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。     

一种多光谱图像和全色图像融合算法

文章提出了一种新的基于独立成分分析的多光谱图像和全色图像的融合算法:对于两幅图像的重叠区域,使用独立成分分析去除遥感图像中高阶数据冗余问题,通过独立成分分析使得所分离的各个分量进行叠加从而得到最终的融合结果,从而提高了融合后图像的信息量和信噪比,同时使融合图像兼具全色图像的高分辨率和多光谱图像中特有的对目标某些独特特征的精细描述,使融合图像包含更丰富更有效的信息.     

基于四阶累积量的波段子集高光谱图像异常检测

针对由于高光谱图像光谱和空间分布的复杂性导致核RX算法检测性能不高这一问题,提出了基于四阶累积量的波段子集非线性异常检测算法。首先先依据各相邻波段间的相关系数,将原始图像数据划分为多组波段子集;然后,利用主成分分析(PCA)构造的正交子空间对各波段子集进行背景抑制,得到图像误差数据;在此基础上,再次利用PCA提取各波段子集的特征信息,使异常目标信息集中于前面几个波段;最后,提取各子集主成分中含有最大四阶累积量值的波段,构成最优波段子集,并与核RX算法结合进行异常检测。利用真实的AVIRIS高光谱图像对算法进行仿真,结果表明,本文算法检测精度高,虚警率低,性能明显优于核RX算法。     

利用脉冲耦合神经网络的高光谱多波段图像融合方法

针对高光谱图像波段众多、数据量大的特点,提出了一种基于脉冲耦合神经网络（Pulse Coupled Neural Networks, PCNN）模型的高光谱多波段图像融合方法.根据高光谱图像多输入的特点对原始PCNN模型进行了扩充,采用多通道PCNN模型来对输入图像进行非线性融合处理.通过分析传统变阈值衰减模型的特点及其不足,提出了修正的变阈值指数增加模型,以改善融合效果和降低PCNN运行的时间复杂度.利用记录点火时刻的赋时矩阵得到带有一定增强效果的融合结果图像.实验结果表明,该方法的融合效果要优于传统的主成分分析融合方法和小波变换融合方法.     

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

一种基于主成分分析的高光谱图像波段选择算法

提出了一种基于主成分分析的高光谱图像波段选择算法。该算法把每个波段被映射到主成分的信息量的大小作为是否被选择的指标，因此，可以保证选择的波段包含原始图像绝大部分信息，而且指标的计算只需要得到原始数据的协方差阵，而不必对原始数据进行真正的主成分变换，极大的降低了计算量。贝叶斯和K-均值分类实验表明．该算法是有效可行的。     

利用独立成分分析的高光谱图像波段选择方法

提出一种适合目标探测的基于独立成分分析(ICA)的高光谱图像波段选择方法。首先进行"虚拟维"(VD)估计以确定重要独立成分个数,同时对FastICA生成的独立成分排序,选择排序靠前的几个独立成分作为重要独立成分;再根据波段对重要独立成分的平均贡献量对波段排序;最后使用光谱相似性度量去除排序后的冗余波段,保证了最终波段子集含有较多的目标信息。对AVIRIS获取的两幅真实高光谱图像进行了目标探测实验,结果表明,文中方法优于另外两种基于二阶统计特性的波段选择方法,其选出的波段分别占据全部波段的12%和3%,目标探测算子自适应余弦估计(ACE)和自适应匹配滤波(AMF)其上的探测率较全波段分别提高了30%和15%。     

基于超像素分割与卷积神经网络的高光谱图像分类

针对卷积神经网络（CNN）在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题，提出基于超像素分割与CNN的高光谱图像分类方法。首先利用主成分分析（PCA）提取图像的前12个成分后对前3个主成分进行滤波，对滤波后的3个波段进行超像素分割；然后将样本点映射到超像素内，使其以超像素而不是像素为基本的分类单元；最后利用CNN进行图像分割。在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验，实验结果表明，相比仅利用光谱信息的方法，融合空-谱特征信息的方法的精度得到提升，在两个数据集上的分类精度分别达99.45%和97.60%。     

