多源遥感图像融合效果评价方法研究

在多源遥感图像融合中,针对同一对象不同的融合方法可以得到不同的融合结果,即可以得到不同的融合图像。如何准确地评价融合效果是图像融合的一个重要组成部分。该文系统地研究了遥感图像融合中的各种评价指标,在对已有的评价指标进行了总结和分析的同时,还提出了一些新的评价指标,并按使用条件和使用用途对遥感图像融合效果评价方法进行了分类。最后通过实验进行了验证。     

遥感图像融合评价方法研究

如何准确地评价融合效果是图像融合的一个重要组成部分。在遥感图像的融合研究中,对同一对象,不同的融合方法可以得到不同的融合效果,即可以得到不同的融合图像。系统地研究了遥感图像融合中的各种评价指标,在对已有的评价指标进行总结和分析时,还提出一些新的评价指标,并按使用条件和使用用途对遥感图像融合效果评价方法进行分类。     

遥感融合图像分类精度的研究

把不同空间分辨率的TM和IRS遥感图像进行融合,综合了不同传感器数据所提供的信息,增强了图像的清晰度,改善了解译效果。对遥感融合图像进行分类,分类精度达97.90%,效果优于TM图像(分类精度为89.39%)。     

基于神经网络和数据融合的红树林群落分类研究

及时准确地掌握红树林群落现状信息可为保护和修复红树林生态系统提供重要的决策依据。对红树林群落进行遥感分类在实际应用中具有较大的意义。但红树林各群落间的光谱差异很微弱,有必要采用多源遥感数据融合的方法来提高分类的精度。本文以珠海淇澳岛红树林区为例,使用SAR图像与TM图像,探讨了监督分类、非监督分类以及神经网络分类3种分类方法和IHS融合、小波融合以及主成分融合3种融合方法对红树林群落进行分类的效果。结果表明,对SAR与TM主成分融合图像应用神经网络分类方法能够取得最好的分类效果。     

SPOT-5全色与多光谱数据融合方法的比较研究

多源遥感影像融合是20世纪70年代提出的数据(信息)融合理论在遥感学应用的一个分支,是近年来研究的热点。SPOT-5的多光谱图像含有丰富的光谱信息,而全色图像有很高的空间分辨率,通过将多光谱图像和全色图像进行像素级的融合,使融合后的图像在保留多光谱信息的同时尽量提高空间分辨率。不仅可以提高图像的可视效果,为测量和专业制图提供有利的数据,而且可以用于地物分类、目标识别等一系列处理。此外从景观分类的角度对3种方法的融合效果进行评价分析。     

基于频带特征融合的GL-CNN遥感图像场景分类

高分辨率卫星遥感图像场景信息的分类对影像分析和解译具有重要意义，传统的高分辨卫星遥感图像场景分类方法主要依赖于人工提取的中、低层特征且不能很好的利用图像丰富的场景信息，针对这一问题，提出一种基于频带特征融合与GL-CNN(Guided Learning Convolutional Neural Network，指导学习卷积神经网络)的分类方法。首先通过NSWT（Non-Subsampled Wavelet Transform，非下采样小波变换）提取出图像的高低频子带，将高频子带进行频带特征融合得到融合高频子带，然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合，最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。通过对UCM_LandUse 21类数据进行试验表明，本文方法的分类正确率达到94.52%，相比以往算法有显著提高。     

TM和SAR遥感图像的不同层次融合分类比较

多传感器遥感图像为分类技术提供了更多的地物特征信息,有助于提高分类精度,增强计算机自动解译的能力,减少遥感图像的后处理时间。给出了ＴＭ 和ＳＡＲ遥感图像根据信息处理所在的不同层次融合分类特征的选取及分类方法,并从融合分类的精度和计算时间消耗上对哈尔滨市附近地区５１２×５１２ 大小的ＴＭ和ＪＥＲＳ１ 的ＳＡＲ图像的不同层次融合的分类进行比较,指出特征层融合是ＴＭ和ＳＡＲ遥感图像融合分类的最理想层次     

一种多特征结合的遥感图像分类方法

遥感图像分类是遥感图像分析和理解的基础,是遥感图像研究中的重要内容之一。为提高分类效果,遥感图像分类中通常需要综合运用多种特征。提出一个新的基于特征级融合的遥感图像分类方法。将多种图像空间特征和光谱特征分别作为分类器的输入,将各分类器的概率输出拼接起来作为中间层特征再进行分类。该方法有效避免了多特征直接拼接存在的尺度问题。在Indian93和Flightline C1两个数据集上的实验结果表明该方法具有一定优势。     

