基于GA-BP算法的多分辨率遥感影像融合技术

由于Landsat-5唯一的热红外波段遥感影像TM6的空间分辨率不高,使得其应用与研究程度远不及其它波段广泛。为此,运用GA-BP算法来提高TM6遥感影像的空间分辨率,并进行仿真实验,结果表明:①GA-BP算法有效地避免了BP算法陷入局部最小点、收敛速度慢的问题,是一种快速、可靠的方法。它的快速算法对数据量巨大的遥感图像更具实用价值。②从提高TM6遥感影像空间分辨率的仿真结果来看,无论计算效率还是遥感影像的融合效果,GA-BP算法都优于BP算法。③GA-BP算法既保留了TM6遥感影像的基本灰度分布信息,同时也提高了其空间分辨率,可以有效地运用到提高遥感影像空间分辨率的过程中。     

中国科学与技术协会《青年科学家》论坛“高分辨率影像解译理论与应用方法”专题会议征文通知

近年来，不断发展的遥感技术使遥感数据呈现出高空间分辨率、高光谱分辨率和高时间采集频率的特点。卫星图像空间分辨率已经提高到0．6米级，而航空遥感数字影像分辨率高达0．1米以上。光谱分辨率高达3—4纳米。不断发展的高分辨率遥感数据能够提高信息提取和监测精度，并拓展遥感数据的应用范围。目前，国外已经加快对高分辨率图像，特别是高空间分辨率影像，在城市环境、精准农业、     

一种利用卷积神经网络重建的遥感影像Curvelet融合方法北大核心CSCD

针对传统多光谱与全色影像融合方法容易产生畸变、忽略多光谱影像本身的空间细节特征等问题,提出了一种基于超分辨率卷积神经网络与Curvelet变换的影像融合方法,以提升多光谱影像的空间细节,加强其与全色影像的相关性,减少融合产生的畸变。该方法首先利用高分辨率全色影像进行超分辨率重建学习,利用学习得到的网络参数对多光谱影像进行超分辨率卷积神经网络重建,提升其空间细节特征;其次,在Gram-Schmid变换融合基础上,根据Curvelet变换具有保持影像空间细节的特点,将全色影像与替换分量进行融合;最后,通过逆变换得到高分辨率遥感影像。实验结果表明,该算法在影像光谱信息和空间细节表达能力上,整体优于其他传统算法,且对不同数据具有很好的适应性。     

ASTER多光谱影像与资源二号全色影像融合研究

随着遥感获取数据手段的日益增多,遥感影像的融合技术备受关注。针对ASTER多光谱影像光谱信息丰富、分辨率小,资源二号全色影像分辨率高、纹理信息丰富的特点,以安徽省马鞍山市当涂县的ASTER多光谱影像与资源二号全色影像为例,分别采用基于主成分分析、小波变换以及主成分分析与小波变换相结合的3种融合方法进行融合实验,并对融合后的影像进行对比,探讨 ASTER多光谱影像与资源二号全色影像融合的方法和效果。结果表明:采用主成分分析与小波变换相结合的方法对两幅影像融合的效果最好,极大地改善了两种单一方法的缺点,提高了原始影像的目视效果和光谱信息,从而为区域研究提供了更精确的数据资料。     

遥感影像融合及高保真算法比较分析研究

随着传感器性能的提高,现代遥感技术提供了各种光谱分辨率、空间分辨率的遥感数据,如何充分、有效的利用多源、多尺度遥感影像数据成为遥感应用技术的一个挑战。本文系统阐述了遥感影像融合的理论和方法,详细分析了像素级、特征级、决策级遥感影像融合的方法和优缺点,深入探讨了Gram-Schmidt和SFIM两种高保真的融合方法,给出了融合结果的评价体系,结果表明SFIM融合方法是最优方法。     

利用FIHS和BT的遥感影像融合改进算法

影像融合可以显著提高影像的空间分辨率,但融合时高频信息的注入势必会造成融合影像的光谱失真。在对FIHS（Fast Intensity-Hue-Saturation）算法和BT（Brovey Transformation）算法光谱失真原理研究的基础上,提出一种能有效减弱光谱失真和提高影像空间分辨率的FIHS-BT算法。该算法通过利用全色影像的低频信息和多光谱影像生成模拟全色影像,减弱全色影像低频信息对融合影像光谱信息的影响,削弱多光谱影像高频信息对融合影像高频信息的干扰;然后,采用FIHS和BT乘积的平方根生成融合影像,以减小饱和度在变换中被拉伸或压缩的程度。选取IKONOS影像为数据源,采用BT等九种融合算法与FIHS-BT算法进行融合比较实验,并对融合结果从光谱保真度和高频信息融入度两个方面进行定性和定量评价。实验结果表明,FIHS-BT算法在光谱保真度和高频信息融入度方面较FIHS算法和BT算法均有显著改善。     

