TM多光谱与SPOT 全色遥感图像融合算法对比

融合技术是遥感数据处理中一种重要的方法。而TM多光谱与SPOT全色图像是遥感融合最为普遍的选择。为了对比分析不同方法在融合TM多光谱与SPOT全色图像上的效果,提出基于色彩空间的HSV变换、基于算数技术的Brovey变换和Gram—Schmidt波谱锐化3种融合方法相结合,实现了对同一传感器的全色和多光谱数据融合。试验表明:就空间信息量而言,经过HSV变换的图像具有最大的空间信息,但其光谱保真能力最差;Brovey变换最大限度保持了原始图像的光谱信息,而空间信息的详细程度较差;Gram-Schmidt波谱锐化后的影像不仅保持了多光谱影像的光谱信息,同时又保持了高光谱全色影像的空间细节信息,是一种较好的图像融合方法。     

ETM影像融合的评价分析

针对Landsat-7 ETM影像，对采用HIS变换、Brovey变换、相关系数加权法、SFIM变换、ISVR变换5种方法实现的ETM全色波段与ETM多光谱波段融合结果进行分析，并以均值、标准差、信息熵、平均梯度及相对偏差作为评价指标，通过试验对融合影像进行综合定量评价。结果表明，HIS变换光谱失真最大；Brovey变换在光谱保真和保持空间分辨率方面都不理想；相关系数加权法的融合结果严重地依赖权系数的取值；基于SFIM变换的融合方法，能最大限度地保留光谱特征，但空间分辨率提高不明显；而基于ISVR变换的融合方法，光谱失真小，空间分辨率高，其最大优势是考虑了多光谱影像与全色影像间的波段关系，可作为ETM影像融合的最佳方法。
     

Brovey 融合与小波融合对QuickBird 图像的信息量影响

图像融合是解决多源遥感图像综合的最有效技术手段, 针对不同数据源选择最佳的融合方法是提高图像融合质量的关键。在分析了Brovey 融合和小波融合的理论、算法和融合过程的基础上,对QuickBird 的全色波段图像和多光谱波段图像数据进行融合实验, 然后从定性和定量两个方面对融合效果进行了分析与评价。定性分析是从色调、纹理和清晰度等方面进行分析, 而定量分析是根据熵、平均梯度和光谱真实性等指标进行分析, 实验结果表明: 在处理QuickBird 遥感图像时, 采用小波融合的图像既保持了较高的空间分辨率, 又具有较好的光谱特性; 而采用Brovey 融合的图像虽然图像空间分辨率也较高, 但光谱信息丢失较大, 因此Brov ey 融合方法并不适用于处理QuickBird 遥感图像。     

多光谱遥感图像与高分辨率全色图像融合研究

介绍了遥感图像融合的一般过程和特点,研究了像素级融合的常用算法,归纳了融合图像的基本步骤,采用四种融合方法对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融合实验,发现基于小波变换的图像融合提供更多细节信息,Brovey变换法融合全色图像与多光谱图像目视效果最好,速度最快。     

利用ASTER数据评价ETM+遥感数据自身融合效果

ETM+自身融合后的遥感影像折中了全色波段的高空间分辨率和多光谱波段的光谱分辨能力。通过同一季相和同一地区的ASTER影像和ETM+自身融合后影像的极限放大进行对比分析,发现ETM+自身融合后的彩色合成影像的空间分辨力达不到15 m,但能保证到17.3 m;通过ASTER影像和ETM+融合后影像的NDVI植被指数的对比分析,发现ETM+自身融合后的彩色合成影像的综合光谱分辨能力仍能保持ETM+彩色合成影像的73%以上。ETM+自身融合效果的好坏与融合算法优劣也具有一定的关系。     

用低通滤波器改进Brovey融合法*

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法。该低通比值融合法能较好地保全低分辨率多光谱图像颜色的融合方法。     

地质灾害调查中ETM+与SPOT-5 Pan融合方法比较

ETM+与SPOT-5Pan融合影像含有丰富的光谱信息和空间结构信息,是地质灾害调查的理想数据源。但ETM+多光谱图像与SPOT-5 Pan图像空间分辨率相差悬殊,直接融合可能导致融合影像色彩模糊、色调不和谐等问题;若将ETM+与其全色融合后再与SPOT-5 Pan融合,如果融合方法不当亦会造成光谱信息的过多损失。通过采用IHS、Brovey、PCA和Gram-Schmidt变换分别对ETM+和SPOT-5 Pan按上述两种途径进行直接和间接融合,采用主观评定以及光谱剖面分析对融合影像进行了评价,从而筛选出适合于地质灾害调查的ETM+与SPOT-5 Pan融合方法。     

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。     

基于遥感图像的颜色保真融合方法的研究*

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法,该低通比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

