毕业设计文献综述
前言
随着卫星遥感技术的发展，可获得的遥感图像种类越来越多，遥感图像中包含的信息也趋于多样化和复杂化，由于各个领域的不同需求，对遥感图像的处理也有很多分类，其中对遥感图像的融合是一个重要的研究方向。图像融合就是将来自不同成像源的图像进行信息选择并融合为一幅满足需求的图像，其中对多光谱图像和全色图像融合的应用十分广泛。通过图像融合可以提高多光谱图像的分辨率，使其更好地运用于地表物体的识别检测以及其他应用。多光谱图像融合也称全色锐化（PanSharpening），PanSharpening 的目的是通过保留多光谱图像（MS）的光谱信息和同时注入全色图像（PAN）的细节来获得高分辨率的多光谱图像（HMS）。
- 国内外研究现状
将多光谱图像（MS）与全色图像（PAN）进行融合，获得高空间分辨率的多光谱图像的技术被称为多光谱融合，也称作全色锐化（PanSharpening）。这类融合技术的关键在于保持多光谱图像的光谱分辨率的同时也要注入图像细节特征信息，即提高图像的空间分辨率，以此获得信息含量更高，细节纹理等特征更加清晰的多光谱图像。较高的空间分辨率，能够在图像中获得更多图像场景中物体的特征信息，同时也能使对图像中目标的识别更加精确，为之后图像的应用奠定良好基础。从现今对遥感图像融合研究的成果看，Pan Sharpening 的方法主要分为以下三大类：1、基于成分替代的方法；2、基于多分辨率分析的方法；3、基于模型的方法。这三类方法是现今国内外在图像融合领域研究的主要方向，很多其他方法的延伸和改进也大多基于这三大类。
- 遥感图像融合的经典方法介绍
2.1基于成分替代的图像融合方法
成分替代法主要包括基于 IHS（intensity，hue，saturation，IHS）变换的融合方法，基于主成分分析（principal component analysis，PCA）变换的融合方法，Brovey 变换融合方法以及基于施密特正价（Gram-Schimidt，GS）光谱锐化方法等。成分替代的多光谱与全色图像的融合方法是将原多光谱图像进行了投影变换，通过矩阵变换将多光谱图像映射到其他表示空间，在得到的新的空间中注入全色图像的细节来实现融合，此方法比较易于实现，但为了使得光谱的失真达到最小，需要投影后得到新空间中的成分跟全色图像有尽量高的相关性，也就是说当被替换成分和替换成分的相关性越高，那么图像颜色变化也会越小。
2.1.1基于IHS变换的融合方法（Myungjin Choi,2006；Zhou等人，2013）
IHS 分别表示亮度（intensity，I），色调（hue，H），饱和度（saturation，S），这是人眼识别颜色的三个重要特征。基于 IHS 变换的图像融合方法，就是通过将原有的多光谱图像通过 IHS 变换，将原属于 RGB 空间的图像，通过正价变换成为拥有三个独立分量，且相关性较小的 IHS 空间图像。在融合过程中，是要将包含着图像中目标空间信息的I分量图像，用全色图像来进行替换。通过将全色图像与经过 IHS 变换得来的I变量图像进行直方图匹配以来增加替换与被替换部分之间的相关性，最终减少光谱的失真。完成成分替换后，进行 IHS 逆变换，再转换成 RBG 空间下的图像，这样就得到了所需的高光谱高空间分辨率的融合图像。
