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。     

SPOT-5全色与多光谱数据融合方法的比较研究

多源遥感影像融合是20世纪70年代提出的数据(信息)融合理论在遥感学应用的一个分支,是近年来研究的热点。SPOT-5的多光谱图像含有丰富的光谱信息,而全色图像有很高的空间分辨率,通过将多光谱图像和全色图像进行像素级的融合,使融合后的图像在保留多光谱信息的同时尽量提高空间分辨率。不仅可以提高图像的可视效果,为测量和专业制图提供有利的数据,而且可以用于地物分类、目标识别等一系列处理。此外从景观分类的角度对3种方法的融合效果进行评价分析。     

小波变换在SPOT5全色与多光谱图像融合中的应用

离散小波变换可以将图像分解成为一系列具有不同分辨率特征、频率特征和方向特性的子带信号,并且将图像的光谱特征和空间特征分离,从而为不同分辨率的遥感图像融合提供了有利条件。采用小波变换融合方法对SPOT5全色与多光谱图像进行融合处理,以提高图像的空间信息质量和光谱质量为目的。通过对融合结果图像进行主观和客观的综合评价,可得出融合前后图像灰度均值变化很小,灰度标准差、熵和清晰度三者变化趋势一致;当小波分解层数为3时,融合图像的光谱质量与空间质量之间达到较好的平衡,同时融合图像的视觉效果良好。     

一种构建多光谱全色波段与小波变换相结合的遥感影像融合方法

对于多光谱和全色波段遥感影像融合而言,影像问光谱响应范围的差异是造成融合结果光谱畸变的重要原因。方法通过对遥感影像成像过程中的参数进行合理地近似,将多光谱影像有机地结合为光谱响应范围与全色波段接近的、低分辨率的“多光谱全色波段”。利用特定的小波融合法则,将全色波段中适量的空间信息融入到“多光谱全色波段”中,并根据构建“多光谱全色波段”时各多光谱影像所占的权重,将融入的空间信息逐像元地分解到各个多光谱波段,从而较好地削弱了融合影像间光谱响应范围的差异所造成的光谱畸变。通过对IKONOS遥感影像进行融合实验,验证了本文方法较传统方法具有更高的性能。     

基于ICA的全色影像和多光谱影像融合算法

提出了一种新的基于独立成分分析的全色图像和多光谱图像的融合算法。对于两幅图像的重叠区域，使用独立成分分析去除遥感影像中高阶数据冗余问题，然后对通过独立成分分析所分离的各个分量进行叠加从而得到最终的融合结果。该方法的优点在于去除了原始图像上的数据冗余，提高了融合后图像的信息量和信噪比。     

TM与SPOT影像融合算法比较研究

随着遥感技术的发展,获取遥感数据的手段越来越丰富,各种不同的传感器所获取的影像数据与日俱增,在同一地区形成了多时相、多分辨率的影像序列金字塔。如何综合各种类型的遥感影像信息,提高遥感数据的利用效益已成为遥感应用的瓶颈问题。多源遥感数据融合技术是解决这一问题的有效手段,即将同一地区不同类型的影像数据进行空间配,然后采用一定的算法将各种影像数据中所含的信息优势或互补性有机的结合起来,产生新影像的过程。以Landsat和SPOT数据为例进行了这方面的探讨。为了充分利用TM丰富的光谱信息和SPOT较高的空间分辨率,研究中引入了4种影像融合算法：加权融合、K－L变换、K－T变换、基于信息特征的融合。通过信息量和分类精度的比较,表明基于信息特 的融合效果较好。     

基于Directionlets和PCA的多光谱与全色图像融合

基于数字化线段理论和整数栅格理论的Directionlets不仅继承了小波变换维数可分性的特点,而且通过选择变换方向和队列方向来获得灵活的多方向性,从而得到能够更好地捕获图像方向信息的方向各向异性的基函数。首先基于Directionlets和PCA的全色和多光谱图像融合方法,对多光谱图像进行线性PCA变换,并提取出其主分量;然后使用Directionlets提取高空间分辨率的全色图像的空间细节信息,将其"注入"到多光谱图像的主分量中。因此,得到的融合图像具有更多的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,在UIQI指数、整体图像质量指数Q4、平均梯度等主观视觉效果和客观评价指标上,新方法均优于基于小波变换的方法。     

