常见的有图像复合ImageFusion影像融合ImageMerging-Read

第十章遥感影像复合 10 1影像复合的概念10 2影像复合的作用10 3影像复合的方法10 3 1基于特征的复合10 3 2基于判决水平的复合10 3 3基于像元的复合10 4遥感与地理信息系统的结合 第十章遥感影像复合 影像复合的概念 多种名称 常见的有 图像复合 ImageFusion 影像融合 ImageMerging 数据复合 DataFusion 数据综合 DataIntegration 影像综合 ImageIntegration 信息复合 InformationCombination 等 还有学者称结合 Combined Lichtenegger 1991 重合 Coincident Crist 1984 互补 Complementary Koopmans和Forero 1993 组合 Composited Daily等 不同的学者定义Keys 1990 Franklin Blodgett 1993 定义为输入某区域的空间 时间 光谱都不同的影像数据 对像元第三个新值的计算 Mongolini 1994 将数据复合定义为利用多源数据不同的特点 以提高数据信息质量的方法 这一定义不仅包括遥感影像的复合 而且包括与其它实际数据如地形图 全球定位系统 GPS 数据等的复合 Shufet和Mckeown 1990 考虑到在图像处理中不同水平上的复合 定义为信息复合 此处指在复合前已将信息解译到知识水平 影像复合的作用 1提高分辨率 多光谱影像与高空间分辨率影像复合 Smard 1982 Cliche等 1985 Price 1987 Carper等 1990 Franklin和Blodgett 1993 Ranchin等 1996 我国学者贾永红 1997 方红亮 1998 丘志成 1990 等 多光谱波段 XS 和全色波段 PAN TM资料与全色波段 PAN 多波段资料与高分辨率航空资料的复合或雷达数据 2 2改善几何配准精度和几何校正精度 提高影像分辨率 使得图像几何配准精度极大地提高 Ehlers 1991 Welch等 1985 1990 2 3产生立体影像数据 有利于目视对地物分辨与识别 从而有利遥感图像目视解译 不同空间分辨率的VIR 可见光与红外光谱 和VIR数据多视角的SAR和SAR数据及VIR和SAR数据复合 2 4提高分类精度 多源影像复合 以实现不同信息的互补 缺失数据部分的补合提高分辨率等Griffiths 1988 Haack和Slonecker 1991 Ranchi 1996 Hussin和Shaker 1996 Franklin和Blodgett 1993 等 2 5特征增强 增强了各项观察特性 如微波与可见光传感的资料复合 Ehlers 1991 Daily等 1979 Franklin和Blodgett 1993 Keys等 1990Mitiche和Aggarwal 1986Welch和Ehlers 1987 2 6变化监测 图像差值法 ImageDifferencing 是将一个时相的某一谱段光谱密度值减去另一时相对应象元光谱密度值 从而产生差值图像进行动态监测 DXij为两时相的图像 k为波段 i和j为象元的行列数 t1 t2分别代表第一 第二时相 C是人为常数以消除减法运算中出现的负值 图像比值法 ImageRatioing 是将一时相的某一波段光谱值除以另一时相对应象元的光谱值 从而获得比值图像 从而进行变化监测的方法 3影像复合的方法 基于判决水平的复合基于特征的复合基于像元的复合但以基于像元的复合法为主 根据图像处理过程中影像复合发生的阶段不同 影像复合可分为 3 1基于判决水平的复合 首先对图像进行处理提取信息 如划分成大类 然后结合判决规则的应用加强解译 解决分歧及进一步更好地了解观察对象 这是一种高水平的复合 它更有利于细分与制图 关键 在于对初分为大类后选择各大类的特征影像进行复合 以便细分 特征是指从最原始图像提取的特点 主要指环境如范围 形态 相邻等 基于特征的复合首先分别从各数据源中提取物体特征 然后再复合 由于遥感图像结构特征的表达常不成熟 因而基于特征的复合研究有相当大的难度 研究论文也较少 Mangolini 1994 我国学者孙家柄 刘继林基于小波理论对航片及TM的特征进行融合 2基于特征的复合 3 