多源遥感图像融合光谱保真算法与评价研究

多源遥感图像融合光谱保真算法与评价研究

ID:18461281

大小:136.50 KB

页数:7页

时间:2018-09-18

多源遥感图像融合光谱保真算法与评价研究_第1页
多源遥感图像融合光谱保真算法与评价研究_第2页
多源遥感图像融合光谱保真算法与评价研究_第3页
多源遥感图像融合光谱保真算法与评价研究_第4页
多源遥感图像融合光谱保真算法与评价研究_第5页
资源描述:

《多源遥感图像融合光谱保真算法与评价研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、多源遥感图像融合光谱保真算法与评价研究【摘要】:随着传感器以及相关遥感技术的发展,遥感图像应用到生活中的各个领域,但是遥感图像的多光谱和高分辨率面临着无法在同一张影像上同时生成这一技术瓶颈,因而学者们提出了各种传统图像融合算法用于弥补这一缺陷,但是融合后的图像一般都有严重的光谱扭曲失真,本文针对于这一问题参考归纳了现有的光谱保真算法的研究以及融合算法的有效性的评价机制,据此来评估以后图像融合的发展趋势。【关键词】:图像融合光谱保真融合算法效果评价1.引言遥感技术经过二十多年的迅猛发展,各种面向复杂应用背景的多平台、多时相

2、、多光谱和高分辨率卫星和机载遥感系统大量涌现,已被广泛应用于军事和民用领域(柴勇,2009)。遥感传感器的分辨率从最初的几十米提高到目前的几十厘米,如美国Geoeye公司在2008年发射的遥感卫星甚至把分辨率提高到0.41m。然而遥感图像分辨率不断提高仍然无法满足人们对遥感图像的空间信息和光谱信息的丰富性及准确性的要求。因为在遥感成像系统的设计中,空间分辨率和光谱分辨率不可兼得,有两个原因:(1)受遥感器的辐射度量特性的影响,传感器在感应来自目标物反射或辐射的电磁波的能力是有限的,而多光谱成像系统的光谱带宽很窄,同样高空

3、间分辨率系统的瞬时视场很小,总得牺牲其中的一个。(2)传感器所能采集的数据量的限制,以及从遥感卫星向地面站传输数据的能力的限制(李春华,2008)。因此,遥感图像越来越多的用算法层面去进行处理,遥感图像融合应运而生。遥感图像融合技术是指将由多源通道所采集的同一目标的图像经过一定的处理,提取各通道的信息来复合多源遥感图像,综合形成统一图像或综合利用各图像信息的技术(王海晖,2003)。很多的图像融合算法,如IHS变换法,Brovey变换法,主成分分析法,高通滤波等传统的遥感图像融合算法得到了广泛的应用。但是融合后的图像一般

4、都有严重的光谱扭曲失真。基于这一缺陷,有学者提出了各种改进算法:传感器光谱响应函数SKF;基于统计原理的Gram-schmidt、PCIpansharp融合方法;小波变化的多分辨率分析与IHS变换叠加融合法以及其他算法.根据这些改进算法得出来的效果我们还需要更健全的评价机制来评估算法的效果,常用的客观融合评价方法有标准偏差、平均误差、信息度量、清晰度、相关系数、对比度和峰值信噪比(柴勇,2009)。1.融合图像光谱失真的原因1.1遥感数据的辐射误差用户所得到的遥感图像是经过粗纠正后的图像。若要想根本上解决融合后的光谱失真

5、问题,用户应该考虑的是辐射精校正包括大气的影响引起的辐射误差及太阳高度角、日地距离和地形等光照条件差异引起的辐射误差(李春华,2008)。所以在图像融合前,辐射精校正是十分重要的一步。1.2不同传感器Pan波段与强度分量I的差异传统的融合方法如HIS变换法,主成分分析法,BROVEY变换法对SPOTPan与低分辨率的MS影像LandsatTM的融合是比较成功的,融合后的颜色偏差很小,但是IKONOS、QuickBird的Pan与MS的融合颜色差异就十分突出(李春华,2008)。下面,图1给出了几种常用卫星的全色传感器光谱

6、响应范围。不同传感器Pan波段范围(李春华,2008)图1由于IKONOS、QuickBird的Pan波段已经扩展到了近红外波段,而HIS和BROVEY变换法中的强度分量和主成分分析法的第一主成分分量仍在可见光波段,两者之间的差异巨大而又勉强用来替换的话,融合图像不可避免地产生光谱失真的问题。2.现有光谱保真的方法3.1.传感器光谱响应函数SKF光谱响应函数记录的是在每一波长λ传感器记录的辐射能量与入瞳处辐射能量之间的比值(窦闻,2011).图2是IKONOS卫星搭载的全色和多光谱传感器各波段的光谱响应函数.Spectr

7、alresponsefunctions(SRF)forIkonos-2bands(窦闻,2011)图2窦闻等(2011)在对传感器光谱响应函数(SRF)的分析基础上,将三种基于SRF的审问细节调制参数构建方法,与高斯高通滤波提取的空间细节信息结合,产生3种基于SRF的遥感图像融合方法。融合方法首先是对Dou(2007)基于线性正交变换的分量替换融合方法的数学推导而建立的GCOS模型(如下(1)式)进行改进:VhMS,i=VLMS,i+ωtδ(1)(其中:VhMS,i为i波段的融合结果,VLMS,i为低分辨率多光谱数据的相

8、应波段,ωt为逆变换矩阵的第一列构成向量,δ为从高分辨率全色数据中提取的空间细节信息)把ωt改为为空间细节调制参数;把δ改为空间细节信息,即高分辨率全色数据与低分辨率多光谱数据尺度上的全色数据估计值之问的差值。这样,就避免了GCOS模型中由于直方图匹配等过程造成的空间细节信息定义的模糊(窦闻,2011)。基于这一改进

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。