《《遥感原理与应用》实验报告——影像融合(共4页).doc》由会员分享，可在线阅读，更多相关《《遥感原理与应用》实验报告——影像融合(共4页).doc（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上实验名称：影像融合1、 实验内容1. 对TM影像和SPOT影像进行HSV数据融合。2. 查阅相关资料用envi软件实现一种数据融合的方法，如Brovey、PCA等。3. 利用均值、标准差、特征值等参数对上述两种方法的融合效果进行评价。2、 实验所用的仪器设备，包括所用到的数据电脑一台，Window7操作系统，遥感影像处理软件（ENVI4.3)英国伦敦的TM影像数据lon_tm和SPOT影像数据lon_spot。3、 实验原理1. 定义：图像（影像）融合是指将多余遥感影像按照一定的算法，在规定的地理坐标系中，生成新的图像的过程。2. 目的： (1) 提高图像空间分辨率
2、(2) 改善分类 (3) 多时相图像融合用于变化检测3. 基本原理(1) HSV变换法： HSV（hue, saturation, and value：色调，饱和度，亮度值）。首先将多光谱图像经HSV变换得到H、S、V三个分量。然后将高分辨率的全色图像代替V分量，保持H、S分量不变。最后再进行HSV变换得到具有高空间分辨率的多光谱图像。(2) Brovey变换法:对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB图像的像元将与高分辨率数据
3、的像元大小相同。 4. 评价指标(1) 均值与标准差 （公式1） （公式2）上述两个式子中，n表示图像总的像素的个数，xi为第i像素的灰度值。(2) 特征值设 A 是n阶方阵，如果存在数m和非零n维 x，使得 Ax=mx 成立，则称 m 是A的一个特征值（characteristic value)或（eigenvalue)。非零n维列向量x称为A的属于（对应于）特征值m的特征向量或本征向量，简称A的特征向量或A的本征向量。四、 实验步骤及其结果分析1. 打开并显示影像打开envi主菜单下File/Open External File/IP Software/ER Mapper子菜单，选择lon
4、_tm和lon_spot文件，并分别进行显示，如图1，图2。 图1 TM多光谱原始影像 图2 SPOT全色原始影像2. 调整影像大小(1) 选择Basic Tool/Resize Data(Spatial/Spectral)菜单，输入文件lon_tm，单击OK。(2) 在Resize Data Parameters 对话框的xfac文本框输入2.8，yfac文本框输入2.8009。输入输出文件名，单击OK，输出调整大小后的TM影像。(3) 链接显示调整后的影像。在一个窗口显示调整大小后的TM影像，在该影像的主影像窗口选择Tool/Link/Link Displays，将该影像与SPOT全色影像
5、进行链接显示，如图3、图4。(4)TM影像是多波段彩色的影像，而SPOT全色影像单波段影像，后者轮廓更为清晰。 图3 调整大小后的TM影像图 图4 链接显示后的SPOT影像图3. HSV变换融合(1) 在ENVI的主菜单选择Transform/Image Sharpening/HSV。(2) 在Select Input Bands 对话框中直接选择对应影像。(3) 从High Resolution Input File对话框中选择SPOT影像，点击OK.(4) 输入输出的文件名：logtmsp.img，在HSV Sharping parameters对话框中点击OK.4. Brovey变换融合
6、(1) 在ENVI的主菜单选择Transform/Image Sharpening/Color Normalized (Brovey)。(2) 在Select Input Bands 对话框中直接选择对应影像。(3) 从High Resolution Input File对话框中选择SPOT影像，点击OK.(4) Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名Brovey.img，点击OK输出结果。5. 结果显示、链接和比较 (1) 显示融合后的影像，如图5，图6。 (2) 在主影像窗口选择Tools/Link/Link Displays，将
7、原始的TM影像、SPOT影像及融合影像进行比较。 图5 HSV变换融合后的影像图 图6 Brovey变换融合后的影像图6. 结果分析： (1) 目视分析：u 两种融合方法的融合影像都将高分辨率影像（图4）的空间信息和多光谱影像（图3）的光谱信息有机结合，融合影像在分辨性、清晰性上有很大提高。通过对居民区建筑物轮廓及对其他目标的影像细节进行比较很容易验证这一点。但是，仍可看出差别。u 通过HSV融合后，融合后的影像（图5）和全色影像（图4）相比较，融合后的影像色彩信息更加丰富，影像的分辨率基本上没什么变化。融合后的影像与多光谱影像（图3）相比较，影像的分辨率有了很大的提高，色彩的亮度、色度、饱和
8、度都有较明显的改变，颜色分布与地物信息的吻合度比较高，使得地物信息得到极大的丰富和便于辨别和分析。u Brovey融合后的影像（图6）色彩畸变比较大，与多光谱影像（图3）相比较，影像上的地物的清晰程度有很大的提高，分辨率较高，但是影像中的阴影地方初相蓝色，颜色不符合实际。绿色植物的颜色变得过于鲜绿。融合后的影像存在色彩失真的问题。 (2) 定量分析：为了客观和定量地比较两种方法的融合效果，利用反映亮度信息的评价参数(均值和标准差)、以及特征值来进行综合评价。融合后影像与原始影像相关统计量如表1所示。 表1 各影像的性能统计参数影像波段均值标准差特征值TM多光谱Band 1116.82 43.3
9、2 5693.31 Band 2125.34 44.05 196.58 Band 3114.33 46.35 76.04 HAV变换Band 1100.21 59.69 10259.53 Band 2113.19 59.36 513.58 Band 3101.73 62.86 264.55 Brovey变换Band 138.95 17.63 806.80 Band 245.47 18.53 143.06 Band 339.64 19.16 71.31 u 从均值结果可以看出，HAV变换均值较大，所以HAV变换在提高图像的亮度方面效果更好。u 从标准差来看，Brovey变换的标准差明显小于HAV
10、变换的标准差，说明HAV变换的像素分布离散程度更大。u 相比于另外几幅图像，HAV变换后图像微小细节反差和纹理变化特征的表达能力大大增强。图像的清晰度得到了很大幅度提高。u 这些统计参数的变化与各种融合方法的理论分析结果一致与人的视觉效果的变化一致 。 (3) 总结： 通过目视分析和定量分析比较两种方法的融合效果，得出结论：HAV变换融合效果优于Brovey变换。五、实验中遇到的问题及解决方法1. 问题： 对特征值的概念不理解，上网查找资料也没有找到特征值在影像融合中的评价方法。2. 解决办法： 通过请教老师发现原来这里的特征值和线性代数中的特征值是一个意思，它体现了遥感影像信息量的多少，特征值越大，信息量就越大，图像效果也就越好。专心-专注-专业