基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合，本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换，得到亮度I，色度H，饱和度S三个分量；其次，利用小波变换融合方法融合多光谱图像的亮度分量与全色图像，并用融合后的图像替代多光谱图像的亮度分量；最后，作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法，不仅较大地增强了融合图像的空间细节表现能力，而且很好地保留了多光谱图像的光谱信息。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。     

一种基于小波变换的图象融合算法

基于多分辨率小波变换的融合算法近年来得到了广泛的应用。为了充分利用各种遥感图象的信息中,针对“资源一号”卫星图象和SPOT全色波图象,提出了一种新的基于区域能量特征的小波变换复原-增强融合算法。通过同IHS、PCA和HPF几种传统融合方法的比较和结果评价,证明该方法在提高“资源一号”卫星图象空间分辨率的同时,还较好地保留了多光谱图象的光谱信息,并且有效地克服了“资源一号”卫星图象模糊的特点。     

一种新的基于主分量变换与小波变换的图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种基于主分量变换与小波变换结合的多光谱图像与高分辨率图像融合方法。该新方法首先对多光谱图像进行主分量变换;然后分别对其第1主分量与高分辨率图像进行小波变换,并采用成像强度对比法有效地将经小波分解的高分辨率图像的低频分量信息融合到经小波分解的多光谱图像的第1主分量的低频分量中;最后,通过将小波融合结果作为多光谱图像的第1主分量再做逆主分量变换来得到最终的融合图像。实验结果分析表明,该新方法使融合图像在较好地保留光谱信息的同时,空间细节信息也得到了增强,比典型的IHS变换、主分量变换及小波变换融合方法具有更好的融合效果。     

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示.接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得...     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

基于小波变换的图象镶嵌方法

本文提出了一种基于小波变换的图象镶嵌方法,小波变换具有多分辩分析特性,极适合解决图象镶嵌边缘灰度不连续问题。实验表明该方法具有良好的视觉效果。     

小波局部高频替代融合方法

IHS变换是图象融合的经典算法之一。采取IHS变换与小波变换结合的融合算法是近年发展起来的遥感数据融合方法,发挥了IHS和小波两种变换算法的优点。效果比用单一一种方法更显著,提出了小波局部高频替代的融合方法。ETM遥感数据5、4、3波段由IHS盂塞尔彩色空间正变换后的Ⅰ亮度分量,经与全色波段中高能量替代的小波变换,形成一个新的集中了Ⅰ亮度分量和全色波段高频能量的新分量,再通过IHS进行反变换,经过实验,表明此方法可显著提高融合后图象的分辨率,同时又保持了原来多光谱图象的光谱信息。将此方法处理结果用在四川岷江“退耕还林”遥感调查项目中,可以提高土地利用计算精度。     

基于特征量积与PCA的小波遥感图像融合

在遥感图像融合中,传统PCA算法会损失部分有用信息,从而使得融合结果的光谱分辨率受到较大影响,针对这种情况,借助小波变换优良的时频分析特性,利用特征量积来融合多光谱图像的第一主成分,实现了一种基于特征量积与PCA的小波遥感图像融合算法。通过对来自不同场景不同卫星的多光谱和全色图像进行融合实验,结果表明,该算法无论在主观视觉还是在客观统计数据上,均具有比其他方法较佳的融合效果。     

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。     

基于最佳小波包变换的遥感影像融合方法

从遥感影像的频率特性出发,提出了一种基于最佳小波包变换的影像融合方法.根据全色与多光谱影像的频率关系以及二进制小波包变换的特点,确定影像的最佳小波包分解形式;针对影像分解后的区域频率范围与特点进行融合,在融合中采用了基于投票表决法的多特征联合的融合策略,最后经小波包逆变换得到融合结果影像.该方法与传统融合方法进行了主观分析与客观定量比较,结果表明该方法具有良好的融合效果.     

基于双树复小波的遥感图像融合

介绍了DTCWT(双树复小波变换)的基本原理,与传统小波变换相比,DTCWT具有良好的平移不变性和方向选择性,能够提高小波分解和重构的精度,更好地保持边缘、纹理等细节.在传统小波图像融合的基础上,提出了三种基于DTCWT的遥感图像融合算法:基于IHS变换和DTCWT融合法、模值加权融合法和模值局部方差融合法.对"北京一号"小卫星数据进行融合实验,结果表明,三种融合算法不仅有效地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息.     

利用Matlab实现基于小波变换的遥感图像融合

为了更好地进行不同分辨率图像的融合,提出了一种在Matlab平台上实现基于小波变换的多光谱图像与高分辨率图像融合方法.实验结果分析表明,得到的融合图像与原多光谱图像相比,细节信息更为突出,整体信息更为丰富,基本达到了提高融合增强的目的.     

基于SIDWT的遥感图像融合算法

合成孔径雷达(SAR)和全色遥感图像由于成像机理存在差异,对目标轮廓、纹理和色调等信息的表现各不相同,像素级融合后将更易于图像判读。基于此,将平移不变离散小波变换(SIDWT)算法用于SAR与全色遥感图像融合,该算法克服了传统小波变换不具有平移不变性的缺点。同时,提出一种新的增强互补信息的融合规则：图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。实验结果表明,该算法能够获得较好的融合效果。     

基于PCA与小波变换的彩色图像融合算法

针对多聚焦彩色图像融合问题,提出了一种基于PCA与小波变换的多聚焦图像融合算法.首先,利用主元分析和离散小波框架变换算法,将图像分为清晰块与模糊块;然后对于清晰块,直接选取该块作为融合后的相应块区域;对于模糊块,则建立了基于点特征值的像素选取方法,分别从两幅待融合图像中选取特征值较大的点作为融合结果的像素点,从而得到最终的融合结果图.实验结果表明,所提出的方法能够较好地解决彩色多聚焦彩色图像融合问题,融合效果较为理想.     

小波变换在SPOT5全色与多光谱图像融合中的应用

离散小波变换可以将图像分解成为一系列具有不同分辨率特征、频率特征和方向特性的子带信号,并且将图像的光谱特征和空间特征分离,从而为不同分辨率的遥感图像融合提供了有利条件。采用小波变换融合方法对SPOT5全色与多光谱图像进行融合处理,以提高图像的空间信息质量和光谱质量为目的。通过对融合结果图像进行主观和客观的综合评价,可得出融合前后图像灰度均值变化很小,灰度标准差、熵和清晰度三者变化趋势一致;当小波分解层数为3时,融合图像的光谱质量与空间质量之间达到较好的平衡,同时融合图像的视觉效果良好。