圖像融合指標

1. 求遙感影像融合質量評價的軟體或matlab代碼

ENVI完全可以啊！我個人覺得，對影像融合後的質量進行評價，單獨對一種方法所得的融合影像進行質量評價，意義不大，需要有個對比，才能顯示出某融合影像的質量如何！用不同方法進行影像融合，然後對這些不同方法融合的影像進行質量評價！

2. 是高分二的全色和多光譜影像相互進行融合了，要找質量指標，我首先進行融合後影像進行波段合成嗎

你要做什麼處理，融合的時候對應波段根據融合規則來選擇即可

融合後的處理要根據你的應用目的來定

3. 遙感數據融合問題，高手指點！

三景影像是解析度不同嗎，如果是為了提高空間解析度的話，那就對三景影像進行配准，然後對低解析度影像進行重采樣，之後再進行融合就可以了。至於彩色變化，主成分分析等，只要是同一地區經過配準的影像，都是可以互相替代的，關鍵看那種選擇效果最好，能達到你的要求。
評價嘛，就不清楚了……從來都是靠眼睛滴……

4. Quickbird全色與多光譜數據融合方法的比較研究

陳於林 蒲體信

（四川省國土勘測規劃研究院，成都，610031）

摘要：目前商用的高解析度影像Quickbird 能提供 0.61m的全色波段數據和 2.44m的多光譜數據，因此如何利用全色波段數據和多光譜數據進行融合以提高影像質量是目前遙感影像處理中最關鍵的一步。本文從光譜質量和空間信息角度分別對5種融合方法進行了比較研究，綜合評價結果是合成比值變數變換最適合於 Quickbird影像多光譜數據和全色數據的融合。

關鍵詞：Quickbird；影像融合；比較評價

影像融合技術在近10年發展較快，成為遙感應用研究領域的重要主題。Pohl和Van Genderen對遙感影像融合的概念、方法和應用進行了較為全面的總結^［1］。大量研究工作圍繞銳化影像、提高幾何校正精度、改善分類精度以及變化監測等領域展開。在遙感領域應用較多的融合方法有IHS變換、主成分分析、Brovey （顏色歸一化）變換、小波變換以及最近發展修改的合成比值變數變換，目前對融合方法進行系統定量評價比較的工作仍然較少^［2］。因此，本文從定量評價的角度對各種融合方法進行比較研究。

QuickBird－2衛星是由美國數字全球公司於2001年10月18日用德爾他－2火箭發射的高解析度商業衛星系列中的第3 顆。其全色波段地面（星下點）解析度為0.61m，波長范圍450nm～900nm；多光譜波段地面（星下點）解析度為2.44m，波長范圍為藍波段450nm～520nm，綠波段520nm～600nm，紅波段630nm～690nm，近紅外波段760nm～900nm；重訪周期為1～6天^［3］。

我國新一輪的土地資源大調查已全面展開，本次土地調查要求使用新技術和新方法，從節約成本、提高效率和提高質量等方面來開展二次調查。由於航天技術的發展，亞米級航天衛星的數據量越來越容易獲取，因而藉助航天遙感的手段進行二次調查顯得非常必要。亞米級衛星遙感影像QuickBird具有現勢性好，地面解析度高，空間紋理清晰，因此其經過融合後的遙感影像能夠製作1∶5000 比例尺的土地利用更新調查底圖，這將推動本次二次調查技術的更新。

1 遙感數據各種融合方法簡介

1.1 比值變換法 （Brovey）^［4］

Brovey 變換是較為簡單的融合方法，它是為 RGB 影像顯示進行多光譜波段顏色歸一化，將高解析度全色與各自相乘完成融合。Quickbird 融合採用公式（1）進行計算：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

1.2 HIS 變換法^［4］

HIS屬於色度空間變換，HIS 變換由於靈活實用的優點而被廣泛應用，成為影像融合成熟的標准方法。

HIS 變換從多光譜彩色合成影像上分離出代表空間信息的明度（I）和代表光譜信息的色別（H）、飽和度（S） 3個分量，通常採用高解析度全色波段或其他數據代替明度（1）進行空間信息的各種處理，採用計算公式（2）和（3）進行變換。

