面向土地覆盖分类的MODIS影像融合研究

MODIS影像的多波段及其1、2波段的250 m中等分辨率为大区域中空间分辨率的土地覆盖制图提供了可能。为了有效利用MODIS影像的空间和光谱信息,使用SFIM、HPF和PCA变换等遥感影像融合方法,分别采用MODIS影像的波段1(b1)和波段2(b2)对3~7(b3~b7)波段进行融合,并就融合影像的光谱保真度和分类精度对6种不同融合结果进行评价。结果表明不同的融合结果得到的分类精度均有不同程度的提高;3种融合方法中使用b2的融合效果均优于b1;SFIM变换在光谱失真较小的情况下能够较大程度地提高分类精度。因此使用b2的SFIM变换可以用于提高MODIS土地覆盖图的空间分辨率和精度。     

基于亮度平滑滤波调节(SFIM)的SPOT5影像融合

遥感影像融合不仅要求提高原多光谱影像的空间分辨率,更重要的是保留影像的光谱信息,减少失真。为分析SFIM算法融合SPOT-5影像的光谱保真效果,首先采用IHS、小波和SFIM算法对SPOT-5的全色影像和多光谱影像进行融合,生成新的高分辨率多光谱影像。然后采用均值、相关系数、熵、标准差、梯度五个指标对SFIM不同滤波窗口的融合结果评价;最后采用以上定量评价指标对不同方法的融合结果进行分析评价。结果表明:和传统的IHS、小波融合方法相比,SFIM融合不仅提高了影像的空间分辨率和清晰度,而且较好地保持了原多光谱影像的光谱特征。     

高景一号影像多方法融合效果评价分析

针对我国首个0.5m高分辨率遥感星座高景一号缺少最优融合算法评价的问题,基于ENVI、ERDAS、PCI、ArcGIS四大常用专业软件提供的14种影像分辨率融合方法,开展高景一号影像融合试验,结合目视观察进行主观评价,并选择均值、标准差、信息熵、平均梯度、平均偏差、相关系数等6个统计指标进行客观分析。结果显示,所有的融合方法都能够在提高空间清晰度的同时从总体上保留光谱信息。从遥感人工解译和定量反演2个角度出发,可以考虑选择HPF、Pansharp、Subtractive 3种方法。通过农用地、水体和建筑物3种主要地类的对象提取对比,认为Pansharp融合的结果更为均衡。该文为高景一号影像的深入应用提供参考。     

高景一号影像多方法融合效果评价分析

针对我国首个0.5 m高分辨率遥感星座高景一号缺少最优融合算法评价的问题,基于ENVI、ERDAS、PCI、ArcGIS四大常用专业软件提供的14种影像分辨率融合方法,开展高景一号影像融合试验,结合目视观察进行主观评价,并选择均值、标准差、信息熵、平均梯度、平均偏差、相关系数等6个统计指标进行客观分析。结果显示,所有的融合方法都能够在提高空间清晰度的同时从总体上保留光谱信息。从遥感人工解译和定量反演2个角度出发,可以考虑选择HPF、Pansharp、Subtractive 3种方法。通过农用地、水体和建筑物3种主要地类的对象提取对比,认为Pansharp融合的结果更为均衡。该文为高景一号影像的深入应用提供参考。     

CBERS-02B星HR与CCD影像融合研究

CBERS-02B星搭载了高分辨率全色相机HR和多光谱传感器CCD,HR和CCD分别具有高空间分辨率和高光谱分辨率的特点。对这两类影像进行融合可以得到尽可能完整和准确的地物观测影像。对北京地区CBERS-02B的HR和CCD影像分别用HSV变换、HPF变换、Brovey变换、HIS变换、SFIM变换和小波变换等融合方法进行融合,对融合结果从空间细节和光谱保持两个方面分别定性和定量地进行评价,并比较这几种融合算法在CBERS-02B的HR和CCD遥感影像融合中的效果,得到了几种比较合适的融合方法。     

