基于亮度平滑滤波调节(SFIM)的SPOT5影像融合

遥感影像融合不仅要求提高原多光谱影像的空间分辨率,更重要的是保留影像的光谱信息,减少失真。为分析SFIM算法融合SPOT-5影像的光谱保真效果,首先采用IHS、小波和SFIM算法对SPOT-5的全色影像和多光谱影像进行融合,生成新的高分辨率多光谱影像。然后采用均值、相关系数、熵、标准差、梯度五个指标对SFIM不同滤波窗口的融合结果评价;最后采用以上定量评价指标对不同方法的融合结果进行分析评价。结果表明:和传统的IHS、小波融合方法相比,SFIM融合不仅提高了影像的空间分辨率和清晰度,而且较好地保持了原多光谱影像的光谱特征。     

TM多光谱与SPOT 全色遥感图像融合算法对比

融合技术是遥感数据处理中一种重要的方法。而TM多光谱与SPOT全色图像是遥感融合最为普遍的选择。为了对比分析不同方法在融合TM多光谱与SPOT全色图像上的效果,提出基于色彩空间的HSV变换、基于算数技术的Brovey变换和Gram—Schmidt波谱锐化3种融合方法相结合,实现了对同一传感器的全色和多光谱数据融合。试验表明:就空间信息量而言,经过HSV变换的图像具有最大的空间信息,但其光谱保真能力最差;Brovey变换最大限度保持了原始图像的光谱信息,而空间信息的详细程度较差;Gram-Schmidt波谱锐化后的影像不仅保持了多光谱影像的光谱信息,同时又保持了高光谱全色影像的空间细节信息,是一种较好的图像融合方法。     

基于IHS变换和亮度调节的遥感图像融合方法*

为了能更好地将来自多传感器的遥感图像信息综合起来,在分析了几种典型的遥感图像融合方法后,基于IHS变换和亮度调节的思想探讨了一种新的遥感图像融合方法.通过两组仿真试验将该算法与IHS融合法、基于IHS变换和小波变换相结合的融合方法进行了比较,定性和定量的评价分析表明,提出的融合方法获得了基于IHS变换与小波变换相结合的融合方法相同甚至更好的融合效果,但算法更加简化.     

区域特征动态加权的IHS小波遥感图像融合

研究传统的IHS变换、小波变换和两者结合的图像融合方法,提出一种区域多元特征动态加权的IHS小波遥感图像融合算法。结合IHS变换和小波变换的优点,对匹配后的新全色分量和IHS变换后多光谱图像的亮度分量,采用多元特征动态加权法进行小波融合。实验结果表明,与传统融合算法相比,该算法在空间细节增强和光谱信息保持方面性能较优。     

一种基于结构相似度的IHS变换融合算法

由于IHS色彩空间表现的颜色更加符合人眼的视觉规律,因此,IHS变换在遥感影像融合中被广泛应用。针对传统的IHS变换融合算法进行融合实验时有较大的色彩畸变问题,提出了一种基于结构相似度（Strucral Similarity SSIM）的IHS变换融合算法。对影像进行IHS变换之后,计算原始多光谱影像I分量与全色波段影像的SSIM矩阵,并由该SSIM矩阵确定对应不同区域的新的亮度分量I。实验结果表明,该算法在增强影像空间分辨率的同时,能很好地保持其光谱特征。     

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。     

不同遥感影像融合方法效果的定量评价研究

随着遥感影像融合技术研究的发展,提出了许多遥感影像融合的方法。在实际应用中,为了正确和有效地利用融合方法,定量评价不同融合方法的效果是非常必要的。本文对小波法(WT)、Gram_Schimdt法(GS)、合成变量系数法(SVR)以及基于平滑滤波的亮度变换法(SFIM)四种融合方法,在中等分辨率、高分辨率两种情况下,从影像融合的光谱信息保真度和空间信息融入度两方面进行了定量评价。结果表明:在空间信息融入方面,无论是中等分辨率影像融合,还是高分辨率影像融合,SVR法效果最佳,GS法、SFIM法和WT分别次之;在光谱信息保真方面,在中等、高分辨率影像融合中的效果有所不同,其中在中等分辨率影像融合中,GS法效果最佳,SVR法、SFIM法、WT法分别次之,而在高分辨率影像融合中,GS法效果最佳,SVR法、WT法、SFIM法分别次之。     

基于IHS的高分辨率遥感影像自适应融合算法

在分析几种IHS算法的基础上,提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换,从亮度成份构成和空间细节注入程度两个方面加以改进,采用相关系数来调整权重,避免了人工指定权重带来的主观因素偏差,在提高影像空间细节和光谱保持之间取得了较好的均衡,同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析,该算法均优于其他几种改进算法。     

