图像融合

图像融合 图像融合是将高空间分辨率全色影像与低分辨率多光谱影像结合，生成兼具高空间分辨率和多光谱信息影像的技术。权威解读

📐 测量原理：以全色波段提取高频空间信息，按权重或变换系数叠加到多光谱各波段。 | 🔭 仪器与方法：ENVI的Gram-Schmidt融合、PCI Geomatica。 | 📋 标准与规范：参照GB/T 36301。

📖 深度解析

🧭 核心原理 —— 通过空间域或变换域方法将全色影像空间细节注入多光谱影像，保持光谱保真度同时提升空间分辨率。
💡 核心要点：理解空间信息获取的内在规律。
🗺️ 典型案例 —— Landsat全色15m+多光谱30m融合得15m多光谱影像。
💡 实际效果：测绘工程实践参考。
📊 关键数据 —— Brovey、PCA、Gram-Schmidt和小波等主流方法。
💡 量化指标：测绘工程统计数据。

为什么融合后有时颜色失真？

提示： 从全色波段光谱范围与多光谱波段不完全重合分析。

👉 点击查看参考思路

全色波段覆盖多光谱多个波段波长范围，空间细节注入时若未充分顾及光谱响应差异会产生颜色偏移。

误区： 融合一定提高分类精度。
事实： 光谱失真严重的融合会降低分类精度。

问：融合后影像能直接用于分类吗？

答：部分方法会改变光谱特征，建议分类后再融合或选光谱保真融合方法。

前置依赖： 辐射增强与几何校正、电磁辐射与电磁波谱。

后续延伸： 主成分分析、面向对象分类。

🌱 为了包容与博爱的传递，为了知识平权，善智导航正在陆续深化每一个知识点页面。
下方所有知识点均已预留链接，可随时点击探索。

统计正交融合保真度高。

简单快速适合少波段。

多尺度分解精细控制。

我是学习遥感图像处理的测绘工程学生，请结合具体案例详细讲解图像融合的测量原理、仪器与方法、以及标准与规范，并指出常见误区。