基于非下采样剪切波变换的国产高分遥感影像融合

针对高分遥感影像融合存在影像间相关性差、融合亮度差异明显的问题,提出了一种基于非下采样剪切波变换（NSST）的国产高分全色与多光谱遥感影像融合方法。选取高分一号、高分二号和高分七号遥感影像作为实验数据,通过强度-色调-饱和度（IHS）提取多光谱影像的亮度分量;利用NSST算法对亮度分量和全色影像提取高频和低频信息,并充分考虑高频和低频之间的关系,设计有效的影像融合策略;最终采用IHS和NSST得到融合影像。与Brovey、Gram-Schmidt(GS)、Hue-Saturation-Value(HSV)、Co-occurrence filtering(COF)等方法对比验证,通过主观和客观评价相结合的方式对融合影像进行综合评价,结果表明所提方法是一种可行的遥感影像融合方法。     

基于NSCT的多光谱和全色图像的融合

提出了一种基于无下采样Contourlet变换的多光谱和全色图像的融合方法.该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行无下采样Contourlet变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的一定的融合准则分别对近似分量和细节分量进行影像融合,最后通过无下采样Conlourlet逆变换得到新的I分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像.本文采用一组多光谱图像和全色图像数据进行融合实验,其实验融合图像的目视效果和统计指标均优于传统的IHS融合方法、小波融合方法以及Contourlet变换方法.     

道路信息提取的GF-2影像融合方法对比分析

本文针对适用于GF-2卫星影像道路信息提取的影像融合方法,进行了对比与分析.通过对GF-2影像的全色及多光谱数据进行融合实验,比较分析了 6种常用的影像融合方法.从主观定性评价和客观定量评价两方面进行分析,筛选出融合后影像质量较优的方法;然后选取较优融合方法进行道路信息提取,并对比了道路提取的精度,得出最适合GF-2影...     

一种基于整数小波变换的遥感影像融合算法

提出了一种IHS变换和整数小波变换相结合的遥感影像融合算法(IHS-IWT),并根据待融合图像的特点,选取了有效的融合策略.首先对中巴卫星多光谱影像进行IHS变换,然后对得到的亮度分量和Landsat ETM 高分辨率全色影像进行整数小波融合,最后通过整数小波逆变换得到融合的图像.实验结果表明,与IHS变换等方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,并且具有较快的处理速度.     

基于压缩传感和图割的多分辨率影像融合方法

针对像素级融合方法对高分辨率影像融合存在较大光谱细节保持问题,提出一种基于压缩传感和图割理论的多分辨率融合。在给定的全色和多光谱图像上用压缩传感的概念来获得融合图像的初始估计;用图割方法来最小化能量函数获得最终的融合图像。实验结果表明文中方法在相对整体维数综合误差(ERGAS),相关系数(CC),相对平均光谱误差(RASE)和光谱角映射(SAM)等方面有了很大提高,且融合后光谱细节特征保持较好。     

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。     

一种结合结构与能量信息的全色与多光谱图像融合方法

分量替换是遥感图像融合中的一种经典方法，其具有良好的空间保真度，但容易产生光谱失真，为此本文提出一种结合结构与能量信息的全色与多光谱图像融合方法。方法首先通过超球面颜色空间变换分解多光谱图像的空间和光谱信息。其次，通过联合双边滤波引入了两层分解方案。然后，将全色图像和强度分量分解为结构层和能量层。最后，提出结构层通过邻域空间频率策略融合，强度分量的纯能量层用作预融合图像的能量层。强度分量定义颜色的强度，通过将预融合结构层与强度分量的能量层结合，可以有效地结合源图像的空间和光谱信息，从而减少全色锐化图像的光谱失真。本文在Pléiades和QuickBird数据集上进行大量实验，并对实验结果进行定性和定量分析，结果表明所提方法与现有先进方法相比具备一定优越性。     

基于小波-Contourlet变换的多传感器图像融合

提出了一种新的基于小波-Contourlet变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其他方法更适应于进行多传感图像融合,对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlet变换的融合结果优于其他常用的融合方法.     

PHI高光谱数据和高空间分辨率遥感图像融合技术研究

提出了一种新的高光谱图像融合技术———基于最佳指数准则的高光谱小波包图像融合方法,即首先利用最佳指数选择高光谱的最佳合成波段,得到低分辨率的彩色合成影像,然后采用一种基于区域多特征的小波包融合算法进行融合处理.文中利用上海地区PH I高光谱数据和高分辨率全色航空像片来验证算法的有效性,实验结果表明该方法可有效的实现高光谱数据和高空间分辨率遥感图像的融合处理.     