Sentinel-2卫星影像融合方法与质量评价分析

Sentinel-2卫星传感器获取的是3种不同空间分辨率的光学遥感影像,如何通过融合方法提高较低空间分辨率波段的空间分辨率成为Sentinel-2数据应用面临的问题之一。以Sentinel-2B影像为数据源,利用相关系数最大法、中心波长最近邻法、像元值最大法和主成分分析等4种方法从4个10 m分辨率的波段中产生一个高分辨率波段;采用主成分分析、高通滤波、小波变换、Gram-Schmidt变换以及Pansharp共5种融合方法,对产生的高分辨率数据和6个20 m分辨率的多光谱数据进行融合,并从定性、定量(信息熵、平均梯度、光谱相关系数、均方根误差和通用图像质量指数)以及融合影像的分类精度3个方面对融合效果进行评价,结果表明:相关系数最大法的Pansharp方法融合图像质量优于其他融合方法,分类精度略低于最高的像元值最大法的GS方法,并且远高于4个原始10 m分辨率的多光谱影像的分类精度。从实验数据的分类精度分析,不同融合方法在不同地物提取中各有优势,在实际应用中,应根据实际研究需要,选择适宜的方案。该研究可为Sentinel-2卫星以及相似卫星数据处理和应用提供参考。     

面向亚像元级积雪信息提取的MODIS影像波段融合方法研究

MODIS影像因其共享性和时间序列的完整性而成为大区域积雪监测研究广泛使用的数据源,进行MODIS影像波段间融合,能够为积雪研究提供较高分辨率的影像数据源。为了充分利用MODIS影像250 m分辨率波段的空间和光谱信息,提取亚像元级的积雪面积,使用两种具有高光谱保真度的影像融合方法：基于SFIM变换和基于小波变换的融合方法,采取不同的波段组合策略,对MODIS影像bands 1~2和bands 3~7进行融合,并以Landsat TM影像的积雪分类图作为“真值”,对融合后影像进行混合像元分解得到的积雪丰度图的精度进行评价。结果表明：利用基于SFIM变换和小波变换方法融合后影像提取的积雪分类图精度较高,数量精度为75%,比未融合影像积雪分类图的精度提高了6%,表明MODIS影像波段融合是一种提取高精度积雪信息的有效方法。     

城市绿地信息提取中高分辨率卫星影像融合方法研究

针对城市绿地信息提取时不同影像融合方法缺少系统性研究的问题,本文以国产高分一号、WorldView-2卫星影像的数据为例,借助GS变换、PCA变换以及HIS变换3种方法,融合高分辨率卫星影像,并从融合质量及城市绿地信息提取精度等方面评价了影像融合方法的可行性。研究结果表明,在3种影像融合方法中,GS融合的效果最好;且用于城市绿地信息提取时,GS和PCA能够获得高精度的卫星影像,对影像分类精度的提高效果最为明显,充分满足了城市绿地信息提取的应用需求。     

不同遥感影像融合方法效果的定量评价研究

随着遥感影像融合技术研究的发展,提出了许多遥感影像融合的方法。在实际应用中,为了正确和有效地利用融合方法,定量评价不同融合方法的效果是非常必要的。本文对小波法(WT)、Gram_Schimdt法(GS)、合成变量系数法(SVR)以及基于平滑滤波的亮度变换法(SFIM)四种融合方法,在中等分辨率、高分辨率两种情况下,从影像融合的光谱信息保真度和空间信息融入度两方面进行了定量评价。结果表明:在空间信息融入方面,无论是中等分辨率影像融合,还是高分辨率影像融合,SVR法效果最佳,GS法、SFIM法和WT分别次之;在光谱信息保真方面,在中等、高分辨率影像融合中的效果有所不同,其中在中等分辨率影像融合中,GS法效果最佳,SVR法、SFIM法、WT法分别次之,而在高分辨率影像融合中,GS法效果最佳,SVR法、WT法、SFIM法分别次之。     

