基于SPOT与ETM+影像融合方法的实验及融合质量评价

通过对SPOT影像全色波段和ETM+多光谱影像、ETM+全色波段和ETM+多光谱影像两组数据的实验,从定性、定量的角度对两种融合方法进行了分析和评价,归纳出适用于SPOT全色波段与ETM+多光谱影像和ETM+全色波段影像与ETM+多光谱影像的融合方法.     

SPOT-5遥感影像自身融合方法的比较研究

近年来,遥感影像数据融合已成为学术界研究的新热点.作为在各个领域应用日益广泛的法国SPOT-5遥感卫星影像,其全色波段空间分辨率高,多光谱波段光谱信息丰富,为了既保留丰富的光谱信息又能提高空间分辨率,本文在对IHS变换、主成分变换、Brovey变换融合3种传统像素级融合方法分析、归纳与算法实现研究的基础上,对SPOT-5全色波段与多光谱波段进行了图像融合实验,并从光谱特征与空间纹理特征两个方面对融合效果进行定性与定量评价.分析结果表明,Brovey变换融合法光谱退化最小,同时也最大程度地保持了高几何分辨率全色波段的空间信息.     

CBERS-02B卫星图像的融合试验研究

遥感影像数据融合是目前遥感界研究的新热点,作为在各个领域应用日益广泛的CBERS-02B卫星影像,其全色波段空间分辨率达到2．36m,多光谱波段信息丰富,为了既保留丰富的光谱信息又能提高空间分辨率,本文在对主成分变换、Brovey变换、Mutiplicative变换融合3种传统像素级融合方法分析、归纳与算法实现研究的基础上,对CBERS-02B卫星多光谱波段与全色波段进行了图像融合试验研究,从光谱特征与空间纹理特征两个方面对融合效果进行定性与定量评价．分析结果表明,Brovey变换融合法光谱退化最小,同时也最大程度地保持了高几何分辨率全色波段的空间信息．     

基于光谱范围的IHS改进融合方法研究

针对Intensity-Hue-Saturation(IHS)融合算法对高分二号卫星多光谱(MS)影像和全色(PAN)影像融合时所产生的光谱失真现象,提出了一种基于光谱范围的IHS融合改进方法(SIHS).该方法首先将多光谱影像进行重采样,使其与全色影像大小相同,然后使用光谱范围对重采样后的多光谱影像各波段加权平均获得亮度分量I,再对全色影像和I进行直方图匹配,最后使用快速IHS融合算法得到最终融合影像.通过实验,将该方法的融合结果与FIHS、Gram-Schmidt和NNDiffuse融合结果进行主客观评价.结果表明该方法在对光谱信息保留上优于其他融合算法,可以更好地支持影像信息的分类和检测.     

浅析在西部测图中SPOT5卫星数据融合和彩色合成的方法及应用

遥感影像数据的融合对于利用影像进行分类、特征提取和目标识别具有重要的意义。本文针对SPOT5卫星全色数据和多光谱数据的融合处理,阐述了SPOT5影像全色波段和多光谱波段进行的几种融合实验,并进行了融合后彩色影像图的制作,介绍了目前较为成熟的像元级融合技术和SPOT5模拟真彩色影像图的制作方法。     

不同融合算法对ETM+遥感影像分类精度的影响分析

以福州市南台岛的ETM+遥感影像为基础数据,利用ERDAS Imagine 8.7、ENVI4.0等遥感影像处理软件,运用主成分法(PCA)、乘积法(MLT)、Brovey变换和HIS变换融合算法对ETM+遥感影像全色波段(第8波段)与多光谱波段(第1-5、7波段)进行融合试验;从融合影像的光谱保真度、高频空间信息融入度等角度对融合后的影像进行比较分析;对各种融合后影像进行非监督分类,并评价各种分类结果进行精度,为用户进行影像分类前选择融合方法提供参考.     

