高分辨率遥感影像融合及其在城市规划中的应用.ppt

《高分辨率遥感影像融合及其在城市规划中的应用.ppt》由会员分享，可在线阅读，更多相关《高分辨率遥感影像融合及其在城市规划中的应用.ppt（44页珍藏版）》请在三一办公上搜索。

1、遥感影像数据融合原理与方法,数据融合基本涵义,定义 图像融合就是将同一区域的多源遥感图像按统一的坐标系统，通过空间配准和内容复合，生成一幅比单一信息源更准确、更完全、更可靠的新图像的技术方法。其优点在于：提高了影像的空间分解力和清晰度；提高了影像的平面测图精度、分类精度及可靠性；增强了影像的解译和动态监测能力，有效提高遥感影像数据的利用率等；应用领域数据融合（data fusion）最早被应用于军事领域。现在数据融合的主要应用领域有：多源影像复合、机器人和智能仪器系统、战场和无人驾驶飞机、图像分析与理解、目标检测与跟踪、自动目标识别等等。,相对于单源遥感影象数据，多源遥感影象数据所提供的信息具

2、有以下特点：冗余性：表示多源遥感影像数据对环境或目标的表示、描述或解译结果相同；互补性：指信息来自不同的自由度且相互独立合作性：不同传感器在观测和处理信息时对其它信息有依赖关系；信息分层的结构特性：数据融合所处理的多源遥感信息可以在不同的信息层次上出现，这些信息抽象层次包括像素层、特征层和决策层，分层结构和并行处理机制还可保证系统的实时性。,实质：在统一地理坐标系中将对同一目标检测的多幅遥感图像数据采用一定的算法，生成一幅新的、更能有效表示该目标的图像信息。目的：将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的

3、及时性和可靠性，提高数据的使用效率。,数据融合原理及过程,一般来说，遥感影像的数据融合分为预处理和数据融合两步 预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准 几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。,影像的空间配准是遥感影像数据融合的前提。空间配准一般可分为以下步骤:特征选择：在欲配准的两幅影像上，选择如边界、线状物交叉点、区域轮廓线等明显的特征。特征匹配：采用一定配准算法，找处两幅影像上

4、对应的明显地物点，作为控制点。空间变换：根据控制点，建立影像间的映射关系。插值：根据映射关系，对非参考影像进行重采样，获得同参考影像配准的影像。空间配准的精度一般要求在12个像元内。空间配准中最关键、最困难的一步就是通过特征匹配寻找对应的明显地物点作为控制点。,2.数据融合 根据融合目的和融合层次智能地选择合适的融合算法，将空间配准的遥感影像数据（或提取的图像特征或模式识别的属性说明）进行有机合成，得到目标的更准确表示或估计。对于各种算法所获得的融合遥感信息，有时还需要做进一步的处理，如“匹配处理”和“类型变换”等，以便得到目标的更准确表示或估计。,数据融合分类及方法,1 数据融合方法分类 遥

5、感影像的数据融合方法分为三类：基于像元(pixel)级的融合、基于特征(feature)级的融合、基于决策(decision)级的融合。融合的水平依次从低到高。1.1 像元级融合 像元级融合是一种低水平的融合。像元级融合的流程为：经过预处理的遥感影像数据数据融合特征提取融合属性说明。,优点：保留了尽可能多的信息，具有最高精度。局限性：效率低下：由于处理的传感器数据量大，所以处理时间较长，实时性差。分析数据限制：为了便于像元比较，对传感器信息的配准精度要求很高，而且要求影像来源于一组同质传感器或同单位的。分析能力差：不能实现对影像的有效理解和分析 纠错要求较高：由于底层传感器信息存在的不确定性、

6、不完全性或不稳定性，所以对融合过程中的纠错能力有较高要求。抗干扰性差：像元级融合所包含的具体融合方法有：代数法、IHS变换、小波变换、主成分变换（PCT）、K-T变换等。,1.2 特征级融合 特征级融合是一种中等水平的融合。在这一级别中，先是将各遥感影像数据进行特征提取，提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。特征级融合的流程：经过预处理的遥感影像数据特征提取特征级融合（融合）属性说明。,1.3 决策级融合 决策级融合是最高水平的融合。融合的结

