matlab遥感影像相对配准,基于IHS 变换的遥感影像融合方法研究
摘
为了解决遥感影像的空间分辨率与光谱信息无法兼得的问题, 即全色遥感影像仅能提供较低的光谱分辨率, 而多光谱遥感影像虽然能够提供丰富的光谱信息, 但其空间分辨率相对较低的问题, 本研究通过MATLAB平台进行分析, 并在此基础上提出了一种新的解决方案, 以期为遥感影像的空间分辨率与光谱信息融合研究提供参考
实验工具，基于IHS
基于遥感影像数据的融合实验原理研究显示，在应用该融合方案时可获得显著提升效果
关键词：影像融合；IHS 融合方法；质量评价
0. 引言
遥感图像融合其本质是利用不同传感器所获取的同一区域的影像数据进行空间配准，并通过现有技术手段将各影像的优势或互补特性有机地结合在一起生成新的影像资料的技术过程
它是遥感图像应用与分析的重要工具之一，在这种情况下尤其是在当前遥感技术的发展速度日益加快的情况下，在获取方面也愈发便捷了。尤其在处理多元数据方面的重要性也随之愈发凸显其重要作用。为此人们已经开发出了多种新型图象融合方案来解决这一难题。研究者们从多个不同应用场景出发开发出了多种新型图象融合方案.IHS作为一种经典的方法已经被广泛应用于实际工程中
变换法、PCA(主成分分析)变换法、HPF(高通滤波)方法、多分辨率小波分析法[1,2]。
1. IHS 遥感影像融合方法及其概述IHS
影像融合技术是影像处理领域中应用最为广泛的一种方法。在这一过程中，融合影像不仅成功保留了大部分高空间分辨率影像的关键细节信息，并且能够有效维持其原有的空间分辨率水平；同时，在多光谱影像处理方面也展现出显著优势，在保留原有光谱特征的同时实现了空间与光谱信息的有机统一；通过这种技术手段不仅显著提升了目标物像的整体判读效果和分类精度，在实际应用中也为其提供了更为直观的信息感知渠道[3]
本文详细阐述了IHS融合方法在Matlab环境下的实现流程。该融合算法主要基于将多光谱图像转换为IHS空间
该方法涉及将颜色空间中的单个分量替换或者结合到高分辨率彩色图像中，并采用某种加权算法进行叠加操作。反变换后返回至原始颜色空间以获得新的融合图像。
1.1 采用基于IHS变换的方法实现遥感图像融合的过程中，默认情况下该类算法的基本原理及其在遥感图像融合中的应用采用了基于IHS变换的方法。该方法的具体实施过程通常包括以下几个方面：首先，在多光谱影像中提取出丰富色彩信息的基础特征；其次，在全色谱影像中获取详尽细节信息的关键数据；最后通过科学合理的特征提取与信息整合机制实现两者的有效结合。其中 RGB—IHS 转换（通过将 RGB 像素值与其对应的 IHS 分解后的各通道值建立一一对应的关系从而实现两者的有机统一）是一种重要的数据处理手段。其核心思想在于通过多光谱影像丰富的色彩信息与全色谱影像详尽的细节信息之间的互补关系来进行特征提取与信息整合。
RGB的三基色表示可被表达为IHS的形式，并且将 IHS 的表示转化为 RGB 的三种基色也被本文采用了。
令原始多光谱图像为 TM，在高分辨率全色图像的基础上建立 PAN 参数模型。对 TM 图像的每个波段分别赋予 RGB 值后实施基于 IHS 的改进算法
变换，得到，分量和两个中间量 V1、V2
- 用 PAN 替代I 分量得到新的I 分量I_new,即I_new=PAN,然后进行HIS-RGB变换。
在高分辨率全色影像与多光谱影像融合的过程中，首先采用IHS转换技术将多光谱影像从RGB系统转换为IHS空间。
在空间中,通过将单波段高分辨率图像进行灰度扩展处理后,并使其均值与方差达到与IHS一致的效果
在空间域中保持亮度分量的一致性；随后将经拉伸处理的高分辨率图像作为新的亮度分量输入至IHS模型，并通过逆变换将其还原至原始的空间坐标系。经过上述处理后得到的输出图不仅保留了较高水平的空间分辨率，在色彩特性方面也与原图保持一致。
1.2 Matlab 中IHS 变换的融合步骤Matlab 中IHS 变换算法的主要步骤如下：
使用 imread 函数获取原始多光谱图像文件并将其存储于对应的矩阵数组中；
(2)将多光谱图像进行 IHS 变换，分别得到 I、H 和S 三个分量：
调用 histeq 函数实现对全色图像与I分量进行灰度直方图匹配，并以全色图像替代原有分量，并将其定义为新的I’分量：
(4)利用新的分量 I’和原来的H、S 分量作IHS 逆变换即得到融合图像；
(5)调用 imwrite 函数写入融合图像文件，并对融合图像进行质量评价。
2. Matlab 中IHS 变换融合算法的实现
2.1
在多源遥感数据融合前的数据准备阶段进行数据预处理是一项至关重要的工作。在正式的数据融合之前，在各传感器成像机制的基础上对获取到的图像进行系统性的预处理能够有效消除或削弱由传感器特性及复杂环境（如地形起伏变化与地球曲率差异带来的影像畸变问题以及光谱响应特性不一致所带来的辐射补偿问题）所导致的一系列模糊性与失真现象，并在此基础上实现影像的空间校正与辐射补偿以提高后续分析工作的效率与准确性
2.2
