㈠ 圖像融合是什麼
圖像融合（Image Fusion）是指將多源信道所採集到的關於同一目標的圖像數據經過圖像處理和計算機技術等，最大限度的提取各自信道中的有利信息，最後綜合成高質量的圖像，以提高圖像信息的利用率、改善計算機解譯精度和可靠性、提升原始圖像的空間解析度和光譜解析度，利於監測。 待融合圖像已配准好且像素位寬一致，綜合和提取兩個或多個多源圖像信息（參考文獻：陳浩，王延傑。基於小波變換的圖像融合技術研究. 微電子學與計算機, 2010 ,27( 5 )：39-41）。兩幅（多福）已配准好且像素位寬一致的待融合源圖像，如果配准不好且像素位寬不一致，其融合效果不好。
一般情況下，圖像融合由低到高分為三個層次：數據級融合、特徵級融合、決策級融合。數據級融合也稱像素級融合，是指直接對感測器採集來得數據進行處理而獲得融合圖像的過程，它是高層次圖像融合的基礎，也是目前圖像融合研究的重點之一。這種融合的優點是保持盡可能多得現場原始數據，提供其它融合層次所不能提供的細微信息。
像素級融合中有空間域演算法和變換域演算法，空間域演算法中又有多種融合規則方法，如邏輯濾波法，灰度加權平均法，對比調製法等；變換域中又有金字塔分解融合法，小波變換法。其中的小波變換是當前最重要，最常用的方法。
在特徵級融合中，保證不同圖像包含信息的特徵，如紅外光對於對象熱量的表徵，可見光對於對象亮度的表徵等等。
決策級融合主要在於主觀的要求，同樣也有一些規則，如貝葉斯法，D-S證據法和表決法等。
融合演算法常結合圖像的平均值、熵值、標准偏差、平均梯度；平均梯度反映了圖像中的微小細節反差與紋理變化特徵，同時也反映了圖像的清晰度。目前對圖像融合存在兩個問題：最佳小波基函數的選取和最佳小波分解層數的選取。
㈡ 求基於小波變換的圖像融合Matlab演算法
clear % 清理工作空間
load woman; % 裝入原圖像
X1=X; % 復制
map1=map; % 復制
figure; % 新建窗口
image(X1); % 顯示圖像
colormap(map1); % 設置色彩索引圖
title('woman'); % 設置圖像標題
axis square % 畫出woman 圖像
load wbarb; % 裝入原圖像
X2=X; % 復制
map2=map; % 復制
for I =1:256
for j=1:256
if(X2(I, j)>100)
X2(I, j)=1.2*X2(I, j);
else
X2(I, j)=0.5*X2(I, j);
end
end
end
figure; % 新建窗口
image(X2); % 顯示圖像
colormap(map2); % 設置色彩索引圖
title('wbarb'); % 設置圖像標題
axis square % 設置顯示比例
[c1,s1]=wavedec2(X1,2,'sym4'); % 分解
sizec1=size(c1);
for I=1:sizec1(2) % 系數處理
c1(I)=1.2*c1(I);
end
[c2,s2]=wavedec2(X2,2,'sym4'); % 分解
c=c1+c2; % 系數處理
c=0.5*c;
xx=waverec2(c,s1,'sym4'); % 重構
figure; % 新建窗口
image(xx); % 顯示圖像
colormap(map); % 設置色彩索引圖
title('融合圖像'); % 設置圖像標題
axis square % 設置顯示比例
%下面這個是利用圖像融合的 方法從模糊圖像中恢復圖像
load cathe_1; % 調入第一幅模糊圖像
X1=X; % 復制
load cathe_2; % 調入第二幅模糊圖像
X2=X; % 復制
XFUS=wfusimg(X1,X2,'sym4',5,'max','max'); %基於小波分解的圖像融合
figure; % 新建窗口
image(X1); % 顯示圖像
colormap(map); % 設置色彩索引圖
axis square; % 設置顯示比例
