基于小波系数差值法的变化信息自动发现

本文将二维小波变换应用于土地利用遥感动态监测，以自动探测土地利用变化信息。在对两时相多光谱影像主成分变换的基础上，选择前面三个主分量进行小波变换，对两时相对应主分量的小波系数求差，土地利用未发生变化区域的差值接近0，而发生变化区域的差值绝对值较大，能量高，因此，经小波逆变换得到的影像能够高亮度地显示出土地利用发生变化的区域。利用遥感数据进行仿真和野外验证发现。该方法得到的监测结果精度能满足实际应用的需要。     

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。     

ASTER多光谱影像与资源二号全色影像融合研究

随着遥感获取数据手段的日益增多,遥感影像的融合技术备受关注。针对ASTER多光谱影像光谱信息丰富、分辨率小,资源二号全色影像分辨率高、纹理信息丰富的特点,以安徽省马鞍山市当涂县的ASTER多光谱影像与资源二号全色影像为例,分别采用基于主成分分析、小波变换以及主成分分析与小波变换相结合的3种融合方法进行融合实验,并对融合后的影像进行对比,探讨 ASTER多光谱影像与资源二号全色影像融合的方法和效果。结果表明:采用主成分分析与小波变换相结合的方法对两幅影像融合的效果最好,极大地改善了两种单一方法的缺点,提高了原始影像的目视效果和光谱信息,从而为区域研究提供了更精确的数据资料。     

SPOT5全色波段与ASTER多光谱影像融合方法的比较研究

多源遥感影像数据融合可以将不同来源数据包含的优势信息重构为新的信息载体,进而为解 决实际问题提供更丰富的信息。与TM,CBERS-1等影像数据相比,ASTER多光谱影像在短波红外波段具有更强的优势,因此将其与SPOT5全色波段进行融合可为解决实际问题提供更多的细微信息。本文选取主成分分析变换（Principal component analysis,PC A）、比值变换（Brovey）、格兰姆-施密特变换（Gram-Schmidt,GS）和小波变换4种融合方法进行对比研究,实验结果表明PCA变换和GS变换适用于这两种影像融合。     

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。     

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。     

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示.接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得到newPAN,最后对newPAN和强度分量I进行小波分解.利用PCA对多光谱图像操作后再进行IHS变换,弥补了传统IHS算法只能处理三个波段多光谱图像的缺陷,增加了处理的波段数,而且PCA融合算法的光谱保持度较高,该算法将IHS、PCA、小波变换三种融合算法相结合,利用各个算法的优势,最大程度地减少替换成分相关性不高造成的光谱扭曲,克服小波变换融合过程中产生的细节信息畸变问题.     

小波和傅立叶变换在图像变化检测上的应用比较

小波分析和傅立叶分析被广泛地应用于图像处理的各个领域,它们也能被应用于遥感影像土地利用变化检测。对两个时相多光谱影像的各波段或各主成分进行小波变换或傅立叶变换,然后对变换后得到的系数求差,最后对差值进行小波逆变换或傅立叶逆变换,得到的结果图像中,那些有变化地区的亮度会比没有变化地区的亮度高出很多。文中,分别利用小波变换和傅立叶变换两种方法对相同的两时相多光谱影像进行变化检测,发现小波变换结果好于傅立叶变换。     

一种基于区域分割的多尺度遥感图像融合方法

光谱保持和高分辨率保留是图像融合的重要问题,提出了一种区域分割和小波变换相结合的多尺度遥感图像融合方法。首先对经过配准的待融合图像进行小波变换,然后对变换后的低频系数进行基于区域标准差的分割,将低频系数分为目标信息和背景信息,接着对目标信息采取基于绝对值的融合,对背景信息采用基于灰度误差的融合。对小波变换后的高频系数采用基于清晰度的融合规则,最后进行小波逆变换得到融合图像。将该方法和几种常用融合方法进行对比分析,结果表明:该方法在有效地保持多光谱影像光谱信息的同时,可以有效地提高融合影像的空间细节信息,有利于后续进行信息提取和图像分类。     

基于主成分变换的动态监测变化信息自动发现

主成分变换法在对多波段遥感影像处理过程中具有降维、压缩、影像增强的作用,也可利用其对多时相数据进行处理以自动发现精度不错的土地利用变化信息。结合主成分变换原理和不同的数据处理过程,可以用不同的方式实现土地利用变化信息的自动发现。在对已有方法进行总结分析的基础上,提出了两次主成分变换法进行变化信息自动监测,经验证,该方法在去除影像噪声对监测结果的影响方面具有很好的效果。     

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.     

基于小波表征的遥感影像的目标检测

指出了基于像素灰度值的影像表征方法在表达检测目标信息上的不足,提出了运用小波变换的方法对遥感影像进行信息提取和表达。为了增强表达检测目标信息的能力,采用H aar母小波作为影像小波变换的小波基。实验表明:基于小波变换的表征方法在遥感影像目标检测的诸多性能指标上都优于基于影像像素灰度值的表征方法。     

基于独立分量分析和支持向量机的遥感影像融合分类算法

遥感影像分类是遥感定量化分析的重要手段,遥感影像融合是提高分类正确率的有效途径之一。本文提出一种遥感影像的融合分类算法。首先采用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析的去相关性、稀疏特性以及很好地捕捉影像重要边缘信息、纹理信息的能力,提取融合影像的独立分量特征,并用支持向量机实现分类。与其他算法的主、客观比较结果表明,该算法的实验效果较好,可有效地提高遥感影像的分类精度。     

多源遥感影像融合在太湖蓝藻监测中的应用

基于空间分辨率分别为1 100 m和500 m的NOAA/AVHRR和EOS/MODIS遥感数据,考虑遥感影像区域内各像素之间的区域特征,设计了基于小波分析的区域能量融合方法(REFS_wt),低频小波系数采用平均值而高频系数采用区域能量法,并与基于像素灰度值的区域能量法(REFS_pl)进行融合性能比较,结果表明REFS_wt法的融合性能明显优于REFS_pl。将此方法应用于太湖蓝藻监测,将空间分辨率较低的AVHRR影像蓝藻水华信息与较高分辨率的MODIS影像融合,得到较高分辨率的太湖蓝藻水华遥感监测图,融合图像信息量和清晰度都有所提高。     

基于归一化相关矩的多分辨率遥感图象融合

多传感器数据融合技术已广泛应用于遥感图象处理方面 .针对遥感多光谱图象空间分辨率较低的问题 ,提出了一种基于归一化相关矩的多分辨率图象融合方法 .该方法首先对图象进行二维小波变换 ,然后根据所得到的高频小波系数的一阶、二阶统计特征来定义图象局部灰度相关矩 ,并以此作为图象融合测度来对遥感图象进行多分辨率特征融合 ,从而得到包含更多信息和有效特征的融合图象 .仿真结果表明 ,融合后的图象在保留多光谱信息和提高空间分辨率上均能获得较好的效果 ,因而可以更好地用于目标识别、分类等遥感图象处理方面