多尺度遥感影像融合技术及其算法研究进展

随着传感器光谱分辨率和空间分辨率的提高,现代遥感技术提供了金字塔状的可利用遥感数据。与此同时,也给遥感技术应用提出了挑战———如何充分、有效地利用多源、多尺度的遥感影像数据。影像融合技术为充分利用多源、多尺度的遥感影像数据提供了有效的途径。本文对目前多尺度影像融合技术及其算法的发展进行了系统分析,在此基础上,对影像融合技术的发展进行了简要的分析。     

遥感影像融合及高保真算法比较分析研究

随着传感器性能的提高,现代遥感技术提供了各种光谱分辨率、空间分辨率的遥感数据,如何充分、有效的利用多源、多尺度遥感影像数据成为遥感应用技术的一个挑战。本文系统阐述了遥感影像融合的理论和方法,详细分析了像素级、特征级、决策级遥感影像融合的方法和优缺点,深入探讨了Gram-Schmidt和SFIM两种高保真的融合方法,给出了融合结果的评价体系,结果表明SFIM融合方法是最优方法。     

TM与ETM影像融合用于地质构造解译

多源遥感影像数据融合是一种通过高级影像处理技术来复合多源遥感影像的技术，其目的是将单一传感器的多波段信息和不同传感器提供的信息加以综合，以提高获取信息的有效性和准确性，解译的可靠性，以及形成对目标的完整一致的描述。本采用TM与ETM经图像处理和融合，用于对地质构造解译，取得良好效果。     

航测内业中遥感影像融合方法

科学技术的不断进步促进了现代遥感技术的发展,通过航测获得的遥感数据精度也越来越高,不同时相、不同分辨率、不同传感器获得的遥感数据的融合也显得越来越重要。本文分析多源遥感数据的融合技术,探讨各种技术之间的优点和缺点,以促进业内对遥感影像融合方法的探索,提高遥感影像的利用价值。     

TM与SPOT影像融合算法比较研究

随着遥感技术的发展,获取遥感数据的手段越来越丰富,各种不同的传感器所获取的影像数据与日俱增,在同一地区形成了多时相、多分辨率的影像序列金字塔。如何综合各种类型的遥感影像信息,提高遥感数据的利用效益已成为遥感应用的瓶颈问题。多源遥感数据融合技术是解决这一问题的有效手段,即将同一地区不同类型的影像数据进行空间配,然后采用一定的算法将各种影像数据中所含的信息优势或互补性有机的结合起来,产生新影像的过程。以Landsat和SPOT数据为例进行了这方面的探讨。为了充分利用TM丰富的光谱信息和SPOT较高的空间分辨率,研究中引入了4种影像融合算法：加权融合、K－L变换、K－T变换、基于信息特征的融合。通过信息量和分类精度的比较,表明基于信息特 的融合效果较好。     

高分辨率遥感影像融合存在的问题及改进措施

影像融合技术作为富集和优化多源遥感影像信息的一种有效途径一直受到遥感界和图像处理领域的关注，并且已开发出多种融合方法。但是随着高分辨率遥感卫星的发展。当前一些融合方法对新型高分辨率遥感影像如IKONOS、Quick—Bird的融合效果欠佳，颜色差异是存在的主要问题。本文从高分辨率遥感影像光谱特征的分析入手找到颜色偏差的原因，同时给出了多种改进措施．然后分别利用传统的和改进的方法进行了融合试验，并对试验结果进行对比分析，以期找到对新型高分辨率遥感影像融合更加适用的方法。     

基于改进的自组织映射网络的遥感影像融合研究

多源遥感影像融合是富集遥感海量数据的最有价值的技术手段。本文给出了一种新的基于改进的自组织映射网络的遥感影像融合模型。选择浙江绍兴为典型研究区，以Landsat TM(10m)与SPOT-4 Pan(10m)融合数据为例，进行了融合实验与分析。实验结果表明，应用基于改进的自组织映射网络模型进行融合，分类融合结果较好，较基于基本自组织映射网络的影像融合分类精度提高约8％。     

多源遥感影像数据融合

综述了多源遥感影像数据融合技术,包括融合的信息表示、融合原理、融合系统框架模型、融合的算法、控制及应用,最后指出了融合中存在的问题、可能解决途径和未来发展趋势。     

基于多源遥感数据融合的地表覆盖分类方法

针对当前地表覆盖分类结果精度低的问题，提出基于多源遥感数据融合的地表覆盖分类方法。首先，将红-绿-蓝（Red Green Blue,RBG）、数字表面模型（Digital Surface Model,DSM）和归一化植被指数（Normalized Differential Vegetation Index,NDVI）作为编码器的3个分支，生成地表覆盖遥感影像语义分割网络；其次，利用多源遥感数据融合技术构建地表覆盖分类模型；最后，通过对模型的训练和优化，输出空白域自适应与影像地表覆盖分类结果。实验结果表明，该方法可以实现对多种地表覆盖类型的高精度划分，具有一定的应用价值。     