基于空谱融合和随机多图的高光谱遥感图像农作物分类

针对高光谱遥感图像复杂农作物分类问题,提出了一种基于空谱融合和随机多图的高光谱遥感图像农作物分类方法。通过使用一种潜在特征融合和最优聚类(Latent Features Fusion and Optimal Clustering Framework, LFFOCF)的波段选择方法和分段主成分分析(Segmented Principal Component Analysis, SPCA)进行光谱降维,采用多尺度二维奇异谱分析(2-D-Singular Spectrum Analysis, 2-D-SSA)应用于降维图像,以提取不同尺度的空间特征。将多尺度空间特征与主成分分析(Principal Component Analysis, PCA)得到的全局光谱特征融合送到随机多图(Random Multi-Graphs, RMG)中进行分类。在印度松树、萨利纳斯和龙口数据集上,所提出的方法与一些现有的方法进行了对比实验。实验结果表明,该方法的类别精度(Class Accuracy, CA)、总体分类精度(Overall Accuracy, OA)、平均分类精度(Average Accurac...     

Integrated method for boundary delineation of agricultural fieldsin multispectral satellite images

Most agricultural statistics are calculated per field, and it is well known that classification procedures for homogeneous objects produce better results than per-pixel classification. In this study, a multispectral segmentation method for automated delineation of agricultural field boundaries in remotely sensed images is presented. Edge information from a gradient edge detector is integrated with a segmentation algorithm. The multispectral edge detector uses all available multispectral information by adding the magnitudes and directions of edges derived from edge detection in single bands. The addition is weighted by edge direction, to remove "noise" and to enhance the major direction. The resulting edge from the edge detection algorithm is combined with a segmentation method based on a simple ISODATA algorithm, where the initial centroids are decided by the distances to the edges from the edge detection step. From this procedure, the number of regions will most likely exceed the actual number of fields in the image and merging of regions is performed. By calculating the mean and covariance matrix for pixels of neighboring regions, regions with a high generalized likelihood-ratio test quantity will be merged. In this way, information from several spectral bands (and/or different dates) can be used for delineating field borders with different characteristics. The introduction of the ISODATA classifier compared with a previously used region growing procedure improves the output. Some results are compared with manually extracted field boundaries     

改进的PCNN模型在多光谱与全色图像融合中的应用研究

介绍了PCNN模型原理,提出了基于双通道自适应的PCNN多光谱与全色图像融合算法。该算法首先将RGB空间的多光谱图像转换为HSV彩色空间,然后将HSV彩色空间中的非彩色通道(V通道)的灰度像素值和全色图像的像素灰度值分别作为PCNN-1及PCNN-2的神经元输入,利用方向性信息作为自适应链接强度系数,对非彩色通道图像和全色图像进行自适应分解,再将点火时间序列送入判决因子得到新的非彩色通道图像,最后将原多光谱图像的H通道分量、S通道分量及新的V通道分量经HSV空间逆变换获得最终的融合图像。实验结果表明,该算法不仅解决了链接强度系数自动设置的问题,而且充分考虑到图像边缘和方向特征的影响,无论在主观视觉效果,还是客观评价标准上均优于IHS、PCA、小波融合等其他图像融合算法,同时降低了计算复杂度。     

Fusion of Multispectral and Panchromatic Images Using a Restoration-Based Method

Many remote-sensing satellites can obtain images in multispectral and panchromatic bands. By fusing low-resolution multispectral and high-resolution panchromatic images, one can obtain high-resolution multispectral images. In this paper, an image fusion algorithm based on image restoration is proposed to combine multispectral and panchromatic images. For remote-sensing satellites, the wavelength of the panchromatic band usually covers the wavelengths of the multispectral bands. This relationship between the two kinds of images is useful for fusion. In our approach, the low-resolution multispectral images are first resampled to the scale of the high-resolution panchromatic image. The relationship between these two kinds of images is then used to restore the resampled multispectral images. That is, the resampled multispectral images are modeled as the noisy blurred versions of the ideal multispectral images, and the high-resolution panchromatic image is modeled as a linear combination of the ideal multispectral images plus the observation noise. The ideal high-resolution multispectral images are then estimated based on the panchromatic and the resampled multispectral images. A closed-form solution of the fused images is derived here. Experiments show that the proposed fusion algorithm works effectively in integrating multispectral and panchromatic images.     

