基于多小波变换的图像融合研究

多小波是小波理论的扩展，在图像处理方面具有单小波所不具有的优点。它能够为图像提供一种比小波多分辨分析更加精确的分析方法。在研究了多小波变换的特性后，提出了一种基于离散多小波变换的图像融合方法，并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。这种方法不仅能够完好地显示源图像各自的信息，而且能很好地将源图像的细节融合在一起。通过实验结果证明，采用这种方法可以得到更好的融合效果。     

多小波变换在遥感图像融合中的应用

介绍了多小波理论及对图像进行多小波分解和重构的方法,以全色(PAN)和多光谱(TM)遥感图像融合为例,提出了一种基于多小波变换的遥感图像融合方法。通过Matlab编程实验,比较了db4小波及Smooth、GHM和CL三种多小波的融合效果。     

基于小波-Contourlet变换的遥感图像融合

给出了一种新的基于小渡-Contourlct变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其它方法更适应于进行遥感图像融合.对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlct变换的融合结果优于其它常用的融合方法.     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

改进的小波变换在多源遥感图像融合中的应用

在分析方向可调的小波变换与不可分离小波变换的基础上,以全色SPOT和多光谱TM遥感影像为数据源,结合可调小波变换与不可分离小波变换的优点,借助Matlab与ERDAS IMAGINE等工具,实现了改进的方向可调的不可分离框架小波变换的遥感影像融合处理.该方法与传统的融合方法相比,具有不可分离小波变换和方向可调性等优点,对图像的多分辨率信息的刻画比较精细,既能保持多光谱图像的光谱信息,又能保持全色图像的空间分辨率特性,从而提高了对影像的解译能力.     

基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合，本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换，得到亮度I，色度H，饱和度S三个分量；其次，利用小波变换融合方法融合多光谱图像的亮度分量与全色图像，并用融合后的图像替代多光谱图像的亮度分量；最后，作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法，不仅较大地增强了融合图像的空间细节表现能力，而且很好地保留了多光谱图像的光谱信息。     

基于HSV变换与小波变换的遥感图像融合

在IHS变换与小波变换相结合的图像融合法的基础上提出了一种近似的图像融合方法,即基于HSV色彩空间模型与小波变换的图像融合法.传统的IHS变换融合法会产生较大的光谱失真和退化现象,而基于HSV色彩空间变换的融合法则较好的保留了多光谱信息,通过将HSV色彩模型与小波变换相结合,使得融合图像无论在细节纹理还是多光谱信息上都得到了很好的保持.通过Matlab平台实验对比表明,新算法具有较好的融合效果,且优于IHS与小波变换融合法.     

基于小波包变换的图像多尺度数据融合

在二维小波变换的基础上,给出了图像的二维小波包变换的分析方法,并对已有的几种基于小波和小波包变换的图像融合算法进行了重新组合和改进,提出了一种基于小波包变换的多尺度数据融合方法,给出了一个融合实例。通过对实验的观察和分析,结果表明该算法具有较好的融合效果。     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

基于双树复小波的遥感图像融合

介绍了DTCWT(双树复小波变换)的基本原理,与传统小波变换相比,DTCWT具有良好的平移不变性和方向选择性,能够提高小波分解和重构的精度,更好地保持边缘、纹理等细节.在传统小波图像融合的基础上,提出了三种基于DTCWT的遥感图像融合算法:基于IHS变换和DTCWT融合法、模值加权融合法和模值局部方差融合法.对"北京一号"小卫星数据进行融合实验,结果表明,三种融合算法不仅有效地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息.     

基于PCA和数据融合的遥感图像数字水印算法

提出了一种向遥感图像中嵌入水印以保护其版权的算法。算法将数据融合技术和数字水印技术相结合,首先将全色图像进行小波分解,提取图像分解后的第三级低频边缘特征,利用PCA变换得到边缘特征的第一主分量作为水印信息,将水印与第三级中频进行融合;然后进行小波逆变换得到重构图像;最后采用小波变换和PCA融合法将含有水印的全色图像和多光谱图像相融合。提取水印时使用独立分量分析(ICA)方法。实验表明,该算法可以保护遥感图像的版权和进行真伪认证,且不破坏原始遥感图像的信息和特征,是有效可行的。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于小波变换和矢量量化的遥感图象压缩方法

