图像融合算法实现

㈠ 图像融合是什么

图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。 待融合图像已配准好且像素位宽一致，综合和提取两个或多个多源图像信息（参考文献：陈浩，王延杰。基于小波变换的图像融合技术研究. 微电子学与计算机, 2010 ,27( 5 )：39-41）。两幅（多福）已配准好且像素位宽一致的待融合源图像，如果配准不好且像素位宽不一致，其融合效果不好。

一般情况下，图像融合由低到高分为三个层次：数据级融合、特征级融合、决策级融合。数据级融合也称像素级融合，是指直接对传感器采集来得数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。这种融合的优点是保持尽可能多得现场原始数据，提供其它融合层次所不能提供的细微信息。
像素级融合中有空间域算法和变换域算法，空间域算法中又有多种融合规则方法，如逻辑滤波法，灰度加权平均法，对比调制法等；变换域中又有金字塔分解融合法，小波变换法。其中的小波变换是当前最重要，最常用的方法。
在特征级融合中，保证不同图像包含信息的特征，如红外光对于对象热量的表征，可见光对于对象亮度的表征等等。
决策级融合主要在于主观的要求，同样也有一些规则，如贝叶斯法，D-S证据法和表决法等。
融合算法常结合图像的平均值、熵值、标准偏差、平均梯度；平均梯度反映了图像中的微小细节反差与纹理变化特征，同时也反映了图像的清晰度。目前对图像融合存在两个问题：最佳小波基函数的选取和最佳小波分解层数的选取。

㈡ 求基于小波变换的图像融合Matlab算法

clear % 清理工作空间
load woman; % 装入原图像
X1=X; % 复制
map1=map; % 复制
figure; % 新建窗口
image(X1); % 显示图像
colormap(map1); % 设置色彩索引图
title('woman'); % 设置图像标题
axis square % 画出woman 图像
load wbarb; % 装入原图像
X2=X; % 复制
map2=map; % 复制
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); % 显示图像
colormap(map2); % 设置色彩索引图
title('wbarb'); % 设置图像标题
axis square % 设置显示比例
[c1,s1]=wavedec2(X1,2,'sym4'); % 分解
sizec1=size(c1);
for I=1:sizec1(2) % 系数处理
c1(I)=1.2*c1(I);
end
[c2,s2]=wavedec2(X2,2,'sym4'); % 分解
c=c1+c2; % 系数处理
c=0.5*c;
xx=waverec2(c,s1,'sym4'); % 重构
figure; % 新建窗口
image(xx); % 显示图像
colormap(map); % 设置色彩索引图
title('融合图像'); % 设置图像标题
axis square % 设置显示比例

%下面这个是利用图像融合的 方法从模糊图像中恢复图像

load cathe_1; % 调入第一幅模糊图像
X1=X; % 复制
load cathe_2; % 调入第二幅模糊图像
X2=X; % 复制
XFUS=wfusimg(X1,X2,'sym4',5,'max','max'); %基于小波分解的图像融合
figure; % 新建窗口
image(X1); % 显示图像
colormap(map); % 设置色彩索引图
axis square; % 设置显示比例
title(' Catherine 1'); % 设置图像标题
figure; % 新建窗口
image(X2); % 显示图像
colormap(map); % 设置色彩索引图
axis square; % 设置显示比例
title(' Catherine 2'); % 设置图像标题
figure; % 新建窗口
image(XFUS); % 显示图像
colormap(map); % 设置色彩索引图
axis square; % 设置显示比例
title('Synthesized image'); % 设置图像标题

㈢ 设计一种图像数据融合算法，对多聚焦图像进行融合

融合算法fusion
algorithm
如：（多传感器单目标位置融合算法）
经纬仪引导数据的数据融合可以采用参数估计融合算法，即对8组引导数据，按照某种估计准则函数
融合算法fusion
algorithm
如：（多传感器单目标位置融合算法）
经纬仪引导数据的数据融合可以采用参数估计融合算法，即对8组引导数据，按照某种估计准则函数

