基于小波的影像融合方法研究

影像融合技术作为一种数据整合技术,能够整合不同影像中高空间分辨率和高光谱分辨率信息,因其能明显改善影像的显示效果,因而被广泛的应用于遥感图像处理中。传统的HIS变换、主成分分析、Brovey变换虽然对于影像的质量能起到一定改善的作用,但由于其自身的算法的原因,还存在许多不足。采用小波HIS、小波PCA变换等方法进行了新的融合方法的有益尝试。以IKONOS 2的1 m和4 m分辨率影像数据为实验数据,对比了小波融合方法与传统融合方法,实验结果显示小波方法在定性和定量方面都有明显优势。文中还讨论了对融合后影像质量的多种定量评价方法。     

基于支持向量值轮廓波变换的遥感影像融合

 本文研究基于支持向量值轮廓波变换的遥感影像融合.首先将支持向量值滤波器和方向滤波器组进行合理搭配,构造支持向量值轮廓波变换,该变换具有平移不变、泛化能力好、捕捉奇异性能强等特性.然后利用该变换对多源遥感影像进行多尺度、多方向、多分辨率分解,在不同的分解水平上利用基于区域能量和基于区域的轮廓波对比度方法进行融合.实验结果表明,利用该变换进行遥感影像融合时,能在不降低空间分辨率的情况下有效保留源影像的光谱信息.     

基于双正交小波的多分辨率遥感图像数据融合

小波变换方法在图像分析与图像融合中具有很好的应用前景。本文首先介绍了图像的小波分解与重构的基本方法 ,从理论上阐述了具有广义线性相位的双正交小波基的优点 ,通过小波变换与 HIS变换的有机结合实现图像融合。融合后的影像 ,不仅使地物仍然保持了光谱信息 ,而且保留了高空间分辨率全色波段细节清晰的特点。实验成果表明 ,基于双正交小波的多分辨率遥感图像数据融合技术是提高卫星影象表现能力的一个重要手段     

基于非下采样剪切波变换的国产高分遥感影像融合

针对高分遥感影像融合存在影像间相关性差、融合亮度差异明显的问题,提出了一种基于非下采样剪切波变换（NSST）的国产高分全色与多光谱遥感影像融合方法。选取高分一号、高分二号和高分七号遥感影像作为实验数据,通过强度-色调-饱和度（IHS）提取多光谱影像的亮度分量;利用NSST算法对亮度分量和全色影像提取高频和低频信息,并充分考虑高频和低频之间的关系,设计有效的影像融合策略;最终采用IHS和NSST得到融合影像。与Brovey、Gram-Schmidt(GS)、Hue-Saturation-Value(HSV)、Co-occurrence filtering(COF)等方法对比验证,通过主观和客观评价相结合的方式对融合影像进行综合评价,结果表明所提方法是一种可行的遥感影像融合方法。     

基于PCA变换与HIS变换相结合的Landsat7遥感数据融合方法及其评价

图像融合的目的是通过数据间的复合,从而强调信息的优化,以突出有用的专题信息,消除或抑制无关的信息,改善目标识别的图像环境,从而增加解译的可靠性,减少模糊性,改善分类效果。本文在选择合适的波段组合的基础上,基于PCA变换与HIS变换相结合的融合方法,在尽可能保留光谱信息的同时,提高了图像的空间分辨率,利用信息熵、联合熵、光谱偏差指数等定量评价后,较传统的HIS变换和PCA变换融合方法有了较好的改进,提高了图像的判读和目视解译能力。     

融合MODIS与Landsat数据生成高时间分辨率Landsat数据

遥感数据时空融合技术是一种低空间分辨率影像与中空间分辨率影像在时间域和空间域的融合技术,利用遥感数据时空融合技术获得的融合影像既具备低空间分辨率影像的高时间分辨率特征,又具备中空间分辨率影像的高空间分辨率特征.提出了一种新的遥感数据时空融合方法(STDFA).该方法从时序MODIS数据中提取地物的时间变化信息,结合早期Landsat-TM影像的纹理信息,融合出具有MODIS时间分辨率和TM空间分辨率的影像.以江苏省南京市江宁区为研究区,以Landsat红波段和近红外波段为融合波段,对该方法进行了测试.结果显示,该方法能够产生高精度的中空间分辨率影像,融合影像与真实影像间的相关系数达到0.939.融合影像计算的NDVI与真实中空间分辨率影像计算的NDVI间的相关性达到0.938.     

基于Photoshop的遥感影像融合

随着遥感技术的日益发展,对所获取的遥感海量数据的处理要求也越来越高。因此,本文以Photoshop软件为操作平台,通过HIS变换来实现遥感影像的影像融合研究。     

基于区域增长的遥感影像视觉显著目标快速检测

针对传统视觉注意模型在遥感影像视觉显著区域检测中存在的计算复杂度高、检测精度低等缺点,提出了一种新的视觉显著区域快速检测算法。首先利用整数小波变换降低遥感影像的空间分辨率,从而降低视觉注意焦点检测的计算复杂度;然后在视觉特征融合中引入二维离散矩变换,生成边缘与纹理信息更为丰富的遥感影像显著图;最后在显著图分析中提出区域增长策略来获得视觉显著区域的精确轮廓。实验结果表明,新算法不仅有效降低了遥感影像视觉显著区域检测的计算复杂度,而且能够精确描述视觉显著区域的轮廓信息,同时避免了对整幅遥感影像的分割与特征提取,为今后的遥感影像目标检测提供了一定地参考价值。     

