二手逆变电焊机:影像融合

实习序号及题目
实习六、影像融合
实习人姓名
专业班级及编号
任课教师姓名
实习指导教师姓名
实习地点
实习日期时间
实习目的
掌握影像融合的概念和方法，并具体加以实现
实习内容
1、  利用纠正好的全色波段影像对多光谱波段影像进行几何精纠正，要求GCP单点位置精度高于0.21；在实习报告中给出精度计算结果表。
2、  采用下述方法进行影像融合：
(1)   HSV
(2)   Brovey变换
(3)   Gram-Schmidt Spectral Shaping
(4)   PC Spectral Sharpening
(5)   CN Spectral Sharpening
(6)   小波融合
(7)   Pan Sharpening
3、  根据各个算法相应的帮助系统（help）说明各个算法的原理和关键参数设置
4、  比较融合前后多光谱影像的差异
5、  比较不同算法所得融合影像之间的差异，指出融合效果最好的前三种算法。
基本原理
1、影像融合是将同一目标或场景的用不同传感器获得的，或用同种传感器以不同成像方式，或在不同成像时间获得的不同影像，融合为一幅影像，在保持多光谱影像辐射信息的同时提高了影像的空间分辨率的遥感影像处理方法。
2、HSV。HSV融合方法 HSV融合方法属于一种颜色变换的融合方法，首先介绍一下HSV颜色变换，HSV颜色变换是把标准的RGB图像变换到为色度H (Hue)、饱和度S (Saturation)和亮度V (Value)图像。HSV融合方法流程是对多光谱影像3个波段使用HSV颜色正变换为H、S和V三幅图像，然后用高分辨率影像替代H图像，最后对H、S和V图像实施HSV颜色变换的逆变换得到融合影像。
3、Brovey。该方法对彩色图像和高分辨率数据进行数学合成，从而使图像锐化。彩色图像中的每一个波段都乘以高分辨率数据与彩色波段总和的比值。函数自动地用最近邻、双线性或三次卷积技术将3个彩色波段重采样到高分辨率像元尺寸。输出的RGB图像的像元将与高分辨率数据的像元大小相同。
4、Gram-Schmidt Spectral Shaping。Gram-Schmidt 可以对具有高分辨率的高光谱数据进行锐化。第一步，从低分辨率的波谱波段中模拟出一个全色波段。第二步，对该全色波段和波谱波段进行Gram-Schmidt变换，其中模拟的全色波段被作为第一个波段。第三步，用Gram-Schmidt 变换后的第一个波段替换高空间分辨率的全色波段。最后，应用Gram-Schmidt反变换构成pan锐化后的波谱波段。
5、PC Spectral Sharpening。用PC 可以对具有高空间分辨率的光谱图像进行锐化。第一步，先对多光谱数据进行主成分变换。第二步，用高分辨率波段替换第一主成分波段，在此之前，高分辨率波段已被缩放匹配到第一主成分波段，从而避免波谱信息失真。第三步，进行主成分逆变换。函数自动地用最近邻、双线性或三次卷积技术将多光谱数据重采样到高分辨率像元尺寸。
6、CN Spectral Sharpening。CN波谱锐化的彩色标准化算法也被称为能量分离变换，它使用来自锐化图像的高空间分辨率（和低波谱分辨率）波段对输入图像的低空间分辨率（但是高波谱分辨率）波段进行增强。该功能仅对包含在锐化图像波段的波谱范围内的输入波段进行锐化，其他输入波段被直接输出，不发生变换。
7、小波融合。小波融合是将输入的图像转换到小波空间，然后将其小波系数融合，最后，通过小波逆变换得到融合影像。小波图像具有与原图像不同的特性，表现在图像的能量主要集中于低频部分，而水平、垂直和对角线部分的能量则较少；水平、垂直和对角线部分表征了原图像在水平、垂直和对角线部分的边缘信息，具有明显的方向特性。
8、Pan Sharpening。该方法适合高分辨率影像，融合效果较好。第一步，从低分辨率多光谱波段中模拟出一个全色波段。第二步，把模拟的全色波段和多光谱波段进行Pan Sharpening变换，将模拟的全色波段作为第一波段。第三步，用高分辨率的全色波段替换Pan Sharpening变换后的第一波段。第四步， 进行Pan Sharpening逆变换，得到融合影像。
数据准备
1、  多光谱影像005547195010_01_p001_mul
2、  全色影像005547195010_01_p001_pan
操作方法及过程
一、影像的几何精纠正
1、先将全色影像005547195010_01_p001_pan和多光谱影像005547195010_01_p001_mul分别加载到两个不同的主窗口中，然后，Map|Registration|Select GCPs:Image to Image，并将全色影像作为Base Image，将多光谱影像作为Warp Image。根据两幅上有明显特征的相同地物，选择15个控制点，对多光谱影像进行二阶纠正。得出纠正后的影像jiuzheng。
2、设置多光谱影像和全色影像头文件信息。操作步骤：在Available Bands List中，选择精纠正后的多光谱影像，右击选择Edit Head，在弹出的对话框中选择Edit Attributes下拉菜单中的Wavelength选项将1、2、3三个波段的值分别设为660nm、560nm、485nm。同理，将全色影像的Wavelength设置为675nm，同时将其FWHM的属性值设为450nm。
二、影像融合
1、HSV融合。
①操作步骤：加载经过精纠正的影像jiuzheng，然后，Transform|Image Sharpening|HSV，选择打开jiuzheng的窗体为Input RGB，选择全色影像为Input Band，Resampling选择Nearest Neighbor，最后选择融合后的影像的保存路径。
②将经融合处理得到的影像加载到新的窗体中，同全色影像和多光谱影像进行比较，分析融合效果。