7、果为指挥、控制、决策提供了依据。在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得到目标或环境的融合属性说明。决策级融合的优点时具有很强的容错性，很好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特征提取有较高要求，所以决策级融合的代价较高。决策级融合的流程：经过预处理的遥感影像数据特征提取属性说明属性融合融合属性说明。,表1 三级融合层次的特点,表2 三级融合层次下的融合方法,2 数据融合方法介绍 2.1 代数法 代数法包括加权融合、单变量图像差值法、图像比值法等。（1）加权融合法（2）单变量图像差值法（3）图象比值法,2.2 图像回归法（Image Regr

8、ession）图像回归法是首先假定影像的像元值是另一影像的一个线性函数，通过最小二乘法来进行回归，然后再用回归方程计算出的预测值来减去影像的原始像元值，从而获得二影像的回归残差图像。经过回归处理后的遥感数据在一定程度上类似于进行了相对辐射校正，因而能减弱多时相影像中由于大气条件和太阳高度角的不同所带来的影响。,2.3 主成分变换（PCT或K-L变换）PCT是应用于遥感诸多领域的一种方法，包括高光谱数据压缩、信息提取与融合及变化监测等。PCT的本质是通过去除冗余，将其余信息转入少数几幅影像（即主成分）的方法，对大量影像进行概括和消除相关性。PCT使用相关系数阵或协方差阵来消除原始影像数据的相关性

9、，以达到去除冗余的目的。对于融合后的新图像来说各波段的信息所作出的贡献能最大限度地表现出来。它将多波段的低分辨率图像进行PCA变换，将单波段的高分辨率图像经过灰度拉伸，使其灰度的均值与方差和PCA变换第一分量图像一致；然后用拉伸过的高分辨率图像代替第一分量图像，经过PCA逆变换还原到原始空间，生成具有高空问分辨率的多波段融合图像。PCT的优点是能够分离信息，减少相关，从而突出不同的地物目标。另外，它对辐射差异具有自动校正的功能，因此无须再做相对辐射校正处理。,2.4 Brovey变换融合法,Brovey变换法融合是较为简单的融合方法，它是为RGB影像显示进行多光谱波段颜色归一化，将高分辨率全色

10、影像与多光谱影像红、绿、蓝波段的比重各自相乘完成融合，其计算公式为：其中，B_new代表融合以后的波段数值(i一1，2，3)；Br_m、Bg_m、Bb_m分别代表低分辨率多光谱图像中的红、绿、蓝波段数值；B_m表示红、绿、蓝3个波段中的任意一个；B_h代表高分辨率全色影像。变换处理完成后，再反变换得到新图像。,2.5 乘积变换融合法,乘积变换融合是应用最基本的乘积组合算法，直接对2 种空间分辨率的遥感数据进行融合，其运算法则为：其中，Bi_new代表融合以后的波段数值（i=1，2，n）；Bi_m代表多光谱图像中的任意一个波段数值；Bi_h代表高分辨率遥感数据波段值。乘积变换是由Crippen

11、的4 种分析技术演变而来的，Crippen研究表明（Crippen，1989）：将一定亮度的图像进行变换处理时，只有乘法变换可以使其色彩保持不变。,2.6 Pansharp融合法(PCI Geomatica software),Pansharp 算法用于高分辨率全色影像和多光谱影像的融合，生成高分辨率彩色影像。这种技术通常被称为Pan-sharpening。Pansharp是用于8bit，16bit或32bit数据，可以用于相同传感器或不同传感器之间影像的融合。Pan-sharpening自动融合算法是通过合并高分辨率的全波段影像(PAN)增强多波段影像的空间分辨率的一种影像融合技术。此种算法

12、要求全波段影像和多波段影像同平台、同时间(或时间间隔很短)获得的。,2.7 Gram-Schmidt变换,Gram-Schmidt(GS)变换是线性代数和多元统计中常用的多维线性正交变换，在任意可内积空间，任一组相互独立的向量都可通过GS 变换找到该向量的一组正交基。设u1,u2,un 是一组相互独立的向量，GS 变换构造正交向量v1,v2,vn 的方式如下：假设v1=u1，依次计算第i+1个正交向量：,式中：wi为已经计算的前i个正交向量跨越的空间，projWi ui+1是ui+1在wi的正交投影。第二个向量v2 的计算如图 所示，其中v1=u1。,2.4 K-T变换 即Kauth-Thom