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中：I表示明度，H為色別，S為飽和度，v₁，v₂ 為計算H，S所使用的中間變數。其反變換式為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

1.3 主成分變換法 （PCA）^［4］

主成分分析（PCA）是在統計特徵基礎上進行的一種多維（多波段）正交線性變換，數學上稱為K－L交換。在遙感應用領域，這一方法目前主要用於數據壓縮，用少數幾個主成分代替多波段遙感信息；圖像增強，在光譜特徵空間中提取有顯著物理意義的圖像信息和監測地表覆蓋物的動態變化。對遙感圖像數據進行主成分變換首先需要計算出一個標准變換矩陣，通過變換矩陣使圖像數據轉換成一組新的圖像數據——主成分數據。其變換公式可用下式表示：

Y＝TX （4）

其中：X為原圖像p個波段像元值向量，Y為變換後產生的q個主成分像元值向量q≤p，T為實現這一正交線性變換的變換矩陣。T是通過原始圖像元值向量X的協方差矩陣∑x計算得出的。T矩陣的每一行都是∑x矩陣的特徵向量。因此Y所代表的各主成分，均是X的各分量，即各波段信息的線性組合。生成的主成分像元值向量y 的協方差矩陣為∑y，且：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中：λ₁，λ₂……λ_p為原始圖像協方差短陣∑x 的特徵值，λ_i （i＝1，2……p）按由大到小的順序排列。λ₁，λ₂……λ_p為各個主成分的方差，任何兩個主成分之間的協方差都為0，互不相關，保證各主成分之間沒有信息的重復和冗餘。

1.4 合成比值變數變換法 （SVR）^［5］

根據修改簡化的Munechika方法，過程如下列公式：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中：XSP_i 表示第i波段融合後灰度值，Pan_H 是高解析度全色波段灰度值，XS_Li是第 i 波段原始灰度值，Pan_LS是多光譜波段合成的全色波段灰度值，φ_i 是高解析度全色波段與 XS_Li間回歸系數。

首先將Quickbird⁴個多光譜波段與全色波段求算回歸系數，然後利用回歸系數與多光譜波段合成模擬高幾何解析度全色，最後利用比值變換完成各波段的融合。

1.5 小波變換^［3］

小波變換是將原始信號用一組不同尺度的帶通濾波器進行濾波，將信號分解到一系列頻帶上進行分析處理，小波理論為圖像的空間尺度分析提供了一個統一的框架。在遙感圖像上，常常將小波變換二進制離散化，進行分析處理（圖1）。

Quickbird圖像選用了Daubechies小波（D4）分別對全色和多光譜各個波段進行小波分後利用全色3個邊緣子圖代替多光譜波段的邊緣子圖和多光譜平滑子圖進行逆變換完成各個波段的小波融合。

圖1 小波分解示意圖

2 融合效果比較

選擇和確定何種融合方法通常取決於應用目的，因此很難對一種融合技術進行質量評價。一般來說，對於遙感影像融合效果的評價，應綜合考慮空間細節信息的增強與光譜信息的保持，因此評價可以從光譜信息和空間細節信息兩個方面考慮。下面介紹幾個評價參數指標及其特徵表達。

2.1 空間細節信息

在統計理論中，統計均值

、標准差

定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

對某一幅圖像，n 為像素總數，x_i 為第i個像素的灰度值，則均值為像素的灰度平均值，對人眼反映為平均亮度。方差反映了灰度相對於灰度均值的離散情況，方差越大，則灰度級分布越分散。

設圖像的灰度分布為p＝｛p₀，p₁，…，p_L－1｝，p_i 為灰度值等於 i 的像素數與圖像總像素數之比，L為灰度級總數。對於灰度范圍 ｛0，1，…，L－1｝ 的圖像直方圖，其信息熵定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

