众文网1.遥感数据融合详细步骤,急,做论文的
一、资料的收集与分析 遥感制图所需的资料范围较广，一般需要收集如下资料 1、编制地区的普通地图 、（1）比例尺最好与成图比例尺一致或稍大于成图比例尺 （2）选用面积变形较小的地图投影 2、遥感资料 后几年的影像 在选择遥感图像时，要遵循以下几个原则： （1）空间分辨率及制图比例尺的选择 空间分辨率指像素 代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元。
空间分辨率指像素所代表的地面范围的大小，即扫描仪的瞬时视场或地面物体能分辨的最小单元的地面范围的大小 由于遥感制图是利用遥感图像来提取专题制图信息的，因此在选择遥感图像空间分辨率时要考虑以 下两点要素：一是判读目标的最小尺寸，二是地图成图比例尺。遥感图像的空间分辨率与地图比例尺有 密切关系：空间分辨率越高图像可放大的倍数越大，地图的成图比例尺也越大。
遥感图像的比例尺应与成图比例尺一致或象片比例尺稍大于成图比例尺，这样可以避免成图比例尺 大尺度变换的繁琐技术问题。但对于专题要素的判读、分类、描绘来说，往往要选择大于地图比例尺的 象片为宜。
（2）波谱分辨率与波段的选择 波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。
波谱分辨率是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔。间隔越小，分辨率越高。
是指传感器在接受目标辐射的波谱时能分辨的最小波长间隔 波谱分辨率，是由传感器所使用的波段数目，也就是选择的通道数，以及波段的波长和宽度所决定。各 遥感器波普分辨率在设计时， 都是有针对性的， 多波段的传感器提供了空间环境不同的信息。
TM 为例： 以 TM1 蓝波段：对叶绿素和夜色素浓度敏感，用于区分土壤与植被、落叶林与针叶林、近海水域制图。 TM2 绿波段：对无病害植物叶绿素反射敏感 TM3 红波段：对叶绿素吸收敏感，用于区分植物种类。
TM4 近红外波段：对无病害植物近红外反射敏感，用于生物量测定及水域判别。 TM5 中红外波段：对植物含水量和云的不同反射敏感，可判断含水量和雪、云。
TM6 远红外波段：作温度图，植物热强度测量 TM 图象的性质 波段 1 2 3 4 5 6 7 光谱范围 （微米） 0.45—0.52 0.52—0.60 0.63—0.69 0.76—0.90 1.55—1.75 10.4—12.5 2.08—2.35 光谱性质 蓝 绿 红 近红外 中（近）红外 热（中）红外 中红外 地面分辨 率（米） 30 30 30 30 30 120 30 主 要 应 用 地壤与植被分类 健康植物的绿色反射率 探测不同植物的叶绿素吸收 生物量测量，水体制图 植物湿度测量，区分云与雪 植物热强度测量，其它热制图 水热法制图，地质采矿 包括航空象片、卫星象片及它们的底片和磁带、航空象片镶辑图、若为动态监测还需要前 （3）时间分辨率与时相的选择 遥感图像是某一瞬间地面实况的记录，而地理现象是变化、发展的。因此，在一系列按时间序列成像的 遥感图像 多时相遥感图像中，必然存在着最能揭示地理现象本质的“最佳时相”图像 把传感器对同一目标进行重复探测时， 相邻两次探测的时间间隔称为遥感图像的时间分辨率。
Landsat 如 1、2、3 的图像最高时间分辨率为 18 天，Landsat4、5、7 为 16 天，SPOT-4 为 26 天，而静止气象卫星的 时间分辨率仅为半小时。 遥感图像的时间分辨率对动态监测尤为重要。
如：天气预报、灾害监测等需要短周期的时间分辨率，因 此常以“小时”为单位。植物、作物的长势监测、估产等需要用“旬”或“日”为单位。
显然只有气象卫星的图像信息才能满足这种要求；研究植被的季相节律、农作物的长势，目前以选择 landsat-TM 或 SPOT 遥感信息为宜。 3、其他资料 土地现状图、土地利用报告 、编图地区的统计资料、政府文件、地方志等 二、确立专题要素的分类系统 三、遥感图像处理 1、遥感图像处理方法的选择 、（1）光学处理法 常用的方法有：假彩色合成（加色法、减色法）、等密度分割、图像相关掩膜。
（2）数字图像校正 方法：辐射校正、几何校正 （3）数字图像增强的方法： A. 对比度变换 B.空间滤波：是指在图像空间或空间频率对输入图像应用若干滤波函数而获得改进的输出图像的技术。 空间滤波 常用的空间滤波的方法有：平滑和锐化。
：平滑和锐化 平滑：图像中出现某些亮度变化过大的区域，或出现不该有的亮点（“噪声”）时，采用平滑的方法可以减小变化， 平滑 使亮度平缓或去掉不必要的“噪声”点。具体方法有：均值平滑、中值滤波 均值平滑、均值平滑 锐化：为了突出图像的边缘、线状目标或某些亮度变化率大的部分，可采用锐化方法。
