针对不同融合算法的遥感影像分类方法研究 - 图文(6)

河南理工大学本科毕业论文

4.3.1新方法的基本思想

新算法采取系数融合法，可以根据需要调整系数的分配，融合过程如图所示：

图4.4IHS和小波变换结合算法融合流程图

流程图的含义总结为：

1.对多光谱图像进行IHS变换，得到亮度、色度与饱和度三个分量； 2.将全色图像与多光谱图像的亮度分量作直方图匹配；

3.利用小波变换融合方法来融合多光谱图像的亮度分量与全色图像，用融合结果替代多光谱图像的亮度分量；

4.对多光谱图像的亮度、色度与饱和度三个分量作IHS反变换得到融合图像[16]。 其中，第三步的系数融合是指将小波分解后的波段按一定的比例进行融合，设a、B、C、D分别表示融合系数、多光谱波段、全色波段、融合波段，则系数融合过程可以表述如下：

D?a?B??1?a??C0?a?1（4.11）

试验中可以自由选择系数a的大小，经过反复的实验探索，最终证明a值越大，融合图像的光谱特征越丰富，信息量也越大，但图像分辨率越低。 4.3.2Matlab实现及结果

MATLAB中实现的代码也是IHS和小波变换的结合，只需把IHS分解得到的新亮度分量进行小波分解，然后与同样小波分解的全色影像进行系数融合处理，代码如下：

20

河南理工大学本科毕业论文

clear

u1=zeros(3，1); u2=zeros(3，1); v11=zeros(3，1); v12=zeros(3，1); A=zeros(3，3); B=zeros(3，3);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

A=[1/sqrt(3)，1/sqrt(3)，1/sqrt(3); 1/sqrt(6)，1/sqrt(6)，-2/sqrt(6); 1/sqrt(2)，-1/sqrt(2)，0];

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

B=[1/sqrt(3)，1/sqrt(6)，1/sqrt(2); 1/sqrt(3)，1/sqrt(6)，-1/sqrt(2); 1/sqrt(3)，-2/sqrt(6)，0];

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

MS=imread('C:\\Users\\Administrator\\Desktop/MS.jpg'); PAN=imread('C:\\Users\\Administrator\\Desktop/PAN.jpg'); figure(1) imshow(MS); title('多光谱图像'); figure(2) imshow(PAN); title('全色图像');

[hang，lie，color]=size(MS); for i=1:hang for j=1:lie

v11(1)=double(MS(i，j，1)); v11(2)=double(MS(i，j，2)); v11(3)=double(MS(i，j，3)); u1=A*v11;

21

I(i，j，1)=v11(1); end end

I=uint8(round(I)); figure(3) imshow(I); title('亮度分量');

[c1，s1]=wavedec2(I，2，'sym4'); sizec1=size(c1); for i=1:sizec1(2); c1(i)=1.2*c1(i); end

[c2，s2]=wavedec2(PAN，2，'sym4'); c=c1+c2; c=0.5*c; s=s1+s2; s=0.5*s;

II=waverec2(c，s，'sym4'); II=uint8(round(II)); figure(4)

imshow(II)，title('新亮度'); [hang，lie，color]=size(MS); for i=1:hang for j=1:lie

v11(1)=double(MS(i，j，1)); v11(2)=double(MS(i，j，2)); v11(3)=double(MS(i，j，3)); v12(1)=double(II(i，j，1)); v12(2)=double(II(i，j，1)); v12(3)=double(II(i，j，1)); u1=A*v11; u2=A*v12; u1(1)=u2(1); v11=B*u1;

河南理工大学本科毕业论文

22

河南理工大学本科毕业论文

RGB(i，j，1)=v11(1); RGB(i，j，2)=v11(2); RGB(i，j，3)=v11(3); end end

RGB=uint8(round(RGB)); figure(5) imshow(RGB); title('融合图像');

imwrite(RGB，'E:\\毕业设计\\成果图像\\xb&ihs2.jpg'，'jpg'); 程序运行的最终结果是：

图4.5 IHS小波结合融合结果

23

河南理工大学本科毕业论文

5 融合图像的质量评价

前面两个章节，详细讲述了遥感影像融合实验，并最终得到了不同融合结果。那么，这些融合结果有什么优缺点？怎么分辨结果图像的好和坏？这一章，我们将作一个全面系统的评价，给出以上两个问题的答案。具体的评价方式是从定量和定性两个方面进行分析和说明。定性评价则是主观的评价各影像的优劣[17]。比如观察图像的光谱特征是否丰富，图像的分辨率是否得到提高，图像的颜色、纹理、边缘等是否和源图像差别很大等。定量评价一方面是指通过测定融合图像的信息熵、相关系数、清晰度等指数来直接比较融合前后的各遥感影像，另一方面采用影像分类及精度评价结果来间接的说明融合前后各图像的优缺点。 5.1定性评价

前面第二章介绍了遥感影像的三个基本特征，本节将从其中的两个特征—波谱分辨率和空间分辨率来定性的评价融合前后图像的优点和不足之处。 5.1.1定性评价简介

定性评价是判别人员直接根据视觉所及来主观的对影像的表征现象进行评估[18]。评价过程简单而高效，既不需要深入的探究图像的形成原理，也不需要复杂的指标计算。通过观察融合前后影像，可以直观的分辨出图像的光谱是否扭曲和空间分辨率是否提高以及图像信息是否丢失等，还可以判断出图像的纹理、色彩是否发生较大变化，还有亮度、色调、清晰度等的变化情况也会一目了然。所以，在评价要求不是特别高的情况下，主观的定性评价是最简单而常用的方法。但由于主观定性评价所依靠的工具是人的视觉系统，而每个人对事物的感知能力又有所不同，所以，不同人的评价结果不一定统一。这就需要一些统一的定量指标来弥补定性评价这方面的不足。 5.1.2评价过程及结果

本文将利用MATLAB软件中的subplot函数来将所有融合结果及源图像在同一个窗口呈现，在窗口中可以自由的对图像放大或缩小。通过比较分析，可以系统全面的评价各影像的优点和不足，并以表格的形式来展示评价结果。显示窗口如下：

24