基于小波变换理论的影像融合及评价

研究了基于MALLAT小波变换与静态小波变换(SWT)改进的IHS影像融合方案,并与标准IHS,BROVEY,PCA融合算法进行对比,分析了各种融合结果的优缺点。采用信息熵,标准差指标对信息量进行比较。选择平均值,相关系数,标准偏差指数进行融合影像光谱特征评价。针对ETM 全色波段与多光谱波段进行实验分析,结果表明小波变换融合算法总体优于传统融合算法,并能较好的保持光谱特性,但两种不同的离散小波变换方法改进的融合效果各有优缺点。     

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示.接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得到newPAN,最后对newPAN和强度分量I进行小波分解.利用PCA对多光谱图像操作后再进行IHS变换,弥补了传统IHS算法只能处理三个波段多光谱图像的缺陷,增加了处理的波段数,而且PCA融合算法的光谱保持度较高,该算法将IHS、PCA、小波变换三种融合算法相结合,利用各个算法的优势,最大程度地减少替换成分相关性不高造成的光谱扭曲,克服小波变换融合过程中产生的细节信息畸变问题.     

IKONOS全色与多光谱数据融合方法的比较研究

IKNOS-2给各个应用领域提供1 m的全色和4 m的多光谱数据,因此利用全色波段将4 m的多光谱数据融合为1 m的多光谱数据会充分利用二者的信息,提高目视和自动影像提取的类别精度。影像融合技术发展较快,成为遥感应用研究领域的重要主题。在遥感领域应用较多的融合方法有IHS变换、主成分分析、Brovey(颜色归一化)变换、小波变换以及最近发展修改的合成变量比值变换。从光谱质量和空间信息角度对融合方法进行了比较研究,筛选出适合IKNOS融合方法,从各种特征信息提取和自动分类角度出发,合成变量比值变换融合方法光谱退化最小,同时也较高程度地保持了高几何分辨率全色的空间信息。     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。     

基于小波低频分量微调的IHS变换融合法及其应用

针对IHS变换融合法和小波变换融合法存在的弊端,结合这两种方法,提出了一种基于小波低频分量微调的IHS变换融合法,并通过IKONOS和QuickBird影像数据,验证了新方法的可行性和优越性。新融合法首先利用IHS变换技术提取真彩色影像的亮度分量;接着,为了提高融合影像的光谱保真度,采用小波变换技术,联合亮度分量和全色影像数据,生成更为合理的新亮度分量;同时提出了小波低频分量微调环节,并利用该环节进一步改善了融合影像的高频信息融入效果;最后,执行IHS逆变换,获得真彩色融合影像。研究表明：新融合法兼具IHS变换融合法和小波变换融合法的优势,融合结果的质量得到较大程度提高。     

沿海牡蛎养殖的WorldView-2影像融合方法评价

针对沿海牡蛎养殖模式的特点,使用WorldView-2影像为数据源,以浙江省象山港牡蛎养殖区为研究区,采用主成分分析(Principal Component Analysis,PCA)、GS(Gram-Schmidt)变换、NNDiffuse Pan Sharpening、Brovey变换、小波变换(Wavelet Transform)5种融合方法对多光谱和全色影像数据进行融合,选用均值、标准差、信息熵、平均梯度、相关系数和光谱扭曲程度6种客观评价指标,对5种融合结果进行主观定性和客观定量的评价与分析。结果表明:整体上,经PCA方法融合后的遥感影像在保持空间纹理细节信息的同时,光谱信息保持较好,是WorldView-2影像进行沿海牡蛎养殖遥感应用时最适合的融合方法;GS融合效果仅次于PCA;而NNDiffuse Pan Sharpening、Wavelet变换和Brovey变换均不适合浮筏识别与提取。     

中高分辨率遥感影像融合研究

以浙江省衢州市的一个区域作为研究区,在阐述遥感图像融合原理的基础上,以QuickBird、SPOT5和Landsat ETM+全色与多光谱遥感图像为数据源,应用Brovey变换、SVR变换、PCA变换、Pansharp变换和Gram-schmidt变换等融合方法,对上述3类遥感图像进行了融合试验和分析,并从光谱信息和空间信息两个方面对融合效果进行计算分析,来比较这几种融合算法用于QuickBird、SPOT5、ETM+遥感图像融合的效果。研究结果表明,在QuickBird影像融合时Gram-schmidt变换法的效果最好。Pansharp变换法在SPOT5影像融合时综合效果优于其它方法。ETM+影像融合时,Gram-schmidt变换的光谱退化最小;在空间信息增强方面:Brovey变换在波段2、3融合时效果最好,在波段1、5、7上,SVR变换法优于其它变换法,而波段4融合时则是Pansharp变换最佳。     

