基于遥感图像融合的目标检测算法

在一些遥感图像中由于目标不清晰或背景复杂,使得目标的检测变得困难.图像融合可以把来自多传感器的图像信息综合起来,提高对图像信息分析和提取的能力.通过把同一目标的不同传感器获得的图像数据利用小波包变换进行融合,这种方法能够很好地将多源图像的细节融合在一起,得到目标较为清晰的融合图像.在此基础上利用数学形态学的方法进行目标检测,得到了满意的效果,证明了这种方法的有效性.     

基于目标检测的多源遥感图像特征融合方法研究

提出了一种基于目标检测的多源遥感图像特征融合方法.首先,在单源图像上检测目标,利用图像的大地坐标信息,自动截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像上目标的特征信息,根据其中冗余的特征信息对提取的目标区域进行关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策得到特征融合结果.实验结果表明,方法能有效地利用多源遥感图像的信息,提高所获取目标特征的准确度.     

基于视觉注意机制的遥感图像显著性目标检测

显著性目标检测是遥感图像处理的重要研究领域,传统的方法通过逐个像素点的计算来实现目标检测,难以满足遥感图像大面积实时处理的要求。将视觉注意机制应用到遥感图像的显著性目标检测中,在训练阶段,将所有的目标融合成目标类,所有的背景融合成背景类,目标类的显著性均值与背景类的显著性均值的比值得到一个权重向量;在检测阶段,所有的特征图乘以权重向量得到自顶向下的显著性图;自顶向下和自底向上的显著性图融合生成全局显著性图。实验结果表明当目标和背景不是总成对出现时,该方法的检测结果优于Navalpakkam模型和Frintrop模型的检测结果。     

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。     

热红外与多光谱遥感图像的神经网络回归融合方法研究

为验证神经网络方法用于遥感图像融合的有效性,归纳了利用神经网络对遥感数据进行回归来实现融合的3种途径,并提出了一种结合图像数据回归和多光谱遥感图像锐化技术来实现热红外图像的全色锐化新方法。这种热红外图像的全色锐化方法,利用了极限学习机（ELM）这种新型神经网络算法,快速高效地由训练样本得到遥感图像数据间的回归关系;同时,方法注重图像数据本身的物理含义,以提高热红外图像数据的真实质量为目标,是一种定量化的图像融合方法。经这种方法融合得到的热红外数据也能很好地用于定量遥感的物理模型,为遥感的实际应用提供方便。该方法的有效性通过对ETM+图像进行实验得到了证明,而直接对热红外图像数据和全色图像数据进行回归的融合模式,在实验中则无法得到满意的结果。     

基于深度学习的遥感图像目标检测技术研究进展

目标检测是遥感图像信息提取领域中的研究热点之一,具有广泛的应用前景。近些年来,深度学习在计算机视觉领域的发展为海量遥感图像信息提取提供了强大的技术支撑,使得遥感图像目标检测的精确度和效率均得到了很大提升。然而,由于遥感图像目标具有多尺度、多种旋转角度、场景复杂等特点,在高质量标记样本有限的情况下,深度学习在遥感图像目标检测应用中仍面临巨大挑战。从尺度不变性、旋转不变性、复杂背景干扰、样本量少和多波段数据检测5个角度出发,总结了近几年基于深度学习的遥感图像目标检测方法。此外,对典型遥感图像目标的检测难点和方法进行分析和总结,并对公开的遥感图像目标检测数据集进行概述。最后阐述了遥感图像目标检测研究的未来趋势。     

基于云影距离模型的遥感图像多尺度融合算法

为了对含云及云影遥感图像上的云影进行有效消除,首先构建了遥感云影成像距离模型,并依据遥感云影距离模型,提出了一种新的云影识别算法,用来对有云遥感图像中的云层和阴影进行检测与识别,并生成融合区域图;然后在融合区域图的基础上,提出了一种多尺度图像融合算法,用来消除云影,即先对源图像进行多尺度几何分解,得到源图像的粗糙和细节分量,然后对云影区域和非云影区域分别采用不同的融合策略进行处理得到融合图像。仿真实验结果表明,该新融合算法不仅对薄云的消除效果非常好,而且对厚云及阴影的消除效果也非常好,且不会产生衔接边缘。     