多光谱图像与全色图像的像素级融合研究

以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级双源融合为例，详细地总结了卫星多源遥感图像融合领域像素级融合的步骤、基本融合模型和优缺点，重点分析了各种常见像素级融合方法的原理和特点，并归纳了像素级融合结果的主客观评价标准和评价方法，以及像素级融合的主要应用领域，最后讨论了像素级融合目前存在的问题和今后的发展方向。     

SAR与SPOT数据融合方法研究

随着多空间分辨率、多光谱分辨率、多传感器遥感数据日益增多,数据融合技术已经在地学领域得到广泛应用。以SAR和SPOT多光谱影像为数据源,通过几何校正、辐射定标、噪声去除等预处理,采用PCA、IHS、BT、HPF以及WT融合方法进行融合试验,选取标准差、信息熵以及相关系数对融合结果进行图像质量评价。结果表明：基于结构信息变换的HPF和WT方法,纹理结构信息保持较好,线性地物特征尤为突出;基于统计信息变换的PCA方法,不仅能较好保持多光谱信息,而且也保持了SAR影像纹理结构信息,信息熵指数最大;基于彩色变换的IHS和BT方法,虽然视觉效果较理想,但是色彩及光谱失真现象严重,信息熵值最小。      

面向滨海湿地的全色/多光谱影像融合方法与应用分析——以杭州湾（1999~2018年）为例

影像融合在滨海湿地遥感监测中具有重要作用,然而滨海湿地区域多以水体、植物等为主,地物复杂多变,导致现有融合方法易产生光谱畸变且鲁棒性往往较差,难以满足滨海湿地的长时序动态监测需求。为此,提出基于空—谱质量评价的全色/多光谱影像融合方法SSQI_ PANSHARP,所提融合模型以融合影像的空—谱质量评价为导向,集成多种融合方法在空间增强和光谱保真方面的互补优势,满足滨海湿地长时序遥感监测对融合方法鲁棒性的需求。以杭州湾滨海湿地为研究区域,利用1999~2018年Landsat-7、Landsat-8卫星20年影像数据,从定性、定量以及滨海湿地典型地物光谱指数NDVI、NDWI等多方面,对提出方法进行充分验证,并在此基础上均匀抽取相近季度3期数据,对杭州湾滨海湿地近20年间土地覆盖类型,进行宏观长时序动态监测分析。研究结果表明,SSQI_PANSHARP方法在滨海湿地区域中的光谱保真度、空间结构信息增强效果表现较好,且鲁棒性强,适合于滨海湿地的长时序监测需求。监测结果显示,杭州湾南岸滨海湿地2010年后建筑用地比例上升,区域内池塘水田明显增加,农田绿地有所下降。     

基于HSV和红黑小波变换的多光谱图像融合

提出一种基于HSV和红黑小波变换的多光谱图像融合方法。对多光谱图像进行HSV变换,将得到的明度分量和全色图像做多尺度红黑不可分小波分解。采用不同的融合算子对高低频分量进行融合,对融合后的图像进行红黑重构和HSV逆变换得到融合结果,并采用客观性能指标对融合结果进行评价。实验结果表明,该方法对多光谱图像和高空间分辨率图像有较好的融合效果。     

多光谱掌脉和掌纹离焦图像融合方法

非接触条件下单模态手部图像纹理信息有限,不利于识别。本文提出利用同一装置在多光谱下分时快速获取掌纹和掌脉图像。通过掌纹图像在静脉图像中进行掌纹主线增强处理,达到增加纹理信息、改善识别效果的目的。控制掌纹、掌脉两幅图像获取间隔小于0.1s,忽略手掌细微空间移位,对获取的掌纹图像进行感兴趣区域(Region of interest,ROI)提取,并利用掌纹ROI坐标参数进行静脉图像的ROI提取。然后对两个ROI区域进行预处理,通过多层小波分解得到的掌纹高频信息快速定位掌纹主线。最后根据掌纹主线归一化后的高频分量,进行掌纹和掌脉小波系数的融合,最终得到在静脉纹理图像中增强掌纹主线纹理的融合图像。实验结果表明,融合后的图像中在保持静脉纹理信息原有状态下,掌纹主线纹理信息明显增加,识别效果得到改善。     

