摘

要：为了解决遥感影像空间分辨率与光谱信息不能兼顾的问题，即全色影像具有较高的空间分辨率但缺乏光谱信息，多光谱影像光谱分辨率高，光谱信息丰富，但其空间分辨率低的问题，本文采用MATLAB

实验工具，基于IHS

原理对遥感影像数据进行融合实验，试验结果表明使用该融合显着提高了多光谱影像的空间分辨率，同时也保留了丰富的光谱特征，提高了影像的判读、识别、分类能力，融合后图像的信息量比原始图像有明显增加，而且图像的细节反差、纹理和清晰度得到较大的提高，融合图像质量明显改善。

关键词：影像融合；IHS 融合方法；质量评价

0. 引言

遥感图像融合就是将不同类型传感器获取的同一地区的图像数据进行空间配准，然后采用一定方法将各图像的优点或互补性有机结合起来产生新图像的技术。

它是遥感图像应用和分析的一种重要的手段，特别是当前遥感技术的迅速发展，多源遥感数据(多传感器、多时相、多波段、多平台、多分辨率)的获取变得越来越方便，多源图像之间融合的意义也就显得越来越重要。将高分辨率的全色图像和低分辨率多光谱图像进行融合，已成为遥感应用研究领域的重要主题。研究者们从各个不同的应用领域，提出了多种不同的图像融合方法，具有代表性的方法有：IHS

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

变换融合是影像融合最常用的一种方法，融合影像保留了绝大部分的高空间分辨率影像的信息，使得其空间分辨率接近高空间分辨率影像，同时也保留了多光谱影像的光谱特征，提高了影像的判读、识别、分类能力，特别有利于视觉理解[3]。

本文主要介绍IHS 融合方法在 Matlab 中的实现过程。该融合算法主要是通过将多光谱图像变换到IHS

空间，然后用高分辨率全色图像对多光谱图像某一分量进行替换或在两幅图像间通过某种算法取一定的权值进行叠加，再反变换回到原空间，得到新的融合图像。

1.1 基于IHS 变换的融合算法原理IHS 变换法进行遥感图像融合的一般步骤如下，其中 RGB—IHS 变换(将

RGB三基色表示转换成IHS 表示)和IHS—RGB变换(将 IHS 表示转换成 RGB 三基色)也是本文所采用的方法。

1) 设 TM 为原始的多光谱图像，PAN 为较高空间分辨力全色图像。将 TM 图像的三个波段赋 RGB 后进行RGB—IHS

变换，得到，分量和两个中间量 V1、V2

2) 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。

高分辨率全色影像与多光谱影像融合时，先把多光谱影像利用IHS 变换从RGB系统变换至IHS

空间，同时将单波段的高分辨率图像经过灰度拉伸，使其灰度的均值和方差和IHS

空间中亮度分量图像一致；然后将拉伸后的高分辨率图像作为新的亮度分量代入到IHS，经过反变换还原到原始空间。这样获得的图像既有较高的空间分辨率，又有与原图像相同的色度和饱和度。

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：

(1)调用 imread 函数读取原始多光谱和全色图像文件，并存入相应的矩阵数组；

(2)将多光谱图像进行 IHS 变换，分别得到 I、H 和S 三个分量：

(3)调用 histeq 函数将全色图像和 I 分量进行灰度直方图匹配，然后用全色图像替代分量作为新的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

数据准备和预处理数据预处理是多源遥感数据融合前进行的一项重要工作。由于传感器自身的成像机理以及成像时的环境条件(如地形起伏、地球曲率、天气变化、大气散射反射等)，使所得的图像数据存在着不同程度的模糊、失真、扭曲变形、斑点噪声等现象，严重降低了影像的质量，为以后的处理工作带来很多的不便。图像预处理就是在正式融合之前，利用一定的技术手段，消除或削弱不良因素，改善图像的视觉效果，或将图像转变为一种更适合于人或机器分析的形式。图像预处理主要包括图像几何纠正、图像辐射增强、图像几何增强和图像去噪等。