基于多模态多层级数据融合方法的城市功能识别研究

城市功能区的划分与识别对分析城市功能区的分布现状和了解城市内部空间结构具有重要意义.这激发了多源地理空间数据融合的需求,特别是城市遥感数据与社会感知数据的融合.然而,如何有效实现城市遥感数据与社会感知数据的融合是一个技术难题.为了实现城市遥感数据与社会感知数据的融合,提高城市功能识别精度,以遥感图像和社会感知数据为例,引入多模态数据融合机制,提出了一种联合深度学习与集成学习的模型来推断城市区域功能.该模型分别利用DenseNet和DPN网络,从多源地理空间数据中提取城市遥感图像特征和社会感知特征,并进行特征级融合、决策级融合以及混合融合的多层级数据融合,对城市功能进行识别.所提模型在URFC数据集上得到了验证,其混合融合总体分类准确度、Kappa系数和平均F1值3个评价指标值分别为74.29％,0.67,71.92％.相比单模态数据的最佳分类方法,所提融合模型的3个评价指标值分别提高了18.83％,0.24,35.46％.实验结果表明,该数据融合模型具有更好的分类性能,能有效融合遥感图像数据和社会感知数据,实现城市区域功能的精准识别.     

一种改进的遥感图像融合方法:LFF

通过遥感图像融合,可获得更丰富的信息,常用遥感图像融合方法如HIS彩色变换可将不同平台、不同光谱响应范围的高空间分辨率的遥感数据与多光谱遥感数据进行融合,但要求这两组数据的光谱响应范围一致,否则便会产生光谱扭曲的现象,从而影响了地物的识别。针对不同平台、不同光谱响应范围的遥感数据,该文在HSI变换的基础上,提出了一种改进的方法,即LFF融合法,首先对高几何分辨率的全色波段进行LoG滤波,而后将LoG滤波后的全色波段与多光谱经HSI正变换后的强度分量进行灰度直方图匹配,并替换之,经HSI逆变换便得到融合图像。论文从灰度变化指数和分类精度两方面分析了光谱保持性能和融合图像的分类精度,分析结果表明:LFF融合法的光谱保持性能优于HSI变换法,LFF融合后图像的分类精度高于HSI融合后的图像,LFF融合法是一种能较好地保持光谱特性的融合方法。     

加权KNN的图文数据融合分类

目的 图文数据在不同应用场景下的最佳分类方法各不相同,而现有语义级融合算法大多适用于图文数据分类方法相同的情况,若将其应用于不同分类方法时由于分类决策基准不统一导致分类结果不理想,大幅降低了融合分类性能。针对这一问题,提出基于加权KNN的融合分类方法。方法 首先,分别利用softmax多分类器和多分类支持向量机(SVM)实现图像和文本分类,同时利用训练数据集各类别分类精确度加权后的图像和文本正确判别实例的分类决策值分别构建图像和文本KNN模型;再分别利用其对测试实例的图像和文本分类决策值进行预测,通过最邻近k个实例属于各类别的数目确定测试实例的分类概率,统一图像和文本的分类决策基准;最后利用训练数据集中图像和文本分类正确的数目确定测试实例中图像和文本分类概率的融合系数,实现统一分类决策基准下的图文数据融合。结果 在Attribute Discovery数据集的图像文本对上进行实验,并与基准方法进行比较,实验结果表明,本文融合算法的分类精确度高于图像和文本各自的分类精确度,且平均分类精确度相比基准方法提高了4.45%;此外,本文算法对图文信息的平均整合能力相比基准方法提高了4.19%。结论 本文算法将图像和文本不同分类方法的分类决策基准统一化,实现了图文数据的有效融合,具有较强的信息整合能力和较好的融合分类性能。     

GIS支持下遥感图象中采矿塌陷地提取方法研究

采矿塌陷地动态监测是工矿区资源管理与环境保护的重要方面 ,遥感技术可在其中发挥重要作用 ,从遥感图象中提取采矿塌陷地是遥感应用于矿山资源环境监测的重要研究课题 .传统的提取方法主要基于光谱特征 ,精度与效率都难以满足应用要求 ,为了以较高的精度 ,从遥感图象中提取塌陷地 ,必须建立新的方法与模型 .将遥感技术与 GIS相结合进行专题信息提取是有效的途径之一 .本文根据研究区的特点 ,以具体应用为指导 ,遥感技术与 GIS相结合 ,提出了 GIS支持下的分层分类、基于 GIS变化区域识别的分类、基于 GIS和领域知识对遥感分类图象进行后处理、GIS支持下采矿塌陷地的直接提取等方法与模型 ,充分应用光谱特征、地学特征与信息、领域和专家知识及其他统计数据辅助进行遥感图象处理与专题信息提取 .这些方法在精度、效率等方面均较传统方法有较大提高 ,最大提取精度可达到 89% ,能够有效地对工矿区土地塌陷态势进行动态监测     

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MRF模型和EM算法的多源图像融合方法

提出了两种图像融合方法.该方法首先利用EM-MRF算法与模糊分类方法的等价性,将EM-MRF算法引入到图像融合领域.在此基础上,利用统计模型对图像进行非监督分类的模型参数估计转化通过EM算法从不完全数据中估计模型参数的问题,并利用Markov随机场模型建立类别的先验概率、EM迭代算法进行图像分类的方法有较高的分类精度和鲁棒性,导出了基于分布式和集中式多传感器图像融合模型的两种融合方法.最后仿真试验表明,这两种融合方法既可以提高分类精度,又可以加强对噪声的抗干扰能力.     