SPOT5全色波段与ASTER多光谱影像融合方法的比较研究

多源遥感影像数据融合可以将不同来源数据包含的优势信息重构为新的信息载体,进而为解 决实际问题提供更丰富的信息。与TM,CBERS-1等影像数据相比,ASTER多光谱影像在短波红外波段具有更强的优势,因此将其与SPOT5全色波段进行融合可为解决实际问题提供更多的细微信息。本文选取主成分分析变换（Principal component analysis,PC A）、比值变换（Brovey）、格兰姆-施密特变换（Gram-Schmidt,GS）和小波变换4种融合方法进行对比研究,实验结果表明PCA变换和GS变换适用于这两种影像融合。     

A wavelet transform method to merge Landsat TM and SPOT panchromatic data

To take advantage of the high spectral resolution of Landsat TM images and the high spatial resolution of SPOT panchromatic images (SPOT PAN), we present a wavelet transform method to merge the two data types. In a pyramidal fashion, each TM reflective band or SPOT PAN image was decomposed into an orthogonal wavelet representation at a given coarser resolution, which consisted of a low frequency approximation image and a set of high frequency, spatially-oriented detail images. Band-by-band, the merged images were derived by performing an inverse wavelet transform using the approximation image from each TM band and detail images from SPOT PAN. The spectral and spatial features of the merged results of the wavelet methods were compared quantitatively with those of intensity-hue-saturation (IHS), principal component analysis (PCA), and the Brovey transform. It was found that multisensor data merging is a trade-off between the spectral information from a low spatial-high spectral resolution sensor and the spatial structure from a high spatial-low spectral resolution sensor. With the wavelet merging method, it is easy to control this trade-off. Experiments showed that the simultaneous best spectral and spatial quality can only be achieved with wavelet transform methods, compared with the three other approaches examined.     

Assessing the effectiveness of Google Earth images for spatial enhancement of RapidEye multi-spectral imagery

RapidEye satellite images with high spatial resolution, affordable prices and having Red-Edge band have high potential for time series issues, especially in vegetation studies. Despite these beneficial properties, RapidEye images with 5 m spatial resolution are not sufficiently useful for some applications. According to this problem, enhancing the spatial resolution of RapidEye images can significantly improve the results of the subsequent processes on these images. Fusion of high spatial resolution with high spectral resolution images is known as an effective way to enhance the quality of multispectral remotely sensed images. Unfortunately, the lack of panchromatic band with high spatial resolution has been faced the procedure of improving the spatial resolution of RapidEye images with major problems. In this paper, we have proposed using the free Google Earth (GE) images which have high spatial resolution and high-coverage of land surface to enhance the spatial information of RapidEye images. A simulated panchromatic image has been generated by three band GE image and with three different methods: Mean, principal component analysis (PCA) and weighted average of GE image bands. In the last method, the weights are extracted from the spectral response curve of the satellite which captured the GE image. The simulated panchromatic image has been utilized for pansharpening of RapidEye image in five well-known methods: Brovey, Gram-Schmidt (GS), intensity-hue-saturation (IHS), Pansharp1 and Pansharp2. The most important point is finding the GE image with lowest lag time with RapidEye image. By satisfying this condition, the experiments illuminated that the proposed method can effectively enhance the spatial quality of RapidEye image. Also, this study presented that Pansharp2 method, which used simulated panchromatic image generated by the spectral response curve information, has revealed the best results of RapidEye image pansharpening.     

基于小波变换理论的影像融合及评价

研究了基于MALLAT小波变换与静态小波变换(SWT)改进的IHS影像融合方案,并与标准IHS,BROVEY,PCA融合算法进行对比,分析了各种融合结果的优缺点。采用信息熵,标准差指标对信息量进行比较。选择平均值,相关系数,标准偏差指数进行融合影像光谱特征评价。针对ETM 全色波段与多光谱波段进行实验分析,结果表明小波变换融合算法总体优于传统融合算法,并能较好的保持光谱特性,但两种不同的离散小波变换方法改进的融合效果各有优缺点。     

SPOT 5在森林资源二类调查应用中数据优化研究

为了实现SPOT 5影像应用于森林资源二类调查过程中影像数据最优的目视效果,首先利用标准差、均值、信息熵、OIF指数等指标对影像融合及目视解译最佳波段进行选取;其次,针对性地引入了亮度信息、空间细节和纹理结构、信息量、光谱特性保持程度等融合效果评价参数,并以高空间分辨率信息继承程度作为重要参数以反映融合影像空间分辨率特征,把最佳波段作为统计对象对常用的9种像素级融合方法进行了融合效果分析。比较得出PCA融合为9种方法中综合最优,影像亮度、空间分辨率信息较高,视觉效果最佳;乘积融合和Brovey融合虽然空间分辨率信息继承程度等指标也较优,但是光谱扭曲太大。小波融合等方法总体光谱特征普遍较好,但是噪声较多,空间分辨率信息不佳,不适用于目视解译。定量评价之后的定性评价分析进一步强调了高空间分辨率信息继承程度做为评价指标的重要性。     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

颜色保真的遥感图像融合方法的研究

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法,该融合法首先对高几何分辨率的全色波段进行低能滤波,尔后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法,该低通比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

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。