遥感关于图像融合的几种方法 - 文献综合

太原理工大学毕业设计（论文）摘要

文 献 综 述

前 言

图像融合是信息融合的重要分支和研究热点。其目的是对多幅源图像的信息进行提取和综合，以获得对某一地区或目标更准确、更全面和更可靠的描述，从而实现对图像的进一步分析和理解，或目标的检测、识别与跟踪。20世纪90年代以来，图像融合技术的研究呈不断上升的趋势，应用领域也遍及遥感图像处理，可见光图像处理，红外图像处理，医学图像处理等。尤其是近几年来，多传感器图像融合技术已成为机器人，智能制造，智能交通，医疗诊断，遥感，保安，军事应用等领域的研究热点问题。

正 文

按信息表征层次的不同，多传感器遥感图像融合可以分为像素级融合、特征级融合和决策级融合。像素级融合是指直接对获取的各幅遥感图像的像素点进行信息综合的过程，从而使图像分割、特征提取等工作在更准确的基础上进行，并获得更好的图像视觉效果。像素级融合直观、操作简单，应用也最广泛。目前比较常用的像素级融合方法主要有IHS变换法、小波变换法、主成分分析（PCA）法和Brovey变换法等。特征级融合是指对图像进行特征抽取后，将抽取的边沿、形状、轮廓、纹理等信息进行综合分析与融合处理的过程。而决策级图像融合是一种高层次的融合，往往直接面向应用，为决策支持服务。融合算法主要是在以上三个层次上进行研究的，其过程如图1所示。

太原理工大学毕业设计（论文）摘要

一、 像素级图像融合

像素级融合的过程一般可分4个步骤: 预处理、变换、综合和反变换(重构图像)。大多数研究像素级融合的论文都假设被融合的图像已经配准，不过也有一些研究论文专门研究配准处理变换阶段采用的主要方有：PCA，有时也称PCT；HIS变换；多分辨方法，如金字塔算法和多分辨小波变换。综合阶段将被融合图像的变换结果进行综合处理，从而获得最终的融合图像。综合方法可分为：选择法。即根据某种规则，分别选择同被融合图像的变换系数，组成一组新的变换系数；加权法。即用某种加权平均算法将不同被融合图像的变换系数综合为一组新的变换系数；优化法。即根据应用不同，构造某个评价融合效果的性能指标，综合结果使该性能指标达到最优。反变换阶段是根据综合阶段得到的一变换系数进行反变换操作，得到融合图像。

像素级图像融合方法

像素级遥感图像融合算法主要有IHS变换法、小波变换法、主成分分析（PCA）法和Brovey变换法。这几种融合算法理论比较成熟，并且在特定方面都有很好的融合效果。

（1）IHS变换法

在图像处理中常用的有两种彩色坐标系：一种是由红（R）、绿（G）和蓝（B）三原色构成的RGB彩色空间；另一种是由亮度I、色调H及饱和度S三个变量构成的IHS彩色空间。

太原理工大学毕业设计（论文）摘要

IHS变换就是RCB空间与IHS空间之间的变换，从RGB空间到IHS空间的变换成为IHS反变换。

从遥感的角度讲，由多光谱的三个波段构成的RGB分量经IHS变换后，可以将图像的亮度、色调、饱和度进行分离。变换后的I分量与地物表面粗糙度相对应，代表地物的空间几何特征；色调分量H代表地物的主要频谱特征；饱和度分量S表征色彩的纯度。IHS变换的公式如下：

式中，0

式中：νl、ν2为彩色变换中的中间变量。 基于IHS变换的遥感图像融合基本步骤为：

l）将多光谱图像进行IHS变换，得到亮度（I）、色调（H）和饱和度（S）图像； 2）将变换后得到I分量用全色波段图像（I'）替换； 3）将I'、H、S进行IHS反变换，生成融合图像。

虽然融合后图像清晰度提高了，但光谱信息损失严重，即产生颜色失真。如果融合结果图像应用以光谱分析为主就不太适合选择该方法。

（2）小波变换法

小波变换具有变焦性、信息保持性和小波基选择的灵活性等优点。经小波变换可将图像分解为一些具有不同空间分辨率、频率特性和方向特性的子图像。它的高频特征，相当于高、低双频滤波器，能够将一信号分解为低频图像和高频细节（纹理）图像，同时又不