㈣ 图像融合处理技术

多种遥感数据源获取的遥感数据在时间、空间、光谱、方向及分辨率等方面各不相同，它们反映了同一地区地物波谱的不同方面或不同分辨率的遥感信息。所以，单一遥感数据一般不能提取足够的信息完成某些应用，而多遥感类型数据通过融合可以得到多个遥感数据的互补信息，提高遥感数据的利用率。目前，应用于地学领域较多的是基于像元的融合方法。

1.ISH变换

在色度学中，存在有两种彩色坐标系统：一是由红（R）、绿（G）、蓝（B）三原色构成的彩色（RGB）空间；另一是由亮度（I）（或称明度、强度）、色调（H）、饱和度（S）构成的色度（IHS）空间（亦称孟塞尔坐标）。这两个系统的关系可用图4-1表示，此时，IHS的范围呈现为一圆锥体；在垂直于IHS圆锥轴的切面上，二者则呈现为图4-1所示的关系。该图中，过S=0，白光点，沿Ⅰ轴只有亮度明暗（白－黑）差异；圆周代表H的变化，并设定红色为H=0；半径方向代表饱和度，圆心处S=0，为白色（消色），圆周处S=1，彩色最纯。

图4-1ISH与RGB空间示意图

很明显，这两个坐标之间可以互相转换，这种转换即称为IHS变换，或彩色坐标变换（也称孟塞尔变换）。通常把RGB空间变换到IHS空间称之为正变换，反过来，由IHS变换到RGB称反变换。当不直接采用三原色成分（R、G、B）的数量表示颜色，而是用三原色各自在R、G、B总量中的相对比例r、g、b来表示，即

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

式中：r+g+b=1。此时，如g=b=0，则r=1，为红色；白色（r=g=b）则为W（

，

）。两个坐标之间的转换关系，可简化为

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

对I进行反差扩展，H及S进行直方图规一化处理后

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

目前在遥感数字图像处理中，IHS变换多用于以下研究。

2.彩色合成图像的饱和度增强

当用以合成的3个原始图像相关性较大时，常规处理往往合成图像的饱和度会不足，色彩不鲜（纯），像质偏灰，且较模糊、细节难辨。通过IHS变换，在IHS空间中增强（拉伸）饱和度S，用反变换求R、G、B进行彩色显示，则可显着改善图像的颜色质量和分辨能力。

3.不同分辨率遥感图像的复合显示

直接把不同分辨率图像输入R、G、B通道作彩色合成复合显示，即使几何配精度很高，也难以获得清晰的图像（低分辨率图像使像质模糊）。采取将最高分辨率图像置作“I”、次高置作“H”、低分辨率者置作“S”，然后反变换，求出R、G、B作复合彩色显示，则基本可使合成图像保持有高分辨率图像的清晰度。对TM（常取其中两个波段）和SPOT（常取全色波段）图像作此种复合，既可获得SPOT的高分辨率，又可充分利用TM丰富的波谱信息。

4.特殊矿化蚀变遥感信息提取

除前述方法外，用下列公式（Kruse,1984）进行RGB到ISH坐标变换：

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

其中：

；R、G、B分别为红波段、绿波段、蓝波段像元。

经对I、S反差扩展，并对S直方图规一化处理，再反变换回到RGB彩色空间，公式如下：

西天山吐拉苏盆地与火山岩有关的金矿遥感找矿研究

式中：B_i=S·sinH;X_i=S·cosH。

郭华东（1995）及张旺生（1999）用上述处理方法提取石英脉，曾取得过很好的效果。

前人及笔者图像处理经验表明，上述常用图像处理方法对于解决一般的遥感信息提取与增强，一般都会得到较好效果，但不同的地区自然地理条件、提取图像信息的目的及所用的数据时相的差别，都是影响图像信息提取效果的重要因素。另外，针对某种特殊目的进行图像信息提取，更需要根据实际情况进行特别算法设计。这也正是遥感图像处理方法能够取得不断创新的主要原因之一。