多源遥感图像融合方法研究

研究多源遥感图像的融合技术,针对不同传感器获取的遥感图像像素信息有很大差异.当所要融合的图像是多源遥感图像时,应提取多图像的有效信息,组合出高质量的图像.传统IHS图像融合方法无法避免多源图像像素不匹配带来的有效像素丢失,造成融合图像模糊,清晰度不高的问题.提出一种基于Contourlet变换的遥感图像融合方法,通过对图像进行Contourlet变换后提取各源图像的特征信息,并计算提取特征所包含的信息量,选取高信息景的特征进行融合,最后通过进行Contourlet逆变换即得到多源融合图像,利用信息量融合配准的方法就避免了直接对不匹配像素运算而造成的有效像素丢失.实验证明,改进的优化融合方法能够保留图像的有效信息,得到高清晰度的融合图像.     

仿真图像作为模板的遥感影像小目标检测方法

随着传感器技术和航空遥感技术的不断进步,遥感影像的质量和数量也得到了极大的提高,而遥感影像中的目标检测是理解和分析遥感影像所面临的一个基本问题。针对神经网络在遥感影像小目标检测任务中难以提取足够多的有效特征、遥感小目标易受云雾遮挡等问题,提出了一种基于仿真图像模板匹配的方法,通过特征融合的方式成功地将该方法应用于遥感影像小目标检测任务。成像仿真技术生成的仿真图像包含了更多的遥感小目标特征,如几何形状、材质等。在与深度学习结合之后,更多的特征可以提升神经网络检测遥感影像小目标的准确率。实验结果表明将基于仿真图像的模板匹配方法应用于深度学习之后,对于遥感影像小目标检测取得了较好的效果,尤其是针对受到云雾等天气干扰的小目标。     

一种抑制SAR图像斑点噪声的图像融合方法

首先研究了图像融合小波基的选区,并利用提升小波技术分别对合成孔径雷达图像和光学遥感图像进行小波提升分解;然后,对分解后的SAR低频分量进行邻域平均,再与光学图像的低频分量进行加权平均;为了抑制SAR图像斑点噪声的影响,重点研究了高频分量的融合方法,并提出了一种依据斑点噪声特征变化而自适应地改变融合窗口的方法,该方法提高了SAR图像的目标解译和识别能力;最后,使用融合前后的SAR图像进行图像的目标检测,结果表明,融合后的图像能够明显抑制SAR斑点噪声影响,使SAR图像目标检测的效果更佳。     

结合区域特性和非子采样SPT的图像融合方法

针对基于方向可控金字塔变换的图像融合方法中存在的缺点与不足,提出了一种基于区域特性和非子采样方向可控金字塔变换(NSSPT)的图像融合方法.首先采用NSSPT对源图像进行多尺度、多方向分解,得到低频子带、高频子带以及各方向带通子带系数;然后,针对高频和带通子带系数的选择,结合各子带图像的区域特性,给出了一种基于区域均值能量匹配的"加权平均"与选择相结合的系数融合策略;而对于低频子带系数则给出一种基于灰度均值偏差的选择与加权平均的系数选择方案,得到了融合图像的NSSPT系数.最后,经过NSSPT逆变换得到融合图像.对多组不同的源图像进行融合实验仿真,实验结果表明该方法可以避免"人为"效应或高频噪声的引入,能够获得视觉效果更佳、细节更为丰富的融合图像,其融合效果要优于基于传统的金字塔变换、小波变换以及方向可控金字塔变换的图像融合方法.     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

基于拉普拉高斯金字塔的数字图像融合研究

阐述了基于拉普拉斯金字塔图像融合的原理和方法,首先对原图像分别进行拉普拉斯金字塔分解,接着在对应的分层子图像上采用变换区域特征量测法进行融合,然后对得到的拉普拉斯金字塔反变换得到融合图像。通过使用MATLAB软件对本文研究的融合算法进行仿真实验,实验结果证明基于拉普拉斯金字塔图像融合方法得到的融合图像视觉效果良好,可视化清晰,图像质量得到了较大提高,该技术可广泛应用于多种研究领域。     