13、as变换，简称K-T变换，又形象地称为“缨帽变换”，是线性变换的一种。它能使坐标空间发生旋转，但旋转后的坐标轴不是指向主成分的方向，而是指向另外的方向，这些方向与地面景物有密切的关系，特别是与植物生长过程和土壤有关。以此，这种变换着眼于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间的特征。通过这种变换，既可以实现信息压缩，又可以帮助解译分析农业特征，因此有很大的实际应用意义。目前对这个变换在多源遥感数据融合方面的研究应用主要集中在MSS与TM两种遥感数据的应用分析方面。,2.5 小波变换 小波变换是一种新兴的数学分析方法，已经受到了广泛的重视。小波变换是一种全局变换，在时间域

14、和频率域同时具有良好的定位能力，对高频分量采用逐渐精细的时域和空域步长，可以聚焦到被处理图像的任何细节，从而被誉为“数学显微镜”。小波变换常用于雷达影像SAR与TM影像的融合。它具有在提高影像空间分辨率的同时又保持色调和饱和度不变的优越性。,2.6 IHS变换 3个波段合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度I，色度H，饱和度S，它们分别对应3个波段的平均辐射强度、3个波段的数据向量和的方向及3个波段等量数据的大小。RGB颜色空间和IHS色度空间有着精确的转换关系。以TM和SAR为例，变换思路是把TM图像的3个波段合成的RGB假彩色图像变换到IHS色度

15、空间，然后用SAR图像代替其中的I值，再变换到RGB颜色空间，形成新的影像。,2.7 贝叶斯（Bayes）估计 2.8 D-S推理法(Dempster-Shafter)2.9 人工神经网络（ANN）2.10 专家系统,遥感数据融合存在问题及发展趋势,遥感影像数据融合还是一门很不成熟的技术，有待于进一步解决的关键问题有：空间配准模型 建立统一的数学融合模型提高数据预处理过程的精度 提高精确度与可信度 随着计算机技术、通讯技术的发展，新的理论和方法的不断出现，遥感影像数据融合技术将日趋成熟，从理论研究转入到实际更广泛的应用，最终必将向智能化、实时化方向发展，并同GIS结合，实现实时动态融合用于更新

16、和监测。,QuickBird遥感影像融合,QuickBird（快鸟）介绍 QuickBird（快鸟）是由“数字全球”公司运营，是目前世界上商业卫星中分辨率最高、性能最优的一颗卫星；快鸟-2卫星可以同时拍摄全色（空间分辨率为61 cm）和 多光谱图像（空间分辨率2.5m），也可以提供自然彩色和彩色红外合成图像；每次过顶可以拍摄连续10景图像（165km长）或者22景图像的面积，年拍摄能力为7000万平方千米。QuickBird影像融合上述影像融合方法是否适用？如果适用，哪种方法最优？,融合结果评价指标,均值与标准方差 在统计理论中，统计均值和标准差分别定义为：均值反映平均亮度，如果均值适中，则视

17、觉效果良好；方差反映了灰度相对于灰度均值的离散情况，方差越大，影像的对比度越强。信息熵 信息熵的大小，反应了图像携带的信息量的多少。融合图像的熵值越大，说明融合图像携带的信息量越大。,融合结果评价指标,偏差度 Costantin 等人用偏差指数(difference index)来反映融合后图像与原始多光谱图像在光谱信息上的匹配程度。例如，高空间分辨率影像A与低空间分辨率影像B进行融合生成影像C，偏差度定义为融合后图像C 的亮度值I(i,j)与原始图像B的亮度值I(i,j)的差的绝对值与原始影像B的亮度值的比值：如果偏差指数D 较小，则说明融合后的图像C，在提高了空间分辨率的同时，较好地保留了

18、多光谱影像B的光谱信息。扭曲程度 图像光谱扭曲程度直接反映了多光谱图像的光谱失真程度，光谱扭曲定义为：D 越大，说明光谱失真越大。,图像的相关系数 图像的相关系数反映了融合图像与原多光谱图像的相关程度，通过比较融合前后的图像相关系数，可以看出多光谱图像的光谱信息的改变程度。2幅图像的相关系数定义为：式中,fi,j,和gi,j分别为2幅图像上(i,j)点的灰度值；ef 与 eg为2幅图像的均值。,融合结果评价指标,QuickBird波段多光谱原始图像(R:3 G:2 B:1),QuickBird 全色原始图像,QuickBird影像融合实验,QuickBird影像融合结果,主成分变换融合,乘积变

