北京揽宇方圆信息技术有限公司
遥感卫星数据的融合方法
多源数据的融合依据监测区情况不同、数据源的不同类型，其融合方法也不同。

但总体上分为以下几个步骤：融合前影像处理、融合单元的选择、最佳融合算法的选取及实现以及融合后的处理和效果检查。

数据融合技术路线图
影像融合技术要求
a)光学遥感数据之间的配准中误差应不超过1个像元素；
b)融合后的图像影像中，各种地类特征应明显，边界应清晰，通过目视解译可以区
分各种地类信息。

c)影像融合一般以景为单位，不同数据源也可采用完整辖区为单元。

d)相同季节融合后影像要色调基本一致，不同季节影像色彩应反映当时地类光谱特
征。

e)根据影像波段的光谱范围、地物和地形特征等因素，选择能清晰表现土地利用类
型特征和边界、色彩接近自然的融合算法。

f)融合影像应无重影、模糊等现象。

影像融合前影像处理
对纠正、配准后满足精度要求的全色与多光谱数据，融合前还需要对其进行预处理。

一方面，提高全色数据的亮度，增强局部反差突出纹理细节，尽可能降低噪声；另一方面，对多光谱数据进行色彩增强，拉大不同地类之间的色彩反差，突出其多光谱彩色信息。

1、全色数据处理
在融合中要突出全色数据的高分辨率特征，因此融合前处理的目的是为了增强局部灰度的反差从而突出纹理细节和加强纹理能量，通过细化来尽可能减少噪音。

特别强调在增强局部灰度反差时只是增加灰度的值，原灰度关系保持不变。

考虑到土地利用遥感监测需要从遥感影像上直接判读地类信息，从而发现新增建设用地图斑。

因此，在拉伸方法选择上不应采用非线性拉伸。

否则原灰度值的大小关系会发生变化，从而使影像产生灰度扭曲，增加含义不明确的伪信息，影响解译精度。

2、多光谱数据处理
多光谱数据具有多个光谱波段和丰富的光谱信息，不同波段影像对不同地物有特殊的贡献。

因此在影像融合前需要进行最佳波段的选择组合和彩色合成，以最大程度地利用各波段的信息量，辅助影像的判读与分析。

在融合影像中，多光谱数据的贡献主要是光谱信息。

融合前以色彩增强为主，调整亮度、色度、饱和度，拉开不同地类之间的色彩反差，对局部的纹理要求不高。

有时为了保证光谱色彩，还允许削弱纹理信息来确保融合影像图的效果。

影像融合方法
选取融合方法的原则：
1．能清晰地表现纹理信息，能突出主要地类（如水体、建筑群、耕地、道路等）。

2．影像光谱特征还原真实、准确、无光谱异常；
3．各种地类特征明显，边界清晰，通过目视解译可以区分各种地类信息。

4．融合影像色调均匀、反差适中、色彩接近自然真彩色。

在遥感影像处理过程中，通常采用的融合方法有IHS变换、主成分变换、加权乘积、比值变换、小波变换、高通滤波、BROVERY、结合GRB与IHS变换的PANSHARP融合等多种方法，其中IHS变换和PANSHARP融合方法对图像融合有较好的效果。

BROVERY通常用于低植被、高度发暗的影像。

（1）高通滤波变换法
高通滤波和低通滤波常用于影像纹理和细节处理方面。

影像的细节提取往往是通过对影像进行高通滤波来实现，影像细节与多光谱影像的色彩信息相加是融合的最基本原理。

高通滤波变换目的是提高影像高频细节，突出影像结构信息。

各种高层板状建筑表现非常明显，交通和水体的边缘规则、无模糊。

由于在突出高频信息同时，部分低频信息会受到压制，往往整体影像的结构比较细碎。

色彩表现上，高通滤波变换效果一般，色调的层次感不强。

（2）主成分变换（PCA）
主成分变换在数学上是将矩阵展开分解为其协方差矩阵的特征向量的加权，对于图像而言主分量变换是图像按照特征向量在其特征空间上分解为多元空间。

