遥感影像数据融合常用到的几种方法是：彩色合成、HIS变换、主成分分析、小波变换等。由于本书方法要以融合影像作为额外的信息源，因此为了避免融合后的影像失真造成结果的误差，选取高保真的影像融合算法来进行处理是非常有必要的，这里选取Gram-Schmidt光谱融合方法。实际上，它是一种线性代数和多元统计中常用的方法，主要是通过对矩阵或多维影像进行正交化，从而消除冗余信息，得到最优解（Munechika等，1993；Wald等，1997；Gross and Schott，1998；Liu，2000；Laben and Brower，2000）。它的主要步骤如下：
（1）使用多光谱低空间分辨率影像对高分辨率波段影像进行模拟，模拟的高分辨率影像作为第一分量进行GS变换，这样使得信息失真少。
（2）通过调整高分辨率波段影像统计值来匹配GS变换后的第一分量，产生修改后的高分辨率影像，修改方法不再赘述。
（3）将修改后的高分辨率波段影像代替GS第一分量，产生新的数据集。(www.xing528.com)
（4）进行反GS变换，即可产生空间分辨率增强的多光谱影像。该方法的优点在于产生的高空间分辨率多光谱影像不仅保持了低分辨率光谱的特性，且信息失真小。
为了考察该融合方法对光谱的保真情况，选取南京地区SPOT5影像中的一块子区域，主要包含3种不同地物（水体、植被、城区），图6-10列出了原始图像的光谱曲线和融合后的图像光谱曲线。将两幅图进行对比可以发现：利用Gram-Schmidt变换方法，不仅同一地物的波谱曲线形状没有发生变化，而且不同地物波谱之间的相对关系也保持良好。
图6-10 融合前后典型地物光谱曲线对比
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
