基于小波变换的快鸟