| 方法名称 | 定义 | 优点 | 缺点 | | （1）局部平均法[23] | 将高分辨率遥感影像中一定大小窗口内的像元合并,以其平均值作为合并后像元的值,通过计算所有窗口来获取转换后的较低分辨率影像 | 够较好地保持影像均值信息,且运算简单 | 易丢失部分细节信息 | | （2）中心像元法[24] | 将高分辨率遥感影像中一定大小窗口内中心像元的值作为新像元的值,通过计算所有窗口来获取转换后的较低分辨率影像 | 方法简单易行,能够在一定程度上保持原影像的纹理特征 | 转换后的图像质量较差,且在窗口较大的情况下接近于随机图像 | | （3）中值采样法[25] | 将高分辨率遥感影像中一定大小窗口内所有像元值的中位数值作为新像元的值,通过计算所有窗口来获取转换后的较低分辨率影像 | 该方法运算量小,能够较好地保持原图像的均值 | 尺度转换过程中信息损失量大,像元值不连续的问题 | （4）重采样法[26]
① 最近邻法 | 将高分辨率遥感影像中一定大小窗口内离采样点最近的像元值赋予转换后低分辨率影像所对应的像元值 | 算法简单、易实现 | 没有考虑除最近像元点以外的其它点,因而图像质量易受损失,像元不连续,且转换后的图像人为加工痕迹较明显 | | ② 双线性内插法 | 将高分辨率遥感影像中2个正交方向上的像元值,按照先水平方向后垂直方向的顺序进行一阶线性插值,通过加权平均作为转换后较低分辨率影像中对应点的新像元值。 | 能够克服最近邻法的不足,避免转换后图像像元的不连续 | 运算量较大,转换精度不高、图像边缘信息易丢失 | | ③ 无重叠平均法 | 将高分辨率遥感影像中无重叠方形窗口内的像元平均值赋予转换后低分辨率影像所对应的像元值 | Hay等[27]认为该方法的转换效果较好,而最近邻法、双线性内插法和立方卷积内插法在转换尺度超过5个像元时,不适用于遥感影像的尺度上推,转换可信度低 | 当影像中涉及大量复杂地物时,尺度转换精度不高 | | ④ 立方卷积内插法 | 与双线性内插法原理相似,将高分辨率影像中的某像元周边的4个像元值改为16个进行加权平均,通过转换得到较低分辨率影像中对应点的新像元值 | 计算精度较高,考虑了相邻像元间的灰度值和其间的变化率,影像的边缘信息和纹理得到较好地保留 | 计算量大 |
|