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。     

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。     

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。     

自适应权重注入机制遥感图像融合

目的 遥感图像融合是将一幅高空间分辨率的全色图像和对应场景的低空间分辨率的多光谱图像,融合成一幅在光谱和空间两方面都具有高分辨率的多光谱图像。为了使融合结果在保持较高空间分辨率的同时减轻光谱失真现象,提出了自适应的权重注入机制,并针对上采样图像降质使先验信息变得不精确的问题,提出了通道梯度约束和光谱关系校正约束。方法 使用变分法处理遥感图像融合问题。考虑传感器的物理特性,使用自适应的权重注入机制向多光谱图像各波段注入不同的空间信息,以处理多光谱图像波段间的差异,避免向多光谱图像中注入过多的空间信息导致光谱失真。考虑到上采样的图像是降质的,采用局部光谱一致性约束和通道梯度约束作为先验信息的约束,基于图像退化模型,使用光谱关系校正约束更精确地保持融合结果的波段间关系。结果 在Geoeye和Pleiades卫星数据上同6种表现优异的算法进行对比实验,本文提出的模型在2个卫星数据上除了相关系数CC（correlation coefficient）和光谱角映射SAM（spectral angle mapper）评价指标表现不够稳定,偶尔为次优值外,在相对全局误差ERGAS（erreur relative globale adimensionnelle de synthèse）、峰值信噪比PSNR（peak signal-to-noise ratio）、相对平均光谱误差RASE（relative average spectral error）、均方根误差RMSE（root mean squared error）、光谱信息散度SID（spectral information divergence）等评价指标上均为最优值。结论 本文模型与对比算法相比,在空间分辨率提升和光谱保持方面都取得了良好效果。     

基于双正交多小波变换的多光谱与全色图像融合研究

针对多光谱与全色图像融合中存在的光谱扭曲问题,提出了一种利用双正交多小波进行多分辨率分析,并结合平均与选择法处理小波高频系数的融合算法。该算法首先对已配准的多光谱图像进行IHS变换,然后分别对变换得到的强度分量I与全色图像进行双正交多小波分解,为增强融合图像的空间信息,对分解得到的高频系数利用平均与选择相结合的方法来确定,低频系数则通过邻域方差准则得到。最后由新的小波低频和高频系数重构并进行IHS逆变换得到融合图像。实验结果表明,该方法可以有效减少光谱扭曲,并提高图像的空间分辨率,保留图像中的边缘细节。     

基于企业服务总线的数据共享与交换平台

提出了一种新的基于HIS模型的网像融合算法，根据源图像在有向梯度域中的局部信息熵及其分布情况确定融合准则。对实验结果的主观定性评价和客观定量分析说明，新算法在有效保持空间信息的同时，产生的光谱畸变较小，对全色图像中的噪卢有一定的免疫力，从而克服了现有同类算法光谱失真严重和对源图像中噪声敏感的缺点。     

基于局部信息熵及其分布特性的图像融合算法

提出了一种新的基于HIS模型的图像融合算法，根据源图像在有向梯度域中的局部信息熵及其分布情况确定融合准则。对实验结果的主观定性评价和客观定量分析说明，新算法在有效保持空间信息的同时，产生的光谱畸变较小，对全色图像中的噪声有一定的免疫力，从而克服了现有同类算法光谱失真严重和对源图像中噪声敏感的缺点。     

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。     

基于区域特征加权的IHS图像融合方法

针对传统IHS变换图像融合方法在高分辨率和多光谱图像融合中存在的光谱畸变现象,研究了现有的一些改进IHS变换图像融合方法,提出了一种基于局部区域多元特征动态加权的IHS图像融合方法,根据主观目视判决和客观评价指标对融合结果进行了比较和分析。仿真结果表明,该文提出的方法能使融合图像具有较好的空间分辨率,同时又能很好地保持原有多光谱图像的光谱特性。     

基于Iαβ色彩空间和Contourlet变换相结合的融合方法*

针对北京1号小卫星的多光谱与全色波段的分辨率比率较大,传统的融合方法会产生边界模糊和光谱扭曲现象,提出了一种新的融合算法。首先对多光谱与全色影像分别进行Iαβ和Contourlet变换;然后在频率域中采用不同的融合策略进行处理;最后进行Contourlet和Iαβ逆变换,得到融合图像。实验表明,本方法既提高了融合图像的空间细节信息又很好地保持了图像的光谱特征,优于传统的融合方法。     

