PCI软件，Envi软件
实验所需数据
Pan-sharpnened融合步骤：在Focus的Tools菜单里，选择Algorithm Librarian；工程进度提示Algorithm Librarian已经打开，Select Algorithm面板打开。如图：
在Select Algorithm面板，点击Image Processing文件夹旁边的“+”；文件树展开显示子文件夹。在Image Processing目录里，点击Data Fusion文件夹的旁边的“+”；文件树展开显示算法库列表。
在Select Algorthm面板的右边，点击下拉滚动条，直到找到PANsHARP算法；双击PANSHARP算法，PANSHARP模块控制面板打开。
选择导入的多光谱影像波段：在模块控制面板中，点击文件标签；在输入部分窗口，点击Input Mul[tispectral Image Channels旁的“+”；文件树展开，显示了影像和文件树。点击File按钮左侧的“+”；文件树展开，显示与工程相关的文件。点击．pix文件左侧的列表，显示可用的栅格层；选择导入多光谱影像波段，点击TM影像的六个波段。选择标记出现在复选框中。
选择相关融合影像波段：在导入窗口，点击Reference Image Channels左边的“+'’；文件树展开，显示了影像和文件树。点击Files左侧的“+”；文件树展开，显示与工程相关的文件。点击stack_L7_B1-6162.pix文件左侧的“+”；列表显示可用的栅格层。选择相关融合影像波段，点击TM影像的5，4，3波段。选择标记出现在框里。
选择全色波段：在导入窗口，点击Panchromatic Image Channel左边的“+’’； 文件树展开，显示了影像和文件树。点击Files左侧的“+”；文件树展开，显示与工程相关的文件。点击stack_L7_B8.pix文件左侧的“+”；列表显示可用的栅格层。选择全色波段，点击Panchroma,dc Band旁的复选框。在框里出现选择标记。
设置文件输出部分：点击输出面板上Pan Sharpened Image Channels旁的“+”；树状图展开，显示了viewer和untitled作为可用的输出选项，对这个例子而言，直接指定输出的文件名和存储盘。在输出窗口，点击untitled．pix左边的选择框；选择标记出现在框里。接下来，要给融合的输出影像命名。点击untitled．pix文件名，untitled．pix文件名变为高亮的黄色；再次点击untitled．．pix文件名，就可以输入新的文件名了；在输入部分键stack_L7_B1-6162-8_pansharp．Pix；
在控制面板的左下方，点击RUN按钮。程序运行条出现在桌面上，当算法运行结束时，程序运行条关闭，新的影像会出现在Focus viewer里，新的文件内容也相应地出现在地图树里。
可以在融合前影像和融合后影像之间来回切换进行可视化的对比，通过拖拽pansharp．pix文件，在地图树位置打开或闭合影像。
用envi打开转换格处理好的数据：
选择选择Transform Sharpening--Image Sharpening--HSV→display#1
高分辨图像选择stack_b8.img,ok后选择文件输出路径和融合方法最邻近法HSV结果如下图：
用同样的步骤分别进行Brovery 和 PC变换结果如下：
主要采用目视分析与评价通过对如图所示的实验结果进行目视分析。可以看出，从空间分解力和清晰度来看，由不同融合法得到的影像相对原始多光谱彩色影像均有很大的提高。通过对居民区、道路、建筑物轮廓构像及对其它目标的影像细节进行比较很容易验证这一点。
颜色保持方面：一般融合方法色彩多少有点失真，这是由新型卫星传感器获取的全色影像的波段从可见光延伸到近红外导致的，Pansharp融合法克服了这一缺点，它利用最小二乘法找到了被融合波段之间的相匹配灰度值，并调整个别波段的贡献值，从而使色彩保持得最好，接近自然色。
空间细节方面:HSV、Brovey的细节，纹理明显增强，道路、建筑物、树木、空地的可分辨率大大提高，故总体感觉其细节和纹理并不清晰。 而Pansharp克服了这一缺点，它利用统计法去估计所有融合波段的灰度值关系，从而去除了数据差异问题，使之能自动融合。纹理和细节融合的都比较好，为以后的分类，特征提取工作都搭了良好的平台.
波谱曲线分析：由图可见，各种融合后的影像光谱与原始影像光谱比较，Pansharp变换信息保真性最好，不仅同一地物的波谱曲线形状没有发生变化，而且不同地物的波谱之间的关系也保持得较好；PC次之，同一地物的波谱曲线形状虽没有发生变化，但不同地物的波谱之间的关系发生了部分变化. Pansharp 融合算法在信息量、光谱特征、边缘特征等方面具有综合优势。融合后的影像不仅很好地保留了原多光谱图像的光谱特征，而且在增加融合结果的信息量、增强信息透明度和锐化度、改善解译的精度、可靠性以及使用率等方面均收到了很好的效果。
您的投票和点赞是作者前行的动力！
需要原始报告的请私信楼主。