基于小波变换的影像融合在动态监测中的应用

基于小波变换的遥感影像融合是一种重要的图像信息增强方法，提出了将其应用于土地利用遥感动态监测，以自动探测土地利用发生变化的区域。方法是将某时相的多光谱影像进行主成分变换，用其第一主成分与另一时相的多光谱影像进行数据融合，融合规则是对两时相影像的小波系数进行加权平均法计算。经室内资料检核和野外验证发现，得到的变化信息的噪声小图斑较少，结果精度能满足实际应用需要。     

基于小波系数差值法的变化信息自动发现

本文将二维小波变换应用于土地利用遥感动态监测，以自动探测土地利用变化信息。在对两时相多光谱影像主成分变换的基础上，选择前面三个主分量进行小波变换，对两时相对应主分量的小波系数求差，土地利用未发生变化区域的差值接近0，而发生变化区域的差值绝对值较大，能量高，因此，经小波逆变换得到的影像能够高亮度地显示出土地利用发生变化的区域。利用遥感数据进行仿真和野外验证发现。该方法得到的监测结果精度能满足实际应用的需要。     

基于遥感的土地利用变化信息图像分割研究

为了提高大区域土地利用遥感动态监测效率,需将自动发现影像中包含的变化信息自动分割出来.在分析影像特征的基础上,结合双阈值法和区域生长法,能够将影像中的土地利用变化信息自动分割出来.为了减弱影像噪声、自动发现方法和图像分割对监测结果精度的影响,将多种方法得到的分割结果进行综合处理,进一步确认目标,以使本文方法在具有高效率的同时有较高精度的监测结果.另外,本文提出了一种典型区域法,从另一个角度解决了无法直接利用灰度直方图计算影像中特定目标的分割阈值问题.     

基于卫星遥感影像的基础地理信息变化提取研究

以不同时期ALOS卫星遥感影像为例,通过影像预处理,结合基于多光谱的向量变化分析法、差值主成分分析法、全色影像差值法等多种变化检测方法,对基于变化影像实现居民地、道路和水系自动与半自动发现和提取进行了深入研究,并对各检测方法进行优缺点分析。     

动态监测变化图斑边界跟踪

在土地利用遥感动态监测中,自动发现的变化信息普遍基于彩色影像或灰度影像,而且变化信息图斑的灰度域值分布在一定范围内。为了适应快速提取变化信息,以及便于GIS软件管理监测数据的需要,在将包含变化信息的影像二值化的基础上,设计了一算法实现对变化信息图斑边界的自动矢量化提取。然后将得到的矢量图与不同方法得到的变化信息影像图进行叠加显示,通过多方法的对比,以对参与矢量化的变化信息影像图导致的图斑误判、边界误判进行纠正,提数据处理精度。最后,通过与人工提取的变化信息边界进行对比及野外核实,证明了本方法是可行的,具有可靠的精度。     

小波和傅立叶变换在图像变化检测上的应用比较

小波分析和傅立叶分析被广泛地应用于图像处理的各个领域,它们也能被应用于遥感影像土地利用变化检测。对两个时相多光谱影像的各波段或各主成分进行小波变换或傅立叶变换,然后对变换后得到的系数求差,最后对差值进行小波逆变换或傅立叶逆变换,得到的结果图像中,那些有变化地区的亮度会比没有变化地区的亮度高出很多。文中,分别利用小波变换和傅立叶变换两种方法对相同的两时相多光谱影像进行变化检测,发现小波变换结果好于傅立叶变换。     

运用经验模态分解和压缩感知方法进行遥感影像超分辨率重建

遥感影像的超分辨率重建在提高遥感影像的地物识别能力、不同空间分辨率遥感影像融合等方面具有重要的意义。在前人研究的基础上,结合影像经验模态分解(Empirical Mode Decomposition,EMD)、压缩感知理论和主成分变换方法,实现彩色影像的超分辨率重建。算法运用EMD方法首先得到影像的高频成分,然后通过K-SVD学习方法得到过完备字典,运用MOP(Orthogonal Matching Pursuit,正交匹配追踪)方法重构影像。在此基础上,对多光谱影像进行PCA变换,利用第一主成分(PC1)进行字典学习,将得到的字典运用于多光谱影像的超分辨率重建,得到超分辨率的彩色影像。以Geoeye-1全色和多光谱影像为例,验证方法的有效性。     