基于IHS变换和小波变换相结合的IKONOS影像融合技术

为了充分利用各种遥感影像的信息,基于多分辨率小波融合的融合方法在近几年来得到了广泛的应用。针对IKONOS卫星的全色波段和多光谱波段的影像,提出了一种基于IHS变换和小波变换结合的影像融合方法。对比实验表明了这种结合两种变换的融合方法能够有效保持IKONOS卫星全色影像高空间分辨率的同时,且能较好地保留多光谱影像的光谱信息。     

基于Quickbird影像的耕地变化监测中影像融合处理方法研究

遥感影像预处理是一切工作的前提。以两期快鸟影像为例,以成都市郫县古城镇为研究区,分析了影像预处理中的融合技术。探讨耕地变化监测中影像融合方法选择问题。分别用相同传感器的相同时相的全色波段影像和多光谱影像进行融合,以及不同时相的全色波段和多光谱影像进行融合,得出三个结论。为耕地变化监测中影像融合处理方法问题提供一些好的建议。     

基于HIS变换融合IKONOS不同分辨率影像

运用基于HIS变换的图像融合方法,将IKONOS遥感卫星获取的天安门附近4m低分辨率多光谱影像和1m高分辨率的全色波段影像进行融合,得到了1m高分辨率的多光谱影像。     

北京一号高分辨率影像数据融合效果评价

以不同空间数据分辨率融合算法对北京一号卫星数据进行了效果分析,该数据的影像融合及统计分析结果表明,北京一号卫星数据在多光谱与全色波段融合后不仅很好地保留了全色波段的纹理信息,同时影像的多光谱信息有较大增强,使得影像信息量较融合前大幅提高,其在资源环境遥感监测领域的应用前景也明显改观.     

城市卫星遥感图像融合处理质量评价研究

常用的遥感融合方法常导致较严重的光谱畸变,为减少融合图像光谱特征的扭曲,提出三种新融合方法即合成变量比值法(SVR)、平滑滤波亮度调制法(SFIM)和Gram_Schimdt变换法(GS)。采用定量分析方法,分别对中等分辨率Landsat ETM+数据和高分辨率Quickbird数据的融合效果进行了评价。结果表明,不同方法具有不同的光谱保真度和空间信息融入度。同一种方法对于不同分辨率的遥感数据具有不同的融合效果。对中等分辨率Landsat ETM+数据,SFIM能产生较高的空间信息融入度和光谱保真度。利用中等分辨率Landsat ETM+数据进行融合处理时,SFIM优于合成SVR和GS;在高分辨率Quickbird数据的融合中,SVR能产生较高的空间信息融入度和光谱保真度。利用高分辨率Quickbird数据进行融合处理时,SVR则优于SFIM和GS。在中等分辨率Landsat ETM+数据、高分辨率Quickbird数据融合处理中,基于SFIM、SVR融合方法能分别获得较好的视觉效果,又能改善目视解译和遥感分类精度。     

土地资源调查的像元级遥感影像融合方法研究

文章总结了IHS彩色空间变换融合法、Brovey法、主成分分析法(PCA)等像元级影像融合的方法及评价标准,对研究区域SPOT影像的全色波段和多光谱波段分别进行IHS、PCA及Brovey方法的融合实验,并从信息熵、灰度均值和标准差、相关系数和视觉效果四个方面,对三种方法的融合效果进行定性与定量评价.分析结果表明,相对于其他两种方法而言,PCA方法在整体图像上清晰,色调协调,保留了较多的空间信息,细节特征明显,质量较好.     

遥感影像双线性插值小波融合方法

在进行同一地物的具有高空间分辨率的全色影像和多光谱遥感图像融合时，应用双线性插值的方法对多光谱图像进行插值，使之等于全色图像的空间分辨率．在此基础上，对两幅影像分别实施小波变换，提出了小波系数的融合运算公式．同时，为了说明本方法的可靠性，将其与近邻插值的小波变换、色彩变换(IHS)、Brovery变换等融合算法作了对比．仿真结果表明，该算法在提高影像空间分辨率的同时，图像的光谱信息损失最少．不失为一种较为理想的融合算法．     

SPOT5遥感影像不同融合方法对地物识别精度的影响

以河南省开封市北部及郊区的SPOT5遥感影像为基础数据,对SPOT5全色波段影像与多光谱影像的几种融合方式进行了比较研究;基于各种融合结果影像进行实验区域的计算机监督和非监督分类,提取各类地物面积数据,比较影像融合前后各类地物面积变化率;分析不同融合影像对地物识别精度的影响,确定适宜不同地物判识的融合影像和方法,旨在为土地利用类型调查中的影像融合方法的选择提供参考.     

