一种单时相高分辨率遥感影像时空融合算法

受制于传感器本身材料及卫星轨道参数,空间分辨率和时间分辨率是卫星遥感传感器固有的性能指标且难以兼备,使得高空间分辨率卫星的多时相数据合成问题至今仍是制约其广泛应用的关键问题之一。由于可有效综合空间-光谱-时间维的影像信息,多源遥感影像时空融合技术在近十年间得到迅速发展并已成为解决多时相数据合成问题的有力手段,其中基于学习的时空融合策略在合成精度上具有显著优势且应用潜力较高,但因其对字典训练过程的依赖程度较高而在融合过程中存在一定的不确定性。为提高基于学习的时空融合策略的预测精度、运算效率及鲁棒性,通过综合基于辐射归化的大气校正方法、基于误差约束的数据标准化转换机制、自适应多层递进融合策略以及高效的稀疏求解函数库,设计了一种适用于单时相高分辨率遥感影像的时空融合框架,并以国产高分二号卫星与Landsat-8卫星遥感影像为实验数据对该方法进行充分的对比性分析。实验结果表明,该融合框架不仅提升了运算效率,还在影像保真度、纹理特征描述以及光谱一致性等方面比当前的单数据对融合方法具有更好的重构质量。     

融合波段特征的多光谱遥感影像感知哈希认证算法

目的 多光谱遥感影像的完整性、真实性等安全问题逐步受到人们的关注,但是,传统认证技术更多地关注数据载体的认证,其不能满足多光谱遥感影像的认证需求。针对多光谱遥感影像的数据特点,提出一种融合波段感知特征的多光谱遥感影像感知哈希认证算法。方法 首先,采用隐形格网划分将多光谱影像的各个波段划分成不同的区域;然后,采用离散小波变换对各波段相同地理位置的格网单元进行分解,并分别采用不同的融合规则对小波变换后的不同分量进行融合;最后,通过Canny算子与奇异值分解提取融合结果的感知特征,再对提取的感知特征进行归一化,最终生成影像的感知哈希序列。多光谱影像的认证过程通过精确匹配感知哈希序列来实现。结果 本文算法采用Landsat TM影像和高分二号卫星的融合影像数据为实验对象,从摘要性、可区分行、鲁棒性、算法运行效率以及安全性等方面进行测试与分析。结果表明,该算法只需要32字节的认证信息就能够实现多光谱遥感影像的认证,摘要性有了较大提高,且算法运行效率提高约1倍;同时,该算法可以有效检测影像的恶意篡改,并对无损压缩和LSB水印嵌入保持近乎100%的鲁棒性。结论 本文算法克服了现有技术在摘要性、算法运行效率等方面不足,而且有较好的可区分性、鲁棒性,能够用于多光谱遥感影像的完整性认证,尤其适合对摘要性要求较高的环境。     

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。     

一种面向多光谱遥感图像的动态尺度梯度调制融合算法

针对多光谱遥感图像,提出一种新的动态尺度梯度调制融合算法;该算法首先根据需求选取不同波段上的光谱图像,然后在多尺度梯度塔形分解数据结构下,分析、选择合适尺度上的一幅梯度图像作为融合的引导,再经过动态的阈值选取和二值化得到调制因子,对另一幅光谱图像进行调制,获得最终的融合图像;实验结果表明,与传统的对比度调制算法和多尺度调制融合算法相比,该算法能够有效地保留、增强各个波段光谱图像中最显著的地貌特征.     

遥感多光谱影像空间分解力增强的融合方法

探讨了采用HIS变换对遥感多光谱影像与航片数字化影像进行融合的方法。试验结果表明所提出的方法是确实可行的。融合后的影像不仅在很大程度上保留了原多光谱影像的光谱特征,而且将其空间分解力提高到原光谱影像的近3倍,因而增强了多光谱影像的判读和量测能力。     

一种新的遥感影像变化检测算法

针对传统的遥感影像变化检测算法不能同时确保准确率高、抗噪能力强和时间成本低的现状,设计一种新的基于非下采样剪切波变换和自适应脉冲耦合神经网络相结合的遥感影像变化检测算法。充分采用邻域信息有效降低虚警数量;借助非下采样剪切波变换的多方向、多尺度分解并利用全局、局部滤波,有效降低漏警数量;非下采样剪切波变换具有平移、旋转和尺度不变性,有效提升抗噪能力;自适应脉冲耦合神经网络分类准确率高并且时间成本很低。实验结果表明,与其他算法相比,该算法具有更高的检测准确度、更强的抗噪能力和更低的时间成本。实验结果验证了该算法的优越性和可行性。     

多尺度遥感影像融合技术及其算法研究进展

随着传感器光谱分辨率和空间分辨率的提高,现代遥感技术提供了金字塔状的可利用遥感数据。与此同时,也给遥感技术应用提出了挑战———如何充分、有效地利用多源、多尺度的遥感影像数据。影像融合技术为充分利用多源、多尺度的遥感影像数据提供了有效的途径。本文对目前多尺度影像融合技术及其算法的发展进行了系统分析,在此基础上,对影像融合技术的发展进行了简要的分析。     

多光谱遥感影像建筑物提取

针对传统遥感影像目标提取对数据要求严格及应用受限的问题,提出一种基于非线性尺度空间滤波的建筑物提取算法.首先,构造多光谱影像各个波段的非线性尺度空间并进行迭代滤波;然后,搜索全局影像的标准差曲线的第一个谷点,停止迭代过程;最后,利用最大类间方差法分别对各个波段的滤波结果进行二值化.为了验证本文方法的有效性,选取福州市的一幅航空影像,并与同类方法进行对比.试验结果表明,本文算法能在平滑噪声的同时保留建筑物边缘信息,对于提取排列紧密的建筑物有更好的效果,在保证查准率的前提下,查全率有5%以上的提高.     