易知，0≤H≤ln_L。當某個p_i＝1 時，H＝0；當 p₀＝p₁＝…＝p_L－1＝1/L 時，H＝ln_L。

圖像信息熵是衡量圖像信息豐富程度的一個重要指標，通過對圖像信息熵的比較可以對比出圖像的細節表現能力。熵的大小，反應了圖像攜帶的信息量的多少。融合圖像的熵值越大，說明融合圖像攜帶的信息量越大。如果圖像中所有灰度級出現概率趨於相等，則包含的信息量趨於最大^［6］。

平均梯度是用來評價影像質量的改進，計算公式為^［7］：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，M、N為遙感影像的行、列數，式子

表示圖像函數f（x，y）在x、y方向上的一階差分。一般來說 g越大，圖像層次感越豐富，圖像越清晰。

2.2 光譜信息^［6］

圖像光譜扭曲程度直接反映了多光譜圖像的光譜失真程度。第k個光譜分量的光譜扭曲定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

式中，n 表示圖像大小；K表示多光譜圖像中光譜分量的個數；k表示第k個光譜分量；

分別為第k個光譜分量在原始圖像與融合圖像上（i，j）點的顏色灰度值。融合前後對應波段的扭曲程度值越小，說明融合前後的失真程度越小。

偏差指數用來比較融合影像和低解析度多光譜影像偏離程度。第k個光譜分量的偏差指數定義為：

土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集

其中用 n 表示圖像大小，K 表示多光譜圖像中光譜分量的個數，k 表示第k個光譜分量，

分別為第k個光譜分量在原始圖像與融合圖像上（i，j）點的顏色灰度值。融合前後對應波段的偏差指數值越小，說明融合前後的光譜影像偏離程度越小。

3 實例分析

本例選用了成都市西南交通大學校區進行處理，本地區包含有植被、水體及建築物等典型的地物。遙感影像數據是2004年8月所獲取的0.6 m全色和2.4 m多光譜Quickbird數據，運用以上介紹到的5種目前運用最普遍的融合方法分別進行了融合，本次影像融合採用的軟體是MATLAB及ERDAS 8.7。如圖2～圖8，在本次的融合過程中不進行任何光譜和紋理上的增強處理。對IHS和Brovey融合只是針對多光譜波段321 和全色波段的融合，而PCA、SVR和小波變換完成全部4個多光譜波段的融合。

圖2 原始多光譜影像 （321 組合）

圖3 原始全色影像

圖4 比值變換融合影像 （321 組合）

圖5 HIS 變換融合影像 （321 組合）

圖6 PCA 變換融合影像 （321 組合）

圖7 SVR 變換融合影像 （321 組合）

圖8 小波變換融合影像 （321 組合）

3.1 融合效果目視評價

原始多光譜和全色影像及經5種融合方法得到的融合影像如圖2～圖8所示。從目視角度可以明顯看出，5種融合影像的空間幾何解析度大致相等；而就光譜色彩來說，SVR融合所得影像最接近原始多光譜影像。

3.2 融合效果定量評價

下面選用平均梯度和扭曲程度對以上5種融合影像進行定量評價：

表1是Quickbird融合後高解析度多光譜影像各波段平均梯度，它體現了融合影像空間細節的表現能力。表2是Quickbird影像融合前後對應多光譜波段扭曲程度，它體現了影像融合前後的失真程度大小。

表1 Quickbrid 融合影像各波段平均梯度

表2 Quickbird 影像融合前後對應多光譜波段灰度平均差異

通過表1 數據分析，在影像融合的四個波段中（Brovey 變換和HIS 變換只有三個波段），第1、2、3波段的平均梯度都是合成比值變數變換的最高，第4 波段的平均梯度是小波變換的最高，其次是合成比值變數變換。

通過表2數據分析，在5種影像融合的方法中，利用合成比值變換融合的影像與原始多光譜影像的光譜扭曲程度在4個波段都是最小的，也即用此種方法融合的影像在最大程度上繼承了原始多光譜影像的光譜信息；其次是常用的小波變換方法效果。