基于空间和光谱信息保持的多光谱图像融合算法

文章采用基于空间和光谱信息保持的多光谱图像融合框架,以生成具有高空间质量的多光谱图像。本文采用的融合框架的能量泛函包括四项,第一项为边缘自适应提取约束项,从全色图像中自适应提取边缘细节信息并注入多光谱图像中;第二项为线性组合系数约束项,基于对多光谱图像各波段线性组合系数的估计以改善融合图像的空间质量;第三项为光谱信息保持约束项,基于L2范数分波段估计模糊核以保持多光谱图像的光谱信息;第四项为波段比例关系保持约束项,基于融合前后波段之间的比例关系相等的假设以减轻融合图像光谱失真。在QuickBird和Pavia University图像数据上进行仿真实验,结果表明,与SFIM、MTF_GLP、MTF_GLP_HPM、PCA、GS、GSA、AIHS、GFPCA等算法相比,本文方法的融合图像具有较高的空间和光谱质量。     

基于小波变换的卫星遥感影像数据融合

遥感信息融合(Fusion)是遥感数据处理的重要内容之一。通过把高分辨率的全色影像与多光谱彩色低分辨率的数据叠加,可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。首先概括了已有的遥感平台与数据,在给出小波分解基本模型的基础上,探讨了采用小波变换进行遥感信息融合的基本方法和实现流程。同时利用该方法,用于SPOT全色卫星影像数据和Landsat TM多光谱数据的融合处理。作为实际应用,给出了详细的小波信息融合结果,并证明了该方法是切实可行的。     

WorldView-2影像数据融合方法比较研究——以在四川省地理国情监测项目中应用为例

WorldView-2影像数据是四川省地理国情监测项目的重要数据源。本项目通过使用Brovey、Ehlers、HPF、HIS、PCA、Wavelet、PanSharpen、Gram-Schimdt 八种不同的数据融合方法对其全色和多光谱影像进行融合,并从清晰度、纹理和色调进行定性分析;从标准差、信息熵、平均梯度、偏差指数、相关系数和光谱扭曲程度进行定量评价;并通过FeatureStation GeoEX解译对比,研究融合结果的可用性。结果表明：基于PanSharpen变换融合方法产生的遥感图像失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种适合于WorldView-2影像融合的较好方法;同时,与原始多光谱影像相比,具有更好的解译效果。     

D-SS Frame: deep spectral-spatial feature extraction and fusion for classification of panchromatic and multispectral images

Facing the very high-resolution( VHR) image classification problem,a feature extraction and fusion framework is presented for VHR panchromatic and multispectral image classification based on deep learning techniques. The proposed approach combines spectral and spatial information based on the fusion of features extracted from panchromatic( PAN) and multispectral( MS) images using sparse autoencoder and its deep version. There are three steps in the proposed method,the first one is to extract spatial information of PAN image,and the second one is to describe spectral information of MS image. Finally,in the third step,the features obtained from PAN and MS images are concatenated directly as a simple fusion feature. The classification is performed using the support vector machine( SVM) and the experiments carried out on two datasets with very high spatial resolution. MS and PAN images from WorldView-2 satellite indicate that the classifier provides an efficient solution and demonstrate that the fusion of the features extracted by deep learning techniques from PAN and MS images performs better than that when these techniques are used separately. In addition,this framework shows that deep learning models can extract and fuse spatial and spectral information greatly,and have huge potential to achieve higher accuracy for classification of multispectral and panchromatic images.     

基于1αβ空间和抗混叠Contourlet变换的遥感图像融合算法

针对遥感图像中多光谱和全色图像的融合问题,提出一种基于lαβ空间和抗混叠Contourlet变换(non-aliasingcontourlet transform,NACT)的融合方法.该方法首先将多光谱图像进行lαβ变换,对其l分量和全色图像分别进行抗混叠Contourlet变换;然后,利用循环平移(cycle spinning,CS)算法消除由于变换缺乏平移不变性而引起的图像失真,对得到的低频子带系数和各带通方向子带系数分别进行融合;最后,通过抗混叠Contourlet逆变换和lαβ逆变换得到新的l分量以及融合后的高空间分辨率的多光谱图像.实验结果表明,该算法优于传统的色度-亮度-饱和度(hue-intensity-saturation,HIS)变换融合方法、小波融合方法以及Contourlet变换方法.