高空间分辨率和高光谱分辨率遥感图像的融合

1 引言 在遥感成像系统的设计中,空间分辨率和光谱分辨率常常不可兼得,因为高光谱成像系统的光谱带宽很窄,必须用较大的瞬时视场(IFOR)才能收集足够多的光量子以维持可接受的信噪     

基于多小波分析的图像融合算法

从电磁波频谱带宽的角度,提出了图像融合的一种物理解释。介绍了多小波变换的一般理论,描述了多小波图像融合的方法。用GHM多小波、CL多小波及Db4单小波对可见光与红外图像进行了融合。利用平均熵作为判定准则,比较了GHM多小波、CL多小波及Db4单小波的融合效果,实验结果表明CL多小波算法效果最好。     

基于多分辨率频带方向的图像融合

介绍了一种基于频带方向的多分辨率图像融合方法。该方法利用人眼对方向敏感的特点,直接对图像的象素进行运算,并在象素的基础上完成一致性检测。通过不同的融合方法对两组实验图像进行融合以及融合图像性能参数的比较,表明频带方向融合法在综合性能上优于基于区域的多分辨率图像融合方法,且在实时性方面具有明显的优越性。     

基于多小波变换的区域方差图像融合方法

提出了一种基于多小波变换的区域方差融合方法.首先对参与融合的两幅图像进行多小波多尺度分解,得到两个金字塔结构的分层信息.然后分别在变换域的各层对小波系数进行融合:低频信息采用加权平均算子进行融合;高频信息采用一种基于区域方差的多子带联合判决的融合规则进行融合,最后重构得到融合图像.实验结果的主客观评价分析表明,该方法的融合性能比基于单小波的融合方法的融合性能好.     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

基于小波融合的图像残差金字塔超分辨率研究

提出了基于小波融合的残差金字塔超分辨率方法.算法包括2部分:1) 通过残差金字塔分别估计多幅低分辨率图像的高频信息;2) 对获得的多幅高分辨率图像进行小波融合.图像的低频部分采用能量加权法融合,高频部分采用最大值规则融合,融合后经过小波反变换得到最终的高分辨率图像.研究结果表明,该算法避免了大量的迭代运算,降低了计算复杂度,使大尺寸图像的超分辨率成为可能.     

融合多源遥感数据生成高时空分辨率数据的方法对比

融合多源遥感数据生成高时空分辨率数据具有重要的应用价值.对目前常用的3种时空融合方法进行对比分析,即基于时序数据(STIFM)、基于混合像元分解(STDFM)和增强型自适应遥感图像(ESTATFM)的时空融合方法.以盈科灌区为例,由多时相的MODIS数据提取地物的时间变化信息,结合初期的ASTER/TM影像的空间信息,融合生成30 m具有MODIS时间分辨率的数据.以真实的ASTER数据为基准,从光谱特征和地物类别的角度定量评价结果,表明STDFM和ESTATFM分别在红波段和近红外波段取得效果最优,相关系数分别为0.91和0.71,3种方法融合的NDVI效果基本相当,相关系数均高于0.84.在地物类别空间信息的表达方面,ESTATFM方法在异质性较强的玉米和小麦区域具有较好的适用性.     

融合多源遥感数据生成高时空分辨率数据的方法对比

融合多源遥感数据生成高时空分辨率数据具有重要的应用价值。本文对目前常用的三种时空融合方法进行对比分析,即基于时序数据(STIFM)、基于混合像元分解(STDFM)和增强型自适应遥感图像(ESTATFM)的时空融合方法,以甘肃省张掖市盈科灌区为研究区,使用多时相的MODIS数据提取地物的时间变化信息,结合初期的ASTER/TM影像的空间信息,融合生成具有MODIS时间分辨率30m的红、近红外波段与NDVI数据。以真实的ASTER数据为基准,从光谱特征和地物类别空间信息的角度定量评价融合影像。结果表明STDFM和ESTATFM分别在红波段和近红外波段取得效果最优,相关系数分别为0.91和0.71,三种方法融合的NDVI效果基本相当,相关系数均高于0.84。在地物类别空间信息的表达方面,ESTATFM方法在异质性较强的玉米和小麦区域具有较好的适用性。     