通過從光譜質量和空間細節信息的兩個方面對上述5 種融合方法的比較，合成比值變數變換是低空間解析度的光譜信息和高空間解析度的空間信息二者之間權衡最好的一種融合方法。在製作大比例尺土地利用專題圖時要求影像數據的光譜不退化和有較高的幾何空間信息，因此選擇採用合成比值變數變換方法對Quickbird 進行數據融合是最佳方案。目前還沒有成熟的軟體能夠實現該方法的影像融合，本文是基於 SVR影像融合原理基礎上利用 MATLAB 完成影像的融合，僅限於試驗研究，不能應用於大量的生產實踐中

參考文獻

［1］Chavez P S，Sides S C，Anderson J A.Comparsion of the Three Different Methods to Merge Multiresolution and Multispectral Data TM＆SPOT Pan ［J］.Photogrammetric Engineering and Remote Sensing，1991，57：295～303

［2］孫丹峰.IKONOS全色與多光譜數據融合方法的比較研究［J］.遙感技術與應用，2002，17 （1）：41～45

［3］吳培中.快鳥——2衛星的技術性能與應用［J］.國際太空，2002，（10）：3～4

［4］孫家柄.遙感原理與應用［M］.武漢：武漢大學出版社.2003，162～168

［5］Zhang Y.A new merging method and its spectral and spatial effects ［J］.INT J Remote Sensing，1999，20 （10）：2003～2014

［6］李弼程，魏俊，彭天強.遙感影像融合效果的客觀分析與評價［J］.計算機工程與科學，2004，26 （1）：42～46

［7］Schistad-Solberg A H，Jain A K，Taxt T.Multisource classification of remotely sensed data：fusion of Landsat TM and SAR imagesl ［J］.IEEE Transactionson Geoscience and Remote Sensing，1994，32 （4）：768～778

5. 在遙感影像數據融合中,融合圖像質量判定指標之一偏差指數怎麼求求解權威方程！

6. 我用多種融合方法完成遙感影像的融合，之後要想比較一下這些融合方法的優缺點，該用哪些指標啊怎麼做 跪

這個評價是相當難的啊，有多種方式，首先目視，融合後可視化是否更好，地面解析度或者光譜解析度是不是有所提高，但顯然這種方式沒有客觀的評價指標，不好把握

還有，可以從信息熵，圖像的平均梯度，以及灰度級差等來衡量，這個有待把握，看寫論文吧，這個挺前沿的，可以多交流，我也是學遙感的，哈哈

7. 朋友你好，你知道在envi 中怎樣實現定量評價嗎，就是融合後的圖像的評價指標，信息熵，標准偏差等。

信息熵和標准差得用IDL編寫個小程序，演算法可以再往上搜。
演算法你可以搜搜論文
給你幾個連接，你看看
http://blog.sina.com.cn/s/blog_764b1e9d0100pteq.html
http://bbs.esrichina-bj.cn/ESRI/thread-58671-1-1.html

正好前幾天我剛做完。但是我的是別人給弄得，我也不是很懂。

希望對你有幫助

8. 遙感數據預處理

4.1.1 幾何精糾正

遙感圖像的幾何精糾正方法不外乎多項式糾正法、共線方程式糾正法等。多項式糾正法迴避了感測器成像時的實際幾何狀態，直接對變形的影像進行強糾;共線方程式糾正法需要提供衛星的姿態參數，或者根據一定數量的GCP來反演姿態參數，然後對圖像進行糾正。筆者選擇多項式糾正法。

在ErdasImagine8.6軟體平台對1、2、3、4、5、7波段進行疊加組合(LayerStack)和RGB顯示操作，在1∶50000軍用地形圖上，在相山礦田及鄰區大致均勻分布地選取10個控制點，採用三次多項式變換模式，把圖像糾正到UTM投影上。為了不使光譜發生明顯退化，選取鄰近點插值法(NearestNeighbbor)重采樣，像元大小15m×15m(與8波段一致)。控制點誤差:X=1.7364m，Y=2.0219m，Total為2.6652m，明顯小於0.5個像元。

