本站小編為你精心準備了資源三號影像融合地質災害調查參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1．融合效果評價

融合的目的是為了彌補多光譜影像空間分辨率的不足，增加可判讀性，為后續的信息提取提供基礎，但融合后不可避免的會造成多光譜數據的信息損失。

1.1融合成果為合理比較基于Gram-SchmidtPan光譜銳化、Brovey變換、主成分（PC）變換、HSV變換這四種不同算法的融合效果，從研究區中選取了一塊典型區域，并以321波段組合（真彩色）、實際分辨率（1∶1比例尺）顯示后進行比較分析。圖2-1、圖2-2為原始影像，圖2-3、圖2-4、圖2-5、圖2-6分別為采用上述四種融合方法處理后的結果影像。

1.2定性評價在對資源三號多光譜影像及融合后成果影像進行R（3）G（2）B（1）真彩色合成后進行目視比較分析，從清晰度（分辨率）、紋理、色調三個方面開展了定性評價。清晰度：融合后的影像較原始多光譜影像分辨率有明顯的提高，建筑物等的邊界清晰可見，圖像更加清晰、更易于判讀；紋理：目視效果來看，融合后影像紋理信息沒有被弱化，四種融合后的成果影像之間紋理信息差別不大；色調：除Brovey算法外，其余三種融合成果影像的色調相差不大。主成分（PC）變換與Gram-SchmidtPan光譜銳化最接近，都較好地保留了原始影像的色調信息。由于不存在理想的標準參考圖像，簡單而直接的定性評價往往具有一定的主觀性，常會因人而異，可能導致產生不可靠的判別與應用，為此需要對融合成果進行客觀的定量評價。

1.3定量評價在對四種融合成果進行定量評價時，本次研究主要選擇了三種參數開展：①反映影像空間細節特性參數（均值、標準差、信息熵和平均梯度）；②反映光譜保持特性參數（偏差指數、相關系數）；③反映運算效率的參數（運算時間）。均值（AverageValue，AV）描述了圖像像素值的平均大小，反映為圖象的平均亮度，參見公式（1）。信息熵（InformationEntropy）：是在影像的表示上為偏離影像直方圖高峰值灰度區的大小，用來衡量融合影像信息量豐富程度的重要指標[2]。對于灰度范圍{0，1，…，N-1}的圖像直方圖，其熵的定義式如公式（3）所示，式中Pi為第i個灰度的出現概率。平均梯度（AverageDefinition）：可以反映微小細節的圖像差異，被用來評價圖像的清晰度。在一般情況下，平均梯度與清晰度成正比。計算公式見式（4），式中M、N為圖像的行列數；h（i，j）為第i行、第j列對應像元的灰度值。偏差指數（DeviationIndex）：反映了影像融合前、后對應多光譜波段之間的光譜質量差異。計算公式見式（5），式中M、N為遙感影像的行列數；Ia（i，j）、Ib（i，j）分別為融合前、后同一波段相同位置第i行、第j列對應像元的灰度值。相關系數（CorrelationCoefficient）：反映多光譜影像融合前后在光譜特征上的相似性。其相似值越大，則表示融合后的影像對多光譜影像的光譜特征繼承性越高。兩幅圖像的相關系數定義式如公式（6），式中M，N分別為圖像行列數；Ia（i，j）、Ib（i，j）分別為融合前、后同一波段相同位置第i行、第j列對應像元的灰度值；Ia、IIb分別為原圖像和融合后圖像的均值。以上運算除偏差指數是由C++語言編寫外，其余均由MATLAB語言編寫。主要運算結果見表3-1。運算時間（OperationTime）：反映融合算法的運算效率。各算法用時：Brovey變換16.73s，GSpansharp29.48s，主成分（PC）變換42.75s，HSV變換10.06s。

在反映融合結果影像空間細節特性的參數中：灰度均值代表圖像的平均亮度，均值適中的影像則直觀效果良好；方差值越大，信息熵越大，信息量趨于越大、越豐富；平均梯度越大，圖像趨于越清晰。在反映融合結果影像的光譜保持特性參數中：偏差指數越小，相關系數越高，光譜信息特征繼承得越好。由表3-1各參數運算結果及各融合算法的運算時間可知：（1）融合結果影像信息量與清晰度都得到了大幅提升。GSpansharp與PC變換的均值較為接近，亮度適中，與定性分析一致。原始影像亮度較低，HSV變換灰度均值較高，亮度大。比較融合前后影像，信息量與清晰度有了較大的變化。（2）HSV變換融合影像細節特性最優。HSV變換融合結果影像方差與熵值最大、平均剃度值最大，其信息量最大、最豐富，圖像最清晰，影像質量優于其他算法成果影像，Brovey變換融合成果次之，其余兩種相差不大。（3）Gram-Schmidtpansharping融合影像特征信息保持特性最優。采用Gram-Schmidtpan光譜銳化方法融合后的成果影像計算得出的偏差指數最小，相關系數最大，失真最小、效果最好，最大程度地保留了原始多光譜影像的光譜特征信息和全色波段的紋理特征信息，綜合評價優于其他三種算法，是適用于資源三號的高保真融合方法。PC變換次之，HSV變換的融合成果影像的光譜特征與紋理特征保留能力最差。（4）HSV變換融合運算效率為最高，Brovey變換次之，主成分（PC）變換為最低。（5）基于以上分析可知：針對特定的應用，可選擇不同的融合方法進行處理，以更合理應用遙感影像數據。

2．資源三號遙感數據地質災害解譯

研究區內平川少而山脈多，地質環境復雜而脆弱，頻繁的礦業開發活動及道路施工建設都在一定程度上造成了地質環境的破壞，據現有新聞資料表明，已發生多起地質災害事故，如滑坡、泥石流、山體崩塌、地裂縫、地面沉降等，嚴重影響到研究區經濟社會的可持續發展。因此，對于地質災害防治工作必須予以高度的重視。基于ArcGIS的ArcScene模塊，作者以DEM數據為基礎，選擇Gram-Schmidtpan光譜銳化融合結果影像影像和研究區地質圖、礦權等數據，構建真實地表三維場景模型（圖4-1），通過從多角度瀏覽圖像上的不同場景，快速地識別目標地物的影像特征，進行地質災害信息的目視判讀[3]。本次研究共解譯出3種類型的（潛在）地質災害，包括滑坡、泥石流、不穩定斜坡（圖4-2）。對室內解譯結果進行野外驗證后，進行了補充與修改。

3．結束語

（1）采用多種融合方法對資源三號的多光譜影像（5.8米）和全色影像（2.1米）融合，并對四種融合結果進行了定性和定量的綜合分析，得出結論：融合后影像清晰度和空間分辨率都明顯提高，其中采用Gram-SchmidtPan光譜銳化方法融合后的成果圖像失真最小、效果最好，最大程度地保留了原始多光譜影像的光譜特征和全色波段的紋理特征信息。（2）基于ArcScene平臺將資源三號數據的最佳融合成果與DEM相結合構建三維立體模型，為地質災害信息的提取提供了有效的輔助工具。（3）結合研究區域的地質資料對研究區的地質災害信息進行了研究分析，并開展了實地野外驗證工作，對解譯成果進行了修改與補充。地質災害解譯成果為研究區的地質災害防治工作提供了有力的數據支撐。

作者：陰振聲 獨文惠 單位：山西省遙感中心