title(' Catherine 1'); % 設置圖像標題
figure; % 新建窗口
image(X2); % 顯示圖像
colormap(map); % 設置色彩索引圖
axis square; % 設置顯示比例
title(' Catherine 2'); % 設置圖像標題
figure; % 新建窗口
image(XFUS); % 顯示圖像
colormap(map); % 設置色彩索引圖
axis square; % 設置顯示比例
title('Synthesized image'); % 設置圖像標題
㈢ 設計一種圖像數據融合演算法，對多聚焦圖像進行融合
融合演算法fusion
algorithm
如：（多感測器單目標位置融合演算法）
經緯儀引導數據的數據融合可以採用參數估計融合演算法，即對8組引導數據，按照某種估計准則函數
融合演算法fusion
algorithm
如：（多感測器單目標位置融合演算法）
經緯儀引導數據的數據融合可以採用參數估計融合演算法，即對8組引導數據，按照某種估計准則函數
㈣ 圖像融合處理技術
多種遙感數據源獲取的遙感數據在時間、空間、光譜、方向及解析度等方面各不相同，它們反映了同一地區地物波譜的不同方面或不同解析度的遙感信息。所以，單一遙感數據一般不能提取足夠的信息完成某些應用，而多遙感類型數據通過融合可以得到多個遙感數據的互補信息，提高遙感數據的利用率。目前，應用於地學領域較多的是基於像元的融合方法。
1.ISH變換
在色度學中，存在有兩種彩色坐標系統：一是由紅（R）、綠（G）、藍（B）三原色構成的彩色（RGB）空間；另一是由亮度（I）（或稱明度、強度）、色調（H）、飽和度（S）構成的色度（IHS）空間（亦稱孟塞爾坐標）。這兩個系統的關系可用圖4-1表示，此時，IHS的范圍呈現為一圓錐體；在垂直於IHS圓錐軸的切面上，二者則呈現為圖4-1所示的關系。該圖中，過S=0，白光點，沿Ⅰ軸只有亮度明暗（白－黑）差異；圓周代表H的變化，並設定紅色為H=0；半徑方向代表飽和度，圓心處S=0，為白色（消色），圓周處S=1，彩色最純。
圖4-1ISH與RGB空間示意圖
很明顯，這兩個坐標之間可以互相轉換，這種轉換即稱為IHS變換，或彩色坐標變換（也稱孟塞爾變換）。通常把RGB空間變換到IHS空間稱之為正變換，反過來，由IHS變換到RGB稱反變換。當不直接採用三原色成分（R、G、B）的數量表示顏色，而是用三原色各自在R、G、B總量中的相對比例r、g、b來表示，即
西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究
式中：r+g+b=1。此時，如g=b=0，則r=1，為紅色；白色（r=g=b）則為W（
，
）。兩個坐標之間的轉換關系，可簡化為
西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究
對I進行反差擴展，H及S進行直方圖規一化處理後
西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究
目前在遙感數字圖像處理中，IHS變換多用於以下研究。
2.彩色合成圖像的飽和度增強
當用以合成的3個原始圖像相關性較大時，常規處理往往合成圖像的飽和度會不足，色彩不鮮（純），像質偏灰，且較模糊、細節難辨。通過IHS變換，在IHS空間中增強（拉伸）飽和度S，用反變換求R、G、B進行彩色顯示，則可顯著改善圖像的顏色質量和分辨能力。
3.不同解析度遙感圖像的復合顯示
直接把不同解析度圖像輸入R、G、B通道作彩色合成復合顯示，即使幾何配精度很高，也難以獲得清晰的圖像（低解析度圖像使像質模糊）。採取將最高解析度圖像置作「I」、次高置作「H」、低解析度者置作「S」，然後反變換，求出R、G、B作復合彩色顯示，則基本可使合成圖像保持有高解析度圖像的清晰度。對TM（常取其中兩個波段）和SPOT（常取全色波段）圖像作此種復合，既可獲得SPOT的高解析度，又可充分利用TM豐富的波譜信息。
4.特殊礦化蝕變遙感信息提取