2、Brovey融合。
①操作步骤：Transform|Image Sharpening|Color Normalized(Brovey)，选择打开jiuzheng的窗体为Input RGB，选择全色影像为Input Band，Resampling选择Nearest Neighbor，最后选择融合后的影像的保存路径。
②将经融合处理得到的影像加载到新的窗体中，同全色影像和多光谱影像进行比较，分析融合效果。
3、Gram-Schmidt Spectral Shaping。
①操作步骤：Transform|Image Sharpening| Gram-Schmidt Spectral Shaping，Input File选择精纠正后的多光谱影像jiuzheng，Input Band选择高分辨率的全色影像，Method for Low Resolution Pan 选择Create By Sensor Type，Resampling选择Nearest Neighbor，最后选择融合后的影像的保存路径。
②将经融合处理得到的影像加载到新的窗体中，同全色影像和多光谱影像进行比较，分析融合效果。
4、PC Spectral Sharpening。
①操作步骤：Transform|Image Sharpening| PC Spectral Sharpening，Input File选择精纠正后的多光谱影像jiuzheng，Input Band选择高分辨率的全色影像，Resampling选择Nearest Neighbor，最后选择融合后的影像的保存路径。
②将经融合处理得到的影像加载到新的窗体中，同全色影像和多光谱影像进行比较，分析融合效果。
5、CN Spectral Sharpening。
①操作步骤：Transform|Image Sharpening| CN Spectral Sharpening，Low Spatial Resolution Image选择精纠正后的多光谱影像jiuzheng，High Spatial Resolution Image选择高分辨率的全色影像，Sharpening Image Multiplicative Scale Factor设定为1，最后选择融合后的影像的保存路径。
6、小波变换。
①操作步骤：Transform|Wavelet Fusion，其中A选择选择精纠正后的多光谱影像jiuzheng，B选择高分辨率的全色影像，Fusion Strength选择默认的，最后选择融合后的影像的保存路径。
②将经融合处理得到的影像加载到新的窗体中，同全色影像和多光谱影像进行比较，分析融合效果。
7、Pan Sharpening。
①操作步骤：File|Launch ENVI Zoom，打开ENVI Zoom，加载精纠正过的多光谱影像和全色影像，然后Processing|Pan Sharpening，Low Spatial Resolution Multi Band Input File选择多光谱影像，High Spatial Resolution Multi Band Input File选择全色影像，Sensor设置为QuickBird，Resampling设置为Nearest Neighbor，选择输出路径。
②在ENVI Zoom分析经过Pan Sharpening处理后的影像的效果。
结果与分析
一、几何精纠正控制点位置及其误差
Total RMS Error: 0.087350
Points
Base (x)
Base (y)
Warp (x)
Warp (y)
Predict (x)
Predict (y)
Error (x)
Error (y)
RMS Error
1
1246.22
1640.44
313.4
411.1
313.5
411.17
0.1
0.07
0.12
2
1621.75
1015.75
407
254.27
406.93
254.21
-0.07
-0.06
0.09
3
705
1346.86
177.36
337.27
177.33
337.3
-0.03
0.03
0.05
4
277.3
1610.3
69.9
403.1
69.97
403.08
0.07
-0.02
0.07
5
59
883.14
15.38
221.38
15.32
221.3
-0.06
-0.08
0.1
6
452.43
872.57
113.95
218.5
113.85
218.54
-0.1
0.04
0.1
7
1191.14
1025.86
299.07
256.93
299.02
256.81
-0.05
-0.12
0.13
8
599
221
150.3
55.4
150.34
55.32
0.04
-0.08
0.09
9
170.71
362
43.3
90.9
43.38
91.01
0.08
0.11
0.13
10
1613.38
462
403.91
114.82
403.99
114.89
0.08
0.07
0.11
11
1344.25
168.38
336.36
41.27
336.36
41.32
0
0.05
0.05
12
1159.63
631.13
290.75
157.75
290.73
157.71
-0.02
-0.04
0.05
13
795
599.25
199.5
149.95
199.49
149.93
-0.01
-0.02
0.03
14
291
1231.13
73.4
308.25
73.42
308.26
0.02
0.01
0.02
15
901.5
1071.5
226.5
268.25
226.46
268.29
-0.04
0.04
0.06
二、影像融合
1、HSV
【HSV融合前后影像比较】