小波局部高频替代融合方法

IHS变换是图象融合的经典算法之一。采取IHS变换与小波变换结合的融合算法是近年发展起来的遥感数据融合方法,发挥了IHS和小波两种变换算法的优点。效果比用单一一种方法更显著,提出了小波局部高频替代的融合方法。ETM遥感数据5、4、3波段由IHS盂塞尔彩色空间正变换后的Ⅰ亮度分量,经与全色波段中高能量替代的小波变换,形成一个新的集中了Ⅰ亮度分量和全色波段高频能量的新分量,再通过IHS进行反变换,经过实验,表明此方法可显著提高融合后图象的分辨率,同时又保持了原来多光谱图象的光谱信息。将此方法处理结果用在四川岷江“退耕还林”遥感调查项目中,可以提高土地利用计算精度。     

一种改进亮度平滑滤波调节图像融合算法

针对基于亮度平滑滤波调节(SFIM)遥感图像融合存在的空间细节信息提高不足,光谱存在一定失真的问题,提出了一种改进SFIM算法.该算法在SFIM基础上,结合平滑滤波和加权平均等方法,对SFIM的不足进行了改进;但保持了SFIM算法简单,运算快捷的优点.实验结果表明改进算法在空间细节增加,对比度以及光谱保持方面有了明显改善.     

地球观测1号高光谱与全色图像融合的最佳方法

受制于成像原理及制造技术等因素,航天高光谱遥感图像的空间分辨率相对较低,为此提出将高光谱图像与高空间分辨率图像进行融合处理,设计最佳的增强高光谱遥感图像空间分辨率的融合算法。针对地球观测1号(EO-1)Hyperion高光谱图像和高级陆地成像仪（ALI）全色波段图像的特点,从9种具体遥感图像融合算法中选用4种融合算法开展山区与城市的数据融合实验,即Gram-Schmidt光谱锐化融合法、平滑调节滤波(SFIM)变换融合法、加权平均法（WAM）融合法和小波变换（WT）融合法,并分别从定性、定量和分类精度三方面对这些方法的融合效果进行综合评价与对比分析,从而确定适合EO-1高光谱与全色图像融合的最佳方法。实验结果显示：从图像融合效果看,在所采用的4种融合方法中,Gram-Schmidt光谱锐化融合法的效果最好;从图像分类效果看,基于融合图像的分类效果要优于基于源图像的分类效果。理论分析与实验结果均表明：Gram-Schmidt光谱锐化融合法是一种较为理想的高光谱与高空间分辨率遥感图像的融合算法,为提高高光谱遥感图像的清晰度、可靠性及图像的地物识别和分类的准确性提供有力的支持。     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

通过直方图中轴化提高融合图像光谱保真度

针对遥感图像融合过程中光谱失真问题,提出一种基于直方图中轴化策略的图像融合算法。首先,将多光谱图像进行IHS变换;然后,采用直方图中轴化策略调整多光谱图像强度分量图像和全色图像的像素直方图,使之趋于一致;最后,进行IHS反变换获得高质量的彩色图像。理论分析和实验结果表明,该算法不仅可以较好地抑制融合图像光谱失真,同时也能有效保留融合图像的空间分辨率,算法步骤简单、容易实现;与四种传统融合算法（IHS变换、主成分分析（PCA）法、小波变换（WT）法、Brovey）相比,该算法生成的融合图像具有良好的视觉效果,特别是在峰值信噪比（PSNR）、光谱扭曲度和信息熵等客观评价指标中明显优于对比算法。基于直方图中轴化策略融合的遥感图像光谱失真度小、空间信息保持度高。     

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。     

面向土地覆盖分类的MODIS影像融合研究

MODIS影像的多波段及其1、2波段的250 m中等分辨率为大区域中空间分辨率的土地覆盖制图提供了可能。为了有效利用MODIS影像的空间和光谱信息,使用SFIM、HPF和PCA变换等遥感影像融合方法,分别采用MODIS影像的波段1(b1)和波段2(b2)对3~7(b3~b7)波段进行融合,并就融合影像的光谱保真度和分类精度对6种不同融合结果进行评价。结果表明不同的融合结果得到的分类精度均有不同程度的提高;3种融合方法中使用b2的融合效果均优于b1;SFIM变换在光谱失真较小的情况下能够较大程度地提高分类精度。因此使用b2的SFIM变换可以用于提高MODIS土地覆盖图的空间分辨率和精度。     

异源、同源传感器影像融合的比较研究

遥感影像的融合是遥感界的一个研究热点。根据数据源的不同,影像融合可分为异源传感器影像融合和同源传感器影像融合。以TM与SPOT作为异源影像融合的例子,以IKONOS的MS与Pan作为同源影像融合的例子,用5种算法对两种融合类型进行实验与比较。结果表明,同源传感器影像的融合效果好于异源传感器影像的融合效果;不同的融合算法在异源和同源传感器影像融合中的表现不尽相同。SVR变换可同时应用于异源及同源传感器影像的融合,且在提高影像空间分辨率、信息量和清晰度的同时能很好地保持原始多光谱影像的光谱特征。SFIM虽然也可以在两种数据源的融合实验中获得较好的融合效果,但其高频信息融入度最差。MB虽然提高了融合影像的高频信息融入程度,但光谱保真度、信息量和清晰度却不理想。Ehlers适用于异源传感器影像间的融合,而WT则适用于同源传感器影像的融合。     

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。