图像融合是将低空间分辨率的多光谱图像或高光谱数据与高空间分辨率的单波段图像重采样生成一幅高分辨率多光谱图像的遥感图像处理技术,使得处理后的图像既有较高的空间分辨率,又具有多光谱特征。一般我们都是将多光谱波段与全色波段进行图像融合,保留多光谱波段的光谱信息的同时,保留全色波段的高空间分辨率。
图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准,才可能得到满意的结果。如果多光谱波段和全色波段来自于同一卫星,那么就不用特意去进行图像配准的操作。反之若是两幅影像来自不同的卫星,那么图像配准以及坐标系的统一就非常有必要了。此外对于融合方法的选择,取决于被融合图像的特征以及融合目的,融合方法的选择非常重要,同样的融合方法用在不同影像中,得到的结果往往会不一样。
多光谱影像与全色影像的区别可以参考:【RS】多光谱波段和全色波段的区别
1.打开ENVI5.6.2 加载多光谱影像(MSS)以及全色影像(PAN)
2.在Toolbox工具箱中,打开Image Sharpening工具,其中包含多个图像融合的方法。
1)CN Spectral Sharpening
对大的地貌类型效果好,同时可用于多光谱与高光谱的融合。
2)Color Normalized (Brovey)Sharpening
光谱信息保持较好,受波段限制(三波段)。
3)Gram-Schmidt Pan Sharpening
改进了PCA中信息过分集中的问题,不受波段限制,较好的保持空间纹理信息,尤其能高保真保持光谱特征。专为最新高空间分辨率影像设计,能较好保持影像的纹理和光谱信息。很适合国产卫星数据。
4)HSV Sharpening
纹理改善,空间保持较好。光谱信息损失较大大,受波段限制(三波段)。
5)NNDiffuse Pan Sharpening
融合结果对于色彩、纹理和光谱信息,均能得到很好保留,需要精度较好的波谱响应函数,支持众多传感器类型,如Landsat 8、SPOT、WorldView-2/3、Pléiades-1A/1B、QuickBird、GeoEye-1、EO-1 ALI、IKONOS、DubaiSat-1/2、NigeriaSat-2,以及国产卫星等。
6)PC Spectral Sharpening
无波段限制,光谱保持好。第一主成分信息高度集中,色调发生较大变化。
3.双击打开NNDiffuse Pan Sharpening工具,进行参数设置
由于Gram-Schmidt Pan Sharpening需要有投影坐标系,所以我就没有使用它。大家可以根据第2步中各种方法的特点,选择适合自己的工具。
在Input Low Reslution Raster中输入低空间分辨率的影像(多光谱),在在Input High Reslution Raster中输入高空间分辨率的影像(全色)。输入的全色影像分辨率要求是多光谱的整数倍关系,如果不是则需要设置Pixel Size Ratio参数。
4.融合结果
常见问题:
1)图像融合后颜色失真、图像融合后变为紫色、绿色
图像融合后,ENVI需要构建栅格金字塔才能正常显示栅格数据,所以先不要着急。可以先关闭融合好的数据,等待一会再打开或者一直等着也行。等他加载好后显示就没问题了。
如果等待一会还没好,就要去确定自己输入的多光谱数据和全色数据是否精确的配准、两幅影像中是否有异常值等。
2)融合效果时好时坏
ENVI技术殿堂明确说明,对于融合方法的选择,取决于被融合图像的特征以及融合目的,融合方法的选择非常重要,同样的融合方法用在不同影像中,得到的结果往往会不一样。
如果大家在学习RS或者Python时有什么问题,可以随时留言交流!同时如果大家对如何使用Python处理遥感数据有兴趣的话同样可以留言给博主,博主会分享相关代码以供学习!