基于Red-Black小波变换的多光谱图像融合方法

针对张量积小波在多光谱图像融合中的不足,提出了一种基于Red-Black小波变换的多光谱图像和高空间分辨率全色图像融合方法.首先对多光谱图像进行IHS变换,将得到的亮度分量和高空间分辨率全色图像进行直方图匹配,并分别作多尺度Red-Black小波分解,然后对低频部分采用加权平均、高频部分采用替代的融合算法对分解子图像进行融合,最后对融合后的各级子图像进行Red-Black重构和IHS逆变换得到融合结果图像,采用客观性能指标对融合结果图像进行了评价.实验结果表明,该方法有较好的融合效果,其保持光谱质量和空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法和基于IHS-DWT的融合方法都强.     

基于二代小波变换和PCNN的高光谱图像融合算法

采用信息融合技术可以降低高光谱遥感图像的分析难度。本文提出一种基于二代小波变换和脉冲耦合神经网络(PCNN)的融合算法。在利用自适应子空间分解技术将高光谱图像的数据空间划分为数个子空间后,对各子空间内的每一波段图像进行二代提升小波分解。对低频系数部分进行方差加权融合的同时利用PCNN的脉冲同步和全局耦合特性对高频系数部分进行选取,最后用二代小波逆变换得到各子空间的融合图像.其仿真实验结果显示:所提算法有效降低了高光谱图像维数,很好保留了原图像的信息,效果优于单一的一代小波和二代小波融合算法。     

基于信息散度特征的高光谱影像识别技术

高光谱遥感将确定地物性质的光谱与确定地物空间和几何特性的图像有机地结合在一起.从空间对地观测的角度来说,高光谱遥感信息无论对地物理化特性的深层探索,还是对地物间微小差异的精细识别,以及对自然界的知识发现,都为人类提供了前所未有的丰富信息.其高光谱图像立方体图谱合一的特点,要求人们从光谱维去理解地物在空间维的变化,对二维空间图像的处理与分析需要转化成对每个像元所提取出的光谱曲线的处理与分析.本文提出了一种基于光谱信息散度的高光谱匹配识别算法,并对PHI数据进行了实验分析,验证了算法的有效性.     

基于采样三通道不可分小波的多光谱图像融合

针对传统的基于张量积小波变换融合方法生成的融合结果图像空间分辨率偏低且易产生方块效应、HSI变换融合方法保持光谱信息能力较差、基于非下采样三通不可分小波多光谱图像融合方法空间分辨率偏低等不足,提出了一种基于抽样矩阵为[2,1;-1,1]的三通道不可分小波的采样方式,并提出了基于该采样方式下的多光谱图像和全色图像融合方法。利用矩阵扩充的方法构造了一组具有对称性的三通道不可分滤波器组,分别对多光谱图像的亮度分量和全色图像做采样多尺度分解,对分解后的低频分量和高频分量按不同的融合规则进行融合。实验结果表明,所建议的方法融合结果图像清晰,能保持较好的光谱信息和高空间分辨率信息。该方法保持原多光谱图像的光谱信息的能力、保持原全色图像的空间分辨率的能力比基于DWT、基于HSI-DWT、基于HSI-Contourlet、基于HSI-Curvelet和基于HSI-STCNW的融合方法都强。与基于非下采样三通道不可分小波(HSI-TCNONW)的融合方法相比,该方法有较高的空间分辨率。该方法能保持原图像的较好的边缘信息和结构特征。     

加权空-谱与最近邻分类器相结合的高光谱图像分类

提出了一种基于加权空-谱距离(WSSD)的相似性度量方法 ,并将其应用到最近邻分类器(KNN)中,导出了一种新的高光谱图像分类算法。该算法利用高光谱图像的物理特性,通过引入空间窗口和光谱因子这两个参数来挖掘出图像中的空间信息与光谱信息,利用空间近邻点对中心像元进行重构。在最大限度减少图像冗余信息的基础上,增大了同类像元间的相似性以及异类像元间的差异性,获得了更为有效的鉴别特征,从而更好地实现了数据间的相似性度量。基于Indian Pines和PaviaU高光谱数据集进行了实验,结果表明:将提出的WSSD-KNN算法应用于高光谱图像分类时,其分类精度高于其他算法,总体分类精度分别达到了91.72%和96.56%。由于算法较好地融合了图像中的空间-光谱信息,提取出了更为有效的鉴别特征,故不仅有效地改善了高光谱数据的地物分类精度,而且可在训练样本较少时,保持较高的识别率。     

一种改进的基于小波变换的遥感图像融合方法

针对多光谱与全色图像的融合,提出一种改进的基于小波变换的融合方法,首先对多光谱图像进行IHS变换,其次将全色图像和多光谱图像的强度分量进行改进的基小波变换的比值融合,并用融合结果取代多光谱图像的强度分量,最后再做IHS逆变换得到融合图像.实验结果证明融合算法较IHS变换算法和常用的小波融合算法有更好的融合效果.     

