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。     

沿海牡蛎养殖的WorldView-2影像融合方法评价

针对沿海牡蛎养殖模式的特点,使用WorldView-2影像为数据源,以浙江省象山港牡蛎养殖区为研究区,采用主成分分析(Principal Component Analysis,PCA)、GS(Gram-Schmidt)变换、NNDiffuse Pan Sharpening、Brovey变换、小波变换(Wavelet Transform)5种融合方法对多光谱和全色影像数据进行融合,选用均值、标准差、信息熵、平均梯度、相关系数和光谱扭曲程度6种客观评价指标,对5种融合结果进行主观定性和客观定量的评价与分析。结果表明:整体上,经PCA方法融合后的遥感影像在保持空间纹理细节信息的同时,光谱信息保持较好,是WorldView-2影像进行沿海牡蛎养殖遥感应用时最适合的融合方法;GS融合效果仅次于PCA;而NNDiffuse Pan Sharpening、Wavelet变换和Brovey变换均不适合浮筏识别与提取。     

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。     

中高分辨率遥感影像融合研究

以浙江省衢州市的一个区域作为研究区,在阐述遥感图像融合原理的基础上,以QuickBird、SPOT5和Landsat ETM+全色与多光谱遥感图像为数据源,应用Brovey变换、SVR变换、PCA变换、Pansharp变换和Gram-schmidt变换等融合方法,对上述3类遥感图像进行了融合试验和分析,并从光谱信息和空间信息两个方面对融合效果进行计算分析,来比较这几种融合算法用于QuickBird、SPOT5、ETM+遥感图像融合的效果。研究结果表明,在QuickBird影像融合时Gram-schmidt变换法的效果最好。Pansharp变换法在SPOT5影像融合时综合效果优于其它方法。ETM+影像融合时,Gram-schmidt变换的光谱退化最小;在空间信息增强方面:Brovey变换在波段2、3融合时效果最好,在波段1、5、7上,SVR变换法优于其它变换法,而波段4融合时则是Pansharp变换最佳。     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

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。     

无人机航片和卫星影像融合算法

针对基于无人机影像和卫星影像彩色变换(hue-intensity-saturation,HIS)时,传统确定I分量的方法具有光谱信息缺失和难以精确确定的问题,提出一种选取最优波段替代I分量的方法,改进了HIS变换方法。该方法对无人机影像与卫星影像做相关分析,根据相关性为无人机影像各波段给一个权重系数,波段相互运算,从而确定替换HIS融合中的I分量,进行HIS逆变换获得融合影像。通过与原始HIS变换和主成分分析(principal components analysis,PCA)的比较,改进的HIS变换实现了无人机航片影像和高分辨率卫星影像融合,一定程度上克服了原始HIS变换和PCA变换融合效果不佳,光谱扭曲程度较大,空间信息丰富度小的缺点。基于高分二号影像和无人机影像进行实验验证。实验表明,使用改进HIS变换进行融合,其融合效果比较好,具有光谱扭曲小、空间信息丰富、细节表现良好等优点。     

Sentinel-2卫星影像融合方法与质量评价分析

Sentinel-2卫星传感器获取的是3种不同空间分辨率的光学遥感影像,如何通过融合方法提高较低空间分辨率波段的空间分辨率成为Sentinel-2数据应用面临的问题之一。以Sentinel-2B影像为数据源,利用相关系数最大法、中心波长最近邻法、像元值最大法和主成分分析等4种方法从4个10 m分辨率的波段中产生一个高分辨率波段;采用主成分分析、高通滤波、小波变换、Gram-Schmidt变换以及Pansharp共5种融合方法,对产生的高分辨率数据和6个20 m分辨率的多光谱数据进行融合,并从定性、定量(信息熵、平均梯度、光谱相关系数、均方根误差和通用图像质量指数)以及融合影像的分类精度3个方面对融合效果进行评价,结果表明:相关系数最大法的Pansharp方法融合图像质量优于其他融合方法,分类精度略低于最高的像元值最大法的GS方法,并且远高于4个原始10 m分辨率的多光谱影像的分类精度。从实验数据的分类精度分析,不同融合方法在不同地物提取中各有优势,在实际应用中,应根据实际研究需要,选择适宜的方案。该研究可为Sentinel-2卫星以及相似卫星数据处理和应用提供参考。     