應用已保存的幾何校正模式，以相同的多項式變換和采樣方法，對6、8波段進行幾何精糾正，其中6波段GCP輸入值是1、2、3、4、5、7波段的2倍，控制點誤差:X=0.8682m，Y=1.0109m，Total為1.3326m。8波段GCP輸入值是1、2、3、4、5、7波段的4倍，控制點誤差:X=3.4728m，Y=4.0438m，Total為5.3304m。

4.1.2 數據特徵統計分析

各波段數據的最大值、最小值、平均值、中值、標准差見表4.1。標准差是衡量圖像信息量大小的參數，表4.1顯示，ETM5波段信息量最大，ETM7次之，4、3、8、2、1、6波段依次降低，其中ETM6均值較高。

表4.1 相山礦田ETM數據特徵統計表

各波段相關系數矩陣見表4.2，ETM1、2、3之間，ETM5、7之間相關性較好，相關系數在0.94以上，而ETM6、4波段相對獨立性較強。相關系數矩陣是RGB最佳合成方案選擇的依據。

表4.2 各波段相關系數矩陣

4.1.3 圖像融合

圖像融合是指將多元遙感圖像按照一定的演算法，在規定的地理坐標系，生成新的圖像的過程(孫家柄，2003)。ETM⁺多波段(空間解析度30m)和全色波段(空間解析度15m)來自同一感測器系統，有相同的太陽高度角和其他環境條件，影像獲取時間也一致，兩種不同解析度的圖像可以不經配准實現高精度的融合(許榕峰等，2004)，從而可最大限度地發揮ETM⁺多波段數據豐富的光譜信息和全色波段高解析度圖像的空間信息，實現兩種解析度遙感數據的信息互補，使地物特徵清晰，易於目視解譯和影像分析。

目前常用的圖像融合方法很多，究竟哪種方法更適合於相山地區的ETM⁺圖像的融合呢?筆者採用HIS變換、SIFM變換(劉建國，2000)、主成分變換、保真融合(齊澤榮等，2004)、加權融合5種方法，分別進行ETM⁺全色波段與ETM⁺多光譜波段的融合試驗，並從空間紋理信息、光譜真實性兩個方面進行定量和定性評價。

相山地區各種岩性及線性構造在ETM⁺各波段及其RGB合成圖像上均有一定的反映，HIS變換、主成分變換、SFIM變換、加權融合、光譜保真融合處理試驗表明，除加權融合外，空間解析度均有較大改善，岩性邊界和線狀影像更加明顯清晰，然而，這5種方法融合的效果也不盡相同，色調與原ETM⁺圖像有不同程度的差異，光譜有一定程度的退化。其中HIS變換、主成分變換融合前後圖像光譜特徵差異較大，產生光譜退化現象，如HIS變換融合圖像741波段組合水體呈紫紅色，與原始圖像ETM741組合深藍色的水體有明顯差異;主成分變換融合圖像直方圖與原始ETM⁺相對應波段的直方圖有明顯差異。而FSIM融合、保真融合、加權融合圖像的色調與原始圖像很接近，較好地保留了原始ETM⁺圖像的光譜特徵。

眾所周知，不同解析度的圖像融合目的在於實現空間解析度和光譜信息的互補。融合圖像質量高低對於後續的信息提取、解譯都是至關重要的。由於不同融合方法產生的光譜失真可能導致不可靠的判別和應用。根據圖像融合前後目視判別對比作出定性評價，無疑是最簡單、最直接的評價方法，但是主觀性太強。為進一步客觀定量地評價融合效果，本次研究還分別根據光譜真實性、空間紋理信息兩個方面進行了分析。

Clavez等(1991)認為圖像融合不應造成原始多光譜數據的光譜扭曲和退化。對光譜真實性可運用以下指標進行評價:

(1)光譜偏差:

式中:N為整個圖像像元總數;i、j分別為行列位置;G'_ij和G_ij分別為多光譜波段融合前後對應像元的灰度值;D_i表示融合前後光譜的差異，因此該值越小越好。

(2)均值偏差:M_i=|M_i-M'_i|

式中:M'和M'_i分別為多光譜波段融合前後圖像的均值;均值偏差M_i反映兩圖像均值之間的偏離程度，該值越小越好。

(3)方差偏差:S_i=S_i-S'_i

式中:S_i和S'_i分別為多光譜波段融合前後圖像的方差;方差偏差S_i反映兩圖像之間的方差偏離程度，方差越大反映圖像的信息量越大，因此該值越大越好。

不同融合圖像的空間紋理信息的比較，採用簡單的高通濾波分別對全色波段和融合後的多光譜波段濾波，然後計算兩者的相關程度，相關程度越高，表明越多的高解析度全色波段的紋理信息被融合入相應波段中。濾波採用3×3SharpenEdgeFilter模板:

相山鈾礦田多源地學信息示範應用

各種融合方法融合圖像的光譜真實性和空間紋理信息的量化指標見表4.3。從光譜真實性看，上述5種方法的光譜偏差和均值偏差均不等於0，說明融合前後光譜DN值均發生了變化。HIS變換和主成分變換融合圖像光譜偏差、均值偏差(絕對值)均較大，反映光譜退化較嚴重，雖然與全色波段的相關性較好，即融入了較多的空間紋理信息，但對於後續的地物信息的提取和識別研究將會產生嚴重影響，因此在相山地區的實用性將受到很大限制。

SFIM融合圖像光譜偏差2.125～4.078，6個波段融合圖像的光譜平均偏差3.096;均值偏差-0.629～-0.218，平均-0.419;方差偏差0.781～2.448，平均1.493，為正值，表明融合後圖像的信息量多於融合前信息量。SFIM融合方法較好地保留了原始多光譜波段的光譜信息。

加權融合方法光譜偏差1.115～4.628，平均2.112;均值偏差-4.629～-0.448，平均-1.981;方差偏差-0.038～-1.302，平均-0.688，為負值，表明融合後圖像信息量弱，有減少。

光譜保真融合方法光譜偏差2.881～4.546，平均3.517;均值偏差-0.128～-0.114，平均-0.122;方差偏差0.480～1.490，平均0.913，為正值，融合後信息量弱，有增加。

SFIM、加權及保真融合方法的融合圖像的光譜偏差、均值偏差都不是很大，反映了光譜真實性得到了較好的保留。而且SFIM和保真融合圖像信息量均有一定量的增加。

關於融合圖像的空間紋理信息，從表4.4中的融合圖像與全色波段的相關系數可以看出，除HIS和主成分變換融合圖像高頻細節和全色波段的高頻細節相關程度較高外，SFIM和保真融合方法融合圖像的高頻細節與全色波段的高頻細節相關程度也較高，即融入的全色波段高解析度信息較多，而加權融合方法高解析度信息導入效果不好。

表4.3 融合效果量化指標

因此，從光譜真實性和空間紋理信息兩方面綜合考慮，基於SFIM和光譜保真融合方法既較好地保留了低解析度的多光譜信息，又明顯地提高了空間解析度，可作為相山地區圖像處理的首選融合方法。由於SFIM融合方法較光譜保真融合方法簡單、易操作，下文主要採用SFIM融合方法結果來進行地質影像理解和識別。

4.1.4 假彩色合成

假彩色合成是多光譜圖像判讀的一種有效方法。ETM或其融合圖像可供選擇的波段有6個(1、2、3、4、5、7)，在6個波段中選擇3個最佳波段進行合成，使合成後圖像包容的信息最豐富呢?美國的Lhavez提出了最佳指數因子OIF(Optimum Index Factor)的方法(戴昌達等，1989)，即