全色影像                    精纠正后的多光谱影像             HSV融合后的影像
【结果与分析】：通过HSV融合后，融合和的影像和全色影像相比较，融合后的影像色彩信息更加丰富，影像的分辨率基本上没什么变化。融合后的影像与多光谱影像相比较，影像的分辨率有了很大的提高，色彩的亮度、色度、饱和度都有较明显的改变，颜色分布与地物信息的吻合度比较高，使得地物信息得到极大的丰富和便于辨别和分析。
2、Brovey
【Brovey融合前后影像比较】

全色影像                    精纠正后的多光谱影像             Brovey融合后的影像
【结果与分析】：Brovey融合后的影像色彩畸变比较大，与多光谱影像相比较，影像上的地物的清晰程度有很大的提高，分辨率较高，但是影像中的阴影地方初相蓝色，颜色不符合实际；河流颜色发生的畸变也比较大，出现不整齐的暗绿色。绿色植物的颜色变得过于鲜绿，而红色的屋顶的颜色也有较大的失真。
3、Gram-Schmidt Spectral Shaping
【Gram-Schmidt Spectral Shaping前后影像比较】

全色影像                    精纠正后的多光谱影像          Gram-Schmidt处理后的影像
【结果与分析】：Gram-Schmidt Spectral Shaping处理后的影像总体上来说分辨率有很大的提高，清晰度高，光谱信息比较丰富，但颜色的匹配还不是很理想，整个影像的色调基本上一致，呈现出泛红的现象，地物之间的辨别基本上是通过影像上的灰度信息，而色彩提供的信息量较少，区分度不高。
4、PC Spectral Sharpening
【PC Spectral Sharpening前后影像比较】

全色影像                    精纠正后的多光谱影像              PC处理后的影像
【结果与分析】：PC Spectral Sharpening处理后的影像清晰度高，涵盖的地物信息量大，颜色的畸变很小，和Gram-Schmidt Spectral Shaping处理的影像效果类似，颜色的匹配还不是很理想，整个影像的色调基本上一致，呈现出泛红的现象，色彩不够丰富。
6、小波融合
【Fusion Strength处于A、B正中间】

全色影像                    精纠正后的多光谱影像              小波融合后的影像
【结果与分析】：经过上述小波融合处理后，影像的清晰度提高的效果不是很好，地物的边界比较模糊，边界的锐化程度不高，影像中地物的色彩信息也不够丰富，色彩的饱和度低，整体上对地物的分析效果不是很好。
【Fusion Strength处于A、B正中间和偏向于高清晰度的B影像】

Fusion Strength处于A、B正中间                Fusion Strength偏向于高清晰度的B影像
【结果与分析】：在小波融合的过程中，通过对Fusion Strength的值的调整，所得到的影像的效果是有明显差别的。Fusion Strength偏向于高清晰度的B影像处理后的结果是影像的清晰度高，地物边界信息比较丰富，但是影像中地物的色彩饱和度不高，色彩信息不够丰富。但就左边的影像处理效果有很大的改善。
7、Pan Sharpening
【Pan Sharpening处理后的影像】

Pan Sharpening处理后的影像
【结果与分析】：经过Pan Sharpening处理后，影像的分辨率和清晰度都比较高，色彩的失真程度比较小，融合效果很好。只是在影像中，有些地物的颜色有点偏深，如河边的绿色植物的颜色就有点偏蓝，整体上很理想。
三、融合效果比较
根据融合的效果的比较，HSV 、Pan Sharpening、Gram-Schmidt Spectral Shaping的处理结果比较理想。
存在问题与解决办法
1、在对多光谱影像进行几何精纠正选取控制点的时候进行的速度比较慢，开始的效果不是很理想，原因在与纠正的操作不是很熟练。后来在选取控制点时，对于不合适的控制点，但何以通过调节来休整其精度的，对其进行逐个调整，有效的提高了选取控制点的精度。
2、小波融合中，Fusion Strength多少的确定把握的不是很准确，不能高效的得到理想的最佳的融合效果。
总结
通过本次实习的完成进一步理解影像处理，对HSV、Brovey变换、Gram-Schmidt Spectral Shaping、PC Spectral Sharpening、CN Spectral Sharpening、小波融合、Pan Sharpening处理原理掌握操作步骤和步骤有更深入的理解。不同的影像融合处理手段能够有效的解决影像的多种来源的问题，也能够有针对性的分别提取某个影像上的信息，各取所长，然后整合到一个影像中，这样大大提高了遥感的可读性，以及对影像分析的精确性。每个影像融合方法都有自己处理影像的侧重点和不足，根据需要选择合适的方法非常重要。