在完成图像配准预处理后的工作步骤是实现同一区域内不同遥感影像具有统一的空间坐标系统。即为进行的空间配当时所采用的方法有两种：一种是相对地进行的方式；另一种则是绝对地进行的方式。其中相对地进行的方式是指基于某一融合分量影像作为基准基准影像，并将其他分量影像与该基准分量影像进行对应位置上的匹配以达到定位目的的操作过程
由于其坐标系统受制于基准图像，在大多数情况下是任意设定的。采用的方法是在基准图像上选择若干个关键点，并运用多项式校正法对剩余分量图象进行精确校正匹配。绝对配准即为通过一定数量的实测控制点对影像实施几何校正处理，使待融合影像准确地转换至统一的地物坐标体系中
该系统通过IHS变换与MATLAB集成，在ERDAS软件中处理实验所使用的遥感图像为其提供的低分辨率TM数据。
多光谱彩色多光谱遥感影像dmtm.img 和高分辨率彩色全色遥感影像spots.img 已经经过严格几何校正处理。在Matlab平台实现了这一过程。
IHS 变换的主要程序如下[4]：
RGB_up=imread(‘high.jpg’)； %读图像RGB_low=imread(‘low.jpg’)；
获取并展示子图（a），其中包含高分辨率灰度图像RGB_up；呈现子图（b），包含低分辨率彩色图像RGB_low；[m,n,color]=size(RGB_up); 获取并保存RGB_up的尺寸信息到变量m、n及颜色通道color中；初始化循环变量并执行循环体代码
获取并展示子图（a），其中包含高分辨率灰度图像RGB_up；呈现子图（b），包含低分辨率彩色图像RGB_low；[m,n,color]=size(RGB_up); 获取并保存RGB_up的尺寸信息到变量m、n及颜色通道color中；初始化循环变量并执行循环体代码
i=1:mfor
当j取值为₁时，在nV_{¹¹}数组中依次赋予RGB_{↑}函数在位置i,j处的第一个、第二个和第三个通道值分别对应的双精度数值；同样地，在nV_{¹²}数组中也依次赋予RGB_{↓}函数在位置i,j处的第一个、第二个和第三个通道值对应的双精度数值；最后将向量u赋给结果变量u¹，并将其计算结果设定为其与向量nV_{²²}之间的点积结果
%正变换u2=AAv12;u2(1)=u1(1)； % 交换空间强度v12=BBu2;
%逆变换 RGB(i,j, 1)=v12(1)； RGB(i,j, 2)=v12(2)； RGB(i,j, 3)=v12(3)； end subplot (2, 2, 3)， display RGB image ， xlabel (‘ (c) IHS 变换融合图像 ’ )；通过视觉效果观察可知
IHS 变换融合方法得到的多光谱图像比原始的 TM
多光谱图像的空间分辨率得到了明显的提升，并且这些地物的边界更加分明，在分类与提取地物目标信息方面具有显著的帮助
3. 遥感图像融合质量评价
目前关于图像融合效果评价的问题尚未得到理想化的解决[5] ，还未形成一套全面、客观且一致的标准体系。其原因在于相同算法在处理不同类型图像时展现出不同的性能特征；而当针对同一特定图像进行分析时，在不同时期或由不同时观察者进行判断可能会得出不同的结论；此外由于各应用领域对于图象参数的需求各异 ，导致了采用的评估标准千差万别 。通过对比分析融合前后所得的数据统计指标及其信息含量 ，能够更加系统地反映这一过程中的质量变化情况 。基于此可建立一套基于数据特性的量化评估体系
该文基于信息论原理及图像处理技术，并结合IHS变换融合后的遥感图像数据，在量化评估的基础上提出了一种新的分析方法
4. 结论与展望
本文采用 IHS 变换(intensity huesaturation
该研究提出了一种基于变换域融合法的创新解决方案，在遥感图像处理领域取得了显著进展。针对这一技术难题提出了一种解决方案：通过实验结果表明该方法能够有效整合高分辨率全色图像与低分辨率多光谱图像的优势，在提升空间分辨率的同时实现了丰富的光谱信息保留，并显著提高了图像的空间细节表现能力以及整体判读效率
我们的平台专注于提供高质量的博士论文代写服务！如若转载，请确保附带以下链接：素质教育论文。
参考文献
[1] 徐青等。 遥感影像融合与分辨率增强技术[M]. 北京：科学出版社，2007
[2] Lü Zhe, Huan Zhongyang, Lü Xianguo等, Multispectral images and full-color image fusion research[J], Data Collection and Processing, 2003, 18(3).
[3] 贾永红、李德仁、孙家柄，多源遥感影像数据融合，遥感技术与应用[J]，2000，15(1)。
[4] 王家文、李仰军，Matlab7.0 图形图像处理[M]，国防工业出版社，北京：2006.
[5] 姜庆娟、谭景信，象素级图像融合方法与选择，计算机工程与应用[J]，2003，25.
[6] 王海晖、彭嘉雄、吴巍等, 多种来源的遥感图像综合评估方法的研究, 计算机工程与应用[J], 2003, 25.