常用的几种方法：罗伯特 锐化 梯度、索伯尔梯度、拉普拉斯算法、定向检测 C.彩色变换 彩色变换就是将黑白图像转换成彩色图像的方法。主用的方法有单波段彩色变换、多波段彩色变换、彩色变换： 彩色变换 HLS 变换等。
D.图像运算 E.多光谱变换 多光谱变换： 多光谱变换 两幅或多幅单波段影像，完成空间配准后，通过一系列运算，可以实现图像增强，达到提取某些信息 或去掉某些不必要信息的目的。方法：差值运算、比值运算 多光谱变换就是指用某种变换把信息集中于较少（一般为 3 个）波。
2.如何写图像融合开题报告
【关键词】 图像配准； 多源传感器； 位置约束； 特征提取； 多种特征组合
【摘要】 随着遥感技术迅速发展和新型传感器的不断涌现，人们获取遥感图像数据的能力不断提高。在利用这些多源遥感图像进行数据融合、目标变化检测、目标识别等多源协同处理工作之前，必须进行多源图像配准工作，配准精度的高低直接影响到后续应用效果的好坏。为此，本文主要研究了多源遥感图像间的配准技术，作为协同系统中的关键技术，要求配准方法在运算能力和配准精度方面都能够达到较好的效果。首先，本文对现有的多源图像配准技术进行原理上的分析与介绍。通过对多种配准方法的分类与比较，指出了遥感图像配准的通用技术环节与技术要点。并在研究过程中分析关键技术环节的难点与所面临问题。其次，本文针对传统多源配准方法在进行控制点对应时运算量大，误配情况多的现状，提出了一种基于位置约束的多源遥感影像配准技术。该方法首先利用人工粗略选取少量控制点对，得到粗略位置映射关系，之后利用位置信息以及分辨率信息建立局部窗函数进行搜索匹配，对两幅图像中提取的Harris角点进行筛选，最终得到的控制点对作为求取配准参数的控制点输入，并利用此方法进行了多组图像的实验来证明方法的通用性。然后，本文针对传统配准方法需要人工参与，并且仅使用单一特征进行匹配效。更多果差的缺点，提出了一种基于多特征组合的多源遥感图像自动配准技术。这种方法利用了由粗至精的配准思想，结合使用点、线、面特征分别进行粗配准及精细配准两个过程。重点解决了其中少量初始控制点对的匹配和更多控制点对的获取。完成了存在闭合区域的多源遥感图像间的自动配准过程，并实验验证了方法的配准精度。最后，为了对配准后的遥感图像进行直观的视觉评价，本文介绍了配准后图像间的镶嵌以及融合等简单应用。通过实验，可以很直观的看出配准的效果，完成配准的定性评价。
3.如何写图像融合开题报告
【关键词】 图像配准； 多源传感器； 位置约束； 特征提取； 多种特征组合
【摘要】 随着遥感技术迅速发展和新型传感器的不断涌现，人们获取遥感图像数据的能力不断提高。在利用这些多源遥感图像进行数据融合、目标变化检测、目标识别等多源协同处理工作之前，必须进行多源图像配准工作，配准精度的高低直接影响到后续应用效果的好坏。为此，本文主要研究了多源遥感图像间的配准技术，作为协同系统中的关键技术，要求配准方法在运算能力和配准精度方面都能够达到较好的效果。首先，本文对现有的多源图像配准技术进行原理上的分析与介绍。通过对多种配准方法的分类与比较，指出了遥感图像配准的通用技术环节与技术要点。并在研究过程中分析关键技术环节的难点与所面临问题。其次，本文针对传统多源配准方法在进行控制点对应时运算量大，误配情况多的现状，提出了一种基于位置约束的多源遥感影像配准技术。该方法首先利用人工粗略选取少量控制点对，得到粗略位置映射关系，之后利用位置信息以及分辨率信息建立局部窗函数进行搜索匹配，对两幅图像中提取的Harris角点进行筛选，最终得到的控制点对作为求取配准参数的控制点输入，并利用此方法进行了多组图像的实验来证明方法的通用性。然后，本文针对传统配准方法需要人工参与，并且仅使用单一特征进行匹配效。更多果差的缺点，提出了一种基于多特征组合的多源遥感图像自动配准技术。这种方法利用了由粗至精的配准思想，结合使用点、线、面特征分别进行粗配准及精细配准两个过程。重点解决了其中少量初始控制点对的匹配和更多控制点对的获取。完成了存在闭合区域的多源遥感图像间的自动配准过程，并实验验证了方法的配准精度。最后，为了对配准后的遥感图像进行直观的视觉评价，本文介绍了配准后图像间的镶嵌以及融合等简单应用。通过实验，可以很直观的看出配准的效果，完成配准的定性评价。
4.谁有 基于小波包变换的遥感图像融合的MATLAB程序
