基于改进的空间模式聚类遥感图像融合算法

研究遥感图像融合优化问题,由于多通道,遥感图像和多光谱图像融合技术受到采集的图像信息精度和分辨率不同的影响,使图像的清晰度降低.为了有效提高遥感图像的分辨率,提出了一种空间模式聚类和小波分析相结合的遥感图像融合新算法.首先采用小波分析对待融合图像进行小波分解,并选择不同的融合规则对小波分解后的不同高低频率重构,然后对融合后的边缘模糊图像区域采用基于空间模式聚类方案进行合并.实验给出了两组遥感图像,仿真结果表明,通过与常用的几种图像融合算法相比,改进的遥感图像融合算法最大限度地保留多波段光谱信息,提高了分辨率,具有一定的实用性.     

地球观测1号高光谱与全色图像融合的最佳方法

受制于成像原理及制造技术等因素,航天高光谱遥感图像的空间分辨率相对较低,为此提出将高光谱图像与高空间分辨率图像进行融合处理,设计最佳的增强高光谱遥感图像空间分辨率的融合算法。针对地球观测1号(EO-1)Hyperion高光谱图像和高级陆地成像仪（ALI）全色波段图像的特点,从9种具体遥感图像融合算法中选用4种融合算法开展山区与城市的数据融合实验,即Gram-Schmidt光谱锐化融合法、平滑调节滤波(SFIM)变换融合法、加权平均法（WAM）融合法和小波变换（WT）融合法,并分别从定性、定量和分类精度三方面对这些方法的融合效果进行综合评价与对比分析,从而确定适合EO-1高光谱与全色图像融合的最佳方法。实验结果显示：从图像融合效果看,在所采用的4种融合方法中,Gram-Schmidt光谱锐化融合法的效果最好;从图像分类效果看,基于融合图像的分类效果要优于基于源图像的分类效果。理论分析与实验结果均表明：Gram-Schmidt光谱锐化融合法是一种较为理想的高光谱与高空间分辨率遥感图像的融合算法,为提高高光谱遥感图像的清晰度、可靠性及图像的地物识别和分类的准确性提供有力的支持。     

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。     

多光谱图像与全色图像的像素级融合研究

以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双源融合为例，详细地总结了卫星多源遥感图像融合领域像素级融合的步骤、基本融合模型和优缺点，重点分析了各种常见像素级融合方法的原理和特点，并归纳了像素级融合结果的主客观评价标准和评价方法，以及像素级融合的主要应用领域，最后讨论了像素级融合目前存在的问题和今后的发展方向。     

遥感图像融合的研究现状、困境及发展趋势探讨

从像素级、特征级和决策级遥感图像融合的角度,概述了遥感图像融合的研究现状处于瓶颈发展时期。提出遥感图像融合研究的三方面主要困境:缺乏统一的融合理论框架作指导;缺乏面向应用的融合算法设计;融合数据源的选择没有针对性,缺乏针对不同传感器数据和不同分辨率的融合研究。指出目前遥感图像融合研究在特征级和决策级融合,多角度融合,数据预处理精度,以及不确定性分析方面的研究不足。最后,提出了未来遥感图像融合的发展趋势和研究热点。     

基于聚类和NSCT的遥感图像融合算法

研究遥感图像融合问题。针对遥感图像数据在时间、空间和光谱方面差异大,图像分辨率低等问题,为有效提高遥感图像的分辨率,提出了一种基于聚类和NSCT的遥感图像融合算法。首先对源图像进行小波变换提取源图像特征;然后利用改进的模糊C均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行NSCT分解,通过设计的区域相似度度量方法,以信息度大的区域作为融合区域,对不同的区域采用不同的融合规则进行融合,最后进行重构得到融合图像。仿真结果表明,对比其它图像融合算法,改进的遥感图像融合算法可获得较理想的融合图像,具有一定的实用性。     

遥感图像双正交小波的数据融合模式研究

鉴于小波变换分析方法在图像处理与图像融合中具有广阔的应用前景，为了获得更好的图像融合效果，首先介绍了图像数据小波分解与重构的基本方法，然后从理论上阐述了具有广义线性相位的双正交小波基的优点，最后通过小波变换与HIS变换的有机结合实现了图像融合。融合后的影像不仅仍然保持了地物的光谱信息，而且保留了高空间分辨率全色波段影像细节清晰的特点。实验结果表明，基于双正交小波变换的多分辨率遥感图像数据融合技术是提高卫星遥感影像解像力的一个重要手段。     

基于影像特征融合的遥感图像重构模式研究

基于影像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合。在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合。在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,然后对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息。通过融合实验验证了上述结论。     

多源遥感图像像素级融合相关技术研究

多源遥感图像融合作为图像融合领域的一个重要分支,已成为遥感技术领域的研究热点。介绍了多源遥感图像融合技术的发展现状以及图像融合技术的基本理论,并分析了图像融合前的预处理工作。基于多分辨率分析的图像融合方法在现有的普遍的图像融合方法中应用极为广泛,是非常重要的一类算法。通过对融合图像的主观和客观评价标准的详细介绍,并采用定性定量相结合的评价标准对融合效果进行系统的评价。     

