图像融合，是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合除了要求融合图像精确配准外，融合方法的选择也非常重要，同样的融合方法在用在不同影像中，得到的结果往往会不一样。常见的图像融合方法原理：Pan-sharpnened影像融合，HSV变换，Brovery 变换，主成分（PC）变换。工具/原料moreenvi 5.1 软件landsat 8 影像方法/步骤1/6分步阅读

1：用envi打开转换格处理好的数据，选择选择Transform Sharpening--Image Sharpening--HSV→display#1

2/6

高分辨图像选择b8_erdas-校正1.img,ok后选择文件输出路径和融合方法最邻近法：

3/6

HSV融合效果：

4/6

同理进行其它三种方法的融合，得出结果并进行对比分析：

5/6

融合评价定量定性评价：

评价主要是通过以下 3种方法: 一是目视效果 ,如:通过颜色比较来决定融合效果;二是单一的亮度信息 , 颜色信息具有很大的主观性 ,不能科学地反映效果差异 ,尤其是微小差异 ,单一的亮度信息不能全面反映融合效果 定性评价:对上面融合后的图像截取同一地区的相同大小图像进行目视解译比较分析 , 4幅图像放大直到多光谱波段出现朦胧感。

6/6

定量评价：光谱曲线比较:由图可见，各种融合后的影像光谱与原始影像光谱比较，Pansharp变换信息保真性最好，不仅同一地物的波谱曲线形状没有发生变化，而且不同地物的波谱之间的关系也保持得较好；PC次之，同一地物的波谱曲线形状虽没有发生变化，但不同地物的波谱之间的关系发生了部分变化. Pansharp 融合算法在信息量、光谱特征、边缘特征等方面具有综合优势。融合后的影像不仅很好地保留了原多光谱图像的光谱特征，而且在增加融合结果的信息量、增强信息透明度和锐化度、改善解译的精度、可靠性以及使用率等方面均收到了很好的效果。

实验报告