[论文解读] Image Fusion Techniques in Remote Sensing

Reham Gharbia, Ahmad Taher Azar+2 more|arXiv (Cornell University)|Mar 11, 2014

Advanced Image Fusion Techniques参考文献 35被引用 13

一句话总结

本文综述了遥感领域中的像素级图像融合技术，重点介绍了HIS、Brovey、PCA和小波变换等方法，用于将高空间分辨率的全色（Pan）图像与低空间分辨率的多光谱（MS）图像进行融合。文章评估了这些方法的原理、优势与局限性，旨在生成空间和光谱保真度更高的融合图像，以支持GIS和遥感应用。

ABSTRACT

Remote sensing image fusion is an effective way to use a large volume of data from multisensor images. Most earth satellites such as SPOT, Landsat 7, IKONOS and QuickBird provide both panchromatic (Pan) images at a higher spatial resolution and multispectral (MS) images at a lower spatial resolution and many remote sensing applications require both high spatial and high spectral resolutions, especially for GIS based applications. An effective image fusion technique can produce such remotely sensed images. Image fusion is the combination of two or more different images to form a new image by using a certain algorithm to obtain more and better information about an object or a study area than. The image fusion is performed at three different processing levels which are pixel level, feature level and decision level according to the stage at which the fusion takes place. There are many image fusion methods that can be used to produce high resolution multispectral images from a high resolution pan image and low resolution multispectral images. This paper explores the major remote sensing data fusion techniques at pixel level and reviews the concept, principals, limitations and advantages for each technique. This paper focused on traditional techniques like intensity hue-saturation- (HIS), Brovey, principal component analysis (PCA) and Wavelet.

研究动机与目标

• 分析并比较遥感应用中主要的像素级图像融合技术。
• 识别传统融合方法（如HIS、Brovey、PCA和小波变换）的优势与局限性。
• 支持开发对基于GIS的遥感任务至关重要的高分辨率多光谱图像。
• 全面概述像素级融合的原理、算法及性能权衡。

提出的方法

• 应用强度-色调-饱和度（IHS）变换，通过用高分辨率全色数据替换强度分量，实现全色与多光谱图像的融合。
• 实施Brovey变换，通过全色与多光谱像素值的比值对多光谱波段进行缩放。
• 利用主成分分析（PCA）将多光谱数据分解为正交分量，并用全色图像替换第一主成分。
• 采用离散小波变换（DWT）将图像分解为子带，用高分辨率全色数据替换低频分量。
• 通过定义的数学运算组合变换后的分量，在像素级实现融合，以保留光谱与空间特征。
• 基于视觉质量及信噪比（SNR）、Q值和ERGAS等定量指标评估融合结果，尽管摘要中未报告具体数值。

实验结果

研究问题

• RQ1 传统像素级融合技术在保留融合遥感图像中光谱与空间信息方面表现如何比较？
• RQ2 HIS、Brovey、PCA和基于小波的融合方法在遥感应用中存在哪些固有局限性？
• RQ3 哪种融合技术能在提升空间分辨率的同时最好地保持光谱保真度？
• RQ4 每种融合方法的数学原理如何影响最终融合图像的质量与可用性？
• RQ5 不同融合算法在计算复杂度与图像质量之间存在何种权衡？

主要发现

• HIS方法能有效提升空间分辨率，但常因强度分量替换而造成光谱特征失真。
• Brovey变换能较好地保留光谱内容，但可能引入颜色伪影，且对输入动态范围敏感。
• 基于PCA的融合方法比HIS和Brovey方法更好地保持光谱完整性，但可能因分量替换而产生不自然的图像伪影。
• 基于小波的融合通过在多分辨率子带中操作，能更优地保留空间与光谱特性，显著提升边缘与纹理保真度。
• 所有方法在不同图像内容与传感器特性下表现各异，无单一方法在所有情况下均最优。
• 本文结论认为，融合性能在很大程度上取决于算法选择与具体应用需求，小波技术通常在保真度方面优于传统方法。