全国高分辨率土地利用数据服务 土地利用数据服务 土地覆盖数据服务 坡度数据服务 土壤侵蚀数据服务 全国各省市DEM数据服务 耕地资源空间分布数据服务 草地资源空间分布数据服务 林地资源空间分布数据服务 水域资源空间分布数据服务 建设用地空间分布数据服务 地形、地貌、土壤数据服务 分坡度耕地数据服务 全国大宗农作物种植范围空间分布数据服务
多种卫星遥感数据反演植被覆盖度数据服务 地表反照率数据服务 比辐射率数据服务 地表温度数据服务 地表蒸腾与蒸散数据服务 归一化植被指数数据服务 叶面积指数数据服务 净初级生产力数据服务 净生态系统生产力数据服务 生态系统总初级生产力数据服务 生态系统类型分布数据服务 土壤类型质地养分数据服务 生态系统空间分布数据服务 增强型植被指数数据服务
多年平均气温空间分布数据服务 多年平均降水量空间分布数据服务 湿润指数数据服务 大于0℃积温空间分布数据服务 光合有效辐射分量数据服务 显热/潜热信息数据服务 波文比信息数据服务 地表净辐射通量数据服务 光合有效辐射数据服务 温度带分区数据服务 山区小气候因子精细数据服务
全国夜间灯光指数数据服务 全国GDP公里格网数据服务 全国建筑物总面积公里格网数据服务 全国人口密度数据服务 全国县级医院分布数据服务 人口调查空间分布数据服务 收入统计空间分布数据服务 矿山面积统计及分布数据服务 载畜量及空间分布数据服务 农作物种植面积统计数据服务 农田分类面积统计数据服务 农作物长势遥感监测数据服务 医疗资源统计数据服务 教育资源统计数据服务 行政辖区信息数据服务
Landsat 8 高分二号 高分一号 SPOT-6卫星影像 法国Pleiades高分卫星 资源三号卫星 风云3号 中巴资源卫星 NOAA/AVHRR MODIS Landsat TM 环境小卫星 Landsat MSS 天绘一号卫星影像
遥感影像融合就是一种通过影像处理技术来复合多源遥感影像的技术,其目的是将单一传感器的多波段信息或不同类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,降低其不确定性,减少模糊度,以增强影像中信息的透明度,改善解译的精度。
影像融合有三个核心处理步骤,即图像预处理、图像融合和图像评价。首先对待融合的N景图像进行去噪、配准等预处理,并采用特定的融合策略进行融合处理,然后对融合图像进行相应的测试评估。
在色彩学中,颜色的定义有许多种,如采用红、绿、蓝的RGB系统,采用亮度(Intensity)、色调(Hue)、饱和度(Saturation)的IHS系统等。由于不同的颜色系统具有相应的显示和定量计算上的势,因此不同的场合所使用的颜色系统也不尽相同。如RGB颜色系统方法简便,便于显示和彩色扫描;IHS颜色系统是基于视觉原理的,三属性互不相关,易于把强度和颜色分开。在进行多源遥感影像融合处理时,首先将低分辨率的RGB图像经过变换映射至IHS(或HSV,HLS)空间,然后采用特定的融合策略使其与高分辨率图像的信息进行融合处理,并进而置换相应的部分,最后经过逆变换重构融合图像,这便是彩色空间变换融合的核心思想。按照不同的颜色空间,彩色空间融合法又可分为IHS变换、YIQ变换、HSV变换、HLS变换等。
高通滤波融合是将高分辨率影像中的几何信息逐像素叠加到低分辨率影像中来进行的。高分辨率影像的高通滤波结果对应空间的高频信息,即通过高通滤波器提取高分辨率图像中对应空间信息的高频分量,这种空间滤波器去除了大部分光谱信息,然后在高通滤波结果中加入光谱分辨率高的图像,形成高频特征信息突出的融合影像。
主成分融合流程。利用PCA变换融合处理并不是为了减少噪声影像或数据压缩,而是通过PCA变换,使得多光谱影像在各个波段具有统计独立性,便于在各个波段采用相应的融合策略。在融合处理中,首先由多光谱影像数据求得影像间的相关系数矩阵,由相关系数矩阵计算特征值和特征向量,求得各主分量影像;然后将高空间分解力影像数据进行直方图匹配,使其与第一主分量影像数据具有相同的直方图;最后用由直方图匹配生成的高空间分解力影像来代替第一主分量,将它同其它主分量一起经逆主分量变换得到融合的影像。
小波图像融合法的出发点在于利用小波变换将待融合的图像分解成多级小波系数图像,融合是在每一级小波系数图像上进行的,即首先分别对各个分解层次的低频和高频部分按照各自的融合策略进行融合处理,然后综合图像中的特征信息,最后再进行小波逆变换,即重构出融合后的图像。例如首先将多光谱图像和具有高空间分辨率的全色图像进行小波分解,获取各自的低频分量和细节分量,然后用全色图像的细节分量替换多光谱图像的细节分量最后进行小波逆变换以得到增强的多光谱图像。这样可有效地增强多光谱图像的空间细节表现能力并能保持图像融合前后的光谱特性。
采用HDF算法进行影像融合,下图为融合后效果图:
调色前
调色后
|
||