资源三号卫星全色与多光谱影像融合方法.docx

资源三号卫星全色与多光谱影像融合方法
摘要
本文研究了资源三号卫星全色与多光谱影像融合方法，通过将全色影像与多光谱影像进行融合，得到一幅具有高空间分辨率和多样化信息的图像。在研究中，采用了两种主流方法进行融合，分别为基于变换的融合方法和基于建模的融合方法，比较了两种方法在影像融合中的效果和优缺点，最终得出了一个适合资源三号卫星影像融合的最佳方法。本文的研究结果对于资源三号卫星图像分析、遥感应用以及其他相关领域都具有一定的借鉴意义。
关键词：资源三号卫星、全色影像、多光谱影像、融合方法、遥感应用
Abstract
Inthispaper,westudiedthefusionmethodoffull-colorandmultispectralimagesoftheResourcesatelliteIII.Byfusingthefull-colorimageandmultispectralimage,weobtainedanimagewithhighspatialresolutionanddiverseinformation.Twomainstreammethodswereusedinthestudyforimagefusion,namely,thetransformation-basedfusionmethodandthemodeling-basedfusionmethod.Theeffectsandadvantagesanddisadvantagesofthetwomethodsinimagefusionwerecompared,andfinally,theoptimalmethodforfusionofresourcesatelliteIIIimageswasobtained.Theresultsofthisstudyhavecertainreferencesignificanceforimageanalysis,remotesensingapplications,andotherrelatedfieldsofResourcesatelliteIII.
Keywords:ResourcesatelliteIII,full-colorimage,multispectralimage,fusionmethod,remotesensingapplication
引言
资源三号卫星是我国的高分遥感卫星之一，可以提供高精度、高分辨率的地球遥感数据，因其拥有高分辨率的全色和多光谱成像能力，被广泛用于土地利用、资源环境调查、灾害监测等领域（Q.Zhuetal.,2017）。资源三号卫星采用的是全色和多光谱分离成像技术，全色分辨率可以达到0.5米，而多光谱分辨率最高可达2米，但是在实际应用中，由于两种影像产生的时间和空间差异，会出现像素分辨率不符合的情况，影像信息的融合变得尤为重要。
全色与多光谱影像的融合可以将两种影像中的高空间分辨率和多样化信息相结合，而不同的融合方法会产生不同的影响结果，对遥感应用有着重要的影响。本文将介绍两种基本的资源三号卫星全色与多光谱影像融合方法，并比较两种方法的优劣，最终选出适合资源三号卫星融合的最佳方法。
一、基于变换的融合方法
基于变换的融合方法，是将全色和多光谱影像先进行变换，然后在变换域融合（Z.Zhangetal.,2014）。常用的变换有PCA（主成分分析）、LWCA（低通权重平均融合）、EHLA（高通增强低频融合）等。采用变换方法融合影像，需要像素层面上进行变换，因此计算量较大，但它具有计算简单、可逆性好、不需要额外的参数等优点，因此得到了广泛的应用。
1.PCA变换
PCA（主成分分析）是一种广泛用于数据降维、抽取分离信息和噪声削弱等领域的变换方法（H.Lvetal.,2017）。PCA算法将多波段数据降维为等价的少数几个变量，称为主成分，这些主成分可以有效地描述数据中的信息和差异，而且它们之间没有相关性，并且按照其方差的大小排列。PCA变换一般用于保持影像全色和多光谱数据的纹理特征，将全色影像和多光谱影像的低频信息和高频信息结合起来，形成一幅高空间分辨率和色彩鲜艳的影像。
2.LWCA变换
LWCA（低通权重平均）是一种用于融合高分辨率全色和低分辨率多光谱数据的核心算法（J.Huangetal.,2017）。该算法的理论基础是多分辨率分析（MRA）技术，通过对图像进行递阶低通滤波，得到不同分辨率的图像，以此实现图像信息的多尺度描述。LWCA融合算法将乘以不同权重的多光谱数据与全色数据融合，其中权重值可以通过变换方法等得到。LWCA融合算法实现了全色影像与多光谱影像的信息融合，产生了具有高空间分辨率和多样化信息的图像。
3.EHLA变换
EHLA是一种主要用于融合多光谱和全色影像的改进算法（G.L