基于IHS变换与自适应区域特征的遥感图像融合算法

当前较多遥感图像融合算法主要通过独立像素点的像素特征来完成图像子带的融合,忽略了图像子带的区域相关性,导致融合图像存在不连续以及模糊效应等不足。因此,设计了IHS变换耦合自适应区域特征的遥感图像融合算法。引入IHS(intensity, hue, saturation)变换,对多光谱(MS)图像进行分解获取强度分量,将其与全色(PAN)图像进行融合。再通过非下采样Contourlet变换(NSCT)对PAN图像与强度分量进行子带分解,获取高、低频子带信息。并利用图像的区域能量以及区域空间特征,对低频子带融合模型的调节因子进行自适应整定,使得融合低频子带能够包含更多的空间信息。基于图像的区域方差特征来构建高频子带融合模型,使得融合高频子带能够包含更多的纹理信息。实验结果表明,与当前遥感图像融合算法相比,所提算法的融合图像具有更好地光谱特性以及空间特性。     

W变换和NSCT相结合的多聚焦图像融合方法

图像的多尺度分解技术和融合规则是决定多聚焦图像融合效果的关键因素。k次W系是一类以k次多项式和k次分段多项式为基函数的新的混合正交函数系统,对应的W变换是一种具有正交性和精确重构性的有效多分辨分析工具。结合W变换的多尺度特点和非子采样方向滤波器组变换的多方向性,提出了一种新的基于W变换和非子采样方向滤波器组(NSDFB)的多尺度多方向变换。该变换利用W变换对图像进行多尺度分解,利用二维NSDFB对W分解的高频子带系数进行方向分解,得到不同尺度不同方向的子带图像。在此基础上,提出了一种新的多聚焦图像融合算法。该算法针对多聚焦图像高频系数的特点,改进了常用简化脉冲耦合神经网络算法,并将其用于高频系数的融合规则中。实验结果表明,提出的融合方法能够有效地选择源图像中的聚焦良好区域,抑制伪影信息,产生视觉效果更好的融合图像,且在标准差、信息熵、平均梯度和空间频率等客观评价指标上都优于传统的基于Contourlet变换、非下采样Contourlet变换、离散小波变换的融合方法。     

基于非下采样Shearlet变换与差异度量的遥感图像融合算法

为了解决当前基于加权平均机制的遥感图像融合算法忽略了图像像素间的差异性,易导致融合图像出现振铃及光谱失真等问题,设计了非下采样Shearlet变换耦合差异度量的遥感图像融合算法。引入亮度-色调-饱和度(IHS)变换,获取多光(multi-spectral,MS)图像中的亮度I成分;借助非下采样Shearlet变换,计算出I分量及全色(PAN)图像对应的低频及高频系数;再利用结构相似度(SSIM)函数,对低频系数的差异性实施度量,从而构建了差异度量法则,根据低频系数间的差异性采取不同的低频系数融合策略,实现低频系数的融合;考虑图像的平均梯度信息,构建高频系数融合机制,完成高频系数的融合。基于非下采样Shearlet逆变换,对融合的高频及低频系数实施处理,获取融合结果。实验结果显示,较已有的遥感图像融合方法而言,所提技术具备更高的融合效果,其输出结果含有更大的信息熵值和更低的光谱偏差度。     

非下采样Shearlet变换耦合边缘制约的遥感图像融合算法

为了解决当前遥感图像融合算法因忽略了区域中像素点的边缘特征而导致融合图像中存在块效应以及模糊效应的不足,在非下采样Shearlet变换的基础上,设计了基于边缘制约模型的遥感图像融合算法。首先,将多光谱(MS)图像经过IHS分解,提取相应的亮度分量。然后,通过非下采样Shearlet变换,将全色(PAN)图像与亮度分量进行分解,获取各自的高频系数与低频系数。再通过图像的空间频率特征,建立低频系数的融合函数,对低频系数进行融合。并利用图像的区域平均梯度特征与图像区域中像素点的边缘能量特征,构造了边缘制约模型,对高频系数进行融合。最后,将融合后低频系数、高频系数经非下采样Shearlet逆变换和IHS逆变换,获取融合图像。实验结果显示,与当前遥感图像融合方法相比,所提算法的融合图像具有更高的清晰度,更好地保持了图像的光谱特性,消除了块效应以及模糊效应。     

