ALOS全色与多光谱影像融合方法的比较研究

以浙江省德清县ALOS影像为基础数据,探讨了利用乘积法、高通滤波法、小波变换、HIS变换、Brovey变换、PCA变换、Gram-Schmidt变换等七种影像融合方法,对ALOS全色与多光谱影像进行融合,对各方法的融合结果进行了定性和定量分析.实验结果表明,Gram-Schmidt变换在保持多光谱影像光谱信息的同时,显著提高了融合影像的空间分辨率,是最适合ALOS全色与多光谱影像的融合方法,为ALOS影像应用提供了参考.     

高分一号卫星影像的融合方法比较研究

高分一号卫星是国家高分辨率对地观测系统重大专项的首发星,它是由中国航天科技集团公司所属中国空间技术研究院航天东方红卫星有限公司研制,设计寿命5~8a。掌握和了解高分一号的影像融合质量情况对GF-1影像数据的应用和后继星的研制至关重要。以高分一号影像为研究对象,选取Brovey、HSV、PCA、Gram-Schmidt 4种融合方法进行对比实验,并对融合结果进行定性及定量评价。高分一号全色影像与多光谱影像融合既可以保留影像的多光谱信息,还可以提高影像的空间分辨率。结果表明,Brovey融合后较好地保留多光谱波段的光谱分辨率,但是空间信息的详细程度较低;HSV融合后融合效果处于中等位置;PCA法融合后光谱保持性最好,但是信息量损失较大;Gram-Schmidt法各项指标最优,不仅保持原来的光谱特性,且信息失真小,融合效果最为理想。     

ALOS影像提升小波融合的土地覆被分类研究

根据提升小波变换原理,结合小波变换和色调、强度、饱和度变换(IHS变换)融合方法的优点,提出了提升小波变换影像融合模型,用于提高遥感影像土地利用/土地覆被基础信息解译精度.采用对比分析方法,以长江口北岸的日本先进陆地观测卫星(ALOS)影像融合为例,综合影像主客观综合评价和影像分类Kappa系数值,将提升小波融合方法与传统融合方法进行对比分析研究.结果表明:提升小波融合模型优于传统融合方法,该模型在提高影像空间分辨率的同时,能更好地保持影像光谱信息,从而有效地提高了遥感影像解译土地利用/土地覆被基础信息的精度.     

土地覆盖分类影像融合与精度评价研究

影像融合技术可以使遥感影像具有高光谱和高空间分辨率的效果,实现不同空间、光谱、时间等多种分辨率的信息资源互补,从而提高图像的空间分辨率,提高图像的几何精度.文章利用ERDAS软件,对遥感影像数据进行融合,采用乘积变换、PCA变换、Brocey变换、小波变换等遥感影像融合方法对多光谱与全色影像进行融合和土地覆盖分类研究.通过结合图像的光谱统计参数和融合图像的分类精度,对这些方法的分类精度进行评价.这4种方法对于原始影像分类精度,均有不同程度的提高.而小波变换所得融合影像与原多光谱影像的相关系数最大,均方差、平均梯度和信息熵最大,偏差指数最小,影像所含信息量最多;在光谱特性、图像清晰度、对于空间细节信息的表现能力上其它三种方法都好,所得融合影像的分类精度也是最高的.小波变换更适合融合影像的土地覆盖分类研究.     

基于D-S证据理论的遥感影像融合技术研究

多源遥感影像融合是一种将来自多个传感器所拍摄的同一区域图像进行智能合成的一项技术。目前,遥感影像融合研究大多数都停留在像素级融合方面,很少考虑到异质影像融合后新像元的物理意义丢失。因此,提出基于D-S证据理论的热红外高光谱和可见遥感影像决策级融合方法,首先采用最大似然监督分类方法分别对热红外高光谱遥感影像和可见光遥感影像分类,并对分类结果进行评价,然后利用D-S证据理论对热红外高光谱影像和可见光遥感影像分类信息实现决策级融合,实验结果表明:使用D-S证据理论融合后的图像分类精度较融合之前改善效果非常明显,说明该方法在异质遥感影像融合中有很强的理论和实际意义。     

结合像素频率分布特征的遥感图像自适应线性增强

图像增强处理是图像识别和应用处理的关键工作,图像线性分段拉伸技术是遥感影像增强的基本方法之一,但困扰该方法广泛应用的问题就是如何确定拉伸区间.针对该问题,提出了以图像直方图为基础,用概率分布理论的3σ原则自适应计算方法,确定图像拉伸区间进行增强处理.在理论分析的基础上,以1:10000正射遥感影像为应用实例进行验证,结果表明该方法可行,且对灰度直方图呈单峰分布的遥感影像处理效果良好.     