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。     

融合空—天遥感数据的毛竹林叶绿素含量反演模型对比研究

毛竹(Phyllostachys edulis)是我国南方集约经营广泛且十分重要的森林资源之一,叶绿素含量(CCI,chlorophyll content index)是反映植物健康状况和生长情况的重要指标,实现毛竹林叶绿素含量遥感反演对监测毛竹林健康程度具有重要意义。本研究以毛竹为对象,基于卫星遥感影像与无人机多光谱数据,通过运用HSV(Hue-Saturation-Value)变换、GS(Gram-SchmidtPan Sharpening)变换、PCA(Principal Component Analysis)变换3种方式,实现Landsat 8多光谱影像与无人机(UAV,Unmanned Aerial Vehicle)高分辨率单波段影像数据融合;选取8种植被指数,利用K邻近(KNN,k-Nearest Neighbor)回归、随机森林(RF,Random Forest)回归和CatBoost回归3种机器学习模型构建毛竹林叶片叶绿素单位含量反演模型。结果表明：(1)就融合效果而言,GS为最优模型,其变换均值、标准差、平均梯度联合熵、空间频率均最高,分别为73.407 8、80.6...     

面向亚像元级积雪信息提取的MODIS影像波段融合方法研究

MODIS影像因其共享性和时间序列的完整性而成为大区域积雪监测研究广泛使用的数据源,进行MODIS影像波段间融合,能够为积雪研究提供较高分辨率的影像数据源。为了充分利用MODIS影像250 m分辨率波段的空间和光谱信息,提取亚像元级的积雪面积,使用两种具有高光谱保真度的影像融合方法：基于SFIM变换和基于小波变换的融合方法,采取不同的波段组合策略,对MODIS影像bands 1~2和bands 3~7进行融合,并以Landsat TM影像的积雪分类图作为“真值”,对融合后影像进行混合像元分解得到的积雪丰度图的精度进行评价。结果表明：利用基于SFIM变换和小波变换方法融合后影像提取的积雪分类图精度较高,数量精度为75%,比未融合影像积雪分类图的精度提高了6%,表明MODIS影像波段融合是一种提取高精度积雪信息的有效方法。     

基于小波变换理论的影像融合及评价

研究了基于MALLAT小波变换与静态小波变换(SWT)改进的IHS影像融合方案,并与标准IHS,BROVEY,PCA融合算法进行对比,分析了各种融合结果的优缺点。采用信息熵,标准差指标对信息量进行比较。选择平均值,相关系数,标准偏差指数进行融合影像光谱特征评价。针对ETM 全色波段与多光谱波段进行实验分析,结果表明小波变换融合算法总体优于传统融合算法,并能较好的保持光谱特性,但两种不同的离散小波变换方法改进的融合效果各有优缺点。     

不同滤波方法的SAR与多光谱图像融合算法

针对不同滤波的SAR数据会导致异质遥感影像融合结果之间产生较大差异的问题,提出了将不同滤波方法与不同融合算法相结合分别进行实验,旨在寻找二者的最优组合。首先在分析SAR数据相干斑噪声产生机理的基础上,对多种经典滤波方法和常用融合算法进行了分析评价,然后将Lee、Frost、Kuan、Gamma MAP、增强Lee和增强Frost等6种滤波后的SAR数据与多光谱图像分别进行IHS融合、PCA融合、GS融合和PCA_IHS融合,最后采用目视判读和定量分析相结合的方式,对融合结果进行分析和评价。以8m Radarsat-2数据和30m Landsat-5TM影像为例。实验结果表明,增强Frost滤波后的IHS变换、Lee滤波后的PCA变换和GS变换、Kuan滤波下的PCA_IHS变换所得融合影像在空间纹理细节和光谱保真度方面整体效果最优。     

不同地貌的TH-1遥感影像融合质量评价

为了探明TH-1影像在不同地貌条件下的融合质量,选用IHS、PCA、小波、P+XS、Brovey五种融合方法,对平地、山地、丘陵三种地貌的TH-1影像进行了融合实验及定性定量结合的质量评价。结果表明:TH-1影像融合质量随地形高差增大而递减,而且递减幅度较大;经Brovey、IHS变换的TH-1影像综合质量最高,可用于制图等对图像综合质量要求较高的领域,经PCA、小波变换的TH-1影像光谱保持度最好,可用作水质监测或蚀变分析等侧重光谱分析的领域,经P+XS变换的TH-1影像空间保持度最佳,可用作地理底图等对清晰度要求较高的领域。     

