourlet Domain. Multifocus Holographic 3-D Image Fusion Using Independent Component Analysis. Multiresolution fusion of multispectral and panchromatic images through the curvelet transform. Multiresolution-based image fusion with additive wavelet decomposition. Remote Sensing Image Fusion Using Multiscale Mapped LSSVM. Region-Based Multimodal Image Fusion Using ICA Bases.
彩 色 合 成
Landsat-TM
SPOT Pan
8
PCA(主分量分析)变换融合法
在PCA变换中，一般采用自相关矩阵代替协方差矩阵。
9
PCA算法的性质
10
PCA融合的流程
11
PCA融合流程图
低分辨率多光谱 影像 图像空间 高分辨率全色 影像
PCA变换 谱空间
各主分量影像 PC1 直方图匹配
高分辨率融合 影像



图像融合的一般模型
多源遥感图 像数据
空间配准
信息融合
信息表示或 属性说明
4
三种融合框架的特点
5
三种融合框架对应的融合方法
6
像素级图像融合处理
三个核心步骤：影像预处理、影像融合和融合评价。
影像1 影像2
预处理
影像融合
测试评估
影像N
噪声去除
影像配准
影像输出
7
IHS变换融合法

颜色空间：

22
23
24
25
Thank You！
26
影像融合定量评价
17
影像融合定量评价
18
影像融合定量评价
19
比较新的融合算法

基于非下采样Contourlet变换的图像融合方法;
基于双树复小波变换的图像融合方法; 基于模型的图像融合方法;


独立分量分析(ICA)图像融合方法;
….
20
参考文献





多传感器图像融合技术综述. A comparative analysis of image fusion methods. A new intensity-hue-saturation fusion approach to image fusion with a tradeoff parameter. Adaptive Image Fusion Algorithm of SAR CCD Images Based on Wavelet Transform. Best Tradeoff for High-Resolution Image Fusion to Preserve Spatial Details and Minimize Color Distortion. Context-driven fusion of high spatial and spectral resolution images based on oversampled multiresolution analysis. Fusion of multispectral and panchromatic images using improved IHS and PCA mergers based on wavelet decomposition. Fusion of Multispectral and Panchromatic Images Using the Induction Scaling Technique.
增强目标特征：如SAR影像与可见光影像的融合，增强 硬目标的可分辨能力。 提高分类精度：影像融合可以提供相互补充的信息来 对地面物体进行分类和解析。
3



图像融合的分类及模型

图像融合的分类

像素级：最低层次，对配准后的图像数据直接融合，保持尽可能多的原始数 据信息，具有最高精度； 特征级：中间层次，不把每个像素孤立看待，对遥感数据提取特征，产生特 征矢量，对特征矢量进行融合，利用融合特征矢量进行属性说明； 决策级：最高层次，首先对遥感数据进行特征提取和属性说明，然后对其结 果加以融合，得到目标或环境的融合属性说明。