基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.     

一种抽样小波域的遥感影像融合新方法

针对传统图像融合方法的不足,提出了一种新的基于IHS变换与抽样小波变换的高清晰遥感影像融合方法.该方法将直方图匹配后的全色影像的高频系数作为融合后的高频系数,而融合后的低频系数依据新提出的融合规则得到,最后采用小波逆变换与逆IHS变换获得融合图像.实验结果表明,该方法在提高融合影像的空间分辨率与光谱质量之间得到了更好的折衷.该方法的计算复杂度接近于常用的基于抽样小波变换的融合方法,明显少于基于非抽样小波变换的融合方法.     

基于IHS变换的多光谱遥感图像有损压缩算法

提出了一种有效的多光谱遥感图像有损压缩算法,该算法根据多光谱遥感图像的数据特点,将IHS变换和整数小波变换相结合进行数据压缩.采用IHS变换去除谱间相关性;采用整数小波变换去除空间相关性,依据各个子带的重要程度,用自适应阈值进行量化,并分别对量化后的数据和重要图表采用固定比特平面编码和游程编码.实验结果表明,算法在保证平均PSNR≥33dB时,获得了较高的压缩比,并且算法硬件实现简单,对内存的需求低.     

基于小波变换的自适应图像融合算法

针对现有图像融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,建立了图像内容自适应的融合准则和一致性选取准则,提出了一种基于小波变换的自适应图像融合算法,实现了多光谱图像与全色图像的融合,并对融合图像进行了主、客观评价。着重从图像融合如何提高目标的区分度和识别率的角度给出主观评价,通过光谱扭曲度、清晰度客观分析多光谱与全色图像的融合效果。实验结果表明,该算法充分利用了全色图像的空间细节特征、图像边缘和方向性特征信息,保留了多光谱图像的光谱信息特征,提高了融合图像的主观效果,有利于信息的提取和目标解译。在光谱和空间细节综合保持方面,该算法优于IHS融合方法和传统的二进小波融合方法。     

基于成像模型的遥感图像IHS融合

针对色度融合容易产生光谱扭曲的现象,本文利用光谱响应函数,传感器偏置和增益等参数从成像机理的角度解释了IHS融合.建立了描述从光谱密度到全色图像、多光谱图像再到融合图像的过程的新模型.通过对新模型的分析,本文提出了保持IHS融合光谱特性的条件方程,通过对模型有效的简化进而提出了新的融合方法.而且,本文首次提出利用最小二乘法确定光谱响应函数之间关系并计算融合过程所需要的参数.最后本文分别对QuikBird图像数据进行实验并与多种改进的色度融合方法做了深入的比较,试验证明本文提出的方法不但提高了多光谱图像的空间分辨力而且对保持光谱特性有更加明显的效果.     

一种改进多分辨率图像融合算法

提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构,同时得到图像的多分辨局部熵序列。以局部熵为判据,在图像多分辨结构相应各级上进行融合,得到融合图像的多分辨结构,利用小波逆变换重构融合图像。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

Canny准则小波边缘检测在图像融合中的应用

提出了一种新的图像融合方法。该方法选择Canny准则作为边缘检测的基础,并结合小波变换算法,确定图像边缘位置。在小波域中,对高频信息依据其是否为边缘点采用不同的融合策略,对低频信息利用加权法进行融合,再进行小波逆变换重构融合图像。实验结果表明,提出的算法在抑制噪声的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。对于多聚焦图像的融合,偏差度为0.0520,熵为7.6609,相似度达到0.9985。     

基于小波变换的图像融合方法研究

图像融合是多传感器信息融合的一个重要分支,小波变换是这一领域研究方法上的重大突破。本文通过对小波变换理论的研究,分析了二维离散小波分解与重构的算法,提出了一种高频小波系数直接替换的算法,并利用MATLAB数学分析工具环境实现全色图像和多光谱图像的融合,实验结果表明这种方法能很好地增强图像的光谱分辨率,便于对图像进行分析和识别。     

小波变换遥感图像的数据融合

利用小波变换方法进行多卫星遥感图像数据融合，分析不同长度的小波基对融合图像的影响，从信息的保持性、视觉效果及运用灵活性等方面与IHS、PCA融合算法进行了比较，从而探讨这一新算法在遥感图像分析应用中的可行性。     

