基于松鼠搜索算法与IHS变换的遥感图像融合

图像融合的目标是将低空间分辨率的多光谱(multispectral, MS)图像与高分辨率的全色(panchromatic, PAN)图像进行融合,得到具有高光谱和空间分辨率的图像。针对基于强度-色调-饱和度(intensity-hue-saturation, IHS)变换的融合后图像会出现光谱扭曲的问题,提出了一种结合改进的松鼠搜索算法和IHS变换的图像融合方法。首先,通过考虑融合后图像与原全色和多光谱图像之间的关系建立光谱保真和空间保真项,并引入边缘信息保持项,建立了优化目标。其次,为了克服松鼠搜索算法(squirrel search algorithm, SSA)的探索能力不足、可能导致过早收敛于局部最优的缺点,引入了自适应的捕食者存在概率策略和根据个体间距离自适应调整搜索步长的策略来平衡算法的探索和利用能力,并且引入了高斯算子和柯西算子来提高算法的局部搜索能力。最后,根据优化的控制参数,通过参数化自适应IHS变换重建目标图像。将该方法在QuickBird和IKONOS数据集上进行对比实验,结果表明方法是实用的,在保留空间信息的同时能减少光谱失真。     

基于加权小波分析的遥感图像融合算法

提出一种基于加权小波分析的遥感图像融合算法. 首先在光照色度饱和度空间上提取多光谱图像的光照强度分量, 对光照强度分量进行主成分分析获得修正的光照强度, 再将修正的光照强度与小波分析高频区域进行加权融合, 最后进行小波分析与光照色度饱和度空间逆变换获得遥感图像的最终融合结果. 该方法有效解决了在低频空间分辨率与高频空间分辨率的图像融合过程中, 小波分析方法丢弃低频分量易产生分块模糊现象, 且主成分分析方法易产生光谱图像信息域失真的问题. 在不同场景遥感图像的融合上进行仿真实验, 结果表明, 该算法在一定程度上解决了图像融合后边缘模糊、 融合结果中出现模糊块状阴影等问题, 并在清晰度、 纹理细节和真实性上获得了较大提升, 且能针对不同的融合需求调整合适的加权系数, 使遥感图像的融合达到最佳效果. 在光照色度饱和度空间, 加权小波分析进一步提升了遥感图像融合的效果, 不仅充分表达了各种遥感图像的细节, 而且能较好地保留原始光谱信息.     

IHS变换域的遥感图像NSCT融合算法

针对非采样Contourlet变换(NSCT)在多光谱图像与全色图像融合时复杂度较大的问题,提出一种IHS变换域的多光谱图像与全色图像NSCT融合算法.该算法首先对多光谱图像进行IHS变换,然后再将强度分量图像与全色图像进行基于NSCT的融合,得到新的强度分量,最后再做IHS逆变换得到融合图像.实验结果表明,将IHS变换与NSCT相结合,有效地减少了融合计算量.另外与小波变换、Contourlet变换、NSCT等多分辨率分析的遥感图像融合算法相比,该算法还有效地减少了融合图像的光谱扭曲,提高了融合图像的视觉效果.     

改进的阈值加权平均HSV与小波变换图像融合

为提高图像的空间分辨率、增加图像的细节信息,改善HSV融合和小波融合中存在的光谱失真、原SAR与ETM图像的纹理特征保持不良等现象.提出一种改进加权平均法的HSV与小波变换融合方法.将ETM图像转换到HSV彩色空间,得到亮度分量V.将高分辨率的SAR图像与该分量进行小波分解,得到高低频信息,将低频信息按照提出的改进的加权平均法进行融合,高频信息按照绝对值最大法进行融合,得到新的亮度分量,再通过HSV逆变换得到新的融合图像.实验采用3 m分辨率的Cosmo-Sky Med图像和30 m分辨率的Landsat8图像进行实验.研究结果表明:该融合方法能够提高图像空间分辨率,在地物细节和光谱特征方面保持良好.     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

