针对不同融合算法的遥感影像分类方法研究 - 图文(3)

河南理工大学本科毕业论文

图2.1像素级融合流程图

2.2.2特征级融合

特征级融合是将遥感影像进行特征提取后，对提取结果进行综合分析和处理的过程。这里所说的分析处理就是指数据融合和特征属性说明，特征级融合是一种中间层次的融合技术，在对图像融合之前，必须进行比较严密的特征提取处理，并对提取的矢量特征进行分类整合。目前，特征级融合研究相对较少，融合所需的算法也不够成熟，比较著名的是模糊识别技术和神经网络算法。融合前所提取的的特征信息可以是地物的边缘、纹理、形状等。由于特征级融合不同于像素级融合那样基于像元进行处理，所以，其对图像配准要求不是特别严格，对数据来源及遥感平台类型的选择也更加没有限制。

特征级融合的优点是实现了客观的信息压缩，且实时性较好。由于融合前已经对图像进行特征提取，且提取的特征信息和决策分析直接相关，所以，特征级融合可以最大限度的提供给我们决策分析所需要的特征信息。当然，它的缺点是原始影像的细节信息会损失较大。

图2.2特征级融合流程图

2.2.3决策级融合

决策级融合是遥感影像融合领域最高层次的融合技术，它对传感器类型选择的要求更低。处理过程是相同或不同传感器对同一目标获得的影像数据可以先进行预处理、特征提取和属性说明，以建立初步的决策分析，然后选择合适的融合算法分别进行处理，最终获得更为精确的融合结果。因此，决策级融合是建立在特征级融合之上的，其在融合之前就对特征提取的信息进行了特征分类和属性说明，这样可以充分而精准的给出融合的方法和结果，直接作为决策依据。目前决策级融合主要算法有自组织神经网络法、

5

河南理工大学本科毕业论文

模糊图像融合等。

决策级融合由一个显著的优点，那就是尽管当一个或多个传感器数据同时失效时，仍然可以给出正确的决策，所以它的容错率很高。除此之外，决策级融合还具有对图像的来源和一致性要求不高、不需要精确的配准、实时性好的优点。它的缺点是原始图像信息丢失比较严重；而且为了满足决策的精确度，其对特征提取有较高的要求，这就造成决策级融合处理成本较高的问题。

图2.3决策级融合流程图

通过比较可以发现，像素级融合是当今遥感影像融合领域最重要，研究及应用最广泛的融合层次。它处理过程简单而易于理解，且可以保留较多的原始图像信息，实用性也最好，是本文主要的的研究方向。

6

河南理工大学本科毕业论文

3 传统融合方法介绍

本章节所介绍的传统融合方法是指基于遥感数据处理软件Envi下的PC Spectral Sharpening、Color Normalized(Brovey)、Gram-Schmidt Spectral Sharpening等融合方法，这些方法各有各的优点和不足，本文将做详细对比和验证。本章已正式进入实验介绍阶段，传统融合方法的实验过程均在ENVI4.8软件中操作实现，本章不仅简单扼要的介绍了各传统融合算法的原理，还给出了实验的操作步骤和结果。实验所用到的两幅遥感影像如下：

图3.1 原始多光谱影像 图3.2原始全色影像

3.1PC Spectral Sharpening

主成分分析又称为K-L变换，是变换域融合算法中具有代表性的的一种，它广泛应用于图像增强、压缩和融合领域等。 3.1.1PCA融合方法的原理

Envi软件中的PC Spectral Sharpening融合方法基于的原理是主成分分析变换思想，主成分分析的原理是将多维数据降维处理，具体做法是在统计特征基础上进行线性变换，把多个分量变化为几个具有的代表性的少数分量。PCA变换不仅应用于图像融合，还可以应用于图像压缩、增强处理[5]。主成分变换对波段没有限制，可以作用于低分辨率影像的多个波段，通过K-L变换，将低分辨率的多个分量变换为所占比重比较大的少个分量，同时对高分辨率影像进行直方图匹配，匹配的模板就是低分辨率影像通过K-L变换的第一分量，使它的灰度均值和方差与第一分量相像，然后将匹配后的高分辨率影像替换主成分变换的第一分量，最后通过主成分逆变换形成新的融合图像。因此，PCA融合方法的重点是主成分分析和变换，主成分分析主要的过程如下：

7

河南理工大学本科毕业论文

（1）设有n幅遥感影像，标准化采集m维，对原始影像进行处理，得标准化矩阵z：

z?z??z

?zz??21????zn11112z22?zn2??zn3z2m?? ???znm?1m（3.1）

（2）求取协方差矩阵：

（3）求取R的特征向量：

R??r??m?m

（3.2）

?a11??a12??a1m??a??a??a?a1??21?a2??22?,?a3??2m?

???????????????aaa?m1??m2??mm?

（3.3）

（4）得出主成分：

Fi?a1iX1?a2iX2???amiXm,i?1,2,?,m

（3.4）

3.1.2ENVI实现过程及结果

PCA融合方法在遥感图像处理软件Envi中已经实现，我们可以很方便的进行传统的融合实验，实验步骤如下：

1.打开ENVI4.8软件，点击主菜单中的Window，选择Available Bands List，分别打开全色影像PAN和多光谱影像MS；

2.点击ENVI主菜单中的Transform >Image Sharpening >PC Spectral Sharpening； 3.出现Select Low Spatial Resolution Multi Band Input File对话框时，选择打开的多光谱影像；

4.出现Select High Spatial Resolution Input File对话框时，选择打开的全色影像； 5.出现PC Spectral Sharpen Parameters窗口，选择输出到“File”，设置输出的路径和文件名，点击“OK”开始处理

实验结果如下：

。

8

河南理工大学本科毕业论文

图3.3 PCA融合结果图

3.2Color Normalized（Brovey）

Color Normalized是ENVI中的另一个融合方法，它基于的原理是Brovey变换，Brovey变换因由美国科学家Brovey首先建立模型并推广而得名。 3.2.1Brover融合方法的原理

Brovey变换的原理比较简单，是一种基于标准彩色理论的融合方法，所谓的标准彩色理论既是指RGB色彩理论。Brovey变换由于模型简单而深受欢迎，是目前应用十分广泛的RGB变换融合方法，简单的说它是将高分辨率影像数据和多光谱进行数学上的合成，即用RGB影像的每一个波段都乘以高分辨率影像数据与多光谱数据的波段总合的比值，然后选用最近邻域、双线性或三次卷积等重采样方法重采样到多光谱影像的像元尺寸[6]。本方法对影像预处理要求较高，融合前需对原始图像进行去噪和滤波处理。其融合过程如下：

9