遥感技术应用实验二.docx
《遥感技术应用实验二.docx》由会员分享，可在线阅读，更多相关《遥感技术应用实验二.docx（13页珍藏版）》请在冰豆网上搜索。
遥感技术应用实验二
目录
一、实验目的1
（一）信息融合实验目的1
（二）融合评价实验目的1
二、实验的基本原理1
（一）图像融合的基本原理1
（二）主要融合方法原理介绍1
（三）融合评价实验基本原理2
三、实验基本要求2
（一）信息融合实验基本要求2
（二）融合评价实验基本要求3
四、实验设备及器材配置3
五、实验内容与方法3
（一）融合评价实验内容与方法3
（二）融合评价实验内容与方法10
六、实验体会：
12
信息融合与融合评价
一、实验目的
（一）信息融合实验目的
通过上机操作，初步掌握遥感信息融合的方法，深入理解遥感信息融合的含义，及其在信息解译中的重要作用。
（二）融合评价实验目的
融合后对融合效果的评价是一个不可缺少的环节，由此选择最佳的融合方法。
通过本次实验掌握融合效果评价方法，对通过不同融合方法得到的图像进行评价比较。
二、实验的基本原理
（一）图像融合的基本原理
图像融合，是一种高级图像处理技术，它是按照一定的规则或算法，将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，生成一幅具有新的空间、波谱和时间特征的合成图像，从而获得比任何单一数据更准确更丰富的信息。
它不仅仅是数据间的简单叠加，而是强调信息的优化，消除多传感器信息之间可能存在的冗余和矛盾，使有用信息得以加强和互补。
如一般多光谱图像的光谱信息丰富，而空间分辨率较低，全色图像具有较高的空间分辨率，但是它是一个灰度图，缺乏光谱信息，我们将二者融合后，就可以获得高分辨率的多光谱图像，它既包含了丰富多光谱信息又融入了全色图像的高空间分辨率，可大大提高地物的清晰度。
（二）主要融合方法原理介绍
本次上机掌握主成分变换融合、Multiplictive融合、Brovey变换融合和HIS变换融合。
主成分变换融合：
是建立在图像统计特征的基础上的线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确的揭示多波段数据结构内部的遥感信息。
常常是以高分辨率数据代替多波段数据变换后的第一主成分达到融合的目的。
具体过程是：
首先是对输入的多波段数据进行主成分变换，然后以高分辨率遥感数据替代变换后的第一主成分，再进行主成分逆变换，生成具有高空间分辨率的多波段融合图像。
该种融合方法最大的优点是对波段数没有限制，可以实现多个波段的融合。
通过主成分的变换可以消除冗余信息，减少计算量。
Multiplicative变换融合：
为乘积变换融合，是应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进行合成，即融合后的波段数值等于多波段图像的任意一个波段数值乘以高分辨率遥感数据。
Brovey变换融合：
将输入遥感数据的三个波段用下式表示：
Bi’=Bmi/（Bmr+Bm+Bmb）*Bh
其中，Bi’代表融合以后的波段数值，Bmr、Bm、Bmb分别代表多波段图像中的红、绿、蓝波段数值，Bmi代表红、绿、蓝多波段中的任意一个，Bh代表高分辨率遥感数据。
（三）融合评价实验基本原理
评价要从两个方面进行，即①保留原多光谱图像的光谱信息的多少；②融入高分辨率图像空间信息的多少。
HIS变换融合：
先将多光谱影像进行彩色变换,分离出强度I（Intension）、色度H（Hue）和饱和度S（Saturation）3个分量,然后将高分辨率全色影像与分离的强度分量进行直方图匹配，使之与I分量有相同的直方图，最后再将匹配后的全色影像代替I量与分离的色度H、饱和度S分量做IHS逆变换后得到RGB融合影像。
三、实验基本要求
（一）信息融合实验基本要求
掌握HIS变换融合、主成分变换融合、Brovey变换融合和Multiplictive融合的基本原理及方法。
（二）融合评价实验基本要求
理解各评价指标的含义。
学会利用定性和定量的方法对融合效果进行评价。
四、实验设备及器材配置
计算机、交换器
计算机配置为：
内存256M，128M独立显卡，CPU为奔腾4处理器
五、实验内容与方法
（一）融合评价实验内容与方法
三种基本的图像融合
ERDAS系统提供了三种融合方法，通过选择不同的按钮即可直接实现主成分变换融合、Brovey变换融合和Multiplicative变换融合。
具体过程如下：
1.启动融合模块
ERDAS图标面板工具条：
点击Interpreter→SpatialEnhancement→ResolutionMerge
2.在ResolutionMerge对话框中，需要设置下列参数：
确定高分辨率输入文件（HighResolutionInputFile）：
spots.img
确定多光谱的输入文件（MultispectralInputFile）：
dmtm.img
定义输出文件（OutputFile）：
merge.img
选择融合方法（Method）：
Principlecomponent（主成分分析）
确定重采样方法（ResamplingTechniques）：
BilinearInterpolation双线内插法
输出数据选择（OutputOption）：
Unsigned8bit（一般就选择8bit）
输出波段选择（LayerSelection）：
SelectLayers1：
7
OK
执行分辨率融合
图1
3.评价融合效果
在Viewer中打开融合后的影像merge.img，并同时打开高分辨率文件spots.img和多光谱文件dmtm.im。
通过View→ArrangeLayers，查看各图层并比较，得出结论：
