基于小波变换的遥感影像融合与评价

阐述了小波变换的Mallat算法,同时对遥感影像融合的分析与评价进行了深入的探讨,提出了综合利用三类统计参数进行评价的方法。经实验,评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影像融合的客观效果评价准则。     

遥感图像融合定量评价方法及实验研究

近年来融合技术不断创新,方法多种多样,但是对融合结果缺乏统一的定量评价方法。在分析与总结当前常用的遥感图像融合结果定量评价方法的基础上,给出了亮度信息、空间细节信息和光谱信息等定量评价参数,并且通过程序实现了定量评价。以IHS和PCA两种融合方法对QuickBird图像多光谱波段和全色波段融合作为实验,进行定量评价分析,结果表明所提出的定量评价参数能够较准确地反映图像融合情况,比定性评价有效、全面,可为选择恰当的融合方法提供依据。     

小波融合图像效果的因子分析评价方法

因子分析是一种有效的评价融合图像质量的方法。文中采用了小波sym5进行了多尺度图像融合的研究，并且通过主成分分析方法提取了细节信息因子和光谱信息流失因子等参数，作为图像的客观质量评价标准。实验证明，对于小波变换多尺度融合后的图像，该方法能够客观有效地评价其反映细节信息的参数（如信息熵和清晰度）以及反映光谱信息的参数（如扭曲程度和偏差指数）的变化趋势。理论分析结果，因子综合得分和观众评价得分结果具有良好的一致性。     

图像融合效果评价方法研究

随着遥感技术的发展，遥感数据越来越丰富。通过遥感图像融合可以综合利用各种遥感数据的信息，提高遥感图像解译和自动分类的准确性。图像融合的方法很多，但缺乏对融合图像效果评价的方法来综合评价融合方法的效果。本文采用标准差、信息熵和清晰度等定量参数来评价融合效果并用自动分类的精度来验证。     

结合熵主成分变换与优化方法的遥感图像融合

在遥感图像融合中,融合图像光谱失真是主要存在的问题,为此提出一种结合熵主成分变换与优化方法的图像融合方法。通过熵主成分变换将庞杂的多波段数据用尽可能少的波段表示出来,减少光谱维数,且从熵的贡献角度出发完成投影变换保留更多的源波段信息。取第一熵主分量,与直方图匹配后的全色图像进行小波变换,分别获取低频和高频子图。对低频子图采用量子粒子群优化方法搜索线性加权的最优融合权值,对高频子图采用统计特征与统计模型相结合的方式完成融合,小波融合结果作为第一熵主分量。最后,熵主成分逆变换得到融合后的遥感图像。选用熵、交叉熵、标准差、梯度、相关系数和光谱扭曲度作为客观评价指标。实验结果表明,所提方法能够提升空间细节且避免融合图像光谱失真。     

基于WBCT与归一化相关矩阵的红外与可见光图像融合算法

突出目标指示特性和提高空间分辨率是红外与可见光图像融合的重要问题。针对传统区域能量融合规则的局限性,提出了一种基于小波-Contourlet变换WBCT(Wavelet-based contourlet transform)和归一化相关矩阵与区域能量相结合的融合算法。采用一组红外与可见光图像数据进行融合实验,利用均值、标准差、熵、总体交叉熵和平均互信息评价指标对融合效果进行分析。对结果的分析比较表明,所提出的融合规则的效果优于小波融合方法及Contourlet变换方法,达到了良好的视觉效果。     

多源遥感图象信息保持型融合技术的研究

鉴于几种传统融合方法在提高空间分辨率,保持原始影象光信息方面的有缺点,介绍了几种新的多种信息融合方法,这些方法运用代数运算与线性计算,既可避免传统融合算法存在的信息丢失,又可以提高影像的几何分辨率;对几种融合方法的效果进行了讨论;特别详述了在融合过程中,如何充分利用各波段的优点,克服了其缺点的方法,并提出了一种实用的多源遥感影象融合的流程,分析了图象融合的应用前景,实验证明,这种流程适合大数据量,大范围的影象融合。     

基于支持向量机的高光谱影像分类研究

高光谱遥感技术,将反映目标辐射属性的光谱信息与反映目标空间几何关系的图像信息有机地结合在一起.高光谱影像丰富的光谱信息使其较全色遥感、多光谱遥感能够更好的进行地面目标的分类识别.本文综合利用支持向量机分类的若干关键技术,包括序列最小优化训练算法,多类支持向量机构造方法、核函数及其参数选择的交叉验证"网格搜索",给出了高光谱影像分类流程,进行了遥感数据试验分析.     

直觉模糊集合数据的聚类有效性分析

针对直觉模糊集合数据的聚类有效性问题,给出了一种用于发现最优模糊划分的聚类有效性方法.该方法采用直觉模糊相关度和直觉模糊熵两个重要因子来评价直觉模糊聚类的有效性.其中,直觉模糊相关度通过增加非隶属度参数对模糊相关度进行直觉化扩展,用于评价类与类间相关度的大小,同时加入权重参数解决了样本数据各维特征分配不均匀的问题,而直觉模糊熵用于检验分类结果的可靠性.最后通过实例验证了该方法对于紧致的、良好分离的教据集分类效果理想,其在目标编群、目标识别等信息融合领域有良好的应用前景.     