除前述方法外，用下列公式（Kruse,1984）進行RGB到ISH坐標變換：
西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究
其中：
；R、G、B分別為紅波段、綠波段、藍波段像元。
經對I、S反差擴展，並對S直方圖規一化處理，再反變換回到RGB彩色空間，公式如下：
西天山吐拉蘇盆地與火山岩有關的金礦遙感找礦研究
式中：Bi=S·sinH;Xi=S·cosH。
郭華東（1995）及張旺生（1999）用上述處理方法提取石英脈，曾取得過很好的效果。
前人及筆者圖像處理經驗表明，上述常用圖像處理方法對於解決一般的遙感信息提取與增強，一般都會得到較好效果，但不同的地區自然地理條件、提取圖像信息的目的及所用的數據時相的差別，都是影響圖像信息提取效果的重要因素。另外，針對某種特殊目的進行圖像信息提取，更需要根據實際情況進行特別演算法設計。這也正是遙感圖像處理方法能夠取得不斷創新的主要原因之一。
㈤ 衛星地圖圖像融合技術的原理是什麼
圖像融合就是通過一種特定演算法將兩幅或多幅圖像合成為一幅新圖像。該技術有基本的體系，主要包括的內容有：圖像預處理，圖像融合演算法，圖像融合評價，融合結果。圖像融合系統的層次劃分為：像素層融合、特徵層融合、決策層融合，目前絕大多數融合演算法研究都集中在這一層次上。圖像預處理技術主要包括兩個方面的任務：圖像去噪、圖像配准；圖像融合演算法從最初簡單的融合演算法（加權、最大值法）發展為復雜多解析度的演算法（金字塔、小波法等）；圖像融合的性能評價主要有兩個大的方面：主觀評價及客觀評價，由於在實際中不存在理想圖源，所以一般採用較易實現的評價標准，結合主觀視覺給出最合理的評價
參考資料：
http://wenku..com/link?url=_aO8a9mag3SA_xA1Lv7c_MFl4Fi-KFwSDpIBK
㈥ 實驗十六 多波段遙感圖像融合處理
一、實驗目的
了解多波段低空間解析度遙感影像數據與高空間解析度單波段遙感影像數據融合處理的目的和技術實現條件，直觀感受融合處理影像具有的「揚長避短」增強效果，掌握Transform功能的四種主要融合處理操作，加深對融合增強處理原理和作用的理解。
二、實驗內容
（1）用ENVI的Transform功能對甘肅省白銀市IKONOS高解析度遙感影像分別作：①HSV變換融合；②Brovey融合；③PCA融合；④Gram-Schmidt融合處理。
（2）對四種不同的融合圖像比較分析。
三、實驗要求
①根據實驗課時容許情況選擇融合處理方案數量，但HSV 變換融合必須完成；②如果進行了兩種以上融合，要求對不同融合方法結果進行比較分析；③如果只進行了一種融合，要求將融合圖像與RGB合成圖像進行比較分析。
四、技術條件
①微型計算機；②甘肅省白銀市IKONOS影像；③ENV I軟體；④Photoshop軟體（ver.6.0以上）和ACDSee軟體（ver.4.0以上）。
五、實驗步驟
遙感影像融合是指將多源遙感圖像按照一定的演算法，在規定的地理坐標系中生成新的圖像的過程。圖像通過融合既可以提高多光譜圖像空間解析度，又保留其多光譜特性。本次實驗選擇的四種融合演算法為：HSV變換、Brovey彩色變換、PCA融合、Gram -Schmidt變換。具體操作步驟如下：
在ENVI主菜單欄中選擇「File>Open Image File」，出現文件目錄窗口，將甘肅省白銀市IKONOS的4個多光譜波段和Pan波段數據調入「Available Bands List」窗口。
（1）HSV融合。
1）在ENVI主菜單欄中選擇「Transform >Image Shraepning>HSV」，如圖16-1所示出現「Select Input RGB」對話框，ENVI提供兩種波段選擇方法：從一幅打開的彩色圖像或者從可用波段列表中選擇3個波段進行變換，任選一種方法後點擊【OK】按鈕。
2）出現「High Resolution Input File」對話框時（圖16-2），選擇高空間解析度全色輸入波段，點擊【OK】按鈕到下一步。