算了 还是贴出来把 附件怕失效 图片自己imread进去哈clear; close all;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5%%%%%%%%%%%%%%%%%%%%555 %%读入图像并显示[f1,map1]=imread('clock1.gif');imshow(f1,map1);title('clock1');[f2,map2]=imread('clock2.gif');figure;imshow(f2,map2);title('clock2')'%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%小波分解[c1,s1]=wavedec2(f1,3,'bior2.4');[c2,s2]=wavedec2(f2,3,'bior2.4')；%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%系数提取h11=detcoef2('h',c1,s1,1);%figure;imshow(h11);title('h11');v11=detcoef2('v',c1,s1,1);%figure;imshow(v11);title('v11');d11=detcoef2('d',c1,s1,1);%figure;imshow(d11);title('d11');h12=detcoef2('h',c1,s1,2);%figure;imshow(h11);title('h12');v12=detcoef2('v',c1,s1,2);%figure;imshow(v11);title('v12');d12=detcoef2('d',c1,s1,2);%figure;imshow(d11);title('d12');a13=appcoef2(c1,s1,'bior2.4',3);%figure;imshow(a13,[]);title('a13');h13=detcoef2('h',c1,s1,3);%figure;imshow(h13);title('h13');v13=detcoef2('v',c1,s1,3);%figure;imshow(v13);title('v13');d13=detcoef2('d',c1,s1,3);%figure;imshow(d13);title('d13');h21=detcoef2('h',c2,s2,1);%figure;imshow(h21);title('h21');v21=detcoef2('v',c2,s2,1);%figure;imshow(v21);title('v21');d21=detcoef2('d',c1,s1,1);%figure;imshow(d21);title('d21');h22=detcoef2('h',c2,s2,2);%figure;imshow(h22);title('h22');v22=detcoef2('v',c2,s2,2);%figure;imshow(v22);title('v22');d22=detcoef2('d',c2,s2,2);%figure;imshow(d22);title('d22');a23=appcoef2(c2,s2,'bior2.4',3);%figure;imshow(a23,[]);title('a23');h23=detcoef2('h',c2,s2,3);%figure;imshow(h23);title('h23');v23=detcoef2('v',c2,s2,3);%figure;imshow(v23);title('v23');d23=detcoef2('d',c1,s1,3);%figure;imshow(d23);title('d23')；%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%按融合规则对系数进行处理[m,n]=size(h11);for i=1:m for j=1:n if (abs(h11(i,j)） 评论0 0 0。
5.什么是遥感图像融合处理
指一个对多遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定的规则（或算法）进行运算处理，获得比任何单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱、时间特征的合成图像。
它不仅仅是数据间的简单复合，而强调信息的优化，以突出有用的专题信息，消除或抑制无关的信息，改善目标识别的图像环境，从而增加解译的可靠性，减少模糊性（即多义性、不完全性、不确定性和误差）、改善分类、扩大应用范围和效果。
转载请注明出处众文网 » 遥感毕业设计论文图像融合