基于光谱映射和细节注入的Pansharpening

Pansharpening通过在多光谱图像中注入全色图像的空间细节，从而获得高分辨率的多光谱图像.但细节注入的同时，可能会引起光谱失真.为了提高融合图像的光谱保真，本文提出了一种空谱结合的Pansharpening方法.充分利用全色和多光谱图像之间潜在的光谱关系，对全色图像的光谱信息进行增强，继而将增强后的全色图像细节注入多光谱图像中，并建立了统一的变分Pansharpening模型，同时实现了融合图像的光谱信息保持和空间结构细节增强.在不同数据集上进行的数值实验表明，相比现有的Pansharpening方法，本文所提方法具有比较好的融合效果，尤其在光谱保真方面，更具有一定的优势.     

基于滤波器组的遥感图像融合方法及其性能分析研究

提出了一种基于滤波器组的图像融合方法,用以融合高空间分辨率全色图像和低空间分辨率的多光谱图像．在高空间分辨率全色图像经过多通道滤波器组分解的基础上,用多光谱图像直接替换全色图像低频子图像的方式进行融合处理;最后对替代后的子图像进行滤波器组重构得到融合后的图像．实验结果表明,通过调整滤波器组的通道个数,该方法能够使融合图像中空间信息和多光谱信息获得更好地折衷．     

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。     

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。     

一种基于非采样Contourlet变换的遥感图像融合算法

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量,提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测;设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则;用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息,优于传统的Wavelet变换法和Contourlet变换法。     

自适应多尺度几何分析的全色和多光谱图像融合方法研究

为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像.结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法.利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像.和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰.     

Generalized IHS‐Based Satellite Imagery Fusion Using Spectral Response Functions

Image fusion is a technical method to integrate the spatial details of the high‐resolution panchromatic (HRP) image and the spectral information of low‐resolution multispectral (LRM) images to produce high‐resolution multispectral images. The most important point in image fusion is enhancing the spatial details of the HRP image and simultaneously maintaining the spectral information of the LRM images. This implies that the physical characteristics of a satellite sensor should be considered in the fusion process. Also, to fuse massive satellite images, the fusion method should have low computation costs. In this paper, we propose a fast and efficient satellite image fusion method. The proposed method uses the spectral response functions of a satellite sensor; thus, it rationally reflects the physical characteristics of the satellite sensor to the fused image. As a result, the proposed method provides high‐quality fused images in terms of spectral and spatial evaluations. The experimental results of IKONOS images indicate that the proposed method outperforms the intensity‐hue‐saturation and wavelet‐based methods.     

Introduction of sensor spectral response into image fusion methods. Application to wavelet-based methods

Usual image fusion methods inject features from a high spatial resolution panchromatic sensor into every low spatial resolution multispectral band trying to preserve spectral signatures and improve spatial resolution to that of the panchromatic sensor. The objective is to obtain the image that would be observed by a sensor with the same spectral response (i.e., spectral sensitivity and quantum efficiency) as the multispectral sensors and the spatial resolution of the panchromatic sensor. But in these methods, features from electromagnetic spectrum regions not covered by multispectral sensors are injected into them, and physical spectral responses of the sensors are not considered during this process. This produces some undesirable effects, such as resolution overinjection images and slightly modified spectral signatures in some features. The authors present a technique which takes into account the physical electromagnetic spectrum responses of sensors during the fusion process, which produces images closer to the image obtained by the ideal sensor than those obtained by usual wavelet-based image fusion methods. This technique is used to define a new wavelet-based image fusion method.     

联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法

为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。     

Fusion of multispectral and panchromatic images using improved IHS and PCA mergers based on wavelet decomposition

Since Chavez proposed the highpass filtering procedure to fuse multispectral and panchromatic images, several fusion methods have been developed based on the same principle: to extract from the panchromatic image spatial detail information to later inject it into the multispectral one. In this paper, we present new fusion alternatives based on the same concept, using the multiresolution wavelet decomposition to execute the detail extraction phase and the intensity-hue-saturation (IHS) and principal component analysis (PCA) procedures to inject the spatial detail of the panchromatic image into the multispectral one. The multiresolution wavelet decomposition has been performed using both decimated and undecimated algorithms and the resulting merged images compared both spectral and spatially. These fusion methods, as well as standard IHS-, PCA-, and wavelet-based methods have been used to merge Systeme Pour l'Observation de la Terre (SPOT) 4 XI and SPOT 4 M images with a ratio 4:1. We have estimated the validity of each fusion method by analyzing, visually and quantitatively, the quality of the resulting fused images. The methodological approaches proposed in this paper result in merged images with improved quality with respect to those obtained by standard IHS, PCA, and standard wavelet-based fusion methods. For both proposed fusion methods, better results are obtained when an undecimated algorithm is used to perform the multiresolution wavelet decomposition.