3）當出現「HSV Sharpening Parameters」對話框時（圖16-3），從「Resampling」下拉菜單選擇重采樣方法。選擇輸出到「File」或「Memory」，點擊【OK】按鈕開始處理，結果將出現在可用波段列表中。
圖16-1 選擇輸入RGB對話框
圖16-2 高解析度輸入文件對話框
（2） Brovey融合（色彩標准化融合）。
1）在 ENVI主菜單欄中選擇「Transform > Image Sharpening > Color Normalized（Brovey）」，如圖16-1所示，出現「Select Input RGB」對話框，ENVI提供兩種波段選擇方法：從一幅打開的彩色圖像或者從可用波段列表中選擇3個波段進行變換。任選一種方法後點擊【OK】按鈕。
2）出現「High Resolution Input File」對話框時（圖16-2），選擇高空間解析度全色輸入波段，點擊【OK】按鈕到下一步。
3）當出現「Color Normalized Sharpening Parameters」對話框時（圖16-4），從「Resmaplnig」下拉菜單選擇重采樣方法。選擇輸出到「File」或「Memory」，點擊【OK】按鈕開始處理，結果將出現在可用波段列表中。
（3） PCA融合。
1）在ENV 主菜單欄中選擇「Transform>Image Sharpening>PC Spectral Sharpening」。如圖16-5所示，出現「Select Low Spatial Resolution Multi Band Input File」對話框時，從「Select Input File」中選擇低解析度的多光譜輸入文件，如需要，可用選擇任意空間子集，選擇完畢後點擊【OK】按鈕。
圖16-3 HSV融合參數對話框
圖16-4「Color Normalized Sharpeni Parameters」融合參數對話框
圖16-5 選擇低空間解析度多光譜輸入文件對話框
2）出現「High Resolution Input File」對話框時，選擇高空間解析度全色輸入波段，並可用標准ENVI文件選擇方法建立空間子集，點擊【OK】按鈕到下一步。
3）當出現「PC Spectral Sharpening Parameters」對話框時，從「Resampling」下拉菜單選擇低解析度多光譜影像的重采樣方法。如圖16 -6 所示，選擇輸出到「File」或「Memory」，點擊【OK】按鈕開始處理，結果將出現在可用波段列表中。
圖16-6 PC光譜融合參數對話框
（4） Gram-Schmidt變換融合。
1）在ENVI主菜單欄中選擇「Transform>Image Sharpening>Gram -Schmidt Spectral Sharpening」。如圖16-5所示，出現「Select Low Spatial Resolution Multi BandInput File」對話框時，從「Select Input File」中選擇低解析度的多光譜輸入文件，如需要，可用選擇任意空間子集，選擇完畢後點擊【OK】按鈕。
2）出現「High Resolution Input File」對話框時，選擇高空間解析度全色輸入波段，並可用標准ENVI文件選擇方法建立空間子集，點擊【OK】按鈕到下一步。
3）當出現「Gram - Schmidt Spectral Sharpening Parameters」對話框時（圖16-7），從「Select Method for Low Resolution Pan」選項中選擇一種構造低解析度全色波段影像的方法，構造低解析度全色波段影像的方法有：①在步驟2）操作中選擇的低解析度多光譜輸入文件的基礎上，以平均值構造出低解析度全色波段影像；②另外輸入一個低解析度多光譜的全色波段影像；③通過感測器類型，創造一個新的低解析度多光譜全色波段影像，選擇這個方法，融合圖像是經過輻射定標的數據；④使用用戶自定義的濾波函數。
