遥感影像数据融合方法对比分析：高通滤波等策略的效果评估

遥感影像数据融合方法的比较分析主要由康停军、姚静和武文波三位作者在辽宁工程技术大学测绘与地理科学学院进行的研究。本文关注的核心问题是探讨和比较在遥感影像数据融合中常见的几种策略，包括高通滤波融合法、Brovery变换融合法、IHS变换法和主成分变换法。 首先，高通滤波融合法利用空间高通滤波器提升全色影像的高频成分，然后将这些高频信息直接叠加到低分辨率的多光谱影像上，以实现空间分辨率的增强。这种方法的优点在于可以直接提升图像的细节和清晰度，但可能会丢失某些低频信息。 Brovery变换融合法是一种基于Brovery变换的技术，它通过将多光谱和全色影像转换到新的空间域，再进行融合，旨在提取出不同波段间的相关性和差异性信息。这种方法能够更好地揭示数据之间的内在联系，但也可能对影像的自然特性造成一定程度的失真。 IHS变换法（Intensity-Hue-Saturation）则通过将多光谱数据分解为亮度、色调和饱和度三个独立的分量，分别处理后再重新组合，这种分而治之的方法可以突出特定的颜色或纹理特征，但可能对复杂场景的处理效果有限。 主成分变换法则是基于统计学原理，通过线性变换将原始数据转换到一组互相正交的新坐标系，提取出最重要的信息特征，从而减少冗余和噪声。这种方法对于降低数据维度和提高融合效率有显著效果，但可能牺牲部分信息的直观性。 在实验部分，作者使用ETM+多光谱影像和全色影像作为数据源，通过计算均值、标准差、平均梯度、信息熵和相关系数等评价参数，评估了不同融合方法的性能。他们进行了非监督和监督分类试验，通过主观和客观评价以及分类精度来分析每种方法的优缺点。这些研究结果为类似领域的研究者提供了宝贵的经验和参考，有助于选择最适合特定应用场景的融合策略。 本文深入剖析了像素级融合方法在遥感影像数据融合中的应用，为处理多源遥感数据提供了实用的工具和理论基础，同时强调了在实际操作中根据具体需求选择合适融合方法的重要性。