多尺度多特征融合的高分辨率遥感影像分类

针对高分辨率遥感影像多尺度、空间分布复杂以及特征繁多的特点,从遥感影像特征提取的尺度效应以及各类地物显著性特征各异入手,提出了基于多尺度多特征融合的高分辨率遥感影像分类的方法。该方法构建最优尺度分割函数模型,寻找出各地物的最优尺度,分别提取影像的纹理、颜色和形状特征。在此基础上,利用各地物特征的显著性差异实现多尺度下多特征的加权融合。该加权融合方法突破了常规的最优尺度分割算法未能充分考虑各类地物特征差异性的局限性,通过分析各类地物的显著性,建立了各个特征在分类中所占权重的模型。实验结果表明：相对传统无监督分类算法,该方法准确率提高约7%,且运行效率高。     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

像素级图像融合方法

图像融合是获取图像综合信息的有效技术手段。针对3种像素级图像融合方法,文章对其原理和处理流程进行介绍,并从光谱保持性和处理性能两方面分析融合方法的优缺点。在真实遥感图像上的融合结果表明,3种方法的融合图像空间分辨率和光谱信息量都有了明显提高;IHS和小波融合方法的光谱保持性优于Brovey融合方法;小波融合方法的处理灵活。     

基于特征级数据融合的遥感图像重构模式研究

基于图像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合.本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,然后对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.本文最后通过融合实验验证了上述结论.     

基于新型阴影指标的遥感影像阴影检测方法

随着遥感影像空间分辨率不断提高,阴影对影像解译产生的影响愈加突出,因此对阴影的识别更为重要。文中针对阴影在RGB空间中与非阴影区域内地物容易混淆的缺点,利用其在HIS空间中低亮度、高色调和高饱和度的特性,提出了一种基于新型阴影检测指标的阴影检测方法。该阴影指标突显阴影区域,且抑制非阴影区域的响应,根据最大类间方差法做直方图阈值分割,可得到检测结果。实验证明,该方法可有效地将阴影与其他地物区分开。     

基于显著性分析的自适应遥感图像融合

针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域,对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域,采用窗均值亮度色调饱和度(IHS)变换,较好地保留了空间细节;针对农田、山地等非显著区域,采用基于小波变换的融合策略保留较多光谱信息。实验结果表明,新算法能使融合结果中的显著区域保留更多空间细节,非显著区域保留更多光谱信息,为今后的遥感图像融合研究提供了一定的理论与应用价值。     

利用地物波谱学习的遥感影像波段模拟方法

针对已有遥感影像模拟方法难以在影像光谱维上扩展的不足,提出了一种基于地物波谱学习的遥感影像波段模拟方法.以地物波谱库作为先验知识,通过支持向量机拟合地物在不同观测波段范围内反射率之间的复杂非线性关系,进而在多光谱遥感影像已有波段的基础上模拟一个新的波段影像.通过模拟TM红波段影像的实验,证明本方法能较为准确地模拟出真实的光谱影像,其模拟结果可靠.进一步将该方法应用于模拟IRS真彩色影像,验证了本方法的实用性.本方法能够有效地解决多光谱影像波段缺损的问题,并在一定程度上可解决较高空间分辨率遥感影像光谱维的不足,为建立地物波谱与遥感像元波谱的定量联系提出了新的思路.     

基于PCA 变换与小波变换的遥感图像融合方法

针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。     

QuickBird影像融合算法的评价研究

目前多种成熟的融合算法已经应用在各种遥感软件中,但是融合方法的选择往往会因融合对象的不同而有所差异.为了评价出各个融合算法在QuickBird影像融合上的优缺点,本文在像素级的融合层次土运用多尺度分析的方法进行了融合实验.实验中,根据不同的算法原理引入了七种常用的融合算法,并以空间细节信息、光谱质量以及亮度信息作为统计参数,对实验数据进行了比较研究,分析出了几种融合方法的差异.研究表明,一些传统的融合方法如PCA变换和IHS变换已不适用于QuickBird这种高分辨率影像的融合,而基于小波的PCA变换、小波变换以及HPF变换在实验中有较好的表现.本次实验也为其它高分辨率卫星遥感影像的融合工作提供了参考.     

基于CNN的QuickBird遥感影像融合研究

为了充分利用QuickBird多光谱影像的光谱信息和全色影像的高空间分辨率信息,提出了一种基于细胞神经网络（CNN）的QuickBird多光谱和全色遥感影像融合方法.实验结果表明,相对于传统的影像融合算法,提出的方法具有更好的性能.     

高空间分辨率遥感影像建筑物提取研究综述

遥感影像上建筑物提取的基础理论研究始于20世纪80年代,本文首先对遥感影像上建筑物提取的研究历史进行分析,总结高分辨率航空相片或卫星影像提取建筑物等人工地物信息的主要方法,从影像数据、分辨率与方法几个方面概括建筑物提取的发展历史。深入分析建筑物自动提取三个主要类别的提取方法,即基于区域分割的方法、基于直线和角点检测与匹配的方法、利用辅助知识的方法,在此基础上,总结高空间分辨率遥感影像建筑物提取研究的现状以及发展趋势。     

基于小波变换的机载雷达测绘遥感影像信息数据融合方法

在融合机载雷达测绘遥感影像信息数据的过程中,由于原始机载雷达测绘遥感影像反馈信号在频域分布上具有多元化的属性,导致融合后影像的质量相对较低。为此,文章提出基于小波变换的机载雷达测绘遥感影像信息数据融合方法。该方法通过在小波变换设置了以频率为基准的窗口函数,并结合遥感影像反馈信号所处频域与频率函数状态之间的关系,建立了待分析遥感影像信号与频率窗内的高频频域分布参数之间的乘积关系,从而得到所需的信号频谱特性,在进行机载雷达测绘遥感影像信息数据融合阶段,结合遥感影像反馈信号与有限区域范围之间的关系,对其进行适应性融合。测试结果表明,融合后影像在完整度、清晰度以及综合质量方面均处于较高水平。