非下采样方向滤波器组在遥感图像融合中的应用

利用具有平移不变性的非下采样方向滤波器组(NSDFB),结合具有平移不变性的àtrous小波变换,提出了一种基于NSDFB的低分辨率多光谱图像和高分辨率全色图像的融合方法.将多光谱图像亮度、色度、饱和度(IHS)色彩空间的I分量和全色图像(PAN)分别进行àttrous小波变换,并对得到的高频系数分别进行NSDFB分解,从而得到多方向的高频信息,然后将高低频系数分别通过一定的融合算子进行融合、重构,得到I'分量,最后通过IHS逆变换得到融合图像.实验结果表明,在几种不同的客观评价标准下,该方法优于传统的IHS、主成分分析法(PCA)和小波变换方法的融合效果,能有效地改善主成分分析法(PCA)和小波变换所带来的虚假边缘和光谱扭曲现象.     

基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合，本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换，得到亮度I，色度H，饱和度S三个分量；其次，利用小波变换融合方法融合多光谱图像的亮度分量与全色图像，并用融合后的图像替代多光谱图像的亮度分量；最后，作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法，不仅较大地增强了融合图像的空间细节表现能力，而且很好地保留了多光谱图像的光谱信息。     

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示.接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得到newPAN,最后对newPAN和强度分量I进行小波分解.利用PCA对多光谱图像操作后再进行IHS变换,弥补了传统IHS算法只能处理三个波段多光谱图像的缺陷,增加了处理的波段数,而且PCA融合算法的光谱保持度较高,该算法将IHS、PCA、小波变换三种融合算法相结合,利用各个算法的优势,最大程度地减少替换成分相关性不高造成的光谱扭曲,克服小波变换融合过程中产生的细节信息畸变问题.     

基于PCA和NSCT的多光谱图像和全色图像的融合

研究了主分量分析（PCA）和非下采样Contourlet变换（NSCT）,提出一种新的多光谱图像和全色图像的融合算法。该方法对多光谱图像进行PCA变换,对所得的第一主分量（PC1）以及全色图像进行NSCT变换。对二者的低频近似系数再次进行PCA变换以寻求多光谱信息和空间信息的平衡;对于高频细节系数,通过结构相似性指标（SSIM）和局部Sobel梯度进行融合,进一步提高空间信息量;经过逆NSCT和逆PCA变换得到融合图像。实验结果表明,提出的方法在增强融合图像空间细节表现能力的同时,尽可能地保留了多光谱图像的光谱信息,优于传统的基于IHS、PCA、小波变换和Contourlet变换的融合方法,是有效可行的。     

基于2DPCA-NSCT变换的多光谱与全色图像融合

鉴于应用单一主成分分析(PCA)或非下采样Contourlet(NSCT)变换进行多光谱和全色图像融合存在的问题,提出了一种2DPCA-NSCT变换图像融合算法.首先对多光谱图像各波段进行二维PCA变换,视其主成分为信号而少量非主成分为噪声予以忽略;然后对全色图像和第一主成分做NSCT分解,在频域对近似分量和多方向高频分量按不同的融合规则融合;最后通过NSCT反变换得到融合图像.实验结果表明,所提出的融合算法在保持PCA变换良好的空间分辨率的同时改善了其光谱失真的问题.     

基于PCA和数据融合的遥感图像数字水印算法

提出了一种向遥感图像中嵌入水印以保护其版权的算法。算法将数据融合技术和数字水印技术相结合,首先将全色图像进行小波分解,提取图像分解后的第三级低频边缘特征,利用PCA变换得到边缘特征的第一主分量作为水印信息,将水印与第三级中频进行融合;然后进行小波逆变换得到重构图像;最后采用小波变换和PCA融合法将含有水印的全色图像和多光谱图像相融合。提取水印时使用独立分量分析(ICA)方法。实验表明,该算法可以保护遥感图像的版权和进行真伪认证,且不破坏原始遥感图像的信息和特征,是有效可行的。     

基于PCA变换与小波变换的遥感图象融合

针对多光谱图象与全色图象的融合问题,提出了一种基于PCA变换和小波变换的遥感图象融合方法.新方法通过对多光谱图象作PCA变换,首先得到3个主分量;然后,利用小波变换融合方法融合多光谱图象的第1主分量与全色图象,并用融合后的图象替代多光谱图象的第1主分量;最后,作PCA反变换来得到新的多光谱图象.主观视觉效果分析和客观统计参数评价分析表明,新方法的性能优于PCA变换融合方法、IHS变换融合方法和小波变换融合方法,该方法不仅较大地增强了结果图象空间细节的表现能力,而且很好地保留了多光谱图象的光谱信息.     

一种新的基于HIS和小波变换的图像融合方法*

针对遥感图像影像分辨率低的问题,提出了一种新的基于HIS和小波变换的低分辨多光谱和高分辨全色图像的融合方法.该方法通过对高分辨全色图像小波分解后的低频分量进行低通滤波,将全色图像的低频信息中的高频分量融入到多光谱图像HIS空间的亮度信息的低频中;再将这个融合后的低频和高分辨全色图像的细节信息进行小波反变换,得到融合后的图像.该图像很大程度地保留了多光谱的光谱特性和高分辨图像的空间分辨率.仿真结果表明了本方法的有效性.     