高光谱图像分类的自适应决策融合方法

目的 目前高光谱图像决策融合方法主要采用以多数票决（majority vote，MV）为代表的硬决策融合和以对数意见池（logarithmic opinion pool，LOGP）为代表的软决策融合策略。由于这些方法均使用统一的权重系数进行决策融合，没有对子分类器各自的分类性能进行评估而优化分配权重系数，势必会影响最终的分类精度。针对该问题，本文对多数票决和对数意见池融合策略进行了改进，提出了面向高光谱图像分类的自适应决策融合方法。方法 根据相关系数矩阵对高光谱图像进行波段分组，对每组波段进行空谱联合特征提取；利用高斯混合模型（Gaussian mixture model，GMM）或支持向量机（support vector machine，SVM）分类器对各组空谱联合特征进行分类；最后，采用本文研究的两种基于权重系数优化分配的自适应融合策略对子分类器的分类结果进行决策融合，使得分类精度低的波段组和异常值对最终分类结果的影响达到最小。结果 对两个公开的高光谱数据集分别采用多种特征和两种分类器组合进行实验验证。实验结果表明，在相同特征和分类器条件下，本文提出的自适应多数票决策融合策略（adjust majority vote，adjustMV）、自适应对数意见池决策融合策略（adjust logarithmic opinion pool，adjustLOGP）比传统的MV决策融合策略、LOGP决策融合策略对两个数据集的分类精度均有大幅度提高。Indian Pines数据集上，adjustMV算法的分类精度比相应的MV算法平均提高了1.2%，adjustLOGP算法的分类精度比相应的LOGP算法平均提高了7.38%；Pavia University数据集上，adjustMV算法的分类精度比相应的MV算法平均提高了2.1%，adjustLOGP算法的分类精度比相应的LOGP算法平均提高了4.5%。结论 本文提出的自适应权重决策融合策略为性能较优的子分类器（即对应于分类精度高的波段组）赋予较大的权重，降低了性能较差的子分类器与噪声波段对决策融合结果的影响，从而大幅度提高分类精度。所研究的决策融合策略的复杂度和计算成本均较低，在噪声环境中具有更强的鲁棒性，同时在一定程度上解决了高光谱图像分类应用中普遍存在的小样本问题。     

多源遥感图像融合的数据同化算法

为解决现有融合方法不能根据遥感图像的后续处理要求对融合规则进行自适应调整的问题, 本文结合模型算子和观测算子的优点构建数据同化系统, 提出了基于数据同化和遗传粒子群方法的遥感图像融合算法. 该算法将平移不变性小波变换作为模型算子, 将对比度金字塔作为观测算子. 由后续处理对图像属性指标的依赖程度确定属性指标的权重, 用评价指标的加权和构造目标函数, 并用遗传粒子群算法优化目标函数, 从而获取高清晰度的遥感图像. 本文通过遥感全色图像与多光谱图像、红外图像与可见光图像的融合证明了算法的优越性.     

高分辨率卫星影像在城市建筑物识别中的初步应用

在对试验区IKONOS卫星高分辨率影像预处理的基础上，采用HIS变换法对1m分辨率全色影像和4m分辨率多光谱影像进行了融合处理；通过建筑物阴影提取了建筑物高程，采用正交小波变换方法提取了图像的纹理信息；采用了四种不同的特征图像组合方式，对试验区高，中，低层建筑物进行了分类。研究表明，由融合图像，高程信息和纹理信息参与的分类结果精度最高，对高层建筑物分类的精度可达80%。     

像素级红外与可见光图像融合方法综述

红外与可见光图像融合作为一种针对增强技术被广泛应用,融合技术通过提取可见光和红外各自的显著特征,并将其保留在融合图像中,提高了后续高级视觉任务的效率或人工识别。在吸收国内外众多学者的研究的基础上,通过研究归纳,阐述了图像融合的定义与分类,系统性地总结了红外与可见光融合算法,分析了图像融合算法进一步发展的方向。     

基于参数估计的数据融合算法研究

研究了有关分批估计、自适应加权和方差估计算法在多传感器数据融合中的有效性、准确度和实时性。通过实例在对几种算法进行仿真比较的基础上,说明了上述几种算法的有效性及其融合精度的差异,其结果表明:按测量方差值并采用自适应加权算法的融合效果最佳,有效地提高了融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合。