保细节自适应超分辨率融合算法

超分辨率融合是把配准好的低分辨率图像信息进行综合,形成高分辨率栅格上的均匀采样．为了改善图像超分辨率融合效果,对鲁棒超分辨率融合算法进行改进分析图像局部模式,给出角点和连接点的识别方法,进而设计了保细节自适应适用度函数,提出了保细节自适应超分辨率融合算法实验结果表明,算法不仅对配准误差具有鲁棒性,而且能很好地保存图像的边缘和细节特征,提高了融合图像的质量．     

基于卷积神经网络超分辨率重建的遥感图像融合

为了充分利用多光谱图像的空间信息,获得更好的融合结果,本文提出一种基于卷积神经网络(convolutional neural network,CNN)超分辨率重建的遥感图像融合方法。该方法首先对多光谱图像作IHS变换,选取亮度分量I进行基于卷积神经网络的超分辨率重建(super-resolution convolutional neural network,SRCNN),增加扩展后图像的空间细节信息;然后对重建过后的多光谱图像的亮度分量I和全色图像进行基于小波变换的融合,融合规则为绝对值最大,改变传统算法中融合图像的高频分量全部来源于全色图像的情形;最后逆IHS变换得到分辨率较高的多光谱图像。实验结果表明,该算法的融合效果优于其他对比算法,能有效地降低图像融合过程中空间信息和光谱信息的损失。     

一种基于模糊积分的图像最优融合方法

为极大保留多光谱、高分辨率遥感影像融合时的光谱信息和空间分辨率信息，提出一种基于模糊积分的图像最优融合方法。综合光谱信息和空间分辨率2个单因素指标，在IHS（Intensity Hue Saturation）空间，对强度分量，的高频部分利用多分辨率小波融合方法进行影像的高频细节特征融合，低频部分选取光谱信息和空间分辨率评价指标作为融合权系数求优指标，进行像素级最优融合，实验结果证明本方法是有效的。     

基于小波支持向量回归的遥感多光谱图像分辨率增强算法

利用小波支持向量回归,实现了遥感多光谱图像分辨率的增强。首先采用非下采样Contourlet变换对低分辨率的多光谱图像和高分辨率的全色图像进行多分辨率分解,再利用小波支持向量回归对分解系数进行学习和预测,获得分辨率初步提高的多光谱图像,最后再与传统的插值方法得到的结果进行融合来实现多光谱图像分辨率增强。实验结果表明:此方法借遥感全色图像的辅助获得丰富的高频细节信息,使得分辨率增强结果无论是最小均方误差还是峰值信噪比都要优于仅依靠原图像本身放大的传统方法以及其他的分辨率增强方法。     

一种改进的IHS图像融合新算法

在详细研究图像色调饱和度与强度关系的基础上,利用图像强度与色调饱和度有相似平滑度这一性质提出了一种将最小二乘原理应用到IHS图像融合中的新方法.该方法通过图像平滑度限定条件和能量守恒限定条件,使用最小二乘法估计融合后图像的色调饱和度分量.根据主观目视判断和客观评价指标对融合结果进行了比较和分析.仿真试验表明,新方法能够使融合图像具有较高的空间分辨率,能很好地保持原有多光谱图像的光谱特性;可以显著减小融合后图像的颜色偏差,从而提高了融合图像的质量.     