基于方向可调滤波器的不同焦点图像融合

该文提出了一种基于方向可调滤波器的图像融合新方法。在该方法中,采用方向可调滤波器及其Hilbert变换组成的正交滤波器组,分析两幅不同焦点图像的高频成分中的主要方向及局部方向能量,自动判别出每幅源图像中的清晰部分,并把各个清晰区域融合入结果图像中。仿真试验表明,这种算法能很好地保存图像边界及纹理信息,并具有较好的综合感观。     

基于改进拉普拉斯金字塔的图像融合方法

提出了一种新的基于改进拉普拉斯金字塔变换的图像融合算法。传统拉普拉斯金字塔变换的重构算法在图像在融合过程中会引入噪声,而改进的重构算法能有效抑制融合噪声。首先将图像进行拉普拉斯金字塔分解,得到各层拉普拉斯金字塔图像,针对不同的分解层图像,采用不同的方法进行融合,最后采用改进的拉普拉斯金字塔重构算法进行重构,得到最终的融合图像。通过仿真实验验证了算法的有效性。     

基于PCA的拉普拉斯金字塔变换融合算法研究

阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法：对原图像分别进行拉普拉斯金字塔分解,分别对高频部分采用主元分析（PCA）法融合,对低频部分采用平均梯度法进行融合,对拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合,以及对不同焦距图像融合的结果分析,该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像。     

Using multiple orientational filters of steerable pyramid for image registration

Images acquired by different methodologies are fused to achieve more accurate information and a comprehensive understanding about the objects. With an increasing number of sensors involved, the signal acquisition and analysis system will benefit from the technique named sensor fusion or data fusion. Many successful applications have been found in the areas of computer vision, remote sensing, medical diagnosis, non-destructive testing, etc. Before the image fusion operation, a preprocessing, i.e. registration, needs to be performed, which ensures that all pixels are associated with corresponding physical points of the object. In this paper, we present an automatic two-dimensional image registration method by using a so-called steerable pyramid transform. Based on the steerability of the transform, image features along certain orientations can be obtained. Thereafter, an edge detector, such as Sobel, can further extract oriented edge features of the image. A coarse-to-fine procedure is adopted to utilize these features to achieve the registration result. The effectiveness of the proposed method is illustrated by the experimental results.     

基于孪生卷积神经网络的图像融合

传统的图像融合算法多有计算复杂程度高、不能有效提取图像纹理等不足,为了弥补以上传统算法,提出了一种基于孪生卷积神经网络（Siamese Convolutional Neural Network,Siamese CNN）的图像融合方法.首先,用孪生卷积神经网络生成一个权重图,该权重图包含了来自两个待融合图像的全部像素信息.然后,用图像金字塔对像素以多尺度的方式进行融合,并且采用了局部相似性策略自适应调整分解系数的融合模式.最后,和现存的几种图像融合的方法进行了对比.实验证明,该方法有较好的融合效果,具有一定的可实用性.     

多尺度变换像素级医学图像融合：研究进展、应用和挑战

基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点,广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述,阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面,以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。在融合规则方面,围绕Piella框架和Zhang框架,讨论通用的像素级图像融合框架;在低频子带融合规则方面,总结基于像素、区域、模糊理论、稀疏表示和聚焦测度的5种融合规则;在高频子带融合规则方面,综述基于像素、边缘、区域、稀疏表示和神经网络的5种融合规则。总结12种跨模态医学图像融合方式,讨论该领域面临的主要挑战,并对未来的发展方向进行展望。本文系统梳理了多尺度变换像素级图像融合过程中的多尺度分解方法和融合规则,以及多尺度变换在医学图像融合中的应用,对多尺度变换像素级医学图像融合方法的研究具有积极的指导意义。     

基于方向可调滤波器和小波分析的图像融合

小波分析方法是一种常用的图像融合方法。文中结合方向可调滤波器，给出了一种新的融合算法。该算法在小波分解的各方向上的细节信息利用方向可调滤波器计算局部能量。采用基于局部能量的测量进行融合。试验结果表明该方法优于传统的小波融合方法，融合效果较好。