论文部分内容阅读
随着遥感技术的迅速发展,多平台、多时相、高光谱及高分辨率卫星影像数据大量涌现,并被广泛应用于地学各个领域。因不同传感器有其各自的特性,不同遥感影像在光谱信息以及高频信息方面存在着明显差别,在实际应用中,一种影像信息往往达不到实验的目的,大多需要对多种影像进行综合分析;有些项目经费相对较少,而高分辨率影像价格较高,从而限制了对高分辨率影像的使用。为解决这些问题,将多源遥感影像进行融合是有效的途径之一,融合影像可以综合不同影像的特点,得到需要的信息。多源遥感影像融合已经是目前遥感领域研究的热点。已有很多专家学者对影像融合方法做过研究,一般可在三个层次上进行融合,即像素级融合、特征级融合以及决策级融合。本文将在前人研究的基础上,对影像融合方法进行具体分析,系统的说明影像融合层次并详细分析应用已比较成熟的一些融合方法的原理、特点等,其中以像素级、特征级融合方法为重点,如his变换法、pca变换法、brovey变换法、hpf变换法及小波变换法等;最后对这些融合方法进行简单的评价,为文章第四、五部分数据融合的方法选择提供理论基础。虽然融合方法应用已比较成熟,但融合影像的效果评价还没有形成统一的标准。目前的评价指标大多是基于统计学的数字特征进行的,都只在某一角度对融合影像的某一方面进行评价,只考虑了单因素指标,并没有综合各种不同的因素进行评价。本文在分析传统评价指标的基础上,提出了一套新的、系统的评价体系,设计了新的算法,以期全面、系统、准确的对影像融合效果进行定量评价,使其更加客观真实、更具说服力。具体为:(1)分别在光谱保真度、影像清晰度两个方面进行评价,确立光谱信息指数与高频信息指数;(2)综合这两方面的评价指标,以信息量为基础对融合影像进行综合评价,确定信息量指数;(3)结合结构相似度原理,考虑人的视觉信息,建立了定性和定量相结合的评价指标—融合指数。由于数据源的多样性,本文分析了同质传感器多光谱数据与全色光谱数据之间的融合以及多源遥感数据(不同传感器)之间的融合。文章第四、五部分分别以开封市Spot5的多光谱数据与全色数据以及天津地区ETM数据与Quikbird数据为例进行数据融合研究,其中主要以像素级融合方法进行分析,然后进行光谱保真度、高频信息融入度以及信息量方面的综合评价,根据融合结果进一步验证第二部分融合方法的评价以及第三部分融合结果评价体系的合理性;并进一步分析了波段选择、传感器选择等对融合效果的影响。文章第一部分对多源遥感影像数据融合的必要性、应用及其意义进行了说明,并阐述了本文的研究路线;第二部分对遥感数据融合方法进行系统说明及概括、并对其进行评价分析,在不同的融合层次上形成体系;第三部分主要研究影像融合效果的评价,并建立了评价体系;第四、五部分为案例研究;文章最后对多源遥感影像数据融合进行了总结,说明了一些客观存在的问题与不足,并对影像融合进行展望。