SAR与SPOT数据融合方法研究

随着多空间分辨率、多光谱分辨率、多传感器遥感数据日益增多,数据融合技术已经在地学领域得到广泛应用。以SAR和SPOT多光谱影像为数据源,通过几何校正、辐射定标、噪声去除等预处理,采用PCA、IHS、BT、HPF以及WT融合方法进行融合试验,选取标准差、信息熵以及相关系数对融合结果进行图像质量评价。结果表明：基于结构信息变换的HPF和WT方法,纹理结构信息保持较好,线性地物特征尤为突出;基于统计信息变换的PCA方法,不仅能较好保持多光谱信息,而且也保持了SAR影像纹理结构信息,信息熵指数最大;基于彩色变换的IHS和BT方法,虽然视觉效果较理想,但是色彩及光谱失真现象严重,信息熵值最小。      

几种小波融合方法在遥感影像融合中的应用与比较

遥感影像融合是在提高空间分辨率的同时尽量保持光谱信息的完整性。小波融合方法已经被证明在保持光谱信息方面具有一定的优势。本文利用SPOT5的全色影像和多光谱影像,对常用的几种小波融合方法进行了试验,使用多种评价方法,将他们与常用的IHS方法和PCA方法进行了比较,并研究了小波分解层数对融合结果的影响。     

SPOT5全色波段与ASTER多光谱影像融合方法的比较研究

多源遥感影像数据融合可以将不同来源数据包含的优势信息重构为新的信息载体,进而为解 决实际问题提供更丰富的信息。与TM,CBERS-1等影像数据相比,ASTER多光谱影像在短波红外波段具有更强的优势,因此将其与SPOT5全色波段进行融合可为解决实际问题提供更多的细微信息。本文选取主成分分析变换（Principal component analysis,PC A）、比值变换（Brovey）、格兰姆-施密特变换（Gram-Schmidt,GS）和小波变换4种融合方法进行对比研究,实验结果表明PCA变换和GS变换适用于这两种影像融合。     

通过直方图中轴化提高融合图像光谱保真度

针对遥感图像融合过程中光谱失真问题,提出一种基于直方图中轴化策略的图像融合算法。首先,将多光谱图像进行IHS变换;然后,采用直方图中轴化策略调整多光谱图像强度分量图像和全色图像的像素直方图,使之趋于一致;最后,进行IHS反变换获得高质量的彩色图像。理论分析和实验结果表明,该算法不仅可以较好地抑制融合图像光谱失真,同时也能有效保留融合图像的空间分辨率,算法步骤简单、容易实现;与四种传统融合算法（IHS变换、主成分分析（PCA）法、小波变换（WT）法、Brovey）相比,该算法生成的融合图像具有良好的视觉效果,特别是在峰值信噪比（PSNR）、光谱扭曲度和信息熵等客观评价指标中明显优于对比算法。基于直方图中轴化策略融合的遥感图像光谱失真度小、空间信息保持度高。     

地质灾害调查中ETM+与SPOT-5 Pan融合方法比较

ETM+与SPOT-5Pan融合影像含有丰富的光谱信息和空间结构信息,是地质灾害调查的理想数据源。但ETM+多光谱图像与SPOT-5 Pan图像空间分辨率相差悬殊,直接融合可能导致融合影像色彩模糊、色调不和谐等问题;若将ETM+与其全色融合后再与SPOT-5 Pan融合,如果融合方法不当亦会造成光谱信息的过多损失。通过采用IHS、Brovey、PCA和Gram-Schmidt变换分别对ETM+和SPOT-5 Pan按上述两种途径进行直接和间接融合,采用主观评定以及光谱剖面分析对融合影像进行了评价,从而筛选出适合于地质灾害调查的ETM+与SPOT-5 Pan融合方法。     

ETM影像融合的评价分析

针对Landsat-7 ETM影像，对采用HIS变换、Brovey变换、相关系数加权法、SFIM变换、ISVR变换5种方法实现的ETM全色波段与ETM多光谱波段融合结果进行分析，并以均值、标准差、信息熵、平均梯度及相对偏差作为评价指标，通过试验对融合影像进行综合定量评价。结果表明，HIS变换光谱失真最大；Brovey变换在光谱保真和保持空间分辨率方面都不理想；相关系数加权法的融合结果严重地依赖权系数的取值；基于SFIM变换的融合方法，能最大限度地保留光谱特征，但空间分辨率提高不明显；而基于ISVR变换的融合方法，光谱失真小，空间分辨率高，其最大优势是考虑了多光谱影像与全色影像间的波段关系，可作为ETM影像融合的最佳方法。
     

