多源遥感数据融合课件

1、多源遥感数据融合探讨 李文波2007年5月28报告内容安排Part one ： 多源遥感数据介绍Part two： 多源遥感数据融合Part three：融合算法探讨Part four： IKONOS & QB 融合效果Part five： 融合中的难点 Part one ： 多源遥感数据介绍 1972年7月23日美国发射第一颗地球资源卫星 ERTS-1； 1975年发射ERTS-2，改名Landsat-2； 1978年发射Landsat-3； 1982年在Landsat1-3的基础上改进设计并发射Landsat-4； 1984年发射Landsat-5； 1993年发射Landsat-6卫星，

2、上天后由于故障陨落； 1999年发射Landsat-7。数据特点： 光谱信息丰富 覆盖面积大 空间分辨率相对较高 覆盖面积为185185km2，回归周期为16天或者18天。影像的空间分辨率从多光谱扫描仪MSS的80米专题制图仪TM影像的30米增强性专题制图仪ETM+的全色Pan波段的15米。Multi-sensor dataSensor one：LandsatRGB321Sensor one：LandsatRGB752Multi-sensor dataRGB432Multi-sensor dataSensor two：SPOTCBERS系列卫星：即中巴资源卫星（ China-Brazil Ea

3、rth Resource Satellite ）1999年10月CBERS-1发射2003年11月CBERS-2发射该卫星特点（1）20米分辨率的5谱段CCD (charge coupled device )相机,其采用推帚式扫描,扫描宽度113km；（2）80米分辨率的3波段多光谱扫描仪（MSS），扫描宽度120km；（3）160米分辨率的1个波段热红外扫描仪，扫描宽度120km ；（4）256分辨率的2个波段宽视场成像仪（WFI），扫描宽度890km；（5）重复观测周期是26天，由于CCD相机具有侧视功能，观测同一地区的最短周期可以为3天。Multi-sensor dataSensor t

4、hree： CBERS高分辨率商业卫星Quick-Bird 单波段星下分辨率为2.44米,全色分辨率为0.61米,其一副图象可以覆盖16.516.5km2.IKONOS 单波段星下分辨率为4米,全色分辨率为1米,其一副图象可以覆盖1111km2低分辨率卫星 MODIS卫星 其可见分辨率比陆地卫星低,光谱分辨率高,回归周期短,最多一天可以获得4条过境图象,共有36个波段数据。Multi-sensor dataSensor four：Quick-Bird & IKONOS & MODISPart two ：多源遥感数据融合多源遥感影象数据特点：冗余性：表示多源遥感影像数据对环境或目标的表示、描述或

5、解译结 果相同 互补性：指信息来自不同的自由度且相互独立合作性：不同传感器在观测和处理信息时对其它信息有依赖关系 融合目的： 将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。融合实质： 在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息。Data FusionPart three：融合算法探讨遥感数据融合流程图 问题： 低 分 辨 率 影 像 如 何 选 择 ？ 问题： 高 分 辨 率 影 像 如 何 选 择 ？融合

6、分类：按照信息抽象程度可以分为像素层、特征层和决策层像素级：优点： 保留了尽可能多的信息，具有最高精度，三级融合层中为研究最成熟的一级，已经成了丰富的融合算法。 局限性： 1. 效率低下。由于处理的传感器数据量大，所以处理时间较长，实时性差 2. 对参与融合遥感影像配准精度要求很高。特征级融合 特征级融合是一种中等水平的融合。其先是将各遥感影像数据进行特征提取，提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。决策级融合 决策级融合是最高水平的融合，融合

7、的结果为指挥、控制、决策提供依据。在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得到目标或环境的融合属性说明。决策级融合的优点时具有很强的容错性，很好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特征提取有较高要求，所以决策级融合的代价较高。表1 三级融合层次的特点像素级特征级决策级代数法熵法专家系统IHS变换表决法神经网络小波变换聚类分析Bayes估计K-T变换Bayes估计模糊聚类法主成分变换神经网络法可靠性理论回归模型法加权平均法基于知识的融合法Kalman滤波法Dempater-shafer推理法Dempater-shafer推理法表2 三级融合层次下

8、的融合方法像素级融合主要分类（1）基于光谱（彩色）域变换的融合技术 亮度色调饱和度变换（Intensity-Hue-Saturation， IHS）变换 和比值变换(Brovey Transform, BT)和主成分变换(Principle Component Transform, PCT)等 特点：每次该类技术每次只能对3个波段数据融合（2）基于空间域信号分解和重构的融合技术 小波变化（Wavelet transform, WT） 基于亮度平滑滤波变换(Smoothing Filter-based Intensity Modulation, SFIM) 高通滤波变换（High Pass Fi