高分辨率遥感图像小波融合算法研究

针对现有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,提出了一种遥感图像小波融合算法。根据高分辨率遥感图像自身的空间尺度,采用多进小波分析技术较好地解决了不同尺度遥感图像空间细节的表达问题,同时利用基于方向能量统计量的自适应融合准则较好地解决了融合中的光谱信息保留问题。实验结果表明,该融合方法在保持全色图像的高空间分辨率的同时,提高了融合图像的光谱保持度。     

基于多分辨率分割的区域图像融合

图像融合是一项综合同一场景的多幅源图像信息的技术.现有的区域图像融合方法或者是只对最高层低频带分割并以此分割信息来指导所有层的融合,或者是其多分辨率分割方法过于复杂难以满足实时性.鉴于此,该文发展了一种基于多分辨率分割的区域图像融合方法.它的主要特点是多分辨率分割.其步骤为:首先对源图像进行小波变换的多分辨率分解,然后对分解后每一层的低频图像都进行区域分割,最后用每一层分割得到的区域信息来分别指导每一层的融合.仿真表明该文发展的基于多分辨率分割的区域图像融合方法的融合性能要优于传统的基于窗口的图像融合方法和只对最高层低频带分割的区域图像融合方法.     

基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

不同大小目标的多尺度层次的分割

本文研究了图像在小波变换下的部分特性,对利用小波分析中的多尺度分析进行图像分割的方法进行了探讨。通过对目标众多的图像分割进行研究,提出了一种既能够将背景和目标分割开来,又能够将不同大小的目标区分开来的方法。     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

基于小波变换的多聚焦彩色图像融合新方法

给出了一种基于小波变换的多聚焦彩色图像融合方法。首先对待融合图像的R、G、B三分量进行小波变换,将其分成不同频率的子图像。然后对于低频和高频子图像采用不同的算法进行融合,得到融合图像的小波系数。最后利用小波逆变换重构融合图像。实验结果表明,融合图像具有较小的颜色失真和较高的峰值信噪比。     

多源遥感图象融合及应用

标准的数据融合方法在解决一幅高分辨率、全色图象与一幅低分辨率多频谱图象融合问题时,会使多频谱数据的频谱特性失真。我们基于多分辨率小波分解开发了一种技术,用于此类图象的融合。此法是将高分辨率图象的小波系数添加到多频谱（低分辨率）数据上,再将全色图象小波变换的高阶系数添加到多频谱图象的浓度组件上,此算法是对对标准的浓度－色度－饱和度（IHS或LHS）合并法的改进,将该算法应用于SPOT与LANDSAT（TM）图象融合的结果表明,在保留频谱与空间信息方面优于IHS和LHS融合法。     

高分辨率卫星影像在城市建筑物识别中的初步应用

在对试验区IKONOS卫星高分辨率影像预处理的基础上，采用HIS变换法对1m分辨率全色影像和4m分辨率多光谱影像进行了融合处理；通过建筑物阴影提取了建筑物高程，采用正交小波变换方法提取了图像的纹理信息；采用了四种不同的特征图像组合方式，对试验区高，中，低层建筑物进行了分类。研究表明，由融合图像，高程信息和纹理信息参与的分类结果精度最高，对高层建筑物分类的精度可达80%。     

一种基于小波变换的多传感器图像融合优化方法

文中针对小波变换在进行高分辨率图像和多光谱图像融合时,不能同时保持空间信息及光谱信息的问题,提出了一种优化的小波变换图像融合算法。它将高空间分辨率图像和多光谱图像经小波变换后的低频、高频分量先分别进行增强,然后再进行融合,优化了传统的基于小波变换融合方法。并且通过对同一场景的SAR图像和TM图像的融合实验,证明了该算法在有效地保留原图像光谱信息的同时,也很好地保持了空间细节。     

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自70年代形成后,由于其强调应用对象结果的信息优化,在许多方面比传统的信息处理方法有更大的优势,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上,揭示了高斯拉普拉斯金字塔（GLP）结构融合方法与传统的哈达玛变换（HT）之间的内在联系,提出了一种基于HT系数预测的多分辨融合方法。通过实验表明,这一算法对于光谱差异较大的遥感图像的融合,在几何分辨率改善的同时可获得较好的光谱保真度。     

基于边缘信息的多光谱高分辨图像融合方法

针对多光谱图像和高分辨图像的融合问题,提出了一种基于边缘信息的新的图像融合方法,该方法根据高分辨图像中的边缘强度,对多光谱图像在IHS变换中的强度信息进行了调整,得到的光谱强度同时反映了高分辨图像的细节信息和多光谱图像的光谱信息.实验结果表明,该方法的融合效果优于传统的IHS变换法和小波变换方法.