一种自适应的基于局部小波系数特征的遥感图像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题。本文提出了一种自适应的基于局部小波系数特征的遥感影像融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行小波多分辨率分析,而后对分解得到的近似分量以及各层各方向的细节分量利用移动模板逐一提取对应的小波系数矩阵的局部特征,采用本文提出的自适应融合准则在小波域进行影像融合,最后通过小波逆变换得到新的I′分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像。本文采用一组TM多光谱图像和SPOT全色图像数据进行融合实验,利用标准差、熵,光谱扭曲度等5个重要评价指标对融合效果进行数理分析。其实验融合图像的目视效果和统计指标均优于IHS融和方法和小波融合方法。     

小波局部高频替代融合方法

IHS变换是图象融合的经典算法之一。采取IHS变换与小波变换结合的融合算法是近年发展起来的遥感数据融合方法,发挥了IHS和小波两种变换算法的优点。效果比用单一一种方法更显著,提出了小波局部高频替代的融合方法。ETM遥感数据5、4、3波段由IHS盂塞尔彩色空间正变换后的Ⅰ亮度分量,经与全色波段中高能量替代的小波变换,形成一个新的集中了Ⅰ亮度分量和全色波段高频能量的新分量,再通过IHS进行反变换,经过实验,表明此方法可显著提高融合后图象的分辨率,同时又保持了原来多光谱图象的光谱信息。将此方法处理结果用在四川岷江“退耕还林”遥感调查项目中,可以提高土地利用计算精度。     

基于替换规则的对偶树复小波变换遥感影像融合*

针对对偶树复小波变换(DT-CWT)比离散小波变换具有更好的方向选择性、平移不变性,能更好地表征影像特征的优点,提出了基于替换规则的对偶树复小波变换遥感多光谱和全色影像融合算法。通过对IKONOS影像的实验表明,本方法比基于实数小波变换的融合方法和IHS变换法有优势,在保留了光谱特征的基础上,更好地提高了融合影像的清晰度,且方法简单高效。     

于试验分析确立融合模型的 IHS-小波变换融合方法

在多光谱和全色影像分辨率相差较大情况下,IHS遥感影像融合方法会因光谱分配问题导致一定的光谱扭曲;而小波变换方法在变换域具有良好的分频特性,且融合规则和算子对融合效果作用明显。将IHS和小波变换结合,通过试验分析发现小波分解得到的低频部分与光谱信息关系密切、高频部分与空间信息关系密切。在试验分析的基础上分别给出低频、高频部分的融合规则和算子,应用于BJ-1卫星数据的自身融合验证表明,在保持空间清晰度的同时能够明显地降低光谱扭曲程度,较好解决了其多光谱和全色影像分辨率相差较大对数据融合的影响,相比传统的IHS方法有效降低了光谱扭曲。
     

IHS和小波变换结合多源遥感影像融合质量对小波分解层数的响应

随着遥感技术的快速发展以及遥感数据的广泛应用,影像的融合处理已成为多源遥感影像信息聚合、获取高质量空间影像的有效途径。基于SPOT全色和多光谱、TM多光谱遥感数据,运用IHS和小波变换相结合的融合方法,进行了不同来源影像融合、融合图像质量对小波分解层数的响应以及这种响应对研究区域面积的敏感性分析。结果表明,多源影像之间的IHS和小波变换相结合的融合方法明显地改善了影像的质量;融合图像质量与原始影像空间分辨率相关,如经1层小波变换融合,TM,SPOT融合图像熵值的增幅分别为2095%,019%。小波融合图像质量对小波分解的层数的敏感性较强,在小波分解层数为2,3或4时,都能获得高质量的融合图像;小波分解层数等于或大于5时融合图像质量下降,7是大幅下降的临界层数。融合图像质量对小波分解层数的响应特性对面积大小变化是敏感的,特别是小面积图像,为此,实际应用中需特别注意最佳分解层数问题。     

数据融合提取长江三峡库岸信息及质量评价

利用北京一号高分辨率数据与中巴地球资源卫星02星CCD数据进行融合研究长江三峡库岸信息识别方面的应用。通过进行Brovey融合、主成分分析融合、IHS融合和小波变换融合的比较与分析表明：融合后的影像很好地保留了高分辨率影像的空间信息,同时加强了多光谱的信息,有利于库岸信息的识别和监测。最后为了对比各种融合方法,运用直方图分析和多种融合评价因子对各种融合方法进行了客观定量评价。     

基于多小波包变换的遥感影像融合

多小波变换以完善的小波基结构,可以在影像处理中获得比单小波变换更精确的处理结果;单小波包变换以精细的频域分割,进一步提高了单小波变换对影像的细节信息处理能力。多小波包变换将两者结合起来,综合了它们的优点,同时又弥补了它们的不足,使其在一些影像处理领域更具优势。在对多小波包变换分析之后,提出了一种基于多小波包变换的遥感影像融合方法,并将该方法与多小波变换融合方法（即基于多小波变换的影像融合方法）进行了对比分析。实验结果表明：由该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都要优于由多小波变换融合方法得到的融合影像。