RESUMEN Con base en los datos HJ-1A HSI y Landsat-8 OLI, los experimentos de fusión de imágenes RS se llevaron a cabo utilizando tres métodos de fusión: transformación de componente principal (PC), transformación de Gram Schimdt (GS) y algoritmo de difusión vecina más cercana (NND). Se seleccionaron cuatro índices de evaluación, desviación estándar, entropía de información y gradiente promedio, para evaluar los resultados de fusión de los aspectos de brillo de imagen, claridad y contenido de información. La vegetación de humedales se clasificó por mapeo de ángulo espectral (SAM) para encontrar un método de fusión adecuado para la extracción de información de vegetación de humedales. Los resultados muestran que la imagen de fusión de PC contiene la mayor cantidad de información, la imagen de fusión GS tiene ciertas ventajas en el mantenimiento del brillo y la claridad, y el método de fusión NND puede retener las características espectrales de la imagen al máximo. Entre los tres métodos de fusión, la transformación de PC es la más adecuada para la extracción de información de humedales. Puede retener más información espectral al tiempo que mejora la resolución espacial, con una precisión de clasificación del 89,24% y un coeficiente Kappa de 0,86.
ABSTRACT Based on HJ-1A HSI data and Landsat-8 OLI data, RS image fusion experiments were carried out using three fusion methods: principal component (PC) transform, Gram Schimdt (GS) transform and nearest neighbor diffusion (NND) algorithm. Four evaluation indexes, namely mean, standard deviation, information entropy and average gradient, were selected to evaluate the fusion results from the aspects of image brightness, clarity and information content. Wetland vegetation was classified by spectral angle mapping (SAM) to find a suitable fusion method for wetland vegetation information extraction. The results show that PC fusion image contains the largest amount of information, GS fusion image has certain advantages in brightness and clarity maintenance, and NND fusion method can retain the spectral characteristics of the image to the maximum extent; among the three fusion methods, PC transform is the most suitable for wetland information extraction. It can retain more spectral information while improving spatial resolution, with classification accuracy of 89.24% and Kappa coefficient of 0.86.