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。     

Worldview 3全色与短波红外影像两步式融合框架

Worldview 3是目前最先进的高分辨率光学卫星之一。针对Worldview 3遥感卫星数据全色波段和短波红外波段（Short-Wave Infrared,SWIR）空间分辨率差异大、波谱范围不一致所导致的融合结果块状效应以及空间分辨率增强效果有限的问题,提出一种两步式影像融合框架。该框架降低全色波段空间分辨率,实现与SWIR波段的初步融合;将初步融合的结果与原始分辨率全色波段进行第二步融合。通过选择6种典型像素级融合方法两两组合,形成36种融合方案,验证框架的可用性。选取包含植被、建筑、水体等典型地物类型的Worldview 3数据集进行实验,并采用五个定量评价指标进行评价。实验结果表明：使用两步式融合框架进行融合,通过渐进式空间细节注入的方式,避免了直接融合产生的块状效应,实现了短波红外影像的空间分辨率增强;第一步融合采用高通滤波（HPF）融合法,第二步融合采用GS（Gram-Schmidt Transform）变换融合方法,引入的空间信息最多,获得的融合结果质量最好。提出的融合框架既能避免块状效应的产生,又能有效增强SWIR波段的空间分辨率,对于其他卫星的全色与短波红外波段的融合也具有一定借鉴意义。     

小波在遥感图像分析中的应用综述

介绍了小波变换在影像压缩、多源遥感影像融合、影像去噪、影像边缘检测与纹理信息提取等方面的应用特点与效果。此外,还对近几年来兴起的用于遥感影像分析的一些小波变换算法就算法的有效性进行了分析。在文章的最后,对小波在遥感影像分析中的应用趋势,以及一些尚待解决和进一步研究的问题进行了探讨。     

面向GF-2遥感影像的U-Net城市绿地分类

目的 高分2号卫星（GF-2）是首颗民用高空间分辨率光学卫星，具有亚米级高空间分辨率与宽覆盖结合的显著特点，为城市绿地信息提取等多领域提供了重要的数据支撑。本文利用GF-2卫星多光谱遥感影像，将一种改进的U-Net卷积神经网络首次应用于城市绿地分类，提出一种面向高分遥感影像的城市绿地自动分类提取技术。方法 先针对小样本训练集容易产生的过拟合问题对U-Net网络进行改进，添加批标准化（batch normalization，BN）和dropout层获得U-Net+模型；再采用随机裁剪和随机数据增强的方式扩充数据集，使得在充分利用影像信息的同时保证样本随机性，增强模型稳定性。结果 将U-Net+模型与最大似然法（maximum likelihood estimation，MLE）、神经网络（neural networks，NNs）和支持向量机（support vector machine，SVM）3种传统分类方法以及U-Net、SegNet和DeepLabv3+这3种深度学习语义分割模型进行分类结果精度对比。改进后的U-Net+模型能有效防止过拟合，模型总体分类精度比改进前提高了1.06%。基于改进的U-Net+模型的城市绿地总体分类精度为92.73%，平均F₁分数为91.85%。各分类方法按照总体分类精度从大到小依次为U-Net+（92.73%）、U-Net （91.67%）、SegNet （88.98%）、DeepLabv3+（87.41%）、SVM （81.32%）、NNs （79.92%）和MLE （77.21%）。深度学习城市绿地分类方法能充分挖掘数据的光谱、纹理及潜在特征信息，有效降低分类过程中产生的"椒盐噪声"，具有较好的样本容错能力，比传统遥感分类方法更适用于城市绿地信息提取。结论 改进后的U-Net+卷积神经网络模型能够有效提升高分遥感影像城市绿地自动分类提取精度，为城市绿地分类提供了一种新的智能解译方法。     

基于影像融合的IKONOS影像阴影信息自动提取方法

高分辨率卫星影像中的地物阴影是其特有的组成部分，如何有效地提取和利用这些阴影信息对于高分辨率卫星影像的应用是一个具有重要意义和实际价值的问题。本文提出在对IKONOS全色波段与多光谱的2、3、4波段进行基于IHS色度空间的影像融合的基础上，运用波谱角度映射表分类方法，对IKONOS影像中的阴影进行自动提取。试验结果表明该方法提取效果良好，平均精度可达85．3％。该方法为高分辨率卫星影像的阴影信息自动提取提供了一种有效途径。     

一种基于小波变换的图象融合算法

基于多分辨率小波变换的融合算法近年来得到了广泛的应用。为了充分利用各种遥感图象的信息中,针对“资源一号”卫星图象和SPOT全色波图象,提出了一种新的基于区域能量特征的小波变换复原-增强融合算法。通过同IHS、PCA和HPF几种传统融合方法的比较和结果评价,证明该方法在提高“资源一号”卫星图象空间分辨率的同时,还较好地保留了多光谱图象的光谱信息,并且有效地克服了“资源一号”卫星图象模糊的特点。