无标题¶
目录
在这里，我们深入探讨了多传感器的优点。这导致讨论如何将一个传感器生成的图像与另一个传感器生成的图像合并。两者都可以覆盖相同的波长范围，但在分辨率或像素大小上有所不同。或者它们可能是非常不同类型的传感器，例如雷达和可见波段扫描仪。
多传感器
从“多重”概念中自然产生的一个词是 合并 . 不同平台、不同传感器、不同分辨率和不同时间采集的数据在某些方面往往不兼容。最常见的是几何图形：代表地面或大气中某些区域光谱间隔内辐射测量数据的像素可能不是监测目标的不同传感器（无论是地球表面还是行星表面）或空气在上面。为了组合来自不同来源的数据集，需要对几何/地理和辐射测量值进行一些调整或移动。两个像素可能部分重叠；它们的形状可能有所不同。它们的辐射特性可能需要修改（例如，大气效应或双向反射的校正）。因此，要成功合并，必须同时应用几何校正和辐射校正。某种形式的重新取样（参见 page 1-12 ）通常是必要的。变形必须减少或消除。必须对某些平面标准（例如适当的地图投影）进行修正。为了正确地覆盖另一幅图像，拟合或拉伸一幅图像通常是至关重要的，需要地面控制点或连接点。这些一般的处理步骤虽然重要，但仍将超出本教程的范围，但感兴趣的用户应参考概述中列出的任何教科书，例如刚刚出版的第5版Lillesand和Kieffer's。 遥感和图像解释。 在这一页上，我们必须满足于看一些例子。
第一个主题是作物田和雷达的最后一个主题。下面是马尼托巴红河流域的SIR-C图像。彩色合成中的两个波段来自JPL操作的L波段和C波段雷达系统。第三种是德国-意大利空间联盟开发的X波段仪器。所有这些装置都安装在从航天飞机伸出的动臂上。由于图像是同时拍摄的，因此时间因素被消除。但是这两种仪器在空间采样中并不完全兼容，因此像素需要合适的算法来允许合并，在某些情况下，在视角和偏振方面也存在差异。
这些田地主要生产玉米、小麦、大麦、甜菜和油菜。洋红是指裸露的土壤；明亮的田野主要是玉米；其他静止的生物量是青色的。
SPOT提供了相当简单的合并的很好的例子：20 m HRV多光谱数据与10 m HRV泛（色）传感器。前两对场景展示了旧金山的一部分，包括金门公园、普雷西迪奥、金门大桥和索西利托在马林县。左侧图像为20米准自然色视图；右侧图像为同一区域的黑白10米分辨率图像。两个场景都是同时拍摄的。
现在，在下一个场景中，两个场景合并：
旧金山西北端20和10米的点景融合
在前几节中，我们展示了几个将空间图像与DEM高程数据相结合以生成透视图的示例。我们可以用上面的场景来做这个。首先，DEM数据显示在彩色编码的通用地图中，高海拔为红色，最低海拔为中蓝色（海洋深蓝色）。然后输入到右侧的阴影地形图：
将图像像素与DEM数据点进行配准，并使用适当的程序算法，将场景转换为以下透视图：
透视旧金山西部的金门和塔尔马帕斯山和马林县其他高地的透视图，通过现场现场和DEM数据相结合的方式构建。
多个合并场景使图片更加完美。下一个融合了30米分辨率的陆地卫星TM彩色合成图像和IRS（印度遥感计划）5米未命名城镇的全色图像，结果令人印象深刻：
|合并一个30米陆地卫星TM彩色合成物和同一区域的5米IRS全色图像。γ
下一对图像是在同一个Jers平台上同时拍摄的，但是仪器是完全不同的。上图描绘的是日本樱岛山（火山），是由光学传感器（Ops）拍摄的，这是一种多光谱仪器，分辨率为18 x 24米，覆盖宽75公里的条带。底部是L波段的SAR图像，分辨率为18米，宽度相同。这两个图像显示为单独的，但可以很容易地合并。
热成像也有利于与其他类型的图像融合。下一幅由鲁珀特·哈迪恩拍摄的图片包含了摩洛哥山脉温度变化的颜色信息。输入数据是来自HCMM的日可见光、日红外和夜间红外读数，显示在使用IHS（强度-色调-饱和度）颜色系统的颜色组合中。所得的彩色图像已登记到同一区域的一个陆地卫星MSS波段5场景中，因此其黑白外观给人一种叠加颜色的地形表示感，这样红色与最热的夜间温度有关，蓝色是其中最亮的区域。白天的景象。
主要作者：Nicholas M.Short，高级电子邮件： nmshort@nationi.net