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。     

IKONOS全色与多光谱数据融合方法的比较研究

IKNOS-2给各个应用领域提供1 m的全色和4 m的多光谱数据,因此利用全色波段将4 m的多光谱数据融合为1 m的多光谱数据会充分利用二者的信息,提高目视和自动影像提取的类别精度。影像融合技术发展较快,成为遥感应用研究领域的重要主题。在遥感领域应用较多的融合方法有IHS变换、主成分分析、Brovey(颜色归一化)变换、小波变换以及最近发展修改的合成变量比值变换。从光谱质量和空间信息角度对融合方法进行了比较研究,筛选出适合IKNOS融合方法,从各种特征信息提取和自动分类角度出发,合成变量比值变换融合方法光谱退化最小,同时也较高程度地保持了高几何分辨率全色的空间信息。     

一种基于EMD和IHS的图像融合算法

提出一种基于经验模态分解和IHS的图像融合算法.首先对多光谱波段影像进行IHS变换获得强度影像I,以I为基准进行全色波段影像的直方图调整,得到PANmatch影像,然后对强度影像及PANmatch影像进行EMD(Empirical Mode Decomposition)多尺度分解,把强度影像的残差与全色影像的IMF(Intrinsic Mode Function)融合得到一个新的强度影像Inew,最后对Inew进行IHS逆变换获得融合影像.实验结果表明,算法具有很好的频谱信息存储能力和空间表达能力.     

一种利用卷积神经网络重建的遥感影像Curvelet融合方法北大核心CSCD

针对传统多光谱与全色影像融合方法容易产生畸变、忽略多光谱影像本身的空间细节特征等问题,提出了一种基于超分辨率卷积神经网络与Curvelet变换的影像融合方法,以提升多光谱影像的空间细节,加强其与全色影像的相关性,减少融合产生的畸变。该方法首先利用高分辨率全色影像进行超分辨率重建学习,利用学习得到的网络参数对多光谱影像进行超分辨率卷积神经网络重建,提升其空间细节特征;其次,在Gram-Schmid变换融合基础上,根据Curvelet变换具有保持影像空间细节的特点,将全色影像与替换分量进行融合;最后,通过逆变换得到高分辨率遥感影像。实验结果表明,该算法在影像光谱信息和空间细节表达能力上,整体优于其他传统算法,且对不同数据具有很好的适应性。     

基于遥感图像的颜色保真融合方法的研究*

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法,该低通比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

用低通滤波器改进Brovey融合法*

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法。该低通比值融合法能较好地保全低分辨率多光谱图像颜色的融合方法。     

一种构建多光谱全色波段与小波变换相结合的遥感影像融合方法

对于多光谱和全色波段遥感影像融合而言,影像问光谱响应范围的差异是造成融合结果光谱畸变的重要原因。方法通过对遥感影像成像过程中的参数进行合理地近似,将多光谱影像有机地结合为光谱响应范围与全色波段接近的、低分辨率的“多光谱全色波段”。利用特定的小波融合法则,将全色波段中适量的空间信息融入到“多光谱全色波段”中,并根据构建“多光谱全色波段”时各多光谱影像所占的权重,将融入的空间信息逐像元地分解到各个多光谱波段,从而较好地削弱了融合影像间光谱响应范围的差异所造成的光谱畸变。通过对IKONOS遥感影像进行融合实验,验证了本文方法较传统方法具有更高的性能。     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

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.     

一种基于IHS和DWT变换的遥感图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种在Maflab平台上实现基于IHS变换与离散小波变换相结合的多光谱图像与高分辨率图像融合方法.实验结果分析表明,得到的融合图像与原多光谱图像相比,细节信息更为突出,整体信息更为丰富,基本达到了提高融合增强的目的.     

Covariance intersection based image fusion technique with application to pansharpening in remote sensing

Image fusion of multi-spectral images and panchromatic images has been widely applied to imaging sensors. Multi-spectral images are rich in spectral information whereas panchromatic images have relatively higher spatial resolution. In this paper, we consider the image fusion as an estimation problem, that is to estimate the ideal scene of multi-spectral images at the resolution of panchromatic images. We propose a method of combining the covariance intersection (CI) principle with the expectation maximization (EM) algorithm to develop a novel image fusion approach. In contrast to other fusion methods, the proposed scheme takes cross-correlation among data sources into account, and thus provides consistent and accurate estimates through convex combinations. Since the covariance information is usually unknown in practice, the EM method is employed to provide a maximum likelihood estimate (MLE) of the covariance matrix. Real multi-spectral and panchromatic images are used to evaluate the effectiveness of the proposed EM-CI method. The proposed algorithm is found to preserve both the spectral information of the multi-spectral image and the high spatial resolution information of the panchromatic image more effectively than the conventional image fusion techniques.     

