光谱增强－指数计算（Indices）
指数计算－矿物提取
光谱增强－色彩变换 （RGBIHS)
IHS图像
光谱增强－色彩逆变换（HISRGB）
多光谱图 像 融 合技术
一对矛盾？
空间分辨率与光谱分辨率不可得兼
–高空间分辨率图像具有低的光谱分辨率， 相应的波段数较少（例如SPOT全色波段 分辨率是10米）。
• 缺点
– 不能保持原始图像的辐射特性。如果在分析的时候，原始图像的 辐射特性比较重要的话，这种方法不适用。
空间增强－分辨率融合处理
• 由于高空间分辨率图像具有低的光谱分辨率，相应的波段 数较少，而多光谱图像往往具有低的空间分辨率。 • 在图像解译中，经常采用图像融合技术，将高空间分辨率 图像与多光谱图像进行融合，得到既具有较好的空间分辨 率，又具有多光谱特征的多光谱高分辨率图像，提高了图 像的解译能力，从而达到图像增强的目的。 • 操作过程中关键是融合前图像的配准以及融合过程中的融 合方法的选择。
–多光谱图像往往具有低的空间分辨率 （例如Landsat TM分辨率为30米）。
如何解决矛盾？
• 研究的内容
图像融合
– 充分利用各种类型的图像资源，获得同时具有 较高光谱信息和空间分辨率的对象信息。
• 定义
– 是以图像为研究对象的数据融合，是指在同一 时间，将同一景物的不同波段或来自不同传感 器的两个或两个以上的图像进行处理，形成一 幅合成图像，以获取更多的关于目标信息的图 像处理过程。
• 算法
– 计算主成分，将高分辨率的图像按照PC-1进行拉伸，并用之替换 PC-1，最后进行主成分逆变换。
• 优点
– 这种方式使变换后的输出图像能够较好的保持原始多光谱图像的 景物辐射特性。 – 这种融合模式多用于不同类型传感器融合或同一传感器多时相数 据的动态分析，也可用于特征影像与地面调查数据的融合。
TM图像缨帽变换
1. R1特征量：称为“亮 度”，在数值上等于TM 图像六个波段的加权和， 代表总的电磁波辐射水 平。
2.
R2特征量：称为“绿 度”，反映了可见光与 近红外波段之间的差异。
R3特征量：称为“湿 度”，反映的是 TM1,TM2,TM3,TM4波段与 TM5,TM7波段之间的对比。
3.
[DNB2 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB2_new
• 优点
– 该方法可以增强图像直方图中的两端区域的对比度，即影像低辐射 区和高辐射区的细节反差，（比如阴影部分，水和高辐射区的城市 城市地物）。 – 在合成RGB图像中，低辐射区和高辐射区有较高的对比度。
全色波段图像PA
高分辨率多光谱图像2
高分辨率多光谱图像3
高分辨率图像
IHS融合处
多光谱图像
基于PCA变换的影像融合法
1. 对多光谱图像进行主成分分析，得到第一 主分量，它包含原图像的大量空间信息， 而原图像的多光谱信息主要保留在其它的 分量中。 2. 将高分辨率图像拉伸，使其与第一主分量 具有相同的均值和方差。 3. 用拉伸后的高分辨率图像代替第一主分量， 与其余分量做逆PCA变换即可得到融合的 图像。
代数法
Brovey变换
• 基于高通滤波影像融合法
• 基于小波变换影像融合法
基于彩色空间变换的影像融合法 － HIS变换法
1. 将多光谱图像的RGB彩色空间变换到IHS空间， 即图像由R（红）G（绿）B（蓝）表示变换成I （亮度）H（色调）S（饱和度）表示。 2. 将全色图像和多光谱图像的I进行直方图匹配， 用全色图像I’代替多光谱图像的I，即 IHS→I’HS，多光谱图像的其它两项不变。 3. 多光谱I’HS反变换到RGB，即得到融合图像。
光谱增强－缨帽变换
MSS图像缨帽变换
1. R1特征量：称为“亮度”，在数 值上等于MSS四个波段的加权和， 反映了地物总的电磁波辐射水 平。 2. R2特征量：称为“绿色物”，在 数值上等于MSS6与MSS7的加权 和再减去MSS4与MSS5的加权和， 反映了植物的生长状况。 3. R3特征量：称为“黄色物”，是 MSS5与MSS7的加权和减去MSS4 与MSS6的加权和。 4. R4特征量：称为“其它”。
• 缺点
– 保持辐射特性的准确性，是以高的计算量为代价的，占用较多的 系统资源，因而它是最三种方法当中的较慢的一种。
代数法（Multiplicative）
• • 算法 优点
– – 该方法可以增强影像的细节反差，能够较好的突出城市地物。 采用的是简单的乘积运算，因而运算最快并且占用系统资源最少， 也是三种方法中的最简单的一种。
基于HIS变换的遥感影像融合
多光谱图像XS1
0.5~0.59 μm， 20米
多光谱图像XS2
多光谱图像XS3
重采样
重采样
重采样
0.78~0.89 μm，20米
0.61~0.68 μm，20米
HIS正变换
色调分量H
饱合度分量S
亮度分量I
0.51~0.73 μm，10米
HIS逆变换 高分辨率多光谱图像1
•
缺点 – 然而融合后的图像没有保持原始多光谱图像辐射特性， 相反，能够增强亮度成分，对增强城市信息方法这种方 法较好。
• 算法
基于Brovey 变换的融合方法 （Brovey Transform）
[DNB1 / DNB1 + DNB2 + DNBn] x [DNhigh res. image] = NB1_new
基于PCA变换的影像融合法流程图
多光谱图像XS1 多光谱图像XS2 多光谱图像XS3
重采样
重采样
重采样
PCA正变换
Байду номын сангаас
第二主分量 PCA 逆变换
第三主分量
第一主分量
全色波段图像PA
高分辨率多光 谱图像1
高分辨率多光 谱图像2
高分辨率多光 谱图像3
基于主成分分析法融合（Principal Component）
多光谱图像处理
当前遥感数据的特点
• 来源于不同传感器，具有不同的特点。 • 数据量很大。
• 数据之间存着互补性和冗余性。
多光谱图像处理
• • • • 缨帽变换（Tasseled Cap）
1. MSS图像 2. TM图像
指数计算（Indices） 色彩变换（RGBIHS) 色彩逆变换（HISRGB）
SPOT、TM图像各波段对应的波长
SPOT
TM
融合处理
SPOT-5 10米 多光谱图像
SPOT-5 5m 全色图像
多光谱与5m PAN 融合图像
融合的过程
多源图像精确配准
根据图像的特征及整合的 目的选择合适的融合方法
输出融合图像
目前在遥感图像融合中常用的像素级融合方法
基于彩色空间变换法（HIS变换法） 基于主成分分析法（PCA法）