基于Brovey融合的卫星影像土地覆盖变化检测

随着高空间分辨率卫星影像的发展,如ETM ,QuickBird,IKONOSE等高空间分辨率卫星,近20年来已相继开发了许多影像融合的方法,如HIS,PC,HPF,SFIM,SVR,Wavekt和Brovey等融合法．传统的影像融合是将时相相同或相近的影像进行融合,以提高影像的空间分辨率和光谱分辨率,提高影像的目视可解度和分类精度等．而本文却是对不同时相的影像进行融合,用Brovey融合法将不同时相的TM(1986年7月26日)和ETM (2000年5月4日)的Pan波段影像进行融合,再对融合后的影像采用无监督分类和PC2分析两种方法将两时相的土地覆盖变化区域提取出来．研究证明融合法能快速、简便、准确的检测出土地覆盖变化的区域。     

基于YUV空间的双通道视频图像色彩传递及实时系统

研究基于YUV空间的双通道黑白视频图像彩色融合与传递方法,建立以TM1300为核心的实时系统. 用2片TM1300分别对双通道图像进行预处理,计算图像均值和方差. 用第3片TM1300在YUV空间将双通道图像融合为彩色图像(源图像),再将其分量根据白天光照下彩色参考图像与源图像的标准方差比进行缩放,把参考图像的色彩和亮度分布传递给源图像. 实验结果表明,算法在易于实时处理的同时获得了与白天图像类似的自然色彩效果.     

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。     

多源遥感数据融合方法的新探索

目前常用的几种遥感图像融合方法在不同的应用层面上有各自的优势,但也存在比如光谱信息丢失严重等现象。为此,首先分析对比了传统的4种融合方法,用高分辨率SPOT图像和多光谱TM图像分别运用4种融合方法进行图像融合的研究。在此基础上提出改进的多进制小波包融和方法,并通过主观与客观相结合的质量评价方法对融合效果进行比较。分析结果表明,主成分分析融合要比B rovey融合能够更好的刻画细节;多进制小波包融合所丢失的图像光谱信息为最低,能更好的刻画细节问题;乘积融合法在增强建筑物信息方面有比较突出的优势。     

3S技术在中药材种植信息提取中的应用——以太和县桔梗种植为例

在分析安徽省太和县Landsat卫星2003年4月16日轨道号122037的TM遥感影像数据特征的基础上,利用遥感与地理信息系统软件处理遥感影像的方法,对图像数据进行几何校正和融合处理,采用遥感图像多源信息复合、人机交互解译与GIS技术相结合的解译方法,实现中药材种植面积的提取,获得了理想的结果,使相关的决策层以及种植户可以充分了解相关信息,为规划者和决策者提供了一种更加科学客观的新手段。     

基于地理定位的影像分辨率融合方法

基于地理定位的影像分辨率融合方法避免传统人机交互选取控制点所带来的误差影响,整个过程不产生人为误差。地理定位法对两幅SPOT5-1A数据影像的融合影像在质量、配准精度、时间效率上都优于传统方法的融合影像。地理定位法融合影像是一种高效、可靠的影像分辨率融合方法,使批量处理影像融合工作成为可能。     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。     

基于特征塔集的遥感图像融合方法

提出了图像特征塔集的概念，给出了一种基于特征塔集的融合方法．算法主要包含两部分，子图像的融合及对应残差图像的融合．图像的大部分能量和信息包含在子图像中，因此，在图像金字塔的子图像融合过程中，特征塔集的构造由局部能量和局部熵组成．考虑到残差金字塔包含了原始图像的边缘或高频成分，因此采用梯度作为其融合特征．最终的融合结果，可利用金字塔反变换获得．由于将残差金字塔也引入到融合算法的设计过程中，因此融合的精度得到一定的提高，另外，采取简单的金字塔可以有效地控制算法的复杂度．实验结果表明了算法的合理性和有效性．     

采用不同融合方法对土地利用现状进行自动分类的研究

LandsatTM图像在土地利用上的应用极为广泛,但TM图像的空间分辨率比较低,因此单独采用TM图像进行土地利用分类的精度也较低。通过融合高空间分辨率全色图像的高频纹理信息来提高TM图像的空间分辨率,使融合后的图像既保留TM图像的多光谱特性,又具有高空间分辨率的特性,易于图像的解译,达到提高自动分类的精度,减少自动分类的误差的目的。笔者运用IHS和KL融合方法,并对生成的新图像作分类精度比较研究,探讨融合图像在土地利用中的应用。