Takagi–Sugeno Fuzzy System and MTF-based Panchromatic Sharpening

The panchromatic sharpening or pansharpening refers to the fusion process of high-resolution panchromatic image and low- resolution multi-spectral images. Modulation Transfer Function (MTF) of satellite sensors has also been used for pansharpening. We investigate the use of Takagi–Sugeno fuzzy systems in MTF-based pansharpening algorithms. Traditional pansharpening schemes can result in spatial and/or spectral distortion during the fusion process. A fuzzy integrated fusion scheme is proposed to overcome this limitation. Spectral dissimilarities between panchromatic and multi-spectral bands are also taken into account. While preserving low-resolution multi-spectral information, Takagi–Sugeno fuzzy is introduced to inject appropriate spatial details in the pansharpened image. The local features of panchromatic image are also exploited to preserve the spatial and spectral content. Experiments conducted on Pl\(\acute{e}\)iades, Spot-5 and WorldView-2 data set demonstrate the superior fusion quality of the proposed scheme.     

Multi-sensor data fusion using NIHS transform and decomposition algorithms

Multi-spectral image fusion is to enhance the details present in multi-spectral bands with the spatial information available in the panchromatic image. Fused images have the effect of spectral distortions and lack of structural similarity. To overcome these limitations, three methods are proposed using intensity, hue, saturation (IHS) and nonlinear IHS (NIHS) transform along with the Dynamic Mode Decomposition (DMD) and 2D-Empirical Mode Decomposition (2D-EMD or IEMD). An intensity plane is calculated from the NIHS transform. The modes are constructed using DMD by considering the variations between the intensity plane computed using NIHS transforms of a low resolution multi-spectral image and a panchromatic image. Similarly, 2D-EMD is also used for image fusion. Modes are subjected to weighted fusion rule to get an intensity plane with spatial and edge information. Finally, the calculated intensity plane is concatenated along with the hue and saturation plane of low-resolution multi-spectral image and transformed into RGB color space. Thus, the fused images have high spatial and edge information on spectral bands. The experiments and its quality assessment assure that proposed methods perform better than the existing methods.     

一种新的全色与多光谱图像融合变分模型

图像融合是提供包含各输入图像互补信息的单幅图像的有力工具. 本文提出了一种新的用于全色和多光谱图像融合的变分模型. 在Socolinsky对比度模型的基础上构造了一个改进的能量泛函最小化问题, 以寻找最接近全色图像梯度的解.为了提高多光谱图像的空间分辨率,并尽可能地保持其原有的光谱信息, 还将光谱一致项、波段间相关项和对比度增强项引入融合模型. 在IKONOS和QuickBird数据集上测试了该模型的性能.实验结果表明该模型可以生成同时具有高空间质量和高光谱质量的融合图像.     

多分辨率金字塔算法的遥感影像融合对比分析

采用拉普拉斯、对比度、梯度以及形态学4种金字塔分解算法,以区域特征选择为融合规则对IKONOS多光谱和全色波段影像进行融合,从空间信息和光谱特征两个方面对融合结果进行对比分析,探讨各种算法的遥感影像融合效果。实验结果表明:基于形态学金字塔算法影像融合的空间信息增强和光谱特征保留效果最好;Laplacian算法次之;对比度和梯度算法效果最差。     

Multi-spectral and panchromatic images fusion based on PCA and fractional spline wavelet

A fusion method of panchromatic and multi-spectral (MS) images based on fractional spline wavelet and principal component analysis (PCA) transformation is proposed. The family of fractional spline wavelets outperforms traditional wavelets in obtaining the texture information of images due to its fractional order of approximation, which is beneficial for image fusion. Fusion experiments taking the instance of two image data sets collected by Landsat-TM and IKONOS are carried out in this article. The mean universal quality indices (MUQs) of the three red, green, blue (RGB) channels of the proposed method are 0.8866 and 0.9259 compared to the traditional PCA fusion method with MUQ = 0.8279 and 0.8496. From the visual evaluation and numerical analysis, it can be confirmed that the proposed method is a superior technique for enhancing the spatial details of MS images with their spectral properties reliably preserved.     

基于替换规则的对偶树复小波变换遥感影像融合*

针对对偶树复小波变换(DT-CWT)比离散小波变换具有更好的方向选择性、平移不变性,能更好地表征影像特征的优点,提出了基于替换规则的对偶树复小波变换遥感多光谱和全色影像融合算法。通过对IKONOS影像的实验表明,本方法比基于实数小波变换的融合方法和IHS变换法有优势,在保留了光谱特征的基础上,更好地提高了融合影像的清晰度,且方法简单高效。     

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。     

一种新的基于主分量变换与小波变换的图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种基于主分量变换与小波变换结合的多光谱图像与高分辨率图像融合方法。该新方法首先对多光谱图像进行主分量变换;然后分别对其第1主分量与高分辨率图像进行小波变换,并采用成像强度对比法有效地将经小波分解的高分辨率图像的低频分量信息融合到经小波分解的多光谱图像的第1主分量的低频分量中;最后,通过将小波融合结果作为多光谱图像的第1主分量再做逆主分量变换来得到最终的融合图像。实验结果分析表明,该新方法使融合图像在较好地保留光谱信息的同时,空间细节信息也得到了增强,比典型的IHS变换、主分量变换及小波变换融合方法具有更好的融合效果。