基于改进Brovey变换的ALI影像融合算法研究

针对传统Brovey变换（Brovey Transform,BT）融合存在的光谱信息丢失及光谱扭曲等问题,引入自适应加权平均对其进行改进,并以EO-1 ALI多光谱影像为例,提出一种新的基于改进BT的多光谱影像融合算法。并分别选用信息熵、平均梯度、相关系数、均方根误差等参数对影像融合效果进行综合评价与对比分析,从而验证该算法的有效性和优越性。结果显示：采用改进后的BT融合算法的多光谱融合影像具有较好的光谱信息和空间分辨率,其视觉效果和空间纹理特征都有显著改善,并且较好地延续了源影像的色彩信息,亮度相对适中;能减少融合过程中光谱信息的损失和畸变,在保持光谱信息和清晰度方面与传统BT融合算法相比具有明显优势。     

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

结合像元形状特征分割的高分辨率影像面向对象分类

针对高分辨率遥感影像空间分辨率高,结构形状、纹理、细节信息丰富等特点,提出一种新的融合特征的面向对象影像分类方法来提取城市空间信息。基本过程包含以下4个方面:①提取影像的几何纹理等结构;②融合几何与纹理特征的面向对象影像分割;③提取对象的形状、纹理和光谱特征,并优选最佳特征子集;④最后基于支持向量机(SVM)完成面向对象的影像分类。通过对福州IKONOS影像数据实验,结果表明融入影像特征后的分割效果明显优于原始影像的分割结果,而信息最大化(mRMR)的特征选择能够快速地获得较好的特征子集。通过与eCognition最邻近分类方法比较,表明本文方法的分类总体精度大约提高了6%,效果显著。     

一种基于局域统计特征的影像融合方法

通过将较低空间分辨率的多光谱影像和较高空间分辨率的全色波段影像融合产生兼具多光谱和高空间分辨率特征影像是提高资源环境监测精度的重要途径之一。本文提出了一种计算简单、光谱保真性好的影像融合算法。该方法根据影像局域统计特征,建立融合方程,以表征全色影像空间结构和多光谱影像光谱信息的统计量为约束,求解融合系数,实现影像融合。试验结果表明该方法光谱保真性好、适应性强,具有一定的应用潜力。     

SPOT 5在森林资源二类调查应用中数据优化研究

为了实现SPOT 5影像应用于森林资源二类调查过程中影像数据最优的目视效果,首先利用标准差、均值、信息熵、OIF指数等指标对影像融合及目视解译最佳波段进行选取;其次,针对性地引入了亮度信息、空间细节和纹理结构、信息量、光谱特性保持程度等融合效果评价参数,并以高空间分辨率信息继承程度作为重要参数以反映融合影像空间分辨率特征,把最佳波段作为统计对象对常用的9种像素级融合方法进行了融合效果分析。比较得出PCA融合为9种方法中综合最优,影像亮度、空间分辨率信息较高,视觉效果最佳;乘积融合和Brovey融合虽然空间分辨率信息继承程度等指标也较优,但是光谱扭曲太大。小波融合等方法总体光谱特征普遍较好,但是噪声较多,空间分辨率信息不佳,不适用于目视解译。定量评价之后的定性评价分析进一步强调了高空间分辨率信息继承程度做为评价指标的重要性。     

一种耦合空间域与变换域的遥感影像融合方法

针对多光谱波段和全色波段影像融合存在的空间分辨率问题和光谱失真的问题,提出了一种超球面彩色空间变换(hyperspherical color space,HCS)与非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)相结合的遥感影像融合算法。首先对目标影像进行HCS变换获取I分量,然后使用NSCT分解全色波段和I分量,并将分解获得的高频子带和低频子带采用加权的局部方向熵和改进的拉普拉斯能量和的方法进行筛选,最后对筛选的图像进行NSCT和HCS逆变换,生成融合多光谱遥感影像。为了验证影像融合质量,分别采用主观评价和客观量化评价方法(均值、标准差、信息熵、平均灰度和相关性等)对融合后的图像进行了分析。通过与现有HCS方法、NSCT方法、Gram-Schmidt方法对比研究表明,该方法在光谱保持度和空间分辨率上均优于传统方法,在融合结果得到的边缘、纹理和细节方面均能够表现出更好的融合特性和视觉效果。     

一种高空间分辨率遥感影像信噪比测定方法

信噪比是用来评价遥感影像质量一个重要的辐射特性参数。通过合适的方法精确地测定出遥感影像对应的信噪比参数,可以帮助数据提供者或用户更好地预测和提高遥感影像的信息提取能力。现有的信噪比测定方法大多基于中低空间分辨率遥感影像进行,并不能很好地适用于高空间分辨率遥感影像。针对现有信噪比测定方法的这一局限性,从高空间分辨率遥感影像本身特点出发,通过自适应地划分DN值子区间,以一定百分比最小局部标准差的平均值估算每一DN值子区间对应的噪声大小,进而估算每一DN值子区间对应的信噪比。该方法充分考虑了高分遥感影像内空间细节信息、边缘信息以及纹理信息较强而使得均值区域很难获取的特点。研究表明:改进的方法对于估算高分遥感影像信噪比具有较好的适用性。     