经过变换可将噪音向量剔除掉，保证融合图像信息度的良好。

遥感影像进行分解时，第一、二主分量往往占总信息量（即方差）的90%以上，而其余各分量总和最多也不过10%。

利用PC变换可很方便地将影像的结构信息通过第一主分量表达出来。

主分量变换显著优点是将庞杂的多波段数据用尽可能少的波段表达出来，而且数据信息量几乎没有损失，从而达到数据压缩的目的。

主分量变换在进行融合中有两种变换方法，一种将参与变换的各波段包括高光谱在内统一进行主分量变换，然后反变换。

另一种是指将多光谱的多个波段先做主分量变换，用高光谱影像全色波段替换第一主分量。

再进行反主分量变换。

得到融合影像。

主分量变换中参与变换的多光谱数据不受波段数限制，可以接受三个以上波段的多光谱数据和高光谱数据进行变换。

主分量变换合成的影像色彩突出，各种地类的色彩能够较少的丢失和偏移。

影像纹理信息结构明显、突出。

（3）IHS变换法
IHS变换是一类基于IHS色彩模型的基础、应用广泛的融合变换方法。

IHS色彩是不同于RGB的另一种色彩模型系统，它将RGB图像转换色相H、亮I和饱和度S三个分量，图像的描述依据色相、亮度和饱和度三个要素来实现。

I表示图像亮度，H代表色度，S表示饱和度。

IHS变换能有效地将RGB系统中影像代表纹理的亮度I与其光谱信息H、S相分开。

运用IHS变换技术融合的原理为：用另一影像替代IHS三个分量中的某一分量，其中亮度分量被替代最为常用。

当高分辨率全色影像与多光谱影像融合时，首先将多光谱的影像根据输入图像的RGB值利用正变换式从RGB系统变换至IHS彩色空间，得到亮度I、色度H及饱和度S的三个分量，将高分辨率全色影像与亮度进行直方图匹配，然后去掉I，并用预处理准备好的高分辨率全色影像代替。

与H、S一起利用相应的逆变换式变换至RGB系统，得到融合后的影像。

IHS变换的融合方法只在亮度通道上进行，图像的色调和饱和度保持不变。

因此，通过变换、替代、逆变换获得的融合图像，既具有全色图像高分辨率的纹理，又保持了多光谱图像的色调和饱和度。

（4）基于小波变换法
在众多图像融合技术中，基于小波变换的图像融合方法已成为多数图像处理系统的标准算法之一。

这类算法主要是利用人眼对局部对比度的变化比较敏感这一事情，根据一定的融合规则，在多幅原图像中选择出最显著的特征，例如边缘、线段等，并将这些特征保留在最终的合成图像中。

在一幅图像的小波变换中，绝对值较大的小波系数对应于边缘这些较为显著的特征，所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方面上的高频系数，从而达到保留图像边缘的目的。

虽然小波系数（高频系数）的选择对于保留图像的边缘等特性具有非常主要的作用，同时尺度系数（低频系数）决定了图像的轮廓，因此正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用。

通过基于小波变换图像融合中小波基的选取或融合规则及融合算子的不同选择，可得到满意的融合图像。

（5）Pan Sharpening（全色锐化）融合算法
Pan Sharpening（全色锐化）融合算法是由加拿大新布伦瑞克大学的张云博士（2002）开发的。

Pan Sharpening（全色锐化）融合算法相比较其他融合方法，与众不同的地方主要体现在两方面：一方面它是基于最小二乘算法对参与融合影像波段的灰度值进行最佳匹配，使原始多光谱、全色数据与融合后多光谱、全色数据之间的灰度值关系达到近似，融合后影像在色彩保真的同时，同时保留了地物纹理细节和空间分布细节；另一方面算法还对参与运算的所有波段进行特有的统计分析运算，通过分析来消除融合效果对操作员经验的依赖以及数据自身质量的优劣，提高融合过程的效率。

融合后影像增强处理
1．基于直方图的图像增强
融合后影像处理是保证成果质量的重要技术环节，融合后影像通常亮度偏低、灰阶分布动态范围小，色彩不够丰富。

直方图均衡化算法是图象增强空域法中常用的算法之一，它以概率理论作基础，通过对已知灰度概率密度的图像进行某种变换使其变成一幅概率密度服从均匀分布的新图像，这样调节了灰度取值的动态范围，增强了图像的对比度，从而达到图像增强的目的。

此外，采用线性或非线性拉伸、亮度对比度、色彩平衡、色度、饱和度和明度调整等方法进行色调调整。

处理后的影像要达到灰阶分布具有较大动态范围，纹理清晰、色调均匀、反差适中，色彩接近自然真彩色，可以清晰判别耕地等重要地类类型。

较小灰度动态范围图较大灰度动态范围图
为了形成完整的监测区影像文件，对分块融合的影像须进行色调调整。

色调调整时应保留多光谱影像的光谱信息和全色影像的纹理细节，以便进行变化信息分析。

同时，注意视觉效果，为去除杂色保证整体反差，必要时牺牲部分光谱信息和纹理，达到自然真彩色的效果，但要区分不同地类边界。

2．去云雾
采用数字图像处理技术对遥感图像进行去雾处理的方法有很多种，这里采用图像增强算法，即从遥感图像呈现的低亮度和低对比度的特征考虑，按照特定需要突出图像中的某些信息，削弱或去除某些不需要的信息来完成的。

我们通过灰度直方图变换方法把有雾图像的直方图变换为均匀分布的形式，从而增加像素灰度值的动态范围达到增强雾天图像整体对比度的效果。

11.1.4公司形象展示
11.2信誉证书、荣誉证书、相关资质证书
11.2.1卫星遥感影像技术服务ISO（9001）认证证书复印件
11.2.2卫星影像质量快速检验系统著作权登记证
11.2.3历史遥感图像检验系统著作权登记证
11.2.4锁眼卫星影像处理软件著作权登记证
11.2.7多时空多光谱数据处理系统著作权登记证
11.2.8高新技术企业认定证明文件
北京揽宇方圆信息技术有限公司。