基于交叉熵的数字图像置乱程度评价方法

将交叉熵与图像的最优分块处理相结合,提出了一种基于分块交叉熵的数字图像置乱程度的评价方法。为了能用图像交叉熵反映出图像置乱效果,采用具有周期性的置乱变换进行实验,结果表明,该方法能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映了所用的置乱变换在各个加密阶段的效果。     

Assessments of Fusion Methods Using WorldView-2 SatelliteImages for Coastal Oyster Culture Observation

Image fusion is one of the most important steps in remote sensing information extraction.To select the appropriate fusion method is the crucial link.In this paper,Xiangshan Port in Zhejiang Province is the study area,and the oyster culture is the observation target.The satellite of WorldView-2 multispectral and panchromatic images were used to detect the distribution of the coastal oyster farming.The different five fusion methods,such as Principal Component Analysis (PCA),Gram-Schmidt(GS),NNDiffuse Pan Sharpening,Brovey Transform and Wavelet Transform,were evaluated by two of subjective qualitative and objective quantitative aspects.We compared the fused images with the original image using six kinds of statistical parameters including mean,standard deviation,entropy,average grads,correlation coefficient and spectral distortion to evaluate the images’ fusion performance.The results indicate that,for the characteristics of coastal oyster farming,the fusion image by principal component analysis method not only preserves detail spatial texture information but also maintains the spectral character well.The method of PCA is the most suitable fusion method for remote sensing applications in coastal oyster culture with WorldView-2 images.The fusion effect of GS is second to PCA,which can be used as an alternate method for fusion applications.NNDiffuse Pan Sharpening,Wavelet transform and Brovey transform are inappropriate for the identification and extraction of oyster culture floating raft.     

形态学滤波和改进PCNN的NSST域多光谱与全色图像融合

目的 全色图像的空间细节信息增强和多光谱图像的光谱信息保持通常是相互矛盾的,如何能够在这对矛盾中实现最佳融合效果一直以来都是遥感图像融合领域的研究热点与难点。为了有效结合光谱信息与空间细节信息,进一步改善多光谱与全色图像的融合质量,提出一种形态学滤波和改进脉冲耦合神经网络（PCNN）的非下采样剪切波变换（NSST）域多光谱与全色图像融合方法。方法 该方法首先分别对多光谱和全色图像进行非下采样剪切波变换;对二者的低频分量采用形态学滤波和高通调制框架（HPM）进行融合,将全色图像低频子带的细节信息注入到多光谱图像低频子带中得到融合后的低频子带;对二者的高频分量则采用改进脉冲耦合神经网络的方法进行融合,进一步增强融合图像中的空间细节信息;最后通过NSST逆变换得到融合图像。结果 仿真实验表明,本文方法得到的融合图像细节信息清晰且光谱保真度高,视觉效果上优势明显,且各项评价指标与其他方法相比整体上较优。相比于5种方法中3组融合结果各指标平均值中的最优值,清晰度和空间频率分别比NSCT-PCNN方法提高0.5%和1.0%,光谱扭曲度比NSST-PCNN方法降低4.2%,相关系数比NSST-PCNN方法提高1.4%,信息熵仅比NSST-PCNN方法低0.08%。相关系数和光谱扭曲度两项指标的评价结果表明本文方法相比于其他5种方法能够更好地保持光谱信息,清晰度和空间频率两项指标的评价结果则展示了本文方法具有优于其他对比方法的空间细节注入能力,信息熵指标虽不是最优值,但与最优值非常接近。结论 分析视觉效果及各项客观评价指标可以看出,本文方法在提高融合图像空间分辨率的同时,很好地保持了光谱信息。综合来看,本文方法在主观与客观方面均具有优于亮度色调饱和度（IHS）法、主成分分析（PCA）法、基于非负矩阵分解（CNMF）、基于非下采样轮廓波变换和脉冲耦合神经网络（NSCT-PCNN）以及基于非下采样剪切波变换和脉冲耦合神经网络（NSST-PCNN）5种经典及现有流行方法的融合效果。     

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。     

基于小波包变换的分频图像融合方法

利用多源遥感数据有利于以多种数据集互补的方式提供单一数据集无法提供的信息,图像融合则是多源信息集成的关键之一。本文提出了基于小波包变换的分频图像融合流程,即对于用小波包分解得到的低频和高频部分,采用不同的融合策略。采用熵、联合熵、偏差指数和边缘指数等作为定量指标,对这种流程的融合结果进行了质量评价。通过ETM 多光谱和全色图像融合实验表明这种方法在光谱信息保持和纹理信息增强上相较与传统融合方法有明显优势。     

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。     

一种基于互信息和小波分解的图像配准算法

为了寻找快速、精确、鲁棒性强的自动配准算法,论文提出了基于互信息和小波分解图像配准方法。假设实时图像和模板图像之间的变换为仿射变换,采用金字塔小波分解和边缘特征提取获得特征点,利用分层特征点方法进行配准,以互信息最大作为度量准则,在每层上利用互信息的最大值来获取变换参数,然后得到全局变换参数。仿真结果表明此方法具有很好的抗干扰性、鲁棒性和精确性。     

高分辨率卫星影像在城市建筑物识别中的初步应用

在对试验区IKONOS卫星高分辨率影像预处理的基础上，采用HIS变换法对1m分辨率全色影像和4m分辨率多光谱影像进行了融合处理；通过建筑物阴影提取了建筑物高程，采用正交小波变换方法提取了图像的纹理信息；采用了四种不同的特征图像组合方式，对试验区高，中，低层建筑物进行了分类。研究表明，由融合图像，高程信息和纹理信息参与的分类结果精度最高，对高层建筑物分类的精度可达80%。     

基于小波支持向量机的遥感影像融合

针对遥感影像融合中出现的对比度差、边缘模糊等问题,利用支持向量机的统计学习优势,结合方向滤波器组的多方向特性,提出一种基于支持向量机的遥感影像融合框架。由于小波核相对其他核函数对复杂的信号具有更好的逼近能力,因此利用Morlet母小波构造核函数,研究基于小波支持向量机的遥感影像融合,提高遥感影像融合的精确度。实验结果表明,该方法的融合效果优于传统的图像融合方法。