2.2

图像配准预处理完成后的下一工序是实现同一区域不同遥感图像有统一的坐标系统，也就是空间配准。图像空间配准分为相对配准与绝对配准两种方法。相对配准是指图像对图像的配准，即选择某一融合分量图像作为基准，将其他的分量图像与之配准。

因此，其坐标系统取决于基准图像，通常情况下是任意的。具体方法可在基准图像上选取若干“控制点”，用多项式纠正法将其他分量图像加以纠正配准。所谓绝对配准就是利用一定数量的地面控制点对图像进行几何纠正，将待融合图像纠正到统一的地理坐标系中。

2.3 IHS 变换融合MATLAB 实现实验所使用的遥感图像为 ERDAS 软件附带的低分辨率的 TM

多光谱图像dmtm.img 和高分辨率的 SPOT 全色图像spots.img，两图像已经进行了严格的几何配准。Matlab 中实现

IHS 变换的主要程序如下[4]：

RGB_up=imread(‘high.jpg’)； %读图像RGB_low=imread(‘low.jpg’)；

%读图像subplot(2,2,1)，imshow(RGB_up)，xlabel(‘(a)高分辨率灰度图像’)；subplot(2,2,2)，imshow(RGB_low)，xlabel(‘(b)低分辨率彩色图像’)；[m,n,color]=size(RGB_up)；for

i=1:mfor

j=1:nv11(1)=double(RGB_up(i,j,1))；v11(2)=double(RGB_up(i,j,2))；v11(3)=double(RGB_up(i,j,3))；v12(1)=double(RGB_low(i,j,1))；v12(2)=double(RGB_low(i,j,2))；v12(3)=double(RGB_low(i,j,3))；u1=AA*v11;

%正变换u2=AA*v12;u2(1)=u1(1)； % 交换空间强度v12=BB*u2;

%逆变换RGB(i,j,1)=v12(1)；RGB(i,j,2)=v12(2)；RGB(i,j,3)=v12(3)；endendsubplot(2,2,3)，imshow(RGB)，xlabel(‘(c)IHS变换融合图像’)；从视觉效果上看，采用

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和清晰度都有了较大的提高，一些地物的边缘和轮廓清晰可见，有助于地物目标信息的分类和提取。

3. 遥感图像融合质量评价

当前融合效果的评价问题一直未得到很好的解决[5]，还没有一个全面、客观和统一的标准。原因是同一融合算法，对不同类型的图像，其融合效果不同；同一融合算法，对同一图像，观察者感兴趣的部分不同，则认为效果不同；不同的应用方面，对图像各项参数的要求不同，导致选取的评价方法不同。根据融合前后的图像，其统计量和信息量必然会发生变化。因此，利用融合前后图像的统计特性和信息量可以客观地评价图像在融合前后的变化情况。

本文从信息论和图像处理的角度，采用平均梯度指标对 IHS 变换融合的遥感图像进行客观的定量分析。

4. 结论与展望

本文采用 IHS 变换(intensity huesaturation

transform)融合法对高分辨率全色影像和低分辨率多光谱影像进行融合。解决了全色影像具有较高的空间分辨率但缺乏光谱信息；多光谱影像光谱分辨率高，光谱信息丰富，但其空间分辨率低的技术问题。通过试验对比表明使用该方法显着提高了多光谱影像的空间分辨率，同时也保留了丰富的光谱特征，提高了影像的判读、识别、分类能力，融合后图像的信息量比原始图像有明显增加，而且图像的细节反差、纹理和清晰度得到较大的提高，融合图像质量较好。

本论文网专业从事代写博士论文网业务！如需转载请保留一个链接：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] 刘哲、郝重阳、刘晓翔等，多光谱图像与全色图像的像素级融合研究，数据采集与处理[J]，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，多源遥感图像融合效果评价方法研究，计算机工程与应用[J]，2003，25.