㈤ 卫星地图图像融合技术的原理是什么

图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。该技术有基本的体系，主要包括的内容有：图像预处理，图像融合算法，图像融合评价，融合结果。图像融合系统的层次划分为：像素层融合、特征层融合、决策层融合，目前绝大多数融合算法研究都集中在这一层次上。图像预处理技术主要包括两个方面的任务：图像去噪、图像配准；图像融合算法从最初简单的融合算法（加权、最大值法）发展为复杂多分辨率的算法（金字塔、小波法等）；图像融合的性能评价主要有两个大的方面：主观评价及客观评价，由于在实际中不存在理想图源，所以一般采用较易实现的评价标准，结合主观视觉给出最合理的评价
参考资料：
http://wenku..com/link?url=_aO8a9mag3SA_xA1Lv7c_MFl4Fi-KFwSDpIBK

㈥ 实验十六 多波段遥感图像融合处理

一、实验目的

了解多波段低空间分辨率遥感影像数据与高空间分辨率单波段遥感影像数据融合处理的目的和技术实现条件，直观感受融合处理影像具有的“扬长避短”增强效果，掌握Transform功能的四种主要融合处理操作，加深对融合增强处理原理和作用的理解。

二、实验内容

（1）用ENVI的Transform功能对甘肃省白银市IKONOS高分辨率遥感影像分别作：①HSV变换融合；②Brovey融合；③PCA融合；④Gram-Schmidt融合处理。

（2）对四种不同的融合图像比较分析。

三、实验要求

①根据实验课时容许情况选择融合处理方案数量，但HSV 变换融合必须完成；②如果进行了两种以上融合，要求对不同融合方法结果进行比较分析；③如果只进行了一种融合，要求将融合图像与RGB合成图像进行比较分析。

四、技术条件

①微型计算机；②甘肃省白银市IKONOS影像；③ENV I软件；④Photoshop软件（ver.6.0以上）和ACDSee软件（ver.4.0以上）。

五、实验步骤

遥感影像融合是指将多源遥感图像按照一定的算法，在规定的地理坐标系中生成新的图像的过程。图像通过融合既可以提高多光谱图像空间分辨率，又保留其多光谱特性。本次实验选择的四种融合算法为：HSV变换、Brovey彩色变换、PCA融合、Gram -Schmidt变换。具体操作步骤如下：

在ENVI主菜单栏中选择“File>Open Image File”，出现文件目录窗口，将甘肃省白银市IKONOS的4个多光谱波段和Pan波段数据调入“Available Bands List”窗口。

（1）HSV融合。

1）在ENVI主菜单栏中选择“Transform >Image Shraepning>HSV”，如图16-1所示出现“Select Input RGB”对话框，ENVI提供两种波段选择方法：从一幅打开的彩色图像或者从可用波段列表中选择3个波段进行变换，任选一种方法后点击【OK】按钮。

2）出现“High Resolution Input File”对话框时（图16-2），选择高空间分辨率全色输入波段，点击【OK】按钮到下一步。

3）当出现“HSV Sharpening Parameters”对话框时（图16-3），从“Resampling”下拉菜单选择重采样方法。选择输出到“File”或“Memory”，点击【OK】按钮开始处理，结果将出现在可用波段列表中。

图16-1 选择输入RGB对话框

图16-2 高分辨率输入文件对话框

（2） Brovey融合（色彩标准化融合）。

1）在 ENVI主菜单栏中选择“Transform > Image Sharpening > Color Normalized（Brovey）”，如图16-1所示，出现“Select Input RGB”对话框，ENVI提供两种波段选择方法：从一幅打开的彩色图像或者从可用波段列表中选择3个波段进行变换。任选一种方法后点击【OK】按钮。