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。     

基于克隆选择的多光谱遥感影像分类算法

为了对多光谱遥感影像进行更精确的分类，提出了一种基于克隆选择(clonal selection)的多光谱遥感影像分类算法。该方法首先应用基于人工免疫系统的克隆选择算法对样本进行自学习来得到全局最优的聚类中心，然后利用学习得到的聚类中心对整幅影像进行分类。由于克隆选择算法具有生物免疫系统自组织、自学习、自识别、自记忆的能力，不仅使得基于克隆选择的多光谱遥感影像分类算法具有非线性的分类能力，而且能够快速准确地得到全局最优解，从而克服了传统分类方法约束条件多、容易陷入局部最优的缺点。实验结果证明，基于克隆选择的多光谱遥感影像分类算法在分类精度上优于传统的分类方法，其总精度和Kappa系数分别达到了93．63％和0．915，因而具有实用价值。     

改进的多光谱遥感影像超分辨率重构算法

针对现有遥感影像重构算法数据资源有限、配准精度低等问题,结合遥感影像的光谱特征,提出一种改进的多光谱遥感影像超分辨率重构算法。提取场景结构特征作为重构的正则化约束条件,保持重构结果中的高频信息。利用波段间的交叉相关,获得场景的结构特征信息。通过迭代反投影算法对单波段影像进行重构,将其合成为全色高分辨率遥感影像。仿真实验结果表明,该算法的重构效果较优。     

基于影像局部光谱特性的遥感影像融合

提出了结合遥感影像的局部相关矩和局部方差进行融合的方法。实验结果表明,与传统的小波变换的融合方法相比,该方法在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。     

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。     

基于PCA与EM算法的多光谱遥感影像变化检测研究

变化检测技术能够从观测数据中有效地提取各种变化信息。以多时相的多光谱遥感影像作为主要研究对象,就基于直接比较像元特征的变化检测中两方面的关键问题——差异影像的构造和变化阈值的提取来开展研究,具体采用PCA结合差值比较的方法构造差异影像,采用EM自动确定变化阈值以提取变化区域。通过与传统变化检测方法的实验比较,证明了该方法的有效性。     

一种基于光谱角原理的多光谱遥感图像云检测算法

为了满足遥感卫星实时云检测要求,提出了一种基于光谱角的云检测算法。首先在多光谱谱段构成的欧式空间中构造参考云矢量;然后计算图像中各像元矢量与参考云矢量的光谱角,对光谱角进行高斯滤波生成云掩膜;最后计算得到图像中云量百分比。利用该算法对156景人工标注过的Land Sat-7有云图像进行云检测,结果表明本文算法云检测整体精度能到达83.6%,平均执行速度为360 ms。本文算法原理简单,执行速度快,检测效果好,具有星上实时应用潜力。     

一种快速高分辨率遥感影像分割算法

高分辨率遥感影像(如IKONOS 影像)海量数据、复杂细节的特点决定了高分辨率遥感影像分割的技术难点,提出了基于同质性梯度特征、分水岭算法和最小代价合并的快速分割方法。首先对于原始图像进行同质梯度计算得到同质梯度图像;其次利用一种高效的分水岭变换获得初始分割图像;最后给出一种改进的区域合并算法来优化初始分割区域。应用于IKONOS影像的实验证明与其他的分割算法相比,采用所提出的分割方法能快速、准确地获得高分辨率遥感图像的分割结果。     

多源遥感影像数据融合

综述了多源遥感影像数据融合技术,包括融合的信息表示、融合原理、融合系统框架模型、融合的算法、控制及应用,最后指出了融合中存在的问题、可能解决途径和未来发展趋势。     

多分辨率金字塔算法的遥感影像融合对比分析

采用拉普拉斯、对比度、梯度以及形态学4种金字塔分解算法,以区域特征选择为融合规则对IKONOS多光谱和全色波段影像进行融合,从空间信息和光谱特征两个方面对融合结果进行对比分析,探讨各种算法的遥感影像融合效果。实验结果表明:基于形态学金字塔算法影像融合的空间信息增强和光谱特征保留效果最好;Laplacian算法次之;对比度和梯度算法效果最差。     

基于GA-BP算法的多分辨率遥感影像融合技术

由于Landsat-5唯一的热红外波段遥感影像TM6的空间分辨率不高,使得其应用与研究程度远不及其它波段广泛。为此,运用GA-BP算法来提高TM6遥感影像的空间分辨率,并进行仿真实验,结果表明:①GA-BP算法有效地避免了BP算法陷入局部最小点、收敛速度慢的问题,是一种快速、可靠的方法。它的快速算法对数据量巨大的遥感图像更具实用价值。②从提高TM6遥感影像空间分辨率的仿真结果来看,无论计算效率还是遥感影像的融合效果,GA-BP算法都优于BP算法。③GA-BP算法既保留了TM6遥感影像的基本灰度分布信息,同时也提高了其空间分辨率,可以有效地运用到提高遥感影像空间分辨率的过程中。