基于多小波的高分辨率与多光谱图像融合

为了将高分辨率与多光谱图像进行有效地融合,本文提出了一种将 HIS 变换,多小波变换及 PCNN神经网络相结合的图像融合算法。该算法首先采用HIS变换将多光谱图像分为 H、I、S 3个分量,然后使用多小波分别分解I分量和高分辨率图像得到各自的高频和低频分量,接着低频采用矢量融合,高频采用PCNN融合,最后采用多小波逆变换以及HIS逆变换得到融合图像。实验结果显示本文方法在融合时间、视觉效果及客观评价指标上综合效果比较好。     

基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.     

基于双正交小波变换的航空图像压缩研究

提出一种基于提升方案的双正交小波变换结合SPIHT编码的图像压缩方法.小波提升方案是继多分辨分析之后,另一种非常有效的构造小波滤波器的方法,在双正交条件下按所需的小波性能自由构造双正交小波基,并能加快小波变换的执行速度.分析了应用提升方案构造双正交小波的算法,选用性能优良的双正交小波,结合SPIHT编码,进行图像压缩.实验表明,通过该方法进行图像压缩,图像重建质量较高.     

基于双正交小波变换在灰度图像压缩中的应用

小波变换是数学领域的一个新数学的分支，他在图像领域得到了广泛的应用。本文首先介绍了小波变换的基本原理，然后采用双正交小波对图像进行压缩，并对结果进行分析。     

基于小波变换的图像融合技术研究

基于小波变换的融合算法形成了多分辨率融合算法的一个新的有用框架。由于人类视觉只对亮度信号的局部对比度敏感,提出了小波对比度的概念。图像经小波多分辨率分解后,依照小波对比度,定义变换系数邻域活性和系数匹配程度测度,按照系数匹配程度加权系数形成融合图像。将小波多分辨率分解和人类视觉对局部对比度敏感的特性优雅地结合在一起。     

基于小波变换的红外图像融合算法研究

小波变换具有良好的多分辨分析特性,可用于可见光图像与红外图像的图像融合。一般情况下,对于分解后得到的低频分量采用加权平均的方法来进行简单处理,这对融合后图像的对比度和视觉效果有很大的影响。采用基于小波变换的图像融合算法来分别处理分解后的低频分量和高频分量,并与其他融合方法进行分析比较。实验结果表明,使用所提出的算法进行融合后的图像内容清晰,具有增强图像的空间细节能力,提高图像分辨效果和人眼对场景目标的发现和识别概率,在不影响互信息量值的情况下,融合后图像的边缘保持度提高了将近2倍。     

多分辨率遥感图像的特征小波变换融合模式研究

基于图像特征的遥感图像信息融合是在突出目标地物的空间结构和纹理特征基础上的信息融合。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。     

一种基于提升小波变换的图像融合

提升小波被称为第二代小波,拥有传统小波的优点,却比传统小波概念简单,计算量大大减小,算法更易于硬件实现,是实现实时图像融合系统的有效手段。针对可见光与红外图像融合这个研究热点,提出了一种基于提升小波变换的图像融合算法。实验结果表明,该算法使得融合图像最大限度地包含了源图的信息,且边缘信息也被很好地保留了,是一种高效的融合算法。     

双正交小波提升系数的递推算法与实现

根据双正交小波提升格式的特点,为了得到快速提升小波变换的系数,提出求解提升系数的递推算法。该方法基于前向小波变换的预测和更新过程的递推式,与给定双正交小波滤波器比较系数,求得小波提升系数和尺度系数。实例证明,无论是先预测后更新的提升格式,还是先更新后预测的提升格式,均可用此法求解提升系数。在Matlab7.0平台上,用递推算法编程实现db5.3小波转换成提升格式,完成图像的三级分解。     

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。