2）出现“High Resolution Input File”对话框时（图16-2），选择高空间分辨率全色输入波段，点击【OK】按钮到下一步。

3）当出现“Color Normalized Sharpening Parameters”对话框时（图16-4），从“Resmaplnig”下拉菜单选择重采样方法。选择输出到“File”或“Memory”，点击【OK】按钮开始处理，结果将出现在可用波段列表中。

（3） PCA融合。

1）在ENV 主菜单栏中选择“Transform>Image Sharpening>PC Spectral Sharpening”。如图16-5所示，出现“Select Low Spatial Resolution Multi Band Input File”对话框时，从“Select Input File”中选择低分辨率的多光谱输入文件，如需要，可用选择任意空间子集，选择完毕后点击【OK】按钮。

图16-3 HSV融合参数对话框

图16-4“Color Normalized Sharpeni Parameters”融合参数对话框

图16-5 选择低空间分辨率多光谱输入文件对话框

2）出现“High Resolution Input File”对话框时，选择高空间分辨率全色输入波段，并可用标准ENVI文件选择方法建立空间子集，点击【OK】按钮到下一步。

3）当出现“PC Spectral Sharpening Parameters”对话框时，从“Resampling”下拉菜单选择低分辨率多光谱影像的重采样方法。如图16 -6 所示，选择输出到“File”或“Memory”，点击【OK】按钮开始处理，结果将出现在可用波段列表中。

图16-6 PC光谱融合参数对话框

（4） Gram-Schmidt变换融合。

1）在ENVI主菜单栏中选择“Transform>Image Sharpening>Gram -Schmidt Spectral Sharpening”。如图16-5所示，出现“Select Low Spatial Resolution Multi BandInput File”对话框时，从“Select Input File”中选择低分辨率的多光谱输入文件，如需要，可用选择任意空间子集，选择完毕后点击【OK】按钮。

2）出现“High Resolution Input File”对话框时，选择高空间分辨率全色输入波段，并可用标准ENVI文件选择方法建立空间子集，点击【OK】按钮到下一步。

3）当出现“Gram - Schmidt Spectral Sharpening Parameters”对话框时（图16-7），从“Select Method for Low Resolution Pan”选项中选择一种构造低分辨率全色波段影像的方法，构造低分辨率全色波段影像的方法有：①在步骤2）操作中选择的低分辨率多光谱输入文件的基础上，以平均值构造出低分辨率全色波段影像；②另外输入一个低分辨率多光谱的全色波段影像；③通过传感器类型，创造一个新的低分辨率多光谱全色波段影像，选择这个方法，融合图像是经过辐射定标的数据；④使用用户自定义的滤波函数。

从“Resampling”下拉菜单选择低分辨率多光谱影像重采样方法。如图16-7 所示，选择输出到“File”或“Memory”，点击【OK】按钮，结果将出现在可用波段列表中。

图16-7 Gram-Schmidt光谱融合参数对话框

（5）用上述四种方法对甘肃省白银市IKONOS卫星遥感数据进行图像融合处理，保存每种融合方法的处理结果，用JPEG图像格式保存每种融合方法的处理结果，存入自己的工作文件夹。

六、实验报告

（1）简述实验过程。

（2）回答问题：①全色波段数据和多波段数据各在图像融合处理中分别起何作用？②用框图给出HSV融合的操作步骤。③用Photoshop软件平铺显示HSV变换融合、Brovey融合、PCA融合和Gram-Schmidt融合四种融合图像，分析其图像增强特征及效果。

实验报告格式见附录一。

㈦ 加权平均法图像融合算法原理是什么

加权平均法图像融合算法的原理就是：对原图像的像素值直接取相同的权值，然后进行加权平均得到融合图像的像素值，举例说比如要融合两幅图像A，B，那它们的融合后图像的像素值就是A*50%+B*50%，就这么简单