CBERS-02B星HR与CCD影像融合研究

CBERS-02B星搭载了高分辨率全色相机HR和多光谱传感器CCD,HR和CCD分别具有高空间分辨率和高光谱分辨率的特点。对这两类影像进行融合可以得到尽可能完整和准确的地物观测影像。对北京地区CBERS-02B的HR和CCD影像分别用HSV变换、HPF变换、Brovey变换、HIS变换、SFIM变换和小波变换等融合方法进行融合,对融合结果从空间细节和光谱保持两个方面分别定性和定量地进行评价,并比较这几种融合算法在CBERS-02B的HR和CCD遥感影像融合中的效果,得到了几种比较合适的融合方法。     

一种单时相高分辨率遥感影像时空融合算法

受制于传感器本身材料及卫星轨道参数,空间分辨率和时间分辨率是卫星遥感传感器固有的性能指标且难以兼备,使得高空间分辨率卫星的多时相数据合成问题至今仍是制约其广泛应用的关键问题之一。由于可有效综合空间-光谱-时间维的影像信息,多源遥感影像时空融合技术在近十年间得到迅速发展并已成为解决多时相数据合成问题的有力手段,其中基于学习的时空融合策略在合成精度上具有显著优势且应用潜力较高,但因其对字典训练过程的依赖程度较高而在融合过程中存在一定的不确定性。为提高基于学习的时空融合策略的预测精度、运算效率及鲁棒性,通过综合基于辐射归化的大气校正方法、基于误差约束的数据标准化转换机制、自适应多层递进融合策略以及高效的稀疏求解函数库,设计了一种适用于单时相高分辨率遥感影像的时空融合框架,并以国产高分二号卫星与Landsat-8卫星遥感影像为实验数据对该方法进行充分的对比性分析。实验结果表明,该融合框架不仅提升了运算效率,还在影像保真度、纹理特征描述以及光谱一致性等方面比当前的单数据对融合方法具有更好的重构质量。     

基于亮度平滑滤波调节(SFIM)的SPOT5影像融合

遥感影像融合不仅要求提高原多光谱影像的空间分辨率,更重要的是保留影像的光谱信息,减少失真。为分析SFIM算法融合SPOT-5影像的光谱保真效果,首先采用IHS、小波和SFIM算法对SPOT-5的全色影像和多光谱影像进行融合,生成新的高分辨率多光谱影像。然后采用均值、相关系数、熵、标准差、梯度五个指标对SFIM不同滤波窗口的融合结果评价;最后采用以上定量评价指标对不同方法的融合结果进行分析评价。结果表明:和传统的IHS、小波融合方法相比,SFIM融合不仅提高了影像的空间分辨率和清晰度,而且较好地保持了原多光谱影像的光谱特征。     

高光谱遥感影像完整性认证感知哈希算法

针对高光谱遥感影像在传输及分发过程中影像内容完整性难以得到保障的问题,提出一种顾及光谱信息的高光谱影像内容完整性认证算法。鉴于高光谱影像中丰富的光谱信息,首先,对影像进行格网划分,对每个格网运用K-均值分类,并对分类结果进行直方图统计,进而从直方图统计的结果中提取影像的光谱信息;然后,计算影像的高阶Zernike矩,提取格网影像的空间纹理信息;最后,结合光谱信息与空间纹理信息生成每个格网影像的感知哈希序列。分析结果表明,该算法可以实现对高光谱影像局部地物恶意篡改的定位,同时对常见的部分内容保持操作具有较好的鲁棒性,为高光谱影像的内容完整性认证提供了一种新的思路与方法,进一步保障了高光谱影像的实际使用价值。     

基于影像特征融合的遥感图像重构模式研究

基于影像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合。在数字图像小波多分辨率分析理论基础上，采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强，然后与多光谱遥感图像进行特征信息融合。在融合过程中，首先对多光谱图像中的R、G、B三个波段的图像进行小波分解，得到相应的低频图像，然后对特征增强后的高分辨率图像进行小波分解，再将分解后的高频图像分别与低频图像进行融合，最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率，同时也保留了原图像的光谱信息。通过融合实验验证了上述结论。     

基于高光谱遥感影像的大气纠正:用AVIRIS数据评价大气纠正模块FLAASH

高光谱遥感影像由于集中了高光谱分辨率和高空间分辨率的优点,在对地观测中具有不可替代的优势。实际应用当中,往往需要从遥感影像获取地物的地表反射率信息,这就要求首先从影像中去除大气的影响,即进行大气纠正及补偿。目前,对遥感影像进行大气纠正的算法有很多,详细介绍了基于遥感影像自身信息的大气纠正模块FLAASH(Fast Line of Sight Atmospheric Analysis f Spectral Hypercubes)所涉及的算法,并利用该模块对AVIRIS航空遥感影像进行了大气纠正, 对不同的结果进行了分析对比,从而对该算法进行了初步的评价。