基于离散向量小波变换的多光谱图像融合

为了能够更好地把多光谱图像和高分辨率图像的图像信息综合起来,以提高对图像信息的分析和提取能力,在研究了离散向量小波图像分析法之后,本文提出了一种基于离散向量小波变换的像素级图像融合新方法。向量小波作为标量小波的一种扩展具有很多标量小波所没有的优点。向量小波分析能够为图像提供一种比标量小波多分辨分析更加精细的分析方法。利用向量小波将多光谱图像和高分辨率图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。给出了该方法的融合结果,通过与其它融合方法进行主观与客观的评价比较,证明该融合方法可以获得更好的融合效果。     

QuickBird高分辨率影像融合方法比较研究

遥感图像融合的关键就是选择合适的融合方法,恰当的融合方法可在提高图像空间信息的同时,能很好地保持多光谱影像的光谱特性。从应用的角度出发,利用ENVI 4.5、PCI 9.0、ERDAS 9.1和PhotoShop四种软件平台对快鸟卫星(QuickBird)数据进行了融合实验研究,并对相应的融合结果进行了讨论与分析,希望为同类作业者提供借鉴。结果表明,格拉姆-施密特(Gram-schmidt)正交化变换法和彩色合成(PanSharp)方法在提高影像空间分辨率的同时,还较好地保持了多光谱波段的光谱信息,并且色彩信息更符合人的视觉习惯。     

基于小波变换和分段DPCM混合编码的多光谱遥感图像压缩算法

多光谱遥感图像的压缩要利用图像谱内及谱间的相关特性。该文在分析多光谱图像谱内和谱间相关特性的基础上,提出了对多光谱遥感图像进行压缩的分段 DPCM和 SPIHT相结合的混合压缩算法,即首先利用分段 DPCM算法去除谱间冗余,再利用高效的 SPIHT小波压缩算法对预测误差图像进行编码。实验取得了令人满意的效果,证明了该算法的有效性。     

一种超高分辨率遥感图像融合新算法

该文针对超高分辨率的全色光图像和多光谱图像的融合,提出了一种基于对应分析的图像融合新算法。该算法在对多光谱数据进行对应分析的基础上,利用冗余小波变换提取出全色光图像的空间细节信息并将其融入到成分空间。实验分别采用IKONOS和QuickBird数据,融合结果的目视效果与客观评价表明,相比现有同类融合方法,该方法能够在提高空间分辨率的同时更好地保持光谱特性,有效地减少了色彩失真的现象。     

基于变分的多尺度遥感图像融合算法

全色图像与多光谱图像融合时,忽略了上采样的重要性和通道间细节的差异性.针对前者,利用不同尺度下自相似块,估计出低分辨率图像丢失信息,从而修改了图像上采样的策略,并以此构造目标函数的保真项;针对后者,利用全色图像和光谱图像梯度域结构相似性,提出局部加权动态稀疏约束,构造目标函数的正则项.本文基于变分法理论,构造了新的目标函数,并提出了多尺度迭代融合框架,通过多次迭代逐步提高融合图像的分辨率,每一层的融合结果更加准确,从而提高最终的融合精度.本文算法与Brovey等成分替代算法、P+XS等变分算法、MTF_GLP等多分辨分析算法进行比较.实验结果表明,本算法的融合结果具有良好的视觉效果,且在客观评价指标上比所有对比算法的最优值平均值均有提高.     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。     

基于多元EMD方法的遥感图像融合

在原有的EMD算法基础上,利用多元EMD算法对遥感图像进行融合,该算法将图像看做多元变量,并将其投影到相应的方向向量上,从而获得相应的固有模式函数及残余分量。通过遥感全色图像与多光谱图像的融合证明该算法在既保持了光谱信息的同时,又增强了其空间细节。