基于二代Curvelet变换与近似度制约规则的遥感图像融合算法

为了提高遥感图像的融合质量,消除模糊与不连续效应,设计了基于二代Curvelet变换与近似度制约规则的遥感图像融合算法。通过HSV变换对多光谱图像进行分解,获取其亮度子图。引入二代Curvelet变换,对全色图像与亮度子图进行精细分解,求取图像的高频与低频系数。利用图像的对角信息改进空间频率模型,求取全色图像低频系数的注入因子,并将全色图像的低频系数注入到亮度子图对应的低频系数中,获取融合低频系数。利用结构相似度模型对不同高频系数进行近似度测量,建立近似度制约规则,获取融合高频系数。通过对融合系数实施Curvelet和HSV反变换,获取融合的遥感图像。实验结果表明,较已有的遥感图像融合方法而言,所提方法具有更好的融合质量,包含了更多的光谱与空间信息。     

基于非下采样Contourlet变换耦合能量相似制约的遥感图像融合算法

为了克服当前遥感图像融合方法存在的块现象和光谱扭曲等问题,引入了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT),设计了一种通过能量相似制约的遥感图像融合算法。利用HSV(hue, saturation, value)变换来处理多光谱(multi-spectral, MS)图像,从MS图像中提取对应的V成分,并通过NSCT变换计算出V成分及全色(panchromatic, PAN)图像的不同图像系数。利用区域能量函数来测量图像所含能量信息,并以图像间能量的相似性为依据,构建低频系数的融合模型,获取具有较好光谱特征的融合低频系数。利用空间频率函数来测量图像所具有的细节特征,以构建高频系数融合模型,获取具有较好清晰度的融合高频系数。最后,借助HSV和NSCT的逆变换,输出融合结果。实验结果表明,较现有融合技术而言,所提算法具有更好的融合效果,输出图像具备更好的光谱特征,有效降低了块效应。     

基于非下采样轮廓波变换耦合对比度特征的 遥感图像融合算法

为了解决当前较多遥感图像融合方法忽略了图像的对比度特征,使得融合图像存在振铃效应等问题,设计了基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法。引入HSV(hue,saturation,value)色彩模型,提取出多光谱(MS)图像的V因子。借助非下采样轮廓波变换(NSCT),计算出V因子与全色(PAN)图像的不同系数。随后,利用傅里叶变换来求取图像的显著性因子,并将其与图像的区域能量特征相结合,形成低频系数融合规则,实现低频信息的融合。通过利用图像的标准差信息对图像的对比度特征进行度量,并将其与图像的平均梯度信息相结合,形成高频系数融合规则,实现高频信息的融合。最后,通过逆NSCT对其进行重构,以更新V因子。将更新后的V因子,联合MS图像的H因子和S因子,通过逆HSV色彩模型进行重构,得到融合结果。通过实验发现,较当前遥感图像融合技术而言,所提算法的融合图像具备更高的光谱相关系数值以及信息熵值。     

D-S 理论多分类器融合的光学遥感图像多目标识别

光学遥感图像的多目标检测与识别一直是图像处理与分析领域的热点研究问题。针对多特征单一分类器决策级融合不能很好的利用特征与分类器的适应性,导致识别的准确率很难进一步提高的问题,提出了基于D-S证据理论的多特征多分类器决策级融合策略。首先提取了两种简单且具有平移、缩放不变性的特征;其次分别引入3种适应性较好的分类器进行分类;最后设计了两级的D-S证据理论的融合方案,并且在置信度函数计算的过程中引入表征分类器性能的混淆矩阵。该算法有效地解决了分类器输出的不确定性问题,进一步提高了光学遥感图像多目标分类识别的准确性。测试表明,对4种目标的识别率达到97.22%,验证了算法的有效性。     

基于ERDAS的遥感影像几种融合方法的分析比较

本文描述了在ERDAS中如何对遥感图像进行纠正,配准,重点讨论了进行遥感图像的融合方法和过程,提出了三种融合方法,并对主成分变换融合、乘积变换融合、比值变换融合,三种融合的效果和应用进行了比较和讨论。     

