遥感图像融合算法：基于传感器光谱特性和分类

"基于传感器光谱特性与分类的遥感图像融合 (2011年)" 本文探讨了一种针对多光谱图像和全色图像融合的创新方法，旨在提升遥感图像融合的质量。作者倪翠、关泽群和林怡在同济大学测量与国土信息工程系进行了这项研究。他们提出了一种结合广义亮度色度饱和度（CIHS）变换与分类策略的融合算法。此算法特别考虑了不同波段传感器的相对光谱响应特性，这是传统融合方法中容易忽视的一点。 在改进的CIHS变换中，研究人员首先对输入的多光谱图像和全色图像进行分类，以便更好地理解和处理图像中的各种地物类型。接下来，利用高斯概率密度函数对分类后的图像进行加权融合，这一过程有助于减少光谱畸变，同时确保所有光谱波段的信息都能得到有效融合。高斯概率密度函数的引入使得融合过程中可以更精确地权重分配，从而优化图像的光谱特性。 通过资源卫星IKONOS的实验证明，该方法能够生成具有较高空间分辨率的融合图像，同时保持原始多光谱图像的光谱响应特性。这意味着在不牺牲图像细节的同时，还能保留重要的光谱信息，这对于遥感图像的应用，如地物识别、环境监测等，具有极大的价值和潜力。 此外，文章还指出，这种方法可能适用于多种遥感数据源，不仅限于IKONOS卫星，对于其他具有不同光谱特性的传感器也有很好的适应性。因此，该研究成果对遥感图像处理领域有着重要的理论意义和实际应用价值，为后续的遥感图像融合技术提供了新的思路。 关键词: 图像融合、分类加权、高斯概率密度函数、光谱响应特性 该论文属于自然科学领域，归类于TP751.1（遥感技术）和TP79（信息处理技术）。文献标识码A表明这是一篇原创性的科研论文，对学术研究和实践应用具有参考价值。