㈧ 不同分辨率图像的融合

遥感数据的融合是指采用一种复合模型结构，将不同传感器遥感影像数据源所提供的信息加以综合，以获取高质量的影像信息，同时消除各传感器信息间的信息冗余和矛盾，加以互补，降低其不确定性，减少模糊度，以增强影像中信息清晰度，提高解译精度、可靠性和使用率，以形成对目标相对完整一致的信息描述。

对地质矿产勘查而言，数据的融合目的主要是：①可以明显地改善目标的显示效果，将原始图像中灰色调转化为彩色调；②融合后图像噪声可以很好地被抑制，肉眼对地物判译更加容易；③地物边缘轮廓因彩色更加突出，地物纹理更加清晰。这些很明显可以起到增强岩体、构造的可解性。

目前融合方法有：Lab变换、HIS变换、BROVEY变换、线形复合与乘积运算以及近几年发展起来的小波变换等。这些融合方法在影像的处理上存在有不同偏向，因此要根据不同地物在影像的光谱表现上存在差异，采取不同的处理方法。

（一）微波遥感数据与TM数据融合处理

此次工作所采用的方法为可视化三维动态变换方法。

图1-5 SAR图像灰度拉伸关系图

1.融合前的SAR数据特征增强处理

为了突出SAR数据（彩图1-5a）较高分辨率的优势，在融合前有必要对SAR进行灰度拉伸、纹理增强和细化处理减少噪声等预处理。

（1）灰度线性拉伸

融合之前的拉伸方法不采用非线性拉伸，原因在于经过非线性拉伸后的图像数据，原始灰度值的大小关系会发生变化，产生的灰度扭曲带来了一些含义不明确的伪信息，影响解译。因此，特别强调在增强局部灰度反差时保持原灰度关系的重要性。实验表明，运用直观而简单的线性拉伸方法就可以达到反差增强的效果。其原理如图1-5。

设A₁、A₂为输入图像的嵌位控制值，B₁、B₂为拉伸后图像的最低和最高亮度值。

其输入的图像亮度值A₁—A₂被拉伸为B₁—B₂范围，其中输入亮度0—A₁及A₂—255分别被变换为B₁、B₂，如果B₁=0、B₂=255则拉大了输入图像的动态范围，从而反差得到增强。这是嵌位控制的结果，从而保持了输入图像亮度的线性关系，即没有改变A₁到A₂之间亮度值的大小关系，只是拉开了直方图的动态范围，从而加大了灰度间的差距，增强了影像的细微和突变结构。

（2）纹理能量增强

相邻像元之间亮度值的差异（梯度）可作为纹理的测度。当差异大于一个阈值时，则认为该处存在着要考虑的纹理特征；将此类特征累积统计，则为纹理能量；当局部纹理特征丰富时，则纹理能量大而表现为亮度值高。

SAR图像主要提供的是空间信息，为了使融合后的图像具有较高的空间分辨能力，对SAR图像进行纹理增强及提取是必不可少的。为了突出地貌、线性构造等信息，采用直方图偏度值法。其公式如下：

1∶25万遥感地质填图方法和技术

c（n）是对u进行压缩或拉伸后的值。

利用此纹理值作为权重，对SAR进行高通滤波，可以突出纹理信息。

目前纹理能量增强主要靠模板（3×3、5×5、7×7等）实现，模板推移扫描对每个像元进行增强处理，考虑到增强纹理会带来不必要的噪声，模板的尺寸不易过大，试验表明使用3×3、5×5两个模板的增强效果显着。

2.参与融合的非SAR数据的处理

在融合图像中，参与融合的非SAR数据的贡献就是它们的光谱信息。融合前对它们的处理以彩色增强为主，调整其亮度、色度、饱和度，拉开不同地物之间的色彩反差。对局部纹理的要求不高，有时为了保证光谱色彩，还允许牺牲部分纹理信息来确保融合图像的总体效果。