ETM影像融合的评价分析

针对Landsat-7 ETM影像，对采用HIS变换、Brovey变换、相关系数加权法、SFIM变换、ISVR变换5种方法实现的ETM全色波段与ETM多光谱波段融合结果进行分析，并以均值、标准差、信息熵、平均梯度及相对偏差作为评价指标，通过试验对融合影像进行综合定量评价。结果表明，HIS变换光谱失真最大；Brovey变换在光谱保真和保持空间分辨率方面都不理想；相关系数加权法的融合结果严重地依赖权系数的取值；基于SFIM变换的融合方法，能最大限度地保留光谱特征，但空间分辨率提高不明显；而基于ISVR变换的融合方法，光谱失真小，空间分辨率高，其最大优势是考虑了多光谱影像与全色影像间的波段关系，可作为ETM影像融合的最佳方法。
     

异源、同源传感器影像融合的比较研究

遥感影像的融合是遥感界的一个研究热点。根据数据源的不同,影像融合可分为异源传感器影像融合和同源传感器影像融合。以TM与SPOT作为异源影像融合的例子,以IKONOS的MS与Pan作为同源影像融合的例子,用5种算法对两种融合类型进行实验与比较。结果表明,同源传感器影像的融合效果好于异源传感器影像的融合效果;不同的融合算法在异源和同源传感器影像融合中的表现不尽相同。SVR变换可同时应用于异源及同源传感器影像的融合,且在提高影像空间分辨率、信息量和清晰度的同时能很好地保持原始多光谱影像的光谱特征。SFIM虽然也可以在两种数据源的融合实验中获得较好的融合效果,但其高频信息融入度最差。MB虽然提高了融合影像的高频信息融入程度,但光谱保真度、信息量和清晰度却不理想。Ehlers适用于异源传感器影像间的融合,而WT则适用于同源传感器影像的融合。     

两种高保真遥感影像融合方法比较

遥感影像融合有着广泛的应用前景。定量遥感不仅要求影像融合提高空间分辨率，更重要的是保持影像光谱信息，减少失真。为了使人们对不同遥感影像融合方法优缺点有一概略了解，首先详细介绍了两种新的高保真融合算法(基于亮度调节的平滑滤波和Gram-Schmidt变换)的原理和方法；然后以城区IKONOS影像为数据源，通过目视判别、定量统计参数和图形法3种方法对两种融合算法进行了比较，并与传统的融合算法IHS变换和PC变换进行了对比。结果表明，4种融合算法的空间效果是相似的，但从对光谱信息的保真来看，PC变换和IHS变换都较差，基于亮度调节的平滑滤波保真效果最好，Gram-Schmidt变换次之，但Gram-Schmidt变换保真效果已比PC变换和IHS变换有了较大的提高。     

Sentinel-2 Satellite Image Fusion Methodand Quality Evaluation Analysis

Sentinel-2 satellite sensors acquire three kinds of optical remote sensing images with different spatial resolutions.How to improve the spatial resolution of lower spatial resolution bands by fusion method is one of the problems faced by Sentinel-2 applications.Taking the Sentinel\|2B image as the data source,a high spatial resolution band was generated or selected from the four 10m spatial resolution bands by four methods:the maximum correlation coefficient,the central wavelength nearest neighbor,the pixel maximum and the principal component analysis.We fused the one high spatial resolution band produced and six multispectral bands with 20 m spatial resolution by the five fusion methods of PCA,HPF,WT,GS and Pansharp to produce six multispectral bands with 10 m spatial resolution and the fusion results were evaluated from three aspects:qualitative and quantitative (information entropy,average gradient,spectral correlation coefficient,root mean square error and general image quality index) and classification accuracy of fused images.Results show that the fusion quality of Pansharp with the maximum correlation coefficient is better than other fusion methods,and the classification accuracy is slightly lower than the GS with the pixel maximum of the highest classification accuracy and far higher than the original four multispectral image with 10 m spatial resolution.According to the classification accuracy of experimental data,different fusion methods have different advantages in extraction of different ground objects.In application,appropriate schemes should be selected according to actual research needs.This research can provide reference for Sentinel-2 satellite and similar satellite data processing and application.     