19、换融合,比值变换融合,PANSHARP 融合,Gram-schmidt 变换融合,从视觉效果上看，PanSharp 变换和Gram-schmidt 变换融合的图像不但很好的保留了多光谱图像的绝大部分光谱信息，而且图像色彩接近自然色，地物的对比效果较好，清晰度较高，总体视觉效果良好；主成分变换在目标地物的细节特征最为清晰；乘积变换的清晰度最差；比值变换的清晰度比乘积变换的高，但是比其它几种变换的要低。,融合前后的数理统计参数比较,融合后单色影像的熵值普遍都大于原始图像，均达到了信息融合的目的。应用Gram-schmidt 变换融合后，方差和熵值都大于原始图像的相应波段，从而表明融合后图像的动态范

20、围增大，信息量也有所增长，融合效果最佳。其它传统变换融合后的图像的在均值、方差、中值和熵值比较原始图像也有不同的增加，但总体上不如Gram-schmidt 变换融合后的效果好。,不同影像融合算法参数,主成分变换，PANSHARP 变换和Gram-schmidt 变换的均值都在128附近，视觉效果较好；PANSHARP变换和Gram-schmidt变换的方差和信息熵明显高于其它融合方法，说明这两种融合方式所成的图像携带了大量信息，融合效果较好；Gram-schmidt 变换的扭曲程度和偏差指数是所有融合方法中最小的，相关系数是最大的，说明此变换方法得到的图像与原始图像的匹配度较高，失真较小。,结

21、论和讨论,主观和客观的评价表明:相对于传统的主成分变换融合、乘积变换融合、比值变换融合法，PANSHARP变换融合法和Gram-schmidt变换融合法较好的保留了光谱影像的光谱信息，提高了影像辨识度，增强了纹理特征，尤其以Gram-schmidt变换最佳；传统的主成分变换在细节特征方面有着自身的优势；根据不同实际情况的需要选择不同的融合方法，这对今后的特征信息提取和分类是非常有利的且重要的；对于高空间分辨率影像数据，Gram-schmidt 变换融合是最为适宜的融合方法。展望基于特征和决策层的融合研究是遥感影像融合发展的重要方向；目前对于遥感影像融合的研究主要是基于象元的融合，对于特征和决策

22、层的融合研究较少。,高分辨率卫星数据在城市规划与监测中的应用,城市遥感信息是城市重要的信息资源之一，遥感技术在城市规划与管理方面的应用目标可以归纳为：快速实现城市范围国土资源与生态环境的多层次、全方位综合调查；系统地研究城市资源与环境的空间分布规律及其相互联系、相互制约的关系，按不同层次、不同内容编制系列基础图件，客观、真实、系统地反映城市的建设成就和存在问题，为制定城市国民经济和社会发展的中长期规划、国土资源和生态环境的综合整治规划以及城市经济可持续发展规划提供科学依据。当前，高分辨率卫星遥感技术的发展已经到了一个前所未有的高度，如法国SPOT 5和美国IKNOS、QuickBird卫星影像

23、的地面分辨率分别达到2.5m、1m、0.61m，这使得卫星遥感技术突破了仅能进行定性分析的局限，而跨入定性和定量分析的新境界。高分辨率卫星遥感制图在城市规划中的应用展示出非常好的前景。国家863计划信息获取与处理技术主题重大课题开展了利用分辨率为0.61m的QuickBird卫星影像进行城市大比例尺地形图的更新研究；利用高分辨率卫星遥感影像立体像对直接生成DEM数据，甚至可以进行大比例尺地形图的测绘。,遥感与城市规划,卫星遥感技术在城市规划实践中，主要针对具体应用需求，通过卫星地面站获取合适的覆盖范围的最新的城市卫星地图影像数据，利用遥感图像专业处理软件对数据进行辐射校正、增强、融合、镶嵌等处

