WorldView-2遥感影像融合方法研究

随着遥感技术的发展,遥感影像的处理变得越来越重要,其中遥感影像的融合是遥感图像处理的重中之重.近年来,提出许多遥感影像融合的方法,以WorldView-2全色、多光谱影像为数据源,采用Gram-Schmidt、HSV、Brovey、PCA融合算法,以ENVI4.8为处理平台进行影像融合,并利用定量评价指标进行定量化评价.试验结果表明,Gram-Schmidt融合方法对高分辨率影像融合效果最为理想.     

基于穗帽变换的IKONOS多光谱和全色影像融合

将IKONOS多光谱影像进行穗帽变换,生成亮度、绿度、湿度等特征波段,然后对IKONOS全色波段与亮度波段进行直方图匹配,用匹配后生成的变量代替穗帽变换生成的亮度波段,再进行逆变换得到融合后的影像.比较了常规融合方法与穗帽融合方法对IKONOS多光谱波段和全色波段影像的融合效果.结果表明,穗帽融合方法较好地将多光谱影像的光谱信息与全色影像的纹理信息融入到融合后影像.目视及定量评价结果都表明,穗帽融合方法优于HIS、Brovey、主成分变换以及加权融合方法.平滑滤波亮度调节（SFIM）方法在光谱信息保真方面表现较好,而穗帽融合方法在纹理信息增加方面表现较好.     

基于IHS变换、小波变换与高通滤波 的遥感影像融合

基于IHS变换、小波变换与高通滤波的遥感影像融合方法。利用IHS变换法来增强结果影像的空间细节表现能力；利用小波变换法来保留多光谱影像的光谱特性；在使用小波变换法的同时，利用高通滤波法对小波变换的低频部分进行融合，以便尽量多保留全色影像的细节信息，避免融合后的影像出现细节模糊。新方法不仅很好地保留了多光谱影像的光谱信息，而且增强了结果影像的空间细节表现能力，提高了结果影像的信息量与清晰度。     

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。     

基于双正交小波遥感图像融合及效果评价

将双正交小波变换与IHS变换相结合,使得融合图像最大限度地保留了多光谱影像的光谱信息,同时提高了图像的清晰度和空间分辨率.文中给出了ETM＋影像多光谱与全色融合结果,用双正交与Db4I、HS法进行了比较,结果表明无论是目视解译还是定量分析,双正交融合方法均优于后两者.实验分析表明,基于双正交小波遥感图像数据融合技术是提高多源遥感影像表现能力的一种重要方法.     

多元遥感影像数据融合研究

由于遥感数据越来越丰富,不同传感器获取的影像数据在几何、光谱和空间分辨率等方面存在着一定的局限性和差异性。全色波段和多光谱影像融合得到的影像,兼有全色波段的高空间分辨率和多光谱影像的高光谱分辨率特性,可以满足影像解译的需求,而且融合后更能突出影像的某些特征：如土地利用变化和森林覆盖的变化等等。本文主要是介绍遥感影像融合的基本原理、融合后影像的评定和分析,并且将以主成份影像融合、IHS变换与直方图匹配法的遥感影像融合,进行以南昌市部分地区Quickbird全色影像和多光谱影像的融合实验分析。     

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.     

粒子群优化Contourlet变换的遥感影像融合算法研究

Contourlet变换能有效地应用在图像增强领域,基于Contourlet变换的遥感影像融合算法常采用高频低频替换和频域线性加权两种融合方法,因此,通过粒子群优化算法对基于Contourlet变换分解不同子带图像所需的不同加权系数进行优化,采用多元回归分析方法设定目标函数,实现了全色影像与多光谱影像的融合,与传统的Contourlet变换、PCA算法、高通滤波遥感影像融合算法相比较,新方法在提高影像清晰度的同时在光谱保真度方面相对于其他算法有明显优势.     

BP神经网络在多源图像融合中的应用研究

采用BP神经网络与SVR融合法相结合的方法来实现像素级多源图像融合。改进型的SVR方法,用来进行全色波段和多光谱波段的融合。首先将各多光谱波段与全色波段求算回归系数,然后利用回归系数与多光谱波段合成模拟高空间分辨率全色波段,最后利用比值变换完成各波段的融合．通过仿真证明,BPNN—SVR融合法优于SVR融合法。     

基于成像机理的遥感图像融合

探讨了遥感多光谱与全色波段图像的融合问题．分析了多光谱与全色波段成像机理,提出了一种新的基于小波变换的遥感图像融合方法,实验结果表明,该方法可有效综合多光谱与全色波段图像的优点,从而获得具有较高空间分辨率的多谱图像．     