從「Resampling」下拉菜單選擇低解析度多光譜影像重采樣方法。如圖16-7 所示，選擇輸出到「File」或「Memory」，點擊【OK】按鈕，結果將出現在可用波段列表中。
圖16-7 Gram-Schmidt光譜融合參數對話框
（5）用上述四種方法對甘肅省白銀市IKONOS衛星遙感數據進行圖像融合處理，保存每種融合方法的處理結果，用JPEG圖像格式保存每種融合方法的處理結果，存入自己的工作文件夾。
六、實驗報告
（1）簡述實驗過程。
（2）回答問題：①全色波段數據和多波段數據各在圖像融合處理中分別起何作用？②用框圖給出HSV融合的操作步驟。③用Photoshop軟體平鋪顯示HSV變換融合、Brovey融合、PCA融合和Gram-Schmidt融合四種融合圖像，分析其圖像增強特徵及效果。
實驗報告格式見附錄一。
㈦ 加權平均法圖像融合演算法原理是什麼
加權平均法圖像融合演算法的原理就是：對原圖像的像素值直接取相同的權值，然後進行加權平均得到融合圖像的像素值，舉例說比如要融合兩幅圖像A，B，那它們的融合後圖像的像素值就是A*50%+B*50%，就這么簡單
㈧ 不同解析度圖像的融合
遙感數據的融合是指採用一種復合模型結構，將不同感測器遙感影像數據源所提供的信息加以綜合，以獲取高質量的影像信息，同時消除各感測器信息間的信息冗餘和矛盾，加以互補，降低其不確定性，減少模糊度，以增強影像中信息清晰度，提高解譯精度、可靠性和使用率，以形成對目標相對完整一致的信息描述。
對地質礦產勘查而言，數據的融合目的主要是：①可以明顯地改善目標的顯示效果，將原始圖像中灰色調轉化為彩色調；②融合後圖像雜訊可以很好地被抑制，肉眼對地物判譯更加容易；③地物邊緣輪廓因彩色更加突出，地物紋理更加清晰。這些很明顯可以起到增強岩體、構造的可解性。
目前融合方法有：Lab變換、HIS變換、BROVEY變換、線形復合與乘積運算以及近幾年發展起來的小波變換等。這些融合方法在影像的處理上存在有不同偏向，因此要根據不同地物在影像的光譜表現上存在差異，採取不同的處理方法。
（一）微波遙感數據與TM數據融合處理
此次工作所採用的方法為可視化三維動態變換方法。
圖1-5 SAR圖像灰度拉伸關系圖
1.融合前的SAR數據特徵增強處理
為了突出SAR數據（彩圖1-5a）較高解析度的優勢，在融合前有必要對SAR進行灰度拉伸、紋理增強和細化處理減少雜訊等預處理。
（1）灰度線性拉伸
融合之前的拉伸方法不採用非線性拉伸，原因在於經過非線性拉伸後的圖像數據，原始灰度值的大小關系會發生變化，產生的灰度扭曲帶來了一些含義不明確的偽信息，影響解譯。因此，特別強調在增強局部灰度反差時保持原灰度關系的重要性。實驗表明，運用直觀而簡單的線性拉伸方法就可以達到反差增強的效果。其原理如圖1-5。
設A1、A2為輸入圖像的嵌位控制值，B1、B2為拉伸後圖像的最低和最高亮度值。
其輸入的圖像亮度值A1—A2被拉伸為B1—B2范圍，其中輸入亮度0—A1及A2—255分別被變換為B1、B2，如果B1=0、B2=255則拉大了輸入圖像的動態范圍，從而反差得到增強。這是嵌位控制的結果，從而保持了輸入圖像亮度的線性關系，即沒有改變A1到A2之間亮度值的大小關系，只是拉開了直方圖的動態范圍，從而加大了灰度間的差距，增強了影像的細微和突變結構。
（2）紋理能量增強
相鄰像元之間亮度值的差異（梯度）可作為紋理的測度。當差異大於一個閾值時，則認為該處存在著要考慮的紋理特徵；將此類特徵累積統計，則為紋理能量；當局部紋理特徵豐富時，則紋理能量大而表現為亮度值高。
SAR圖像主要提供的是空間信息，為了使融合後的圖像具有較高的空間分辨能力，對SAR圖像進行紋理增強及提取是必不可少的。為了突出地貌、線性構造等信息，採用直方圖偏度值法。其公式如下：
1∶25萬遙感地質填圖方法和技術
c（n）是對u進行壓縮或拉伸後的值。
利用此紋理值作為權重，對SAR進行高通濾波，可以突出紋理信息。
目前紋理能量增強主要靠模板（3×3、5×5、7×7等）實現，模板推移掃描對每個像元進行增強處理，考慮到增強紋理會帶來不必要的雜訊，模板的尺寸不易過大，試驗表明使用3×3、5×5兩個模板的增強效果顯著。