Smoothing Filter-based Intensity Modulation: A spectral preserve image fusion technique for improving spatial details

Image fusion techniques are widely used to integrate a lower spatial resolution multispectral image with a higher spatial resolution panchromatic image, such as Thematic Mapper (TM) multispectral band and SPOT Panchromatic images. However, the existing techniques either cannot avoid distorting the image spectral properties or involve complicated and time-consuming frequency decomposition and re-construction processing. A simple spectral preserve fusion technique: the Smoothing Filter-based Intensity Modulation (SFIM) has thus been developed based on a simplified solar radiation and land surface reflection model. By using a ratio between a higher resolution image and its low pass filtered (with a smoothing filter) image, spatial details can be modulated to a co-registered lower resolution multispectral image without altering its spectral properties and contrast. The technique can be applied to improve spatial resolution for either colour composites or individual bands. The fidelity to spectral property and the spatial textural quality of SFIM are convincingly demonstrated by an image fusion experiment using TM and SPOT Panchromatic images of south-east Spain. The visual evaluation and statistical analysis compared with HSI and Brovey transform techniques confirmed that SFIM is a superior fusion technique for improving spatial detail of multispectral images with their spectral properties reliably preserved.     

Comparison of different pan-sharpening methods for spectral characteristic preservation: multi-temporal CARTOSAT-1 and IRS-P6 LISS-IV imagery

A host of remote-sensing and mapping applications require both high spatial and high spectral resolutions. Availability of high spatial and spectral details at different resolutions from a suite of satellite sensors has necessitated the development of effective image fusion techniques that can effectively combine the information available from different sensors and take advantage of their varied capabilities. A common problem observed in the case of multi-sensor multi-temporal data fusion is spectral distortion of the fused images. Performance of a technique also varies with variation in scene characteristics. In this article, two sets of multi-temporal CARTOSAT-1 and Indian Remote Sensing satellite (IRS-P6) Linear Imaging and Self Scanning sensor (LISS-IV) image sub-scenes, with different urban landscape characteristics, are fused with an aim to evaluate the performance of five image fusion algorithms – high-pass filtering (HPF), Gram–Schmidt (GS), Ehlers, PANSHARP and colour-normalized Brovey (CN-Brovey). The resultant fused data sets are compared qualitatively and quantitatively with respect to spectral fidelity. Spatial enhancement is assessed visually. The difference in the performance of techniques with variation in scene characteristics is also examined. For both scenes, GS, HPF and PANSHARP fusion techniques produced comparable results with high spectral quality and spatial enhancement. For these three methods, the variation in performance over different scenes was not very significant. The Ehlers method resulted in spatially degraded images with a more or less constant negative offset in data values in all bands of one scene and in the first two bands in the other. The CN-Brovey method produced excellent spatial enhancement but highly distorted radiometry for both sub-scenes.     

中高分辨率遥感影像融合研究

以浙江省衢州市的一个区域作为研究区,在阐述遥感图像融合原理的基础上,以QuickBird、SPOT5和Landsat ETM+全色与多光谱遥感图像为数据源,应用Brovey变换、SVR变换、PCA变换、Pansharp变换和Gram-schmidt变换等融合方法,对上述3类遥感图像进行了融合试验和分析,并从光谱信息和空间信息两个方面对融合效果进行计算分析,来比较这几种融合算法用于QuickBird、SPOT5、ETM+遥感图像融合的效果。研究结果表明,在QuickBird影像融合时Gram-schmidt变换法的效果最好。Pansharp变换法在SPOT5影像融合时综合效果优于其它方法。ETM+影像融合时,Gram-schmidt变换的光谱退化最小;在空间信息增强方面:Brovey变换在波段2、3融合时效果最好,在波段1、5、7上,SVR变换法优于其它变换法,而波段4融合时则是Pansharp变换最佳。