IHS和小波变换结合多源遥感影像融合质量对小波分解层数的响应

随着遥感技术的快速发展以及遥感数据的广泛应用,影像的融合处理已成为多源遥感影像信息聚合、获取高质量空间影像的有效途径。基于SPOT全色和多光谱、TM多光谱遥感数据,运用IHS和小波变换相结合的融合方法,进行了不同来源影像融合、融合图像质量对小波分解层数的响应以及这种响应对研究区域面积的敏感性分析。结果表明,多源影像之间的IHS和小波变换相结合的融合方法明显地改善了影像的质量;融合图像质量与原始影像空间分辨率相关,如经1层小波变换融合,TM,SPOT融合图像熵值的增幅分别为2095%,019%。小波融合图像质量对小波分解的层数的敏感性较强,在小波分解层数为2,3或4时,都能获得高质量的融合图像;小波分解层数等于或大于5时融合图像质量下降,7是大幅下降的临界层数。融合图像质量对小波分解层数的响应特性对面积大小变化是敏感的,特别是小面积图像,为此,实际应用中需特别注意最佳分解层数问题。     

多源遥感信息融合技术在土地沙化监测中的应用研究

多源遥感信息融合技术是一种遥感信息综合处理与分析的新方法。本文首先介绍多源遥感信息数据融合技术,然后分析和总结多源遥感信息融合技术在土地沙化监测中的应用情况。分析表明,多源遥感信息融合技术在土地沙化分析中可以提供更加准确的检测结果,具有广阔的应用前景。     

一种基于小波变换的多尺度图像融合方法

近年来图像的数据融合技术在图像处理领域中得到了广泛的重视和应用。如何对同一目标的多源遥感图像数据进行有效的融合，最大限度地利用多源遥感数据中的有用信息，提高系统的正确识别、判断和决策能力，是遥感数据融合研究的重要内容之一。在小波变换金字塔结构的基础上，提出了一种基于小波变换的多尺度图像融合方法，对热红外与可见光图像进行了融合处理。实验结果表明，该融合方法十分有效，获得的融合图像更符合人们的视觉特性，更有利于机器视觉。     

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。     

以图像为主的多模态感知与多源融合技术发展及应用综述

不同模态的表现方式不同,描述目标的角度也会不同。多模态感知与多源融合技术是将两种或两种以上的模态组合起来,融合不同传感器、不同平台收集到的数据、特征信息,兼顾不同图像的优势,在遥感监测、军事安防、自动驾驶等领域有着广泛的运用。介绍了热成像、高光谱成像、偏振成像、合成孔径雷达(SAR)、激光雷达(LiDAR)等多模态感知技术,总结了不同成像方式的特点与联系,简述了多源融合相关概念及其技术发展历程,重点分析了不同模态下图像融合案例,在此基础上归纳多模态感知和多源融合技术的发展趋势,最后基于融合算法、系统整体性、评价指标总结出进一步发展方向。     

多传感器信息融合概述及其应用

多传感器数据融合广泛应用于自动目标识别、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合技术的概念,对信息融合的算法进行了概述,提出了基于粗糙集理论的多源信息融合算法,最后对多传感器融合技术的研究动向进行了展望。     

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     

SVM在多源遥感图像分类中的应用研究

在利用遥感图像进行土地利用/覆盖分类过程中,可采用以下两种途径来提高分类精度:一是通过增加有利于分类的数据源,引入地理辅助数据和归一化植被指数(NDVI)来进行多源信息融合;二是选择更好的分类方法,例如支持向量机(SVM)学习方法,由于该方法克服了最大似然法和神经网络的弱点,非常适合高维、复杂的小样本多源数据的分类。为了提高多源遥感图像分类的精度,还研究了支持向量机在遥感图像分类中模型的选择,包括多类模型和核函数的选择。分类结果表明,支持向量机比传统的分类方法具有更高的精度,尤其是基于径向基核函数和一对一多类方法的支持向量机模型更适合多源遥感图像分类,因此,基于支持向量机的多源土地利用/覆盖分类能大大提高分类精度。     

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2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。