9、lter, HPT）等特点：其能对任意波段进行融合（3）基于算术运算的融合技术 乘积变换(Multiplication Transform, MT )和加法变换等 特点：模型简单可以对任意波段进行融合Fusion Methods IHS变换 3个波段合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度I，色度H，饱和度S，它们分别对应3个波段的平均辐射强度、3个波段的数据向量和的方向及3个波段等量数据的大小。RGB颜色空间和IHS色度空间有着精确的转换关系。 以TM和SAR为例，变换思路是把TM图像的3个波段合成的RGB假彩色图像变换到IHS色度空间，然后用SAR

10、图像代替其中的I值，再变换到RGB颜色空间，形成新的影像。Fusion Methods比值法融合模型（Brovey Transform，BT ） 特点：它将参与RGB组合的每个波段与该组合波段总和做比值计算进行正规化，以保持低分辨率影像的光谱分辨率，然后将比值结果乘以高分辨率波段的亮度以获取高频空间信息 。 具有很高的光谱信息保真度。 缺点：对中高光谱的低空间分辨率RGB组合选择比较麻烦。如TM/ETM+的RGB组合多大20种。 问题：如何改进？Fusion MethodsSFIM融合算法 SFIM (Smoothing Filter-based Intensity Modulation Tr

11、ansform),即基于平滑滤波的亮度变换，其融合算法为： 特点：该算法可以视为在低分辨率影像中仅引入了高分辨率影像的纹理信息，它能很好保持低分辨率影像的光谱特性。 优点：能对任意波段融合，光谱保真度好 缺点：融合效果中存在“胡椒面现象” 问题：如何改进？Fusion Methods高通滤波（加法）融合算法 HPF（High-Pass Filter ）变换该算法采用高通滤波融合算法，算法公式为： 特点：该算法采用高通滤波来抑制高分辨率影像中的低频光谱信息和增强高频空间信息，处理后的高分辨率影像和低分辨率影像相加可以达到提高低分辨率影像的空间分辨率。 优点：可以对任意波段融合 Fusion Me

12、thods Modified Brovey Transform (MBT) 特点：计算简单可以对任意波段融合 优点：具有高高频信息融入度 缺点：光谱信息保证度比较查点 问题：n任何选择？Fusion Methods融合效果评价 评价融合影像的质量是遥感图像融合的一个重要步骤。 评价融合效果主要包括定性和定量评价两种。 定性评价一般选用目视法解译。 定量评价选择：均值、标准差、熵、光谱偏差度、均方根差和相关系数等 定量评价分为：融合图像的整体质量、融合图像和低分辨率图像的光谱信息保真度和融合图像与高分辨率图像的高频信息保真度（纹理信息）三个方面。Evaluation 融合图像的整体质量评价指标均

13、值：均值越大说明影像含信息量越高标准差：反映图象灰度相对于灰度均值的离散情况。 标准差大，则图像灰度级分散，图像反差大，信息量丰富熵：熵越大说明整体图像的信息含量高Evaluation光谱保真度评价1.保真度D F为融合影像均值，B为原始影像均值，MN为像元总数。D反映了融合图像和原始图像在光谱信息上的差异和光谱特性变化的平均程度，值越小说明光谱信息损失少,在理想情况下D=0。2.原始图像和融合后图像的光谱曲线Evaluation高频信息保真度评价相关系数 F为融合生成图像的灰度值，f为融合图像的均值；A为源图像灰度值，a为源图像的均值，通过计算融合图像和高空间分辨率图像之间的相关系数，相关系

14、数越大说明高频信息融入越高。 Evaluation高频信息保真度评价方均根误差 (Root Mean Square Error, RMSE) RMSE能灵敏地检测出n维空间中任意两个向量的相似性，故该方法能定量评价融合方法的高频信息（纹理）融入度 . 其中F为融合产生图像的亮度均值；B为融合前图像的亮度均值，此处为高空间分辨率波段；n为参与融合的波段数。RSME值越小，说明高分辨率图像的高频信息融入度越高。Evaluation Part four：IKONOS & QB 融合效果IKONOS融合结果原始全色波段Original data光谱波段RGB321IKONOS融合结果MBT （RGB321）Fusion Result of IKONOSSFIM （RGB321）WT（RGB321）MT（RGB321）Fusion Result of IKONOSIKONOS融合结果表3 相关系数表Evaluation光谱曲线图EvaluationQB融合结果Original data原始PANRGB321Fusion Result of QBMBT（RGB321）WT（RGB321）Fus