基于小波变换的卫星云图融合研究

阐述了Mallat算法,提出了一种基于加权法和局部特征相结合的卫星云图融合方法。本文针对小波变换后的低频部分和高频部分的不同特点,选择了不同的融合规则。为了充分利用红外与可见光图像的信息,对低频部分使用了加权方法,对高频部分使用了局部方差方法。试验结果表明,算法提高了图像的空间分辨率和清晰度,有利于对计算机视觉和目标检测的研究。     

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。     

小波变换的实时性应用研究

Ｍａｌｌａｔ塔式分解算法是一个被广泛应用的小波变换快速算法，但运算速度慢，实时性差的缺点阻碍了其在实际应用中的进一步发展。本文介绍了的小波变换快速算法，结合系统的实时怀要求，对Ｍａｌｌａｔ算法进行了优化，将小波与快速傅立叶变换有机结合使图象的实时变换成为可能。在保留图象细节的基础上该算法的运算量比Ｍａｌｌａｔ算法减少了一半以上，并在此基础上设计了该算法的相应硬件，实验结果表明该的确能快速有铲地进行     

基于双正交小波变换的资源二号卫星与多光谱影像融合方法研究

针对基于Darbechies等正交小波函数的遥感影像融合时引起失真的现象,引入双正交小波函数,提出了基于双正交小波变换的融合方法,对资源二号卫星和TM的多光谱影像的融合进行研究,并把融合结果与主成分、IHS和Brovey等融合结果进行比较。通过对光谱特征曲线、相关系数、光谱扭曲程度等分析和空间细节的对比,说明双正交小波融合方法除了提高空间分辨率外,最好地保持了多光谱影像的光谱特征,有利于专题信息的提取。     

用傅里叶相移特性估计位移

提出了一种从频率域出发,估计出运动物体在空间域位移的算法。利用傅里叶变换的自配准性质和位移特性,用极坐标形式下连续图像相位谱的差直接估计运动目标的位移。与传统的寻找迪拉克峰值的方法相比,本方法无需重新变换回空间域,从而节省了处理时间,具有更好的实时性。实验证明,这种先求出相位谱的差,再用其周期数来估计位移的算法简单明了,其分辨能力不低于一个像素。该理论可以应用于图像跟踪和图像后期处理中。     

Geoeye-1全色与多光谱影像融合方法

针对传统的像素级融合方法对高分辨力影像融合存在较大光谱扭曲的问题,在分析了Geoeye-1传感器光谱响应特性的基础上,提出了一种适合Geoeye-1全色与多光谱影像融合的高保真方法.本文所提的方法的改进之处主要体现在两个方面:低空间分辨力全色影像的构建方式和空间细节信息注入系数的选取.利用澳大利亚霍巴特地区的Geoey...     

基于斜交投影和Mellin变换的快速小波算法

提出基于斜交投影和Mellin变换的快速小波算法,该算法的总体性能优于传统算法,是对传统算法和著名Mallat算法的重要改进.     

Airplane extraction and identification by improved PCNN with wavelet transform and modified Zernike moments

At an airport, the information of the number and positions of airplanes is very important for the applications of air navigation. Especially, the information from airplane extraction and identification is significant in both civil and military remote sensing. In this paper, according to the characteristics of airplanes and airport in satellite remote sensing images, a new airplane image segmentation algorithm is proposed based on improved pulse-coupled neural network (PCNN) with wavelet transform, and airplane identification algorithm is carried out by using modified Zernike moments. Firstly, for an original image, a PCNN model is improved and then used to do image segmentation by combining the wavelet transform. Then, in order to reduce the number of irrespective targets in the image and increase the processing speed, the airplanes in the original image are roughly detected on the characteristics of the segmented object contour geometries. Finally, the Zernike moments are modified and then applied to identify the roughly detected airplanes accurately. By comparing to the five traditional image segmentation algorithms for the same airplane images, the testing results show that the improved PCNN image segmentation algorithm can segment and detect airplane regions at an airport accurately at a high recognising rate and with high recognising stability, and it is not affected by the image shadows and rotations.