提出基于小波变换 (WT)的矢量量化 (V Q)的遥感图象压缩编码方法。采用二维 WT消除象素间的空间相关性 ,然后对变换后的小波系数进行 VQ压缩编码。实验结果表明 :该方法可获得 10倍压缩比 ,峰值信噪比(PSNR)为 30 .5 2。本方法明显优于 JPEG方法 ,而且没有方块效应。该方法可用于各种遥感图象压缩 ,压缩比和PSNR这两项指标与 JPEG压缩方法相比 ,也有明显的提高。     

一种基于小波分解的图像融合方法

在图像配准的基础上,提出了一种利用小波分解和Gabor小波滤波器提取能量测度进行加权的图像融合方法.该方法中,首先对图像进行小波分解,对每一层分解系数使用Gabor滤波器集进行滤波,求取其相应的能量测度,进而使用能量测度值对融合图像相应层的小波系数进行加权处理,从而得到融合后图像相应层分解系数,最后对每一层分解系数进行小波逆变换,得到融合图像.试验结果表明,这种简单的加权系数关系是可行的,而且该方法可以取得较好的图像融合效果.     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。     

多源遥感图象融合及应用

标准的数据融合方法在解决一幅高分辨率、全色图象与一幅低分辨率多频谱图象融合问题时,会使多频谱数据的频谱特性失真。我们基于多分辨率小波分解开发了一种技术,用于此类图象的融合。此法是将高分辨率图象的小波系数添加到多频谱（低分辨率）数据上,再将全色图象小波变换的高阶系数添加到多频谱图象的浓度组件上,此算法是对对标准的浓度－色度－饱和度（IHS或LHS）合并法的改进,将该算法应用于SPOT与LANDSAT（TM）图象融合的结果表明,在保留频谱与空间信息方面优于IHS和LHS融合法。     

基于推广的IHS变换和压缩传感的遥感图像融合

为了提高全色图像和多光谱图像的融合图像的质量,提出一种基于推广的intensity-hue-saturation (GIHS)变换和压缩传感的遥感图像融合方法.首先对低分辨率多光谱图像作GIHS变换得到低分辨率的亮度分量;然后在低分辨率的亮度分量、全色图像和理想的高分辨率亮度分量之间建立压缩传感模型;再利用压缩传感理论恢复出理想的高分辨率亮度分量,并用其代替GIHS变换方法中的全色图像,得到最终的融合图像.高分辨率亮度分量的应用,使得融合图像的光谱失真问题大为改善.以Geoeye-1和QuickBird卫星数据为例的实验结果表明,与传统方法相比,文中方法不仅能够提高多光谱图像的空间分辨率,而且对光谱信息的保持也具有更好的效果.     

基于数据融合的遥感图象处理技术

简要地回顾了数据融合技术产生，发展的必然性，以及学者们提出的几种相关定义；尽可能详细地分析了数据融合的框架结构。包括像素层，特征层和决策层三层数据融合，并重点分析了各个数据融合层中的融合方法，以及这些方法在遥感图象处理中的应用，由于数据融合与遥感图象分类，目标检测，变化检测，目标识别的密切相关性，还对数据融合与这些应用的结合作了一定的分析。最后给出了结论和展望。     

基于SIDWT的遥感图像融合算法

合成孔径雷达(SAR)和全色遥感图像由于成像机理存在差异,对目标轮廓、纹理和色调等信息的表现各不相同,像素级融合后将更易于图像判读。基于此,将平移不变离散小波变换(SIDWT)算法用于SAR与全色遥感图像融合,该算法克服了传统小波变换不具有平移不变性的缺点。同时,提出一种新的增强互补信息的融合规则：图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。实验结果表明,该算法能够获得较好的融合效果。     

基于小波支持向量机的遥感影像融合

针对遥感影像融合中出现的对比度差、边缘模糊等问题,利用支持向量机的统计学习优势,结合方向滤波器组的多方向特性,提出一种基于支持向量机的遥感影像融合框架。由于小波核相对其他核函数对复杂的信号具有更好的逼近能力,因此利用Morlet母小波构造核函数,研究基于小波支持向量机的遥感影像融合,提高遥感影像融合的精确度。实验结果表明,该方法的融合效果优于传统的图像融合方法。