基于PCA和NSCT变换的遥感图像融合方法

为了改善非下采样Contourlet变换(NSCT)在图像细节信息表达的缺失问题,提出了一种新的基于主成分分析(PCA)和NSCT的遥感图像融合方法。首先对低空间分辨率多光谱(MS)图像进行PCA变换,提取第一主分量(PC1);其次,对PC1和高空间分辨率全色(PAN)图像进行NSCT变换,对二者的低频系数采用小波变换的融合规则,高频系数采用基于区域标准差自适应加权的融合规则;最后,经过PCA逆变换和NSCT逆变换得到融合图像。仿真实验结果表明,该方法不仅有效地融合了源图像的细节信息,而且得到了较好的视觉效果和较优的评价指标。     

对称分数B样条小波的PCA图像融合

有良好逼近能力的对称分数B样条小波,在刻画图像纹理方面优于传统小波,为图像融合提供了有利条件。将其与PCA（Principal Component Analysis）变换相结合之后对高分辨率全色图像和低分辨率多光谱图像进行融合,提出了一种新的图像融合算法。对两幅源图像应用PCA变换,得到的两个第一主分量分别进行对称分数B样条小波变换,再对产生的两组高、低频小波系数采取不同的规则进行融合,生成两组新的高、低频系数,对其进行小波反变换得到新的第一主分量,与多光谱图像的其他主分量进行PCA反变换,得到最终的融合图像。实验结果表明,该方法使融合图像既提高了分辨率又保留了丰富的光谱信息。     

提升五株形小波在多光谱图像融合中的应用

提出一种基于IHS变换和提升五株形小波变换相结合的融合方法,并把它应用于多光谱图像与高分辨图像的融合中。该算法对多光谱图像进行IHS变换,将得到的亮度分量I和高分辨率图像做多尺度提升五株形小波分解,采用不同的融合算子对高低频分量进行融合,对融合后图像进行提升五株形小波重构和IHS逆变换得到融合结果图像,并采用客观性能指标对融合结果图像进行了客观评价。实验结果表明,该方法对多光谱图像和高分辨率图像的融合有较好的融合效果,能从原图像中获得更多的信息,同时又能保持较高的空间分辨率。该方法的融合算法和分解层数的选取,是简便有效的,适用于多光谱图像融合。     

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。     

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。     

一种基于残差的遥感图像融合新方法

针对遥感图像融合问题,提出了一种基于残差的遥感图像融合新方法。该方法借助于主成分分析(principal component analysis,PCA),通过对多光谱图像的残差图像和全色图像的残差图像进行融合来恢复出多光谱图像的高分辨率残差图像,以实现多光谱图像和全色图像的融合。实验结果的主观视觉效果和客观统计参数分析都表明,新方法不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息,其性能优于现有的HIS(hue-intensity-saturation)变换融合方法、PCA融合方法和小波变换(wavelet transform,WT)融合方法。     

CBERS-02与SPOT5融合数据及其在海岸带土地利用调查中应用能力综合评价

以珠海市横琴岛为试验区,对CBERS-02星多光谱数据和SPOT5全色数据进行融合处理,融合方法包括HIS变换法、Brovey法、主成分融合法、小波融合法、SFIM法、Gram\|Schmidt法、PANSHARP法,并使用定量指标对融合结果进行分析,通过计算各波段均值、信息熵、标准差、相关系数等指标对各融合结果进行分析评价,探讨适合两种数据的融合方法;对CBERS-02和SPOT5数据的PANSHARP法融合数据进行支持向量机分类,总体分类精度为82.55%,Kappa系数为0.7358;试验结果表明,通过融合CBERS\|02多光谱数据与SPOT5全色数据,既可以增强空间纹理信息,又可以弥补SPOT5多光谱数据缺少蓝光波段的缺陷,具有丰富的光谱信息,可以在海岸带土地利用调查广泛应用。     

基于多种变换的遥感图像新型融合方法

针对多光谱图像空间分辨率低这一特点,提出一种在PCA变换基础上,利用小波变换和高通滤波相结合的图像融合算法。实现了ETM+全色波段与ETM+多光谱波段图像的融合,并从空间纹理信息,光谱真实性两个方面进行定性和定量评价。研究表明,该融合算法产生的光谱失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种较好的图像融合方法。     

基于l αβ空间的多光谱和全色图像融合

提出了一种新的基于lαβ空间的图像融合方法，该方法可以用来对低分辨率的多光谱图像和高分辨率的全色图像进行融合。该方法通过对多光谱图像和全色图像的融合，得到一幅融合后的图像，该融合后的图像集合了多光谱图像的光谱信息和全色图像的空间信息。实验结果表明该方法效果良好，优于传统的以及改进的IHS方法和PCA方法。     

基于LP和DFB结构的离散Contourlet遥感影像融合算法及在QuickBird中的试验研究

针对目前最新发展的Contourlet变换能够比小波变换提供更丰富的方向和形状基,适合进行多尺度边缘增强的特点,利用Contourlet变换用于融合遥感全色和多光谱影像的算法,即利用LP（Laplacian Pyramid）捕获影像的低频分量,利用DFB（Directional Filter Bank）获得影像的高频分量,再对得到的低频近似系数和高频细节系数按照融合规则,采用算术平均和加权算子构造融合影像对应的对比度金字塔;最后,通过逆塔形变换重构融合影像。提出一种基于塔形方向滤波器组PDFB（Pyramidal Directional Filter Bank）的影像融合方法,算法一方面将Contourlet变换这一新的数学工具引入到影像融合中,另一方面对目前高分辨率影像数据源QuickBird进行了融合实验。此外,利用熵、扭曲度、偏差指数、相关系数、标准差等参量,对此融合方法的融合性能进行了评价与分析。实验结果表明：提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合影像的空间细节表现能力和信息量,该算法是有效可行的。