第31卷，第3期 2011年3月
谱学与光谱分析光
Spectroscopy and Spectral Analysis
基于光谱响应函数的遥感图像融合对比研究
窦闻"，孙洪泉”，陈云浩2·
1.东南大学交通学院，江苏南京210096
2.地表过程与资源生态国家重点实验室，北京师范大学资源学院，北京100875
Vol. 31,No. 3,pp746-752
Mareh,2011
摘要遥感图像融合是一个十分重要的间题，目前已出现了很多融合方法。一此现有方法可以从高空间分辨率全色数据中提取细节特征，并注人到低空间分辨率多光谱数据中，同时尽可能保持多光谱数据的光谱特性。现有方法一般都不能利用遥感成像系统的物理信息，因此可能导致融合结果发生严重的光谱扭曲。该文采用适当的通感图像融合模型对图像融合问题进行分解，将融合问题归结为空间细节调制参数构建与空闻细节信息提取两个子间题，在对传感器光谱耐网函数（SRF)的分析其础上，构建合理的空间细节调到参数。依据对现有方法的分类，文章将三种基于SRF的空间细节调制参数构建法，与高斯高通滤波提取的空间细节信息结合，产生-种基于SRF的遥感图像融合方法。这些方法在Ikonos数据上进行了试验和分析，并与GS和HPM方法进行了对比。
关键调遥感；图像融合；光谱响应函数；空间细节调制参数
中图分类号：TP751.1
引言
文献标识码：A
DOl; 10. 3964/j. issn, 1000-0593(2011)03-0746-07
一切以得到的数据来进行综合解释[*。前文所述的两类方法未能利用外部知识，因此在性能或效率上有很大的提升空间。
现代遥感技术为对地观测提供了多分辨率、多波段、多时相的多种遥感影像数据。数据融合可以从这此数据源中提取更卡富、更有用和更可靠的信息"。根据其处理的层次不同可分为像素级、特征级和决策级融合"，其中像素级融合又称为图像融合，其主要任务是利用高空间分辨率图像对低分辨率的多光谱/高光谱图像进行空间增强，可以作是以高空间分辨率图像为依据估计低分辨率数据的业像元结构。
目前的像紧级融个方法，从空间细节增强的方式上来看，大致可以分为需类；基于人类视觉特性的方法和其于图像间统计特性的方法。早期的图像融合方法基本上属于前者，如Chavez})，Gellispiel+i等，此类方法根据人类视觉特性，在彩色空间中对尧度分量进行空间增强，达到不同空间分辨率数据融合的目的；光讲保持性能较好的GS方法、 PCAI5方法等则是基于待融介图像之间的统计特性进行融合的方法，各类小波方法，特别起基于ARSIS模型的方法[6.7]，也都属于这一类型。数据触合是一个病态问题，严重缺乏约束，通过加人外来信息和知识来构建适当的约束条件，有助于获得更为准确的估计。在进行影像分析时，应尽可能利用
收稿日期：2010-05-24，修订日期：2010-10-09
就通感图像而言，传感器的光谱响应特性是一个可资利用的重要信息，因此可以基于传感器特性进行图像融合方法设计。在此思想指导下，（tazu等提出了一种结合传感器响应特性的融合方法WiSpeRI*)，Dou在其提出的GC(OS融合框架下，提出一种基于SRF进行低分辨率全色数据模拟和空间细节信息分配的融合方法[1]，本文在传感器光谱利应函数分析和递感影像像系级融合数学模型研究的基础上，依据现有方法的基本分类，归纳出三种基于SRF的遇感图像融合方案，并进行了试验验证。
传感器光谱响应函数
传感器特性主要包括传感器的增益系数、偏移缺系数和光谱利成函数SRF。前两者主要用于输射定标，获得物理息义更为明确的图像，后者则反映了传感器人障处的能量与记录值之间的关系。由于绝大多数传感器的参数都是可以公开获取的，所以遥感数据的像素级融合与一般的阁像融合相比，可以利用更多的成像参数。利用传感器的增益系数、偏
基金项目：国家高技术研究发展计划项日(2007AA120205)，北京市自然科学基金项日（4072016)和霍英东教有基金会项日(111017)资助
作者商介：窦闻，1980年生，东南大学交通学院讲师
·通讯联系人
万方数据
e-mail; cyh(@bnu edu cn
e-mail; douw@seu edu cn