通常所说的图像增强是一维图像增强，即先在单波段上进行反差增强，然后把增强后的三个波段合成在一起。这种方法在有些地区，由于地表信息接近，波段间的相关性强，合成的图像反差小，色彩不鲜艳。因此，我们在反复试验的实践中，摸索出三维反差增强方法，获得了色彩鲜艳且保留原始影像信息的彩色图像（彩图1-5b）。

三维反差增强技术的实质是，扩大同名点像元在合成的三个波段上的灰度差异，使该同名点合成的色彩鲜艳，达到彩色增强的目的；使图像上不同地物间的微小的灰度差异也能增强成明显的色彩差异，从而达到增强图像信息的效果。这是一种用颜色来突出地质、地理信息的方法，这种方法比单纯用灰度差异突出地质、地理信息更加有效。

实现三维反差增强技术有两个约束条件：其一，增强后的图像同名点像元的灰度值在三个波段上的灰度值仍然保持原来大小的相对关系，也就是说原来灰度值小的增强以后还是小的，原来灰度值大的增强以后还是大的；其二，增强后的图像同名点像元在三个波段上的灰度值之和保持不变，只是同名点像元在三个波段上的灰度值的差异扩大，使彩色合成后的色彩鲜艳、信息丰富并保持原来标准假彩色合成的特点。

为了扩大不同地质体的光谱信息的差异，还可采用波段特征差异光谱加权方法，其算法如下：

设R，G，B为经过三维反差增强后的红、绿、蓝三个彩色分量；R₀，G₀，B₀为输出图像的三个分量；G_b，B_g为波段特征差异；α，β为两个常数。

1∶25万遥感地质填图方法和技术

将生成的三个新分量再进行彩色合成，扩大了地物间的色彩差异，减少了相关性。上述融合方法的最大优点是可以对隔合图像的锐度、灰度、色彩等空间信息分离并进行动态跟踪处理，直到获取满意的结果为止。

（二）不同分辨率多光谱数据融合处理

在干旱裸露地区，利用Landsat TM L7卫星影像制作影像图，与L5不同，L7有一个全色波段 B8，它的空间分辨率为15 m，为了提高图像解译的可识别性，在提高空间分辨率的同时，又充分利用多光谱波段的波谱信息，将L7自身所有的30 m空间分辨率的多光谱波段（彩图1-6a）与15 m分辨率的全色波段进行信息融合，可得到高分辨率的彩色图像（彩图1-6b）。同时我们在植被覆盖试验区，利用高分辨率 SPOT卫星图像（彩图1-6c）与TM图像的多光谱波段进行融合（彩图1-6d），进而提高遥感解译的可靠性，得到 TM图像和SPOT图像的彩色模拟，它的原理是：

首先将两种分辨率的图像进行配准，配准精度应在一个像元以内，我们在干旱裸露试验区进行的四景L7图像配准，最大拟合误差为0.85像元；SPOT图像16景与TM图像的配准误差最大为0.95像元。L7自身配准时纠正函数选择一次多项式，不同传感器图像配准时选择二次多项式。

然后选择的三个波段（干旱裸露试验区：7，4，1；植被覆盖试验区：5，3，2作HIS变换得到三个分量，用高分辨率的图像替代I分量，在进行反变换，重新得到RGB图像。这个模拟图像既有高分辨率图像的较高空间分辨率，又具有彩色图像的光谱信息。

㈨ 简单的图像融合算法:像素灰度值取大/小图像融合方法matlab代码。就是比较2幅图同一点的像素值取大/小。

im1=imread('c:\1.bmp'); % 读入两个图像
im2=imread('c:\3.bmp');
im3=im1-im2; %两图相减
a=im3>0; %图1比图2大的像素点
b=im3==0; %图1比图2小的像素点

% 合成大像素值的图像
im_large=uint8(a).*im1+uint8(b).*im2;
%合成小像素值的图像
im_small=uint8(b).*im1+uint8(a).*im2;

%显示结果
imshow(im_large)
figure, imshow(im_small)

%希望你是这个意思。。