基于GF影像的不同融合方法对城市水体光谱保真度影响

为了评价融合后遥感影像上城市水体的光谱保真度,以GF1和GF2影像为数据源,应用经典的4种融合方法:Brovey、Gram-schmidt Pan Sharpening、NNDiffuse Pan Sharpening和主成分分析(principal component analysis,PCA),对GF1和GF2的全色影像和多光谱影像进行融合,并选取融合前后影像上的城市水体样本点,采用平均值、均方根误差(root mean square error,RMSE)、平均相对误差(mean relative error,MRE)来分析融合前后影像上城市水体波段偏差和波形保真度.结果表明:在波段偏差上,GF1和GF2影像均是采用NNDiffuse Pan Sharpening方法最好;在波形保真度上,GF1影像采用NNDiffuse Pan Sharpening方法最好,GF2影像采用Gram-schmidt Pan Sharpening方法最好.融合后的城市水体光谱保真度较好,可以进一步开展定量参数反演研究.     

基于细化分割的遥感影像水体边缘轮廓提取

为实现遥感影像的水资源特征识别,需要对遥感影像中的地表水体边缘信息进行有效检测识别,提出了一种基于细化分割的遥感影像水体边缘轮廓提取识别方法。采用卫星遥感技术进行高分辨率遥感水陆场景图像成像,通过灰度像素增强技术进行遥感影像空间分辨率增强处理,在不同场景纹理中进行遥感影像空间像素特征重构,以中心像素的灰度值为阈值建立遥感影像陆地地物的空间结构特征辨识模型,采用细化分割方法进行遥感影像的水体边界点分割处理,采用形态学滤波方法进行遥感影像水体边缘轮廓检测过程中的细化分割和滤波,对水陆粗分离结果进行形态学闭运算处理,根据细化分割结果进行水体边界平滑处理,实现对遥感影像水体边缘轮廓的提取。仿真结果表明:采用该方法进行遥感影像水体边缘轮廓提取的精度较高,水体边界平滑性较好,轮廓特征的辨识度较高。     

高分二号影像融合方法比较研究

影像融合能有效提高影像的利用效率,为探索GF-2遥感影像的最佳融合方法,利用HSV、Brovey、PC、NND、GS 5种融合方法对GF-2影像进行融合,并采用定性与定量评价法对融合质量进行评价。结果表明,HSV和Brovey融合法在空间细节上保留较好,但目视效果较差且仅能融合3个波段,光谱信息损失较大,NND在目视效果上最好,在可见光波段和空间细节的保真效果最好,PC与GS融合影像标准差与原始多光谱较为接近,在细节上GS比PC效果好。综合定性与定量评价,NND在GF-2号影像融合上效果最好,GS次之,Brovey融合质量整体最差。     

MODIS影像质量评价方法研究

长期以来,遥感影像产品的质量检查以人眼目视判断为依据,以“影像清晰、反差适中、色调均匀……”等等定性语言来描述,缺乏客观的、全面的,并易于操作的定量化质量评定标准,这对精化遥感影像质量描述、提高遥感影像应用水平带来了限制和制约。錾于MODIS卫星接收站实际工作的需求,对其接收的影像数据进行评价,建立一种定量化的遥感影像质量评价模型,并以此对MODIS影像进行评定,实验证明新的评价模型克服传统影像质量评价方法缺点,可靠地实现影像质量的主客观评价结果相一致。     

基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分剖的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于MPI并行的遥感影像系统级几何校正快速处理技术研究

随着对地观测技术的飞速发展,通过遥感卫星获得的数据量正在迅速增加,各种应急应用需求也在日益增长．通过与快速计算技术相结合,特别是与并行处理相结合能够显著提高整个影像的快速处理速度．从遥感影像系统级几何校正处理的特点以及对现在提出的各种并行技术MPI、OpenMP、TBB、CUDA进行分析,通过研究提出了相应的快速处理技术,并通过基于MPI的简要机群进行了实验,取得了良好的效果,为下一步的高性能遥感影像计算等研究提供了参考．     