24、理。同时，借助城市应用区域现有较大比例尺的地形数据，对影像数据进行投影变换和几何精纠正，并从地形图上获得境界、城市、居民点、山脉、河流、湖泊以及铁路、公路等典型地貌地物信息和相应地名信息，进行相应的标注和整饰，制作城市数字正射影像图。为决策部门提供现实有效的支持资料。,遥感与城市规划,左图是为2005年北京奥运场地建设时城市规划所采集的快鸟卫星影像,在规划咨询中的应用,淄博市某项目规划咨询示意图（以2004年QuickBird影像为底图）,在规划设计的前期现状调查期间，高分辨率遥感影像图提供了大量的信息，以直观、详实的影像反映了许多实地踏勘中的盲点。同时，利用高分辨率影像图作为规划底图，使规划

25、内容与周边环境的关系更加清晰，在旧区改造、历史古建筑保护、城市重点区域和地区标志性建筑的规划设计中可以发挥十分重要的作用。,在规划设计中的应用,利用遥感技术可以经常检测土地利用类型的变化，这对于研究土地利用现状，为资源规划、管理、保护和合理利用提供科学的依据将发挥着越来越重要的作用。同时，随着近年来获取和处理遥感数字图像的明显进步，遥感信息将成为城市规划基础地理信息的重要组成部分，采用影像图作为规划成果的背景图，通过遥感应用机构提供的技术支持与服务，可以实现空间信息的查询、分析和应用，从而大大增加规划设计的深度和广度。,1956年 1976年 1996年,2003年12月17日广州大学城 20

26、05年7月18日广州大学城,印度德里市2000年到2005年的变化监测,南宁2002年和2005年影像对比,卫星地图影像在城市变化监测中的应用实例,在规划成果展示中的作用,淄博市某小区(左图)和博山城区规划效果图(右图),利用遥感像片生成的数字高程模型和数字正射影像可快速生成城市景观现状数字地面模型，在数字地面模型上可以随意添加、删除、修改建筑、树木、路灯等地面上看见得地物模型，参观者可以在虚拟现实的环境中自由行走、任意观看，给参观者带来难以比拟的真实感和现场感，使他们获得最真实的视觉感受,在规划评审中的应用,以全数字摄影测量为基础的城市真实三维景观模型，能够充分利用现有遥感资料和地形资料，在

27、较短时间内完成大面积地区的三维建模，通过贴房屋纹理和地表纹理，产生完全真实的场景。由于城市三维景观具有直观性、可视性、实用性等的特点，并且包含了地理信息，不仅能为城市规划提供了较好的服务，而且能进行方案的评审。,淄博市中心城区柳泉路某规划建筑与周围环境关系示意图,快速全面更新深圳地物的实施方案,深圳发展快，地物地貌变化大，急需高空间分辨率的遥感数据对地物更新来真实反映深圳市的快速发展。问题：航空影像成本高，时间周期长；解决方案：卫星遥感和航空摄影结合，在地物更新中要求既包含QuickBird图像中地物的几何特征信息，又能保留航空影像的光谱特征信息，实现互补。将整个区域进行分类，根据政府建设情况

28、和已有的矢量数据将整个区域划分为变化区和无变化区；在变化大的区域从QuickBird图像上获取地物特征，而变化不大的用航空影像，从多光谱上获取彩色信息，以便使融合得到的彩色影像的光谱特征与航空影像或与实际地物的光谱相近。采用航空影像与卫星影像先配准后融合，然后将融合后的彩色影像和航空影像进行镶嵌；用变化区域的融合后的彩色影像来替换原始航空彩色影像中旧的地貌特征，并与变化不大的区域无缝镶嵌并加以匀光处理。,快速全面更新深圳地物的实施方案,独特性和创新性采用0.61m的QuickBird全色波段影像和航空彩色影像进行融合更新地物，融合方式具有独特性；航空影像与卫星影像呈现的地物特征一般有细微的差别，所以要先对航空影像做正射校正和辐射校正；融合时采用了ENVI的Image Sharpen的功能进行QuickBird全色影像的新地物特征与航空影像的彩色信息融合，并利用融合后图像快速更新影像的地物特征；由于深圳局部区域发展较快，变化较大导致短时期的遥感图像上地物变化较大，按照一般文献上的I分量进行直方图匹配得到的融合光谱特征特别差，为了获取更好的光谱特征采用了S和H分量做直方图匹配。,2002年QuickBird全色波段,2000年航空影像,Image Sharpen融合效果,一般的融合效果(I),直方图匹配的效果(H),直方图匹配的效果(S),融合结果,