基于Brovey算法的机械高光谱图像数据自动化融合技术

针对机械设备高光谱图像自动融合过程中对于多光谱波段的光波分辨率较差,导致融合数据图像较为模糊的问题,提出基于Brovey算法的机械高光谱图像数据自动化融合技术。通过数据波段分析获取机械设备高光谱图像数据,根据滤波长度排列实现数据收集收集及过滤;以得到的有效数据为基础,通过融合规则及图像波长中心点将数据数据重新组合,记录符合组合标准的数据。利用融合准则结合Brovey算法完成图像数据的融合,保留符合系统相似度标准的数据,实现数据精准自动化融合。实验结果表明,所提技术能够准确融合机械高光谱图像数据,实现机械高光谱图像的高清融合。     

基于分数阶微分的高光谱图像特征提取与分类

针对高光谱遥感图像的特征提取与地物分类,提出一种基于分数阶微分的高光谱图像特征提取方法,设计二维分数阶微分掩模提取高光谱图像的像素空间分数阶微分（SpaFD）特征,并提出一种空谱联合准则用于选取微分掩模阶数。为充分利用高光谱图像的空间特征与光谱特征,将SpaFD特征与原始特征直连融合获得SpaFD-Spe-Spa混合特征,并采用三维卷积神经网络（3DCNN）、先采用主成分分析（PCA）对像素光谱进行降维处理再送入三维卷积神经网络（3DCNNPCA）以及采用混合光谱网络（HybridSN）验证SpaFD-Spe-Spa混合特征的有效性。实验中分别采用3×3,5×5和7×7的分数阶微分掩模进行空间特征提取,4个真实高光谱图像的实验结果表明,所提取的SpaFD特征和SpaFDSpe-Spa特征可有效提升高光谱图像的地物分类精度,且SpaFD-Spe-Spa特征对地物分类准确率的提升更为明显：SpaFD特征相比原始特征在Indian Pines,Botswana,Pavia University和Salinas 4个数据上的分类识别率在最优情况下分别提升了3.87%,1.42%,2.41%和2...     

基于滤光轮双相机系统的高光谱分辨率成像

滤光轮光谱成像系统在光谱成像领域应用广泛,空间分辨率高,但是光谱分辨率较低。针对这一问题,提出了基于滤光轮双相机系统的高光谱分辨率成像,设计了一种基于插分补偿的多光谱计算重构方法,实现系统的高光谱分辨率、高空间分辨率成像。首先利用滤光轮双相机成像系统采集多光谱图像以及RGB图像,然后从多光谱图像获取离散的光谱响应曲线,最后根据RGB三通道数据与光谱高维数据之间的映射关系以及能量守恒定理,进行光谱响应曲线的插分补偿并实现高光谱分辨率成像。实验结果表明,本文方法能够在保持空间分辨率的情况下,高效地实现光谱分辨率为5 nm甚至更高光谱分辨率的成像,重建结果与真实值的均方根误差为0.017 1,具有较好的准确性和鲁棒性。     

高信噪比星载CCD成像电路系统

为获得高信噪比的航天遥感图像,针对CCD成像系统链路分析了影响图像信噪比的主要因素。结合CCD成像系统的响应模型,明确了系统信噪比的表达式,并摆脱了具体CCD型号的束缚,提出了一种"总-分-总"的高信噪比成像电路系统通用设计方法。描述了系统从顶层总体设计、底层各电路模块设计以及全系统联试的完整研制方法。将该方法应用于吉林一号卫星高分辨率多光谱CCD成像电路系统的设计中,并对成像系统进行了辐射定标试验,获得了高信噪比的图像数据。结果显示:在灰度为80%饱和输出时,获得的全色图像信噪比达到了53.9dB,多光谱图像的最高信噪比达到了56.3dB,且图像数据经融合后色彩真实、绚丽。本文的CCD成像电路系统设计方法能够为其他航天遥感载荷的电路系统设计提供参考。