基于小波变换和图像融合的智能照明控制系统研究

传统的灯光照明控制系统中单一信道信息量少,准确性和可靠性低,以及不易理解和判读,针对这些问题,本文提出基于小波变换和图像融合的方法,采用动静检测加数字图像融合的照度控制方式,充分利用多源数据的互补性。经过小波变换的融合图像保留了每一个源图像的重要特征,提高了图像质量和清晰度,并将融合图像划分不同区域,提高了环境照场辨识的准确性和可靠性,最后通过与预设数据对比加以调整,从而实现环境现场的智能照度控制。     

光学遥感影像融合方法的研究

随着新型传感器的出现,获取遥感影像能力的不断提高,遥感影像种类和总量急剧增加,遥感影像融合为多源数据的处理、分析与应用提供了新的途径.为了比较不同类型融合方法的作用效果,在简要介绍HIS、Broevy、Wavelet 3种方法及标准差、信息熵、偏差指数、相关系数4种评价指标后对Landsat7 ETM+数据进行了融合实...     

基于改进DeeplabV3+的遥感图像分割算法

针对高分辨率遥感图像语义分割存在地物边缘分割不连续、小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制（Coordinate Attention,CA）,有效获得更精确的分割目标位置信息,使得分割目标边缘更加连续;最后在解码层中采用级联特征融合方法（CFF）提高网络的语义信息表征能力。试验结果表明,该算法在中国南方某城市的高清遥感图像数据集分割任务上mIoU高达97.07%,相比原始DeepLabV3+模型提高了3.39%,能够更好地利用图像语义特征信息,为解译遥感图像语义信息提供一种新的思路。     

多方数据融合的山洪灾害模型应用研究

山洪灾害预测是应急管理工作中的一个重要部分,如何实时、准确得到灾害数据并进行关联分析,是灾害调查中的一个难点。研究了洪涝与地质灾害多方数据的感知与融合,通过结合多方数据融合组件、天-空-地的立体网格体系、数据分析引擎与算法模型、数据同化技术、核心专业模型以及人工智能分析等关键技术,搭建出轻量版山洪、泥石流、山体滑坡大数据平台。平台囊括了山洪水情预报模型和小型可视化灾情信息系统,可灵活呈现监测分析结果;耦合二维、三维GIS,实现微观-局部-整体、过去-现在-未来的多方位、高频自动监测-遥感影像解译-流域水文模拟、多视角、多维度展示。此平台内置的数据分析引擎与算法模型通过数值计算形成虚拟监测数据,采用熵值法、热点技术、机器算法等对水位、流量、流速等数据构建统计预测模型,并实现多源数据验证,有助于大幅度减少监测点与运维成本。平台还可将灾害数据关联分析平台与人工指挥决策系统打通,为预测、决策、指挥提供依据。     

泛在电力物联网智能感知关键技术发展思路

智能感知是泛在电力物联网的数据入口,在泛在电力物联网建设中扮演着极其重要的角色。该文通过抽象化泛在物联网的信息论表述,量化比较了泛在电力物联网在数据传输容量上的优势,综合估算了智能感知网络规模,预测需要在此基础上解决海量异构多源数据融合、信息安全防护等问题。探讨了泛在电力物联网边缘算法的可分解性与下沉系数,定义了描述边缘算法可分解程度的范式,举例电力常用算法在泛在物联网边缘分解后的计算效率。讨论了智能感知在时空、类型、准确度的信息增益,以此为数学前提分别叙述了泛在电力物联网智能感知技术在通信网络、边缘计算、深度感知3个维度的发展思路,在此基础上讨论了泛在电力物联网的实际应用场景。     

结合空间信息的PTSVM的遥感图像变化检测

基于半监督支持向量机算法的遥感图像变化检测中,PTSVM算法采用成对标注的法则对无标签样本进行标注,即一次只标注一对无标签样本,取得了很好的检测结果,一定程度上提高了检测精度.但是PTSVM算法只利用了样本的光谱信息,而样本的特征信息不仅包括光谱信息,还有空间信息,空间信息作为样本的基本特征之一,对样本同样重要,所以本文在PTSVM的基础上,提出了结合样本空间信息和光谱信息的PTSVM算法,并用于遥感图像的变化检测中.通过实验结果分析,该方法在遥感图像的变化检测中取得了很好的效果,进一步提高了变化检测的准确率.