传统的遥感图像融合方法

传统的遥感图像融合方法

加权平均法：加权平均法是一种最简单的图像融合方法，也就是对多幅原始图像的对应像素灰度值进行加权处理。在加权平均法中，考虑的基本上都是基于人眼的视觉特征，而没有考虑到实际应用中的目标特征。加权平均法的优点是简答直观，适合实时处理。但简单的叠加会使合成图像的信噪比降低。当融合图像的灰度差异很大时，就会出现明显的拼接痕迹，不利于人眼识别和后续的目标识别过程。

IHS变换法：HIS变换法的基本思想就是将多光谱图像从RGB色彩空间变换到HIS色彩空间（强度、色调、饱和度空间），然后利用搞空间分辨率的灰度图像替换HIS变换中的强度分量I，最后再进行一次HIS反变换，从而得到一幅具有高空间分辨率的多光谱图像。

HIS颜色模型有多种，模型不同，其变换公式也不同，常用的有三角形、六棱锥、双六棱锥等。目前具有代表性的是基于三角形的HIS模型。由色度学可知，颜色可用三刺激值来表示，如采用红、绿、蓝所含成分的多少来表示（即RGB系统）。同样，颜色也可以采用色品读方式来表示，强度、色调、饱和度便是色品度表示方式之一，即HIS系统。强度I仅表示强度的代销，色度H代表颜色纯的程度，而饱和度S代表具有相同明亮度的颜色离开中性灰度的程度。RGB系统与HIS系统的变换关系为：

1

式中，I表示强度，H表示色度，S表示饱和度；v1和v2为变换的中间变量。

其逆变换为：

HIS变换已成为影像处理与分析中以汇最重要的基本工具，它为强相关的数据提供彩色增强、地址特征增强、空间分辨率的改善等。

PCA主成分分析方法：Chavez等人最早把它用于多传感器图像融合之中。以SPOT图像和TM图像为例，基于主成分分析的遥感图像信息融合的一般过程如下：首先对TM图像机型PCA变换；然后，对SPOT全色波段图像进行线性拉伸，是指与TM图像第一主成分分量具有相同的均值与方差；最后，用拉舍后图像替换第一主成分，再通过PCA反变换回到RGB空间，即得到最终的融合结果图像。

PCA融合方法的优点则在于，它适用于多光谱图像的所有波段；其不足之处在于，由于在PCA融合方法中只是用SPOT全色波段图像简单替换TM卫星图像第一主成分，这样可能会损失TM图像第一主成分分量重的一些反应光谱特性的有用信息，因而使得融合结果图像的光谱分辨率受到较大影响。

HPF高通滤波器方法：高通滤波器融合方法是通过将高分辨率图像中的几何信息逐像

2

素地叠加到低分辨率图像中而进行融合的。高分辨图像的高通滤波对应于图像空间的高频分量，因此，将高通滤波结果叠加到低分辨率图像频道上，高分辨率图像的高几何信息内容则子啊融合结果中显而易见。HPF融合算法按下式定义：

式中，

为

位置上的融合值；

对应于以像素

和

分别为低分辨率各高分辨了频道上同名

窗口尺寸的高分辨率图像频道的局

位置上的像素值；部均值。

为中心

金字塔方法：金字塔方法是目前较为常用的图像融合方法之一。在这类算法中，原图像不断地被滤波，形成一个塔状结构。在塔的每一层都用一种融合算法对这一层的数据进行融合，从而得到一个合成的塔式结构，然后对合成的塔式结构进行重构，得到合成图像。按照塔式结构形成方法的不同，金字塔图像融合算法可分为高斯-拉普拉斯金字塔、梯度金字塔、比率低通金字塔、形态学金字塔等，其中较为常用的是高斯-拉普拉斯金字塔。

小波变换方法：采用小波变换进行遥感图像融合的基本思想是，首先将待融合的图像重采样称吃寻大小一致的图像，再将他们用小波变换分解为不同分辨率的子图像，然后按照某种规则在子图像级进行处理，再用小波逆变换重构原始图像。基于二进小波变换的图像融合方法，基于多进小波变换的遥感图像融合算法。

模糊融合：由于成像过程本身的复杂性，图像存在不确定性和不清楚性（即模糊性），也就是说图像本身有着模糊性。模糊理论为处理图像的模糊性提供了新的手段，它处理图像的基本思想是将一定大小的图像表示为同等的大小的模糊矩阵，矩阵中的每个元素为像素灰度的一种分布，应用一定的算法求解该分布，然后对该分布进行某种变换或反变换，

3

实现对图像的某种处理。模糊集理论中峰峰的融合算子和决策规则为有效进行图像融合处理提供了必要的手段。图像模糊度表示方法有很多，这里介绍一个最常用的模糊隶属度函数，即高斯隶属函数。

4