实验名称：影像融合
一、实验内容
1.对TM影像和SPOT影像进行HSV数据融合。

2.利用均值、标准差、特征值等参数对融合效果进行评价。

二、实验所用的仪器设备，包括所用到的数据
电脑一台，遥感影像处理软件（ENVI），英国伦敦的TM影像数据lon_tm和SPOT影像数据lon_spot。

三、实验原理
（一）影像融合
定义：图像（影像）融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系中，生成新的图像的过程。

目的：1)提高图像空间分辨率；2)改善分类；3)多时相图像融合用于变化检测。

（二）HSV数据融合
HSV变换法的主要原理为：首先将多光谱图像经HSV变换得到H、S、V三个分量。

然后将高分辨率的全色图像代替V分量，保持H、S分量不变。

最后在进行HSV反变换得到具有高空间分辨率的多光谱图像。

（三）Brovey变换
Brovey融合也称为色彩正规化( color normalization)变换融合, 由美国学者Brovey推广而得名。

其算法是将多光谱影像空间(multispectral image space)分解为色度和亮度成分, 并进行计算。

其特点是简化了影像转换过程的系数, 以最大限度地保留多光谱数据的信息。

Brovey融合法的表达式:
红色通道=R / (R +G +B ) ×1
绿色通道=G / (R +G +B ) ×1
蓝色通道=B / (R +G +B ) ×1
其中: R、G、B分别为多光谱影像的三个波段, I为高空间分辨率影像。

该方法对RGB图像和高分辨率数据进行数学合成，即RGB图像中的每一个波段都乘以高分辨率数据与RGB图像波段总和的比值。

然后自动地用最近邻、双线性或三次卷积技术将3个RGB波段重采样到高分辨率像元尺寸。

本方法也要求数据具有地理参考或者具有相同的尺寸大小。

（四）评价指标
（1）均值与标准方差
上述两个公式中，M、N为图像长宽像素个数，f(i, j)为i行j列图像灰度值。

（2）信息熵
对于灰度范围{0,1.…，L-1}的图像直方图，Pi为灰度值等于i的像素数与图像总像素数之比，L为灰度级总数，它表示了图像中纹理的非均匀程度或复杂程度。

其中P(i)为灰度值为i的像素在
图像中出现的频率，N是像元灰级数。

其信息熵定义为：
四、实验步骤及其结果分析
1.实验步骤：
（1）HSV变换融合
打开envi软件→file→ Open Image File→log_tm和lon_spot文件，并分别进行显示(图1、图2)。

图1 log_tm影像图2 lon_spot影像选择Basic Tools→Resize Data(Spatial/Spectral)菜单，输入文件log_tm，单击ok。

在Resize Data Parameters对话框中的xfac文本框中输入2.8，yfac文本框中输入2.8017（为了使影像正确地匹配，必须输入2.8017以在y方向上增加额外的像素值，而不是2.8），单击memory→单击ok，新建窗口并显示调整大小后的TM影像（图3）。

图3调整大小后的TM影像
在ENVI的主菜单中选择Transform→Image Sharpening→HSV→在Select Input RGB窗口中选择Display #3（如果调整过大小的TM彩色影像已经在显示窗口中，则可以在Select Input RGB窗口中直接选择对应的影像，否则就要在Select Input RGB Input Bands对话框中选择Available Bands Lists，输入调整大小过后的TM影像所对应的R，G，B波段）→单击ok→从High Resolution Input File对话框中选择Spot影像→单击ok→单击Memory→ok,在新建窗口中显示融合后的图像（图4）。

图4HSV变换融合后的影像图5Brovey方法影像融合
（2）Brovey变换融合
用Brovey的方法融合影像的步骤与HSV类似，将TM影像调整大小后，在ENVI的主菜单中选择Transform→Image Sharpening→Brovey→在Select Input RGB窗口中选择Display #4→单击OK →从High Resolution Input File对话框中选择Spot影像→单击OK→单击Memory→OK,在新建窗口中显示融合后的图像（图5）。

2.结果分析
经比较图1、图2、图3，融合后的影像和全色影像比较，融合后的影像色彩信息更加丰富，影像的分辨率基本没变。

融合后的影像与多光谱影像相比较，影像的分辨率有了很大的提高，色彩的亮度、色度、饱和度都有明显的改变，彩色分布与地物本身的信息的吻合度高，使得地物信息得到极大的丰富，符合人眼识别特点，便于人眼辨别和分析。

Brovey融合后的影像（图5）与多光谱影像（TM影像）相比较，影像上的地物的清晰程度有很大提高，分辨率挺高，但是影响中的阴影地方颜色不符合实际，水域颜色发生的畸变也比较大，出现不整齐的红色和绿色，绿色植物颜色过于鲜绿，很多地物都有颜色失真的现象发生。

Brovey方法较好地显示城市绿地的分布状况，可作为城市绿地动态监测的判别方法之一，相比较HSV锐化方法明显夸大了城市绿地分布范围。

在对城市绿地空间信息的提取上，Brovey融合分类方法显示相对优势。

通过均值（Mean）、标准值（Stdev）对HSV融合方法和Brovey融合方法进行评价（如表1）：
表1 直方图统计评价参数表
Basic Stats Mean Stdev Eigenvalue
Band 1 39.25682217.693046806.044522 Brovey融合后Band 2 42.85107318.292815138.319569
Band 3 41.95518119.12371969.023493
Band 1 116.824530 43.325176 5693.308202 原始TM影像Band 2 125.336934 44.054106 196.576615
Band 3 114.333439 46.347536 76.044483
Band 1 101.642399 59.470130 10160.070326 HSV融合后Band 2 109.292755 59.364402 489.109602
Band 3 106.845587 62.061360 263.261019 均值反映了影像的亮度大小，其值越大，亮度越高，通过比较HSV融合变换后的影像的均值大于Brovey融合变换后的均值，说明HSV融合变换的方法要好一些。

标准差反应了灰度相对于灰度均值的离散情况，标准差越大，表明灰度级分布越分散，反映的信息量就越大。

HSV融合后的标准差整体大于Brovey变换，涵盖信息量大。

五、实验中所用的问题及其解决的方法
在对Brovey影像融合后的影像进行直方图统计分析时发现，在显示窗口下保存文件和在主菜单保存文件后直方图统计参数不一样。

经请教老师后知道，在窗口显示后会自动拉伸2%，所以应该在选择保存方式时需小心谨慎。