基于SVR和贝叶斯方法的全色与多光谱图像融合

将全色图像和多光谱图像进行融合,可以获得高空间分辨率和高光谱分辨率的融合图像.利用支持向量回归（SVR）模型构建的支持向量值轮廓波变换,对源图像进行多尺度、多方向、多分辨率分解;采用贝叶斯方法获得在不同分解水平上的全色图像和多光谱图像融合算法;利用支持向量回归的强大学习能力,通过全色图像和多光谱图像之间的相关关系,获得超分辨率的多光谱图像,解决贝叶斯方法中的待融合图像分辨率一致性问题.实验结果表明,采用该方法获得的融合图像既具有较高的空间细节表现能力,又保留了多光谱图像的光谱特征,融合效果优于传统的图像融合方法．     

WorldView-2遥感图像融合新方法

新型高分辨率WorldView-2星载图像的出现给现有的图像融合技术带来了更大的挑战,该文提出了一种全色光和多光谱图像融合新方法。首先采用最近邻插值对多光谱图像重采样放大;然后结合WorldView-2各波段光谱响应特点利用多元线性回归构造出低分辨率全色光图像,通过对原始高分辨率全色光图像空间细节信息的提取并将其注入至多光谱图像的成分空间中;最后经对应分析反变换得到融合结果。实验结果表明,该方法在融合WorldView-2遥感图像时能够在提高空间分辨率和保持光谱信息两方面达到较好的平衡,优于现有的几种融合方法。     

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.     

基于NSCT和PCA变换域的遥感图像融合算法

为使融合后的图像在尽可能保持原图像光谱信息的同时,有效提高空间细节信息,提出了一种新的基于非下采样Contourlet变换（NSCT）和主成分分析（PCA）的全色图像和多光谱图像融合算法.对多光谱图像进行PCA变换得到主元分量,将处理后的主元分量与全色图像进行NSCT分解,针对低频子带系数选择提出了一种基于窗口与局部方差相结合的融合策略;在高频子带系数选择上,提出了基于区域线性相关测定的融合策略.进行非下采样Contourlet逆变换和PCA逆变换,得到具有高空间质量的多光谱图像.实验结果表明,提出的算法在保留光谱信息和提高空间细节信息的综合性能上有所提高,能够取得较好的融合效果.     

结合最优亮度分量的遥感图像融合方法

针对基于亮度色调饱和度变换的遥感图像融合方法中存在的光谱损失问题,提出了一种结合最优亮度分量的融合方法．根据全色图像的亮度分量,利用克隆选择算法给出每幅单光谱图像对应的全局优化权值,该权值可反映出每幅单光谱图像相对于全色图像亮度分量中所占的折中比例,从而减弱了单光谱图像间的相关性,可获得更加逼近全色图像的亮度分量;利用最优亮度分量在改进的空间分辨率增加(ARSIS)框架下获取具有高分辨率的多光谱图像．算法针对快鸟卫星图像数据的实验结果,验证了新方法在降低光谱损失和增强融合图像细节信息方面的有效性,所获得的融合后的高分辨率多光谱图像具有较小的光谱损失．     

Fusion of multispectral image and panchromatic image based on NSCT and NMF

A novel fusion method of multispectral image and panchromatic image based on nonsubsampled contourlet transform(NSCT) and non-negative matrix factorization(NMF) is presented,the aim of which is to preserve both spectral and spatial information simultaneously in fused image.NMF is a matrix factorization method,which can extract the local feature by choosing suitable dimension of the feature subspace.Firstly the multispectral image was represented in intensity hue saturation(IHS) system.Then the I component and panchromatic image were decomposed by NSCT.Next we used NMF to learn the feature of both multispectral and panchromatic images’ low-frequency subbands,and the selection principle of the other coefficients was absolute maximum criterion.Finally the new coefficients were reconstructed to get the fused image.Experiments are carried out and the results are compared with some other methods,which show that the new method performs better in improving the spatial resolution and preserving the feature information than the other existing relative methods.     

基于PCA、SFIM、MLT算法的ETM+影像融合

采用PCA、SFIM和MLT3种融合算法对ETM 影像进行融合,并从融合影像的光谱质量、空间结构信息和分类精度等方面对融合方法进行评价.结果表明,SFIM融合法的光谱质量最高,PCA融合法具有最高的高频空间结构信息融入度,MLT融合法具有最高的分类精度,3种融合影像的分类精度都较原始影像的分类精度有所提高.     

基于PCA变换的多元遥感影像融合方法研究

基于PCA变换的融合方法是用于多波段遥感图像的第一主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第一主分量,这样会损失部分多波段遥感图像第一主分量中反映光谱特性的有用信息,使得融合结果图像的光谱分辨率受到较大影响。因此,在PCA变换融合算法基础上引入小波包变换融合算法,保留多波段遥感图像第一主分量中一些反映光谱特性的有用信息,提高融合后遥感图像的效果。