第26卷第4期 2016年12月
文章编号：10056157(2016)0402804
安徽地质
Geology of Anhui
Vol.26 No.4 December2016
一种改进的PCA遥感图像融合方法研究
鲁丽
（安徽省第一测绘院，安徽合肥230000）
摘要：提出了一种基于差值图像的改进PCA图像融合方法。利用低通滤波分别抽取多光谱和全色图像与相应低分辨率图像的差值图像。再利用主成分分析方法将多光谱图像的差值图像与全色图像的差值图像进行融合，在差值的层次上实现图像融合。
关键调：图像融合;PCA算法；基于差值的融合
中图分类号：P407.8
0引言
文献标志码：A
率多光谱图像的第一主成分进行直和全色图像的差值图像，是一种在
遥感图像融合通过多级影像处方图匹配后替换第一主成分，最
差值水平上进行融合的方法。实验
理技术来复合遥感信息，将关于后经过PCA的反变换得到融合图像结果表明,该新方法即使融合后的多
[5]
同一目标的多幅图像经过一定的处理，综合图像特征，以改善解译的
精度、可靠性以及使用率，形成对目标的完整一致的信息描述！。
通常情况下，大多数的地球资源卫星提供不同分辨率的全色和多光谱影像。本文主要研究将低空
光谱图像具有较高的空间细节表现
PCA融合方法直接采用全色图
能力，又尽可能多地保持了原多光谱
像替换多光谱图像的第一主成分，图像的光谱信息。因此在增强了融合图像的空间细节
2.1基于图像差值的融合算法
表现能力的同时，也使得光谱分辨
基于差值的图像融合方法的基
率受到很大的影响，带来了较大的
本思想，是在图像差值的层次上进
光谱失真。
间分辨率的多光谱影像和高空间分
2
基于图像差值的PCA图像融合
辨率的全色卫星影像进行有效的融
方案
合，从而扩大了卫星影像的使用范围。
主成分分析(PCA)融合算法
行PCA的融合，所以利用主成分分析方法将多光谱图像的差值图像与全色图像的差值图像进行融合，既
本文提出了基于差值图像的遥
具有主成分分析保留分辨率信息的
感图像融合方法来实现遥感影像的融合。这种方法的特点在于使用了
抽取算法来获得原图像与其对应的
常用的遥感影像融合方法大体
可以分为三类：一是基于色彩空间
低分辨率的差值图像，并通过主成
分分析融合多光谱图像的差值图像
的图像融合，如HIS变换融合。第
二类是基于数字或统计的算法，如
加权平均、主成分分析（PCA）高通滤波（HPF）和Pansharp等。第三类是基于多分率技术的图像融合，如基于影像金字塔的融合，小波变换融合等3。
PCA融合算法的基本思想是首先直接抽取多光谱图像的主成分，然后用高分辨率全色图像和低分辨
收稿日期：20160725
作者简介：鲁函(1975—
多光谐强像保妞多光谱差值图像
优点，同时可以有效地降低融合后多光谱图像的光谱扭曲程度。
基于差值的遥感图像融合方案如图1所示。
2.2差值图像抽取
精
融合后差值图像=
Pci
全色彩像严拍全色差值图像
图1基于差值的图像融合
Fig.1 Difference-based image fusior
）女，安徽和县人，工程师，现主要从事测绘科技资料管理工作