多光谱图像dmtm.img的光谱信息丰富，而空间分辨率较低（512*512，7Bands），具有七个波段。
全色图像spots.img具有较高的空间分辨率，但是它是一个灰度图，缺乏光谱信息（1024*1024,1Band），只有一个波段。
我们将二者融合后，就可以获得高分辨率的多光谱图像merge.img，它既包含了丰富多光谱信息又融入了全色图像的高空间分辨率1024*1024），可大大提高地物的清晰度；7Bands（七个波段）同时是全色的，更加便于观察。
图2
分步骤的主成分变换融合
融合时先求多光谱影像各波段的相关矩阵，计算出特征值和特征向量，将特征值由大到小排列，并相应的变化特征向量，再经TY=AX变换求出各分量。
经过主成分变换后得到一组新的向量，依次称为第一主成分、第二主成分、…，其中第一主成分包含原多光谱影像的信息量最大；然后，用高分辨率影像做灰度拉伸来代替第一主成分，再将它与其余主成分作逆变换来得到最后的融合影像。
1.多光谱图像主成分变换
ERDAS图标面板工具条：
点击Interpreter图标→SpectralEnhancement→PrincipalComp→打开PrincipalComponents对话框
确定输入文件（inputfile）：
dmtm.img
定义输出文件：
zhuchengfen.img
文件坐标类型（CoordinateType）：
选择Map
输出数据类型（outputdatatype）：
floatsingle
输出数据统计时忽略零值：
ignorezeroinstats
特征矩阵输出设置（EigenMatrix）：
两种方式
在运行日志中显示：
showinsessionlog
写入特征矩阵文件：
writetofile（必须填，逆变换时需要）
特征矩阵文件名（outputtextfile）：
dmtm.mtx
特征数据输出设置（EigenValue）：
两种方式
在运行日志中显示：
showinsessionlog
写入特征矩阵文件：
writetofile
特征矩阵文件名（outputtextfile）：
dmtm.tbl
需要的主成分数量：
3
OK
执行主成分变换
图3
2.用全色影像代替第一主成分，实现融合。
首先对全色影像进行拉伸处理，单击Main→ImageInterpreter→RadiometricEnhancement→HistogramEqualization
图4
3.用拉伸的全色影像代替主成分变换后的第一主成分，其他成分顺序不变
Main→ImageInterpreter→Utilities→LayerStack
使用diyizhuchengfen的第一波段、zhuchengfen的第二波段、zhuchengfen第三波段进行融合。
图5
主成分逆变换
Main→ImageInterpreter→SpectralEnhancement→InversePrincipalComp
图6
HIS变换融合
Main→ImageInterpreter→SpectralEnhancement→RGBtoHIS
图7
Inputfile：
dmtm.img
定义输出文件：
ihs.img
Main→ImageInterpreter→RadiomectricEnhancement→HistogramMatch
图8
Inputfile:
spots.img
Inputfiletomatch:
ihs.img
Outputfile:
liangdu.img
图9
Interpreter→Utilities→LayersStack→LayerSelectionandStacking
Inputfile:
ihs.img的三个波段
Outputfile:
liangdu_ronghe.img
图10
Main→ImageInterpreter→SpectralEnhancement→HIStoRGB
得到rgb.img
（二）融合评价实验内容与方法
1.差值图像
点击Interpreter图标→Utilities→Operator→TwoInputOperators对话框
图11
InputFile：
dmtm.img
Layer：
All
OutputFile:
ni.img
Rastor→Tools工具栏，点击栅格属性表图标，打开RastorAttributeEditor对话框，选中Value和Histogram两列，点击右键的Export，将其值输出到Excel表中进行汇总统计
图12
2.空间纹理信息
Main→ImageInterpreter→SpatialEnhancement→Texture
图13
通过建模实现计算融合图像与高分辨率图像纹理信息的相关性
图14
通过建模形成关于一个图像到另一个图像的融合变换。
六、实验体会：
图像融合与图像合成并不是一回事。
图像融合的完整步骤为：
（一）对欲融合的多光谱图像和全色波段图像进行几何配准，使不同波段的遥感图像在几何上能完全匹配，并使像元分辨率一致。
（二）选择一定的方法实现融合。
（三）对各种方法的融合效果进行评价。
可见，图像融合是在几何校准之后才进行的步骤，图像合成是将单波段合成为多波段，将黑白的图像合成为彩色的，并不对图像进行了分辨率方面的增强。
图像的融合方法众多，得到的结果也各不相同，但有一点是一致的，几乎每种融合都要在一定程度上改变原始图像的光谱信息，融合后的地物的光谱、纹理等会产生不小的不同。
这种融合方法会增强某种地物的灰度，与此同时，也会减小另一种地物的灰度，所以增强只是相对的。
在综合分析时，影像融合时采用对多光谱信息破坏程度最小的融合方法会使图像显得更加颜色符合视觉感受。
当想要突出某种地物是，就应根据该地物的特点和待融合的影像条件来选择适合该地物的融合方法，而不是选择一个默认的融合方法生搬硬套。
升级会员 