太原理工大学毕业设计（论文）摘要

失原图像所包含的信息。因而可以用于以非线性的对数映射方式融合不同类型的图像数据，使融合后的图像即保留原高分辨率遥感图像的结构信息，又融合了多光谱图像丰富的光谱信息，提高图像的解译能力和分类精度。

基于小波变换的遥感图像融合基本步骤如下：

l）对配准后的多光谱和全色波段图像分别进行小波正变换，获得各自的低频图像和细节、纹理图像；

2）用小波变换后的多光谱图像的低频成分代替全色波段图像的低频成分；

3）用替换后的多光谱图像的低频成分与全色波段图像的高频成分进行小波逆变换得到融合结果图像。

小波变换克服了传统傅立叶变换在将时域信号转换为频域信号后时域信息丢失的不足，提供了时域局部分析与细化的能力，可以揭示其它信号分析方法所丢失的数据信息，还能在没有明显损失的情况下对信号进行压缩和消噪。但它在图像融合中有两个缺点：一是容易产生较为明显的分块效应；二是直接用低分辨率图像的低频部分去替换高分辨率图像的低频部分，在一定程度上损失了高分辨率图像的细节信息。

（3）主成分分析（PCA）法

主成分分析又称为K-L变换。主成分分析对图像编辑、图像数据压缩、图像增强、变化检测、多时相维数和图像融合等均是十分有效的方法。

基于主成分分析（PCA）的遥感图像融合基本步骤如下： l）对配准后的多光谱图像进行PCA，提取第一主成分PC1; 2）将全色波段图像拉伸到PC1的方差和均值；

3）用拉伸后的全色波段图像代替PC1，进行逆PCA，得到融合后图像。

基于PCA的图像融合在保持图像的清晰度方面有优势，光谱信息损失比IHS方法稍好。后续应用若需要图像有更好的光谱特性时，PCA变换是较IHS变换更好的选择。

（4）Brovey变换法

Brovey变换是基于色度的一种颜色变换，并且比RGB到IHS的变换更简单。如果需要，Brovey变换也可应用于单个波段。它建立在如下亮度调节的基础上：

太原理工大学毕业设计（论文）摘要

其中I=(R+C+B)/3，R、G、B多光谱图像的红、绿、蓝波段。P是已经配准好的更高空间分辨率的数据。

Brovey变换可用来融合具有不同空间特征和光谱特征的图像。但是，如果亮度替换（或调节）图像（即全色波段）的光谱范围与3个空间分辨率较低波段的光谱范围不同，那么RGB到Brovey变换可能引起色彩畸变。Brovey变换是为了从视觉上提高图像直方图低端和高端的对比度而提出的（即，提供阴影、水和高反射区如城区的对比）。所以，如果原始图像中的辐射信息较为重要而需要保留时，就不能使用Brovey变换。但是，对于生成直方图中低高端具有较高对比度的RGB图像以及生成视觉效果满意的图像而言，这是个不错的方法。

数据级融合通常用于：多源图像复合、图像分析和理解；同类（同质）雷达波形的直接合成。

数据级图像融合优点：由于它是基于最原始的图像数据，能更多地保留图象原有的真实感，提供其它融合层次所不能提供的细微信息，被广泛应用。

数据级图像融合缺点：

1、 它所要处理的传感器数据量太大,故处理代价高,处理时间长,实时性差；这种融合是在信息的最低层进行的,传感器原始信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力；

2、 要求各传感器信息之间具有精确到一个像素的配准精度故要求各传感器信息来自同质传感器；数据通信量较大，抗干扰能力较差。

二、特征级融合

特征级融合是介于像素级融合和决策级融合中间层次的融合。特征级融合是在像素级融合的基础上，使用参数模板、统计分析、模式相关等方法进行几何关联、目标识别、特征提取的融合方法，用以排除虚假特征，以利于系统判决。特征级融合可从两方面进行研究，目标状态数据融合和目标特性融合。该层融合的优点在于实现了可观的信息压缩，便

本文来源：https://www.bwwdw.com/article/clfv.html