遥感像素级数据融合方法

迄今为止,许多遥感影像像素级融合的方法是通过较高分辨率影像来增强多光谱影像的结构和纹理信息。典型的遥感影像数据融合算法一般可分为三大类,基于变量替换技术融合方法,基于调制融合方法和基于多尺度分析的融合方法。用于下述三类融合方法实验的多光谱与全色原始影像。

经过精确配准之后,参与融合的低分辨多光谱影像工s,重采样到和高分辨率全色pan影像具有相同的像元大小:;zst=rsp(as;),rsp()表示重采样。完成采样操作之后,应用不同的融合算法进行处理,可生成融合后结果影像。

基于变量替换融合算法一般分为三个步骤,第一步:将原始数据空间经过前向变换,变换到另一个数据空间,如IHS变换,PCA变换;第二步:经过变换后的数据某个分量被参与融合的高分辨率影像替代;第三步:替换后的数据逆变换回原始数据空间。基于变量替换技术融合方法的典型代表算法有IHS变换融合算法,PCA变换融合算法和回归变量替换算法。

IHS融合算法中,经过IHS变换以后,原低分辨率数据中的I分量被高分辨率影像替代,一般在替代之前,高分辨率影像参照Ⅰ分量的直方图做一个直方图匹配,最后进行IHS反变换,完成IHS融合过程。为了最大限度地保持多光谱数据的光谱特征,最好能找到参与融合多光谱波段的一个线性组合,使其与参与融合的高分辨率波段具有最大相关性。因此,RVS融合方法使用多元回归来决定融合多光谱数据的线性组合系数,所得线性组合用高分辨率波段数据代替,然后在反变换回原数据空间。回归变量替换融合算法一般包括三个步骤,第一步:使用多元回归分析决定线性变换系数,根据变换系数设计正交变换矩阵,对多光谱数据进行线性变换,将多光谱数据变换成一个新的数据空间;第二步:在新的数据空间,用高分辨率波段数据替代变换以后的第一分量;第三步:使用正交变换的逆矩阵,将替换以后的数据反变换回原始数据空间。整个融合过程和IHS相似,只是采用的变换矩阵不同。PCA变换融合算法将参与融合的多个波段低分辨率影像进行主成分变换,用高分辨率影像替代变换后的第一主成分量,或者对高分辨率影像参照第一主成分量的均值和方差进行影像拉伸后再进行替换,最后进行主成分逆变换,完成融合过程。