3基于像元水平的复合 RGB合成加 减 差值 乘 除法 加权复合法主成分变换 逆变换复合 RGB IHS变换法小波变换高通滤波 综合方法 如高通滤波与波段综合 嵌合与其它方法结合等 图像处理过程中的最初阶段进行复合 主要方法有 1 RGB合成将相同或不同传感器遥感资料的不同波段赋予红 R 绿 G 兰 B 进行叠加合成形成复合影像 即假彩色图像 2 影像加 减 乘 除复合法不同时期 不同遥感平台 或相同平台不同波段影像进行加 减 乘 除等运算 得到复合影像的方法 3 加权复合法 权Pi Pj可根据经验对某被复合影像i和j需要强调的程度确定 也可运用相关系数确定 4 主成分变换 逆变换复合 多光谱影像主成分变换 求出第一主成分 然后用高分辨率数据取代第一主成分并进行主成分逆变换 得出复合影像 基本条件 高分辨率影像数据应包含第一主成分PC 1多光谱影像信息 或与之几乎相等 5 RGB IHS变换法 高空间分辨率全色影像P代替I分量 逆变换过程中可有不同的变换模式 邱志成 1990 HIS变换过程也有多种模式 贾永红 1998 因此该方法有多种模型 6 Brovery变换法 Brovery变换是一种颜色归一化变换方法 它将RGB影像进行多光谱波段颜色归一化 并将高分辨率全色影像与各个波段灰度值分别相乘得到融合影像 Brovery变换运算简单 并能在保持原始影像光谱信息的同时取得锐化影像的作用 7 小波变换 影像频域分析 同一地区不同类型的影像 低频部分差别不大 高频成分相差很大 小波变换后在变换域内具有分频特性 影像锐度明显提高 复合过程为 先在确定的邻区窗口内 在分辨率2j下 分别对复合的影像数据统计均值和方差 然后确定子带和基带复合值 子带复合值为 j为分层号 K 1 2 3 K 待复合的不同波段影像 式中 WAK 2j x y WBK 2j x y 分别为待复合的影像A B的子带数据 DAK 2j x y DBK 2j x y 分别为以 x y 为中心像元的邻区窗口方差 基带复合值为 A 2j x y K1AA 2j x y K2AB 2j x y 式中 AA 2j x y AB 2j x y 分别为最低分辨率层待复合影像A B的基带数据 K1 K2为权系数 经小波逆变换重建复合影像锐度明显提高 8 遥感影像与DTM数据之间的复合 利用DTM数据 消除影像上由于地形起伏而产生的几何变形 提高遥感影像的定位精度 DTM数据也可作为辅助数据 用于遥感像分类识别 提高遥感影像分类精度 如提取坡度坡向作为一个波段直接参与分类 如提取知识与规则后参与分类 应属判决水平的复合 利用计算机图形学的算法 利用DTM数据 可生成具有真实感的三维立体图象 9 4遥感与地理信息系统的结合 地理信息系统 GIS 具有强大的管理 检索和综合分析各种地理空间信息的能力 利用GIS 可充分利用非遥感信息 极大地减少解译中的不确定性 提高遥感影像分类精度 是解决同物异谱 同谱异物的有效手段 1 GIS在遥感影像解译中的作用 对遥感影像进行辐射较正 消除或降低地形差异的影响 几何校正过程中 协助地面控制点的确定 监督分类过程中 协助训练样本的选取 与遥感影像叠合 协助目视解译 作为解译结果的检验数据 作为解译的直接或间接数据 增加遥感影像信息量 提高遥感影像解译精度 2 遥感解译利用GIS空间数据模式 松散结合 向量空间叠合 统计模式 基于人工智能的方法 松散结合GIS空间数据仅作为一种参考数据 并没有发生GIS与RS数据实质上的定量融合运算 如遥感影像与GIS图形数据叠合 进行人机交互解 或进行训练样本的选取 再如对遥感影像与GIS图形数据进行地连接 Geo link 选择地面控制点 或对分类结果进行校验 向量空间叠合 GIS数据进行格式转换后 作为附加波段向量 与遥感数据一起共同构成多维向量空间 进行影像分类 可表示为 统计模式 主要有二种 利用贝叶斯概率公式 以先验概率的形式引入非遥感数据 以概率松驰标记法来利用非遥感数据 在最大似然法分类过程中 一般情况下 先验概率未知 则假定各类相等 数值设定为1 在有非遥感数据 并能计算出先验概率情况下 则可直接引入贝叶斯分类中 求取似然率P i 用于判别象元所属地类 概率松驰法首先利用GIS数据将研究区分成不同意义区域 但不直接求得先验概率 在首次进行监督促分类时 各类先验概率仍假定为相等 得到分类结果 利用分类结果求算先验概率 再进行分类