小波变换实现多光谱图象融合增强

本文针对多光谱图象的增强问题,提出了一种基于小波变换理论的融合增强方法。它将高空间分辨率的全色图象和多光谱图象经小波变换后的低频分量进行融合,改进了传统基于小波变换理论的增强方法。本文还对比评价了基于IHS变换和传统小波变换的增强结果,表明了该方法在提高多光谱图象的空间细节表现能力和保持地物光谱信息上都具
有很好的效果。     

几种小波融合方法在遥感影像融合中的应用与比较

遥感影像融合是在提高空间分辨率的同时尽量保持光谱信息的完整性。小波融合方法已经被证明在保持光谱信息方面具有一定的优势。本文利用SPOT5的全色影像和多光谱影像,对常用的几种小波融合方法进行了试验,使用多种评价方法,将他们与常用的IHS方法和PCA方法进行了比较,并研究了小波分解层数对融合结果的影响。     

平衡多小波在图象融合增强中的应用

平衡的多小波变换无需预滤波,保持了多小波的特性。据此,本文提出了一种基于平衡多小波变换的图象融合方法。多光谱图象融合增强实验表明,该方法在提高多光谱图象的空间细节表现能力和保持地物光谱信息上都具有很好的效果,优于基于非平衡多小波变换的融合方法。     

基于类解混的高光谱和多光谱图像融合算法

基于解混合的图像融合算法存在的2个问题:(1)用低分辨率高光谱图像(low-resolution hyperspectral image,LR-HSI)的光谱特征重建高分辨率高光谱图像(high-resolution hyperspectral image,HR-HSI),而LR-HSI的空间降质会导致光谱的精度损失;(2)基于非负矩阵解混的算法由于目标函数非凸性,其求解对初始值敏感,导致端元和丰度值不稳定.为解决此问题,提出基于类解混的高光谱图像融合算法.首先,利用模糊c均值算法对图像聚类,以距离聚类中心最近的像素代替解混端元,避开了直接解混导致的解不稳定问题.其次,为每类地物分别学习基于广义回归神经网络(general regression neural network,GRNN)的相同场景HR-HSI和LR-HSI在光谱域的非线性映射关系,弥补由于空间降质导致的端元光谱精度损失.文中借鉴解混合思想,由低分辨率高光谱图像的端元重建高分辨率高光谱图像的端元,将其与高分辨率多光谱图像(high-resolution multispectral image,HR-MSI)的稀疏系数结合得到HR-HSI.在4组数据集上验证本算法性能,与多种融合算法比较.实验表明,Salinas数据的实验结果在SAM,RMSE和ERGAS指标与次优的方法相比,它们的数值分别降低了5.5%,5.5%和1.6%;在Cuprite数据上数值降低了1.3%,3.9%和3.8%;在Indian Pines数据上数值分别降低了1.7%,4.0%和3.9%;在Pavia Center数据上,采用双三次插值时在SAM和ERGAS指标上与次优的方法相比数值分别降低了2.9%和8.5%;采用双线性插值时数值分别降低了3.5%和3.4%.所以,文中算法在有效地提升空间分辨率的同时,很好地保持了光谱信息.     

基于SPOT5影像的山东南四湖地被覆盖分类研究

以南四湖2006年6月中旬的两景SPOT5多光谱卫星影像为数据源,借助ERDAS Imagine和ArcView软件,运用非监督分类与人工目视解译的方法对影像进行分类处理。运用实地调查记录检验分类结果,符合率达到83.3%。依据分类结果绘制了南四湖地被覆盖图,并且计算了各种地被类型的面积。南四湖大堤内总面积为1206.9 km²,其中开阔水域占总面积的45.54%,湿地植被面积占21.06%,围网养殖区面积占15.6%,无水区的村庄、农田和林地占17.8%。南四湖地被覆盖格局主要受人为因素影响,为保护南四湖生态环境,必须禁止湖内土地围垦,控制围网养殖区,逐步恢复湿地植被。     

一种SPOT图像公路信息全自动提取新方法

提出了一种基于模糊连接度的SPOT图像公路信息全自动提取算法。该方法首先运用Sobel算子对SPOT图像进行边缘检测,然后使用阈值优化道路边缘点从中选取出道路种子点,接着通过计算图像中各点与种子点间模糊相似程度来提取道路信息,最后进行进一步完善处理。实验表明,该方法性能良好,在整个提取过程中不需要人工输入种子点,可以快速地实现道路特征的全自动提取。