遥感实验四图像镶嵌、裁切及融合.doc

遥感导论第四次实习——数字图像处理
------------图像镶嵌、裁切及融合

一、 实习目的
学会图像镶嵌、图像裁切及图像融合等技术，通过实际影像的操作，制作可用于实际工作的某区域遥感图像，为下一次实验准备数据。
二、 实习内容
1、图像裁切
2、图像镶嵌
3、图像融合
三、 实习步骤
用AOI（兴趣区）裁切
首先，建立AOI：在Viewer中点击菜单AOI/Tools，出现AOI工具条，取相应工具在图上画出不同形状的AOI（方的、圆的、任意形状的）

然后，选择AOI：用选择键点击选中要用来裁切影像的AOI。
最后，用AOI裁切图像：点击、选择subset image，按下图序号所示进行操作。

其中选择Viewer要保证打开的Viewer中确实存在已经生成的AOI，否则会出现错误提示。或者，也可以在Viewer中点击菜单File/Save/AOI Layer As，保存成一个AOI文件；在上图中6处改为选择最下方的AOI File，在出现的对话框中选择所需的AOI文件。

2、图像镶嵌
点击、选择mosaic images，按下图中序号所示进行操作。其中3处要依次添加完成所要镶嵌的若干幅图像，如: 要镶嵌两幅影像，要添加两次，即重复操作两次。

图像镶嵌操作的详细过程：
在Mosaic Tool工具条选择Display Add Images Dialog按钮，或在Mosaic Tool视窗菜单条中点击Edit / Add Images，出现Add Images，从中添加要镶嵌的影像

加载拼接图像的同时，切换到Image Area Options选项卡，设置拼接影像范围选择方法为：Use Entire Image。

图像匹配设置，在Mosaic Tool工具条选择Display Color Correction按钮，或在Mosaic Tool视窗菜单条中点击Edit /Color Corrections —打击Color Corrections对话框，根据需要设置颜色匹配方法。

注意：如果输入的拼接影像自身存在较大的亮度差异（例如，中间暗周围亮或者一边亮一边暗），需要首先利用匀光处理（Use Image Dodging）或色彩平衡（Use Color Balancing）去除单幅影像自身的亮度差异；如果输入的影像间直方图差异比较大，可通过直方图匹配（Use Histogram Matching）执行影像的色彩调整。在Mosaic Tool视窗菜单条中，点击Edit/set Overlap Function—打开set Overlap Function对话框：

设置以下参数：
.设置相交关系(Intersection Method):No Cutline Exists。
.设置重叠图像元灰度计算(select Function):Average。
.Apply —close。
图像拼接线设置，在Mosaic Tool视窗菜单条中选择Set Mode For Intersection按钮，两幅图像之间将出现叠加线，单击两幅图像的相交区域，重叠区域将被高亮显示。根据实际需要，选择拼接线模式：
. ：自动生成重叠区域的拼接线
. ：手动绘制拼接线，可以是矢量文件，或AOI文件
. ：重叠区域内拼接线两侧区域选择切换
. ：无拼接线
注意：该步骤中如果选择了有拼接线的拼接模式，则上一步中重叠区域像元灰度计算方式自动失效，拼接后影像像元灰度值直接采用原拼接图像的像元灰度值。
运行Mosaic 工具，在Mosaic Tool视窗菜单条中,点击 Process/Run Mosaic —打开Output File Name对话框, 确定输出文件名：mosaic.img。

切换到Output Options选项卡，
设置下列参数：
.确定输出图像区域：ALL
.OK进行图像拼接。

3、图像融合
点击,选择Spatial Enhancement/Resolution merge，按下图序号所示进行操作。图中4处是输入高分辨率的道波段图像，5处输入低分辨率的多光谱图像，6处为新生成的结果文件。先用缺省的设置做一下，查看生成图像。修改融合方法，观察结果图像。小结不同融合方法的成果差异。
方法一

方法二

方法三

三种融合方法：
主成分变换法
主成分分析法（principal component analysis，PCA）是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间分辨率的多波段融合图像。
乘积变换法
　　乘积变换法(Multipalcative)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：
Brovey变换法
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，将高分辨率全色影像与多光谱影像红、绿、蓝波段的比重各自相乘完成融合。变换处理完成后，再反变换得到新图像。　　
成果差异
　a) 主成分变换融合（Principle Component）
　　从影像空间分辨力、清晰度看，变换融合的影像在分辨力、清晰度都较原始多波段图像有很大提高。在融合影像上能清晰分辨出线性地物和一些小的水体等（由于此文档较小，如拿原文件在ERDAS上，可清晰看见这些地物。），而这些在原影像上就较难分辨。 一些小的水体在原始图像上几乎无法辨认，在融合的图像上则可以清晰的辨认出。从光谱特征看，融合后的彩色合成图像的色彩整体同原多光谱彩色合成影像相似，不过，我觉得此种融合颜色的过渡差异过大，肉眼判断觉得不够自然、舒服。
b) 乘积变换融合（Mutiplicative）
这种方法是三种常用融合方法中最简单、耗时最少的方法，但是这种方法改变了多光谱数据的辐射信息，图像的亮度成分被增加，增强影像的细节反差。并且颜色过渡得较为自然，肉眼所看较为舒服。
c) 比值变换融合（Brovey Transform）
这种方法融合结果色调非常良好，几乎完整地保持了原始影像的色调信息。但是这种方法对多光谱图像的辐射信息有一定程度的改变。经融合后，明显感觉分辨率得到大大的提高，地物更为突出。
. 从此次融合结果比较来看，通过比较，为了兼顾色彩及分辨率，以使我们处理效果更为有价值，此次融合，最终选择比值变换融合。
四、 实习心得
在遥感影像数据的融合过程中，不同的融合算法都对影像的特性产生了不同程度的影响，几乎每种融合算法都要在一定程度上扭曲原始多光谱信息，从而导致了相同地物的纹理、光谱等特征表现有很大的不同。因此，应当根据融合的目的和需要融合的影像条件来选择适合的融合方法。