基于MPI并行的遥感影像系统级几何校正快速处理技术研究

随着对地观测技术的飞速发展,通过遥感卫星获得的数据量正在迅速增加,各种应急应用需求也在日益增长,通过与快速计算技术相结合,特别是与并行处理相结合能够显著提高整个影像的快速处理速度.从遥感影像系统级几何校正处理的特点以及对现在提出的各种并行技术MPI、OpenMP、TBB、CUDA进行分析,通过研究提出了相应的快速处理技...     

利用小波变换进行遥感 多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边 缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行 融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明 该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

遥感数据和多源地学数据的融合研究

随着遥感和地面勘探技术的发展,用于矿产和石油等资源调查的信息源和信息种类越来越多,多源数据的融合可以弥补单一信息源的不足,减少地质解释的多解性。因此,多源数据融合技术成为勘探学界研究的热点和难点。本文对遥感数据的地学应用、多源数据融合概念、流程、融合方法及评价方法进行分析和讨论,认为图像处理技术可以使遥感数据进一步揭示隐伏信息,同时图像融合技术对于解决多源数据融合的问题具有较大的应用前景。     

Remote Sensing image Deblurring Based on Grid Computation

1 Introduction At present, remote sensing image real-time processing is not only data-intensive but also com- puting-intensive. The emergence of grid computing technology makes real-time remote sensing image data processing more readily available. The method has two outstanding advantages. One is the strong data-processing capability, which can provide a stable high-performance and high-throughput computing environment. The other is the capability to distribute mass quantity space data with a…     

应用卷积神经网络的遥感图像云层自主检测

为实现遥感卫星对遥感图像的自主云层判别能力,提升目标自主识别的效率,避免云层覆盖面积较大的遥感图像丢失关键的目标信息而给后续算法处理带来不必要的计算资源浪费,提出一种基于卷积神经网络的云层自主检测方法,实现遥感图像云层的自主检测,达到了较高的检测精度.首先,根据遥感图像的特性建立卷积神经网络.然后,使用大量人工标识的遥感图像完成云层检测网络训练,使其达到预期检测精度.最后,在卫星在轨运行阶段,将所拍摄的遥感图像根据尺寸划分为若干个子图,并通过训练完成的卷积神经网络对子图是否被云层覆盖进行分类预测.综合所有子图的预测结果给出整幅遥感图像的云层覆盖占比.结果表明:以Landsat卫星遥感图像为测试对象,该方法可以实现有云层覆盖检测正确率为95.3%,无云层覆盖检测精度为97.8%,误判率为2.58%,漏判率为0.90%,综合精度为97.9%;由于使用了卷积神经网络和并行计算技术,该方法基本满足实时性需求,提高了算法的自主性与鲁棒性,为基于遥感图像的在轨实时应用奠定了基础.     

基于SIFT特征的无人机遥感影像拼接技术研究

无人机遥感是一种新的遥感手段,具有快速、灵活、低成本、高影像分辨率等特点。无人机技术已经被广泛应用于资源勘测、气象观测及处理突发事件等领域中,成为未来航空器的发展方向之一。由于无人机采用的非量测相机且飞行高度较低、平台不稳定等特点,图像具有相幅小、数量多、航带不规则等特点,为了得到该地区的全景图像,图像拼接成为解决该问题的关键技术。基于SIFT特征的无人机遥感影像拼接技术相对别的遥感影像拼接技术有它的优势和特点,本文主要介绍了SIFI算法和基于此算法的遥感影像拼接技术。     

不同分辨率图象的计算机复合方法与效果

以往对不同分辨率图象进行复合时,不管工作如何细致,图象配准得如何精确,由于不同分辨率的影响,使复合产生的新图象质量受到很大影响。 作者结合“75”国家科技攻关项目:多种遥感数据的综合分析,研制了一种新颖和有效的复合方法——IHS变换复合法,使计算机复合处理获得十分理想的图象,在地质与地学信息提取方面获得十分满意的效果。这一方法为多种遥感图象及各种遥感与非遥感图象的复合与综合显示开辟了一条有效的新途径。