Spatially adaptive multi-resolution multispectral image fusion

Due to the performance limit of remote sensing systems, multispectral images have limited spatial resolution. Their spatial resolution can be improved by merging them with higher resolution image data. A fundamental problem frequently occurring in existing fusion processes, however, is the distortion of spectral information. This paper presents a spatially adaptive image fusion algorithm which produces visually natural images and retains the quality of local spectral information as well. High frequency information of the high resolution image to be inserted to the resampled multispectral images is controlled by adaptive gains to incorporate the difference of local spectral characteristics between the high and the low resolution images into the fusion. Each gain is estimated to minimize the l ₂-norm of the error between the original and the estimated pixel values defined in a spatially adaptive window of which the weights are proportional to the spectral correlation measurements of the corresponding regions. This method is applied to a set of co-registered Landsat 7 Enhanced Thematic Mapper (ETM)+ panchromatic and multispectral image data. The experimental results show that high resolution images can be synthesized by the proposed method, which successfully preserves spectral content of the multispectral images.     

基于多种变换的遥感图像新型融合方法

针对多光谱图像空间分辨率低这一特点,提出一种在PCA变换基础上,利用小波变换和高通滤波相结合的图像融合算法。实现了ETM+全色波段与ETM+多光谱波段图像的融合,并从空间纹理信息,光谱真实性两个方面进行定性和定量评价。研究表明,该融合算法产生的光谱失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种较好的图像融合方法。     

Remote-sensing image fusion using sparse representation with sub-dictionaries

Remote-sensing image fusion aims to obtain a multispectral (MS) image with a high spatial resolution, which integrates spatial information from the panchromatic (Pan) image and with spectral information from the MS image. Sparse representation (SR) has been recently used in remote-sensing image fusion method, and can obtain superior results to many traditional methods. However, the main obstacle is that the dictionary is generated from high resolution MS images (HRMS), which are difficult to acquire. In this article, a new SR-based remote-sensing image fusion method with sub-dictionaries is proposed. The image fusion problem is transformed into a restoration problem under the observation model with the sparsity constraint, so the fused HRMS image can then be reconstructed by a trained dictionary. The proposed dictionary for image fusion is composed of several sub-dictionaries, each of which is constructed from a source Pan image and its corresponding MS images. Therefore, the dictionary can be constructed without other HRMS images. The fusion results from QuickBird and IKONOS remote-sensing images demonstrate that the proposed method gives higher spatial resolution and less spectral distortion compared with other widely used and the state-of-the-art remote-sensing image fusion methods.     

提升五株形小波在多光谱图像融合中的应用

提出一种基于IHS变换和提升五株形小波变换相结合的融合方法,并把它应用于多光谱图像与高分辨图像的融合中。该算法对多光谱图像进行IHS变换,将得到的亮度分量I和高分辨率图像做多尺度提升五株形小波分解,采用不同的融合算子对高低频分量进行融合,对融合后图像进行提升五株形小波重构和IHS逆变换得到融合结果图像,并采用客观性能指标对融合结果图像进行了客观评价。实验结果表明,该方法对多光谱图像和高分辨率图像的融合有较好的融合效果,能从原图像中获得更多的信息,同时又能保持较高的空间分辨率。该方法的融合算法和分解层数的选取,是简便有效的,适用于多光谱图像融合。     

àtrous小波-NSCT遥感图像融合

在IHS空间变换基础上,利用非下采样Contourlet变换中具有多方向性、平移不变性的非下采样方向滤波器组,并结合àtrous小波变换,实现了一种基于àtrous小波-NSCT变换的遥感多光谱图像和全色图像融合方法。针对传统的细节注入法融合规则会引起较大光谱失真,对变换所得的高频分量采用特征量积表达局部图像细节特征,依据决策因子阈值抽取全色图像细节信息,将经反方向滤波得到的有效高频细节面附加给多光谱图像分量。实验结果表明,在多种不同性能指标评价下,该算法得到的光谱扭曲最小,相关系数最大,同时空间细节质量也得到很好改善。     