数据融合提取长江三峡库岸信息及质量评价

利用北京一号高分辨率数据与中巴地球资源卫星02星CCD数据进行融合研究长江三峡库岸信息识别方面的应用。通过进行Brovey融合、主成分分析融合、IHS融合和小波变换融合的比较与分析表明：融合后的影像很好地保留了高分辨率影像的空间信息,同时加强了多光谱的信息,有利于库岸信息的识别和监测。最后为了对比各种融合方法,运用直方图分析和多种融合评价因子对各种融合方法进行了客观定量评价。     

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。     

基于PCA和多尺度纹理特征提取的高分辨率遥感影像分类

城市地物类型多样,空间分布复杂,而且地物具有多尺度性,不同的地物类型具有不同的纹理表达尺度。利用主成分分析法(PCA)对高分辨率遥感影像进行处理,以减少数据量、抑制噪声、突出主要信息。在此基础上,利用灰度共生矩阵法对PCA的第一主成分进行纹理特征提取,选择最佳的多尺度纹理组合进行决策树分类。实验结果表明：基于PCA和多尺度纹理特征的决策树分类方法能够有效地提取地物信息,分类精度达到82.4%,Kappa系数为0.78。     

基于超分辨率的多聚焦图像融合算法研究

针对传统小波变换在图像融合过程中出现边缘模糊、图像失真等问题,提出了一种基于超分辨率的多聚焦图像融合算法。对所有的源图像进行了双三次插值的单帧超分辨率处理,增强源图像对比度等细节信息,采用的源图像为分别进行左右聚焦处理的同一场景中的两幅图像。对这些高分辨率源图像实现了平稳小波变换（SWT）,并将源图像划分为四个子带。针对这些子带所包含源图像细节信息混乱、结构信息冗余等问题,采用了主成分分析（PCA）,分别选取源图像各子带的最大信噪比进行图像融合。利用逆平稳小波变换（ISWT）对融合子带进行重构,得到高质量融合图像。为了评定融合后图像的质量,选择了无参考图像和全参考图像的两种度量方法来检测融合后的图像质量。经实验结果表明,提出的算法克服了传统小波变换算法在图像融合上的缺点,具有边缘清晰、视觉感知好、清晰度好、失真小等优点。     

基于Bag-of-words和Hash编码的近似重复图像检测算法

针对近似重复图像检测的传统算法存在检测效率和准确率不够高的缺点,提出了基于Bag-of-words和哈希编码的近似重复图像检测算法。该算法首先利用Bag-of-words把一幅图像表示成一个500维的特征向量; 然后,利用主成分分析(PCA)和尺度不变特征转换(SIFT)进行特征降维,并利用Hash编码技术对特征进行编码; 最后,利用动态距离度量技术实现近似重复图像的检测。实验结果表明,利用该算法进行近似重复图像检测是完全可行的,在准确度和查全率之间做到了较好的平衡,查准率可达90%~95%,查全率可达70%~80%。     

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。     

基于改进NSCT和IHS变换的遥感影像融合方法

目的 为了增强多光谱和全色影像融合质量,提出基于脉冲耦合神经网络（PCNN）的非下采样Contoulet变换（NSCT）和IHS变换相结合的融合方法。方法 先对多光谱图像进行IHS变换提取亮度I分量,采用主成分分析增强I分量得到新的I+分量;然后通过NSCT变换分别对I+分量和全色图像进行分解,并采用边缘梯度信息激励的PCNN得到融合图像的低频和高频分量;最后进行NSCT逆变换、IHS逆变换得到融合图像。结果 利用资源一号02C卫星数据进行实验,结果表明该算法在保留光谱信息的同时提高了图像空间分辨率,获得了较好的融合效果。结论 结合NSCT和IHS变换的融合方法在视觉效果和客观评价指标上都优于常用的图像融合方法。     

基于模糊不变矩的复制粘贴伪造检测方法

随着各种高级图像处理算法以及相应图像处理软硬件的出现,即使非专业人士也很容易篡改图像,并使人肉眼很难甚至无法识别。针对一种常见的图像篡改--复制粘贴伪造,提出了一个能自动检测并标识数字图像中复制区域的方法。将图像分成多个重叠块,每块的特征用由模糊不变矩计算得到的模糊不变量表示,按照预定的相似标准来确定图像篡改区域。实验结果表明：相对于基于PCA的方法,该方法在抗模糊处理方面具有明显的优势。     

基于虚拟图像的单样本人脸识别方法

针对单训练样本情况下的人脸识别问题,提出一种基于虚拟图像的人脸识别方法。为给定的训练图像增加虚拟图像,以增强单训练样本的分类信息,对其进行离散小波变换,并将变换的低频子带图像作为人脸识别特征,利用二维主成分分析法分析“低频脸”。实验结果表明,该方法能过滤因表情变化和少量遮掩而带来的高频信息,提高识别率。     

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.