基于HIS与小波变换的遥感图像融合系统

资 源 简 介

本系统利用MATLAB强大的图像处理能力，实现了一种将HIS空间变换与离散小波分析相结合的高级遥感图像融合算法。该算法主要针对全色波段（PAN）的高空间分辨率特性与多光谱图像（MS）的丰富光谱信息进行互补处理。

详 情 说 明

基于HIS变换与小波变换相结合的遥感图像融合系统

项目介绍

本系统是一个基于 MATLAB 开发的遥感图像处理平台，旨在实现高空间分辨率全色影像（PAN）与低空间分辨率多光谱影像（MS）的高质量融合。系统采用了改进型融合框架，通过 HIS（强度-色调-饱和度）空间变换提取光谱成分，并结合离散小波变换（DWT）在多尺度特征空间内注入空间细节。这种结合方式有效地缓解了传统 HIS 融合容易产生的光谱扭曲问题，同时保留了图像的精细空间结构，适用于遥感探测、地物识别及城市规划等领域。

功能特性

1. 模拟数据生成：内置遥感影像模拟模块，能够生成具有复杂纹理的 PAN 影像和多波段 MS 影像，便于进行算法验证。
2. 多尺度图像预处理：集成双三次插值（Bicubic）算法，将多光谱图像自动匹配至全色图像的分辨率级别。
3. 色彩空间转换：实现 RGB 与 HIS 空间的高精度正逆变换，将亮度成分与颜色成分（色调、饱和度）完全解耦。
4. 小波多尺度融合：利用离散小波分析技术，在不同频率子带内执行针对性的融合策略。
5. 多指标定量评价：系统提供了一套完整的客观评估体系，涵盖信息熵、标准差、平均梯度、相关系数及光谱偏差等指标。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 工具箱依赖：

* Image Processing Toolbox（图像处理工具箱） * Wavelet Toolbox（小波工具箱）

实现逻辑说明

系统的主程序逻辑严格遵循以下技术流程：

1. 数据准备与模拟 系统首先通过数学函数模拟生成输入数据。全色影像采用正弦和余弦交织的纹理叠加随机噪声，多光谱影像则模拟产生三个波段的低频色彩分布。PAN 图像分辨率设为 1024x1024，MS 图像设为 256x256。

2. 空间对准（重采样） 利用双三次插值法对低分辨率的多光谱图像进行上采样，使其像素尺寸与全色图像完全一致，为后续的像素级融合奠定基础。

3. 正向 HIS 变换 将重采样后的多光谱影像归一化到 [0, 1] 区间，通过几何变换公式计算出 I（强度）、H（色调）和 S（饱和度）三个分量。其中，I 分量代表了图像的综合亮度，后续将由全色影像的细节信息进行替换或补充。

4. 小波多尺度分解与融合

• 分解：采用 db2 小波对多光谱图像的 I 分量及全色图像分别进行水平为 2 的二维离散小波分解。
• 低频融合规则：对低频近似系数采取加权平均算子，旨在保持多光谱图像的光谱特性。
• 高频融合规则：对各层高频细节系数（水平、垂直、对角）采取“绝对值取大”策略。这种方法能优先捕获 PAN 图像中明显的边缘和纹理特征，并将其注入融合图像中。

5. 逆向小波重构与 HIS 还原 执行小波逆变换，生成融合后的新 I 分量。随后，将更新后的 I 分量与原始的 H、S 分量相结合。根据 H 所在的扇区（0-120°、120-240°、240-360°）分别应用逆向 HIS 转换公式，重构成最终的 RGB 融合图像。

6. 质量评价与可视化 系统最后计算五项定量指标：

• 信息熵：衡量图像所含信息的丰富程度。
• 标准差：反映图像的对比度高低。
• 平均梯度：体现图像边缘细节的清晰度。
• 相关系数：评估融合图像相对于原始光谱的保真度。
• 光谱偏差：计算光谱扭曲的程度。

最后通过四分格图表对比显示原始 PAN、原始 MS、重采样 MS 以及融合后的最终结果。

关键算法细节

• 小波基选择：系统使用了 Daubechies 小波簇中的 db2 基函数，在紧支撑性和平滑性之间取得了良好平衡，适合提取遥感图像的突变特征。
• 自适应扇区变换：在 HIS 逆变换阶段，系统根据色调角度自动划分三个处理区域，确保了色彩空间还原过程中的数学严谨性，避免了直接转换带来的偏色。
• 细节注入机制：通过在高尺度小波层采用绝对值最大法，系统成功将全色波段的高频空间细节（如道路边缘、建筑物轮廓）精准地嵌入到多光谱的亮度通道中。

使用方法

1. 启动 MATLAB 并定位到项目根目录。
2. 在命令行窗口直接运行主程序脚本。
3. 系统将自动执行模拟、融合及评价过程，并弹出可视化结果窗口。
4. 在 MATLAB 控制台查看详细的定量评估报告。
5. 如需处理真实遥感数据，可将程序开头的数据生成逻辑替换为标准的图像读取函数（imread），并确保图像已完成地理配准。