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。
     

形态学滤波和改进PCNN的NSST域多光谱与全色图像融合

目的 全色图像的空间细节信息增强和多光谱图像的光谱信息保持通常是相互矛盾的,如何能够在这对矛盾中实现最佳融合效果一直以来都是遥感图像融合领域的研究热点与难点。为了有效结合光谱信息与空间细节信息,进一步改善多光谱与全色图像的融合质量,提出一种形态学滤波和改进脉冲耦合神经网络（PCNN）的非下采样剪切波变换（NSST）域多光谱与全色图像融合方法。方法 该方法首先分别对多光谱和全色图像进行非下采样剪切波变换;对二者的低频分量采用形态学滤波和高通调制框架（HPM）进行融合,将全色图像低频子带的细节信息注入到多光谱图像低频子带中得到融合后的低频子带;对二者的高频分量则采用改进脉冲耦合神经网络的方法进行融合,进一步增强融合图像中的空间细节信息;最后通过NSST逆变换得到融合图像。结果 仿真实验表明,本文方法得到的融合图像细节信息清晰且光谱保真度高,视觉效果上优势明显,且各项评价指标与其他方法相比整体上较优。相比于5种方法中3组融合结果各指标平均值中的最优值,清晰度和空间频率分别比NSCT-PCNN方法提高0.5%和1.0%,光谱扭曲度比NSST-PCNN方法降低4.2%,相关系数比NSST-PCNN方法提高1.4%,信息熵仅比NSST-PCNN方法低0.08%。相关系数和光谱扭曲度两项指标的评价结果表明本文方法相比于其他5种方法能够更好地保持光谱信息,清晰度和空间频率两项指标的评价结果则展示了本文方法具有优于其他对比方法的空间细节注入能力,信息熵指标虽不是最优值,但与最优值非常接近。结论 分析视觉效果及各项客观评价指标可以看出,本文方法在提高融合图像空间分辨率的同时,很好地保持了光谱信息。综合来看,本文方法在主观与客观方面均具有优于亮度色调饱和度（IHS）法、主成分分析（PCA）法、基于非负矩阵分解（CNMF）、基于非下采样轮廓波变换和脉冲耦合神经网络（NSCT-PCNN）以及基于非下采样剪切波变换和脉冲耦合神经网络（NSST-PCNN）5种经典及现有流行方法的融合效果。     

基于Curvelet多尺度几何分解的快速LHS多传感器图像融合

为了解决IHS变换在多光谱和高分辨遥感图像融合中存在的光谱失真等问题,提出一种基于Curvelet多尺度几何分解的快速LHS融合算法.该算法采用快速LHS变换以更好地保持图像的色彩,并进一步改进运行速度;引入第二代Cur-velet多尺度几何分解则更有效地捕获图像中方向性的几何结构信息,并基于非平均分布间隔快速Fourier变换加快Curvelet的实现速度.实验结果表明:本文的图像融合算法在图像质量和运行速度上都获得了改进,融合图像具有较理想的空域和光谱分辨率,优于传统IHS变换、PCA,以及相应的小波变换结合快速LHS的融合结果.     

波段自适应细节注入的高分五号与Sentinel-2遥感影像空谱融合

目的 针对当前空谱融合方法应用到高光谱图像融合时,出现的空间细节信息提升明显但光谱失真,或者光谱保真度高但空间细节信息提升不足的问题,本文提出一种波段自适应细节注入的高分五号（GF-5）高光谱图像（30 m）与Sentinel-2多光谱图像（10 m）的遥感影像空谱融合方法。方法 首先,为了解决两个多波段图像不便于直接融合的问题,提出一种波段自适应的融合策略,对多光谱图像波谱范围以外的高光谱图像波段,以相关系数为标准将待融合图像进行分组。其次,针对传统Gram-Schmidt （GS）融合方法用平均权重系数模拟低分辨率图像造成的光谱失真问题,使用最小均方误差估计计算线性拟合系数,再将拟合图像作为第1分量进行GS正变换,提升融合图像的光谱保真度。最后,为了能同时注入更多的空间细节信息,通过非下采样轮廓波变换将拟合图像、空间细节信息图像和多光谱图像的空间、光谱信息融入到重构的高空间分辨率图像中,再将其与其他GS分量一起进行逆变换,最终得到10 m分辨率的GF-5融合图像。结果 通过与当前用于高光谱图像空谱融合的典型方法比较,本文方法对于受时相影响较小的城镇区域,在提升空间分辨率的同时有较好的光谱保真度,且不会出现噪点;对于受时相变化影响大的植被密集区域,本文方法融合图像有较好的清晰度和地物细节信息,且没有噪点出现。本文方法的CC （correlation coefficient）、ERGAS （erreur relative globale adimensionnelle de synthèse）和SAM （spectral angle mapper）相比于传统GS方法分别提升8%、26%和28%,表明本文方法的光谱保真度大大提高。结论 本文方法的结果空间上没有噪点且光谱曲线与原始光谱曲线基本保持一致,是一种兼具高空间分辨率和高光谱保真度的高光谱图像融合方法。     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。