相山鈾礦田多源地學信息示範應用

式中:OIF為某合成方案的OIF因子;i為參與合成的波段數，S_i為第i波段(因子)的標准差;R_ij為I和j兩波段的相關系數。OIF值越大，合成圖像的信息量越大，波段組合方案最優。

相山地區SFIM融合圖像各波段相關系數見表4.4，RGB合成的OIF因子見表4.5，從表4.5可看出，754波段的RGB組合的OIF值最高，為24.18，其次是543組合，OIF為23.79，這可能是植被較發育地區的最佳波段組合的普遍規律。743、541、741、542、742、431、753、751、432、752、531、532、421、521、731、732、721、321RGB組合的OIF依次降低。

表4.4 SFIM融合圖像各波段相關系數

表4.5 SFIM融合圖像波段合成方案最佳因子

通過對OIF較大的合成方案的目視判讀及選擇，SFIM754合成圖像的影紋清晰，環、線構造明顯，微地貌景觀突出，植被、岩石圖斑、色調、紋理差異細微，對影像地學理解及分析應用效果較好。筆者主要應用此合成圖像進行地質構造解譯分析。

9. 在Matlab中怎麼對融合後的遙感圖像進行質量評價代碼怎麼寫

說一個問題，在matlab中最好是讀取tif格式的遙感影像，而且必須是8bit的。
對於你說的評價，建議直接找一本書，多源遙感影像融合技術。
代碼有，分數有些低。

10. 如何用MATLAB做圖像融合的精度評價

[cpp] view plain 在CODE上查看代碼片派生到我的代碼片
function laplacian(ori_A,ori_B)
path(path,'FusionEvaluation/')
%Ori_A = imread('clockA_tif2bmp (256x256).BMP');
%Ori_B = imread('clockB_tif2bmp (256x256).BMP');
ori_A = imread('clockA.BMP');
ori_B = imread('clockB.BMP');
ori_A=rgb2gray(ori_A);
ori_B=rgb2gray(ori_B);
A_a = double(ori_A)/255;
B_b = double(ori_B)/255;
[p1,q1] = size(ori_A);
[p2,q2] = size(ori_B);
if(p1~=p2||q1~=q2)
error('The size of image A and image B must be the same......');
end
F = fuse_lap(A_a,B_b,4,1,3);
%%
F=F*255;
F(F<0)=0;
disp('拉普拉斯指標:')
F(F>255)=255;
F=round(F);
%%
grey_level=256;
Criteria=Evaluation(double(ori_A),double(ori_B),F,grey_level);
disp(Criteria)
figure,imshow(F-double(ori_A),[])
F_DWT = fuse_dwb(A_a,B_b,4,1,3);
F_DWT=F_DWT*255;
F_DWT(F_DWT<0)=0;
disp('離散小波變換指標:')
F_DWT(F_DWT>255)=255;
F_DWT=round(F_DWT);
%%
grey_level=256;
Criteria=Evaluation(double(ori_A),double(ori_B),F_DWT,grey_level);
disp(Criteria)
figure,imshow(F_DWT-double(ori_A),[])
F_CON = fuse_con(A_a,B_b,4,1,3);

F_CON=F_CON*255;
F_CON(F_CON<0)=0;
disp('Contrast Pyramid變換指標:')
F_CON(F_CON>255)=255;
F_CON=round(F_CON);
%%
grey_level=256;
figure,imshow(F_CON-double(ori_A),[])
Criteria=Evaluation(double(ori_A),double(ori_B),F_CON,grey_level);
disp(Criteria)

F_SIH = fuse_sih(A_a,B_b,4,1,3);

F_SIH=F_SIH*255;
F_SIH(F_SIH<0)=0;
disp('FSD Pyramid變換指標:')
F_SIH(F_SIH>255)=255;
F_SIH=round(F_SIH);
%%
grey_level=256;
figure,imshow(F_SIH-double(ori_A),[])
Criteria=Evaluation(double(ori_A),double(ori_B),F_SIH,grey_level);
disp(Criteria)