2.參與融合的非SAR數據的處理
在融合圖像中，參與融合的非SAR數據的貢獻就是它們的光譜信息。融合前對它們的處理以彩色增強為主，調整其亮度、色度、飽和度，拉開不同地物之間的色彩反差。對局部紋理的要求不高，有時為了保證光譜色彩，還允許犧牲部分紋理信息來確保融合圖像的總體效果。
通常所說的圖像增強是一維圖像增強，即先在單波段上進行反差增強，然後把增強後的三個波段合成在一起。這種方法在有些地區，由於地表信息接近，波段間的相關性強，合成的圖像反差小，色彩不鮮艷。因此，我們在反復試驗的實踐中，摸索出三維反差增強方法，獲得了色彩鮮艷且保留原始影像信息的彩色圖像（彩圖1-5b）。
三維反差增強技術的實質是，擴大同名點像元在合成的三個波段上的灰度差異，使該同名點合成的色彩鮮艷，達到彩色增強的目的；使圖像上不同地物間的微小的灰度差異也能增強成明顯的色彩差異，從而達到增強圖像信息的效果。這是一種用顏色來突出地質、地理信息的方法，這種方法比單純用灰度差異突出地質、地理信息更加有效。
實現三維反差增強技術有兩個約束條件：其一，增強後的圖像同名點像元的灰度值在三個波段上的灰度值仍然保持原來大小的相對關系，也就是說原來灰度值小的增強以後還是小的，原來灰度值大的增強以後還是大的；其二，增強後的圖像同名點像元在三個波段上的灰度值之和保持不變，只是同名點像元在三個波段上的灰度值的差異擴大，使彩色合成後的色彩鮮艷、信息豐富並保持原來標准假彩色合成的特點。
為了擴大不同地質體的光譜信息的差異，還可採用波段特徵差異光譜加權方法，其演算法如下：
設R，G，B為經過三維反差增強後的紅、綠、藍三個彩色分量；R0，G0，B0為輸出圖像的三個分量；Gb，Bg為波段特徵差異；α，β為兩個常數。
1∶25萬遙感地質填圖方法和技術
將生成的三個新分量再進行彩色合成，擴大了地物間的色彩差異，減少了相關性。上述融合方法的最大優點是可以對隔合圖像的銳度、灰度、色彩等空間信息分離並進行動態跟蹤處理，直到獲取滿意的結果為止。
（二）不同解析度多光譜數據融合處理
在乾旱裸露地區，利用Landsat TM L7衛星影像製作影像圖，與L5不同，L7有一個全色波段 B8，它的空間解析度為15 m，為了提高圖像解譯的可識別性，在提高空間解析度的同時，又充分利用多光譜波段的波譜信息，將L7自身所有的30 m空間解析度的多光譜波段（彩圖1-6a）與15 m解析度的全色波段進行信息融合，可得到高解析度的彩色圖像（彩圖1-6b）。同時我們在植被覆蓋試驗區，利用高解析度 SPOT衛星圖像（彩圖1-6c）與TM圖像的多光譜波段進行融合（彩圖1-6d），進而提高遙感解譯的可靠性，得到 TM圖像和SPOT圖像的彩色模擬，它的原理是：
首先將兩種解析度的圖像進行配准，配准精度應在一個像元以內，我們在乾旱裸露試驗區進行的四景L7圖像配准，最大擬合誤差為0.85像元；SPOT圖像16景與TM圖像的配准誤差最大為0.95像元。L7自身配准時糾正函數選擇一次多項式，不同感測器圖像配准時選擇二次多項式。
然後選擇的三個波段（乾旱裸露試驗區：7，4，1；植被覆蓋試驗區：5，3，2作HIS變換得到三個分量，用高解析度的圖像替代I分量，在進行反變換，重新得到RGB圖像。這個模擬圖像既有高解析度圖像的較高空間解析度，又具有彩色圖像的光譜信息。
㈨ 簡單的圖像融合演算法:像素灰度值取大/小圖像融合方法matlab代碼。就是比較2幅圖同一點的像素值取大/小。
im1=imread('c:\1.bmp'); % 讀入兩個圖像
im2=imread('c:\3.bmp');
im3=im1-im2; %兩圖相減
a=im3>0; %圖1比圖2大的像素點
b=im3==0; %圖1比圖2小的像素點
% 合成大像素值的圖像
im_large=uint8(a).*im1+uint8(b).*im2;
%合成小像素值的圖像
im_small=uint8(b).*im1+uint8(a).*im2;
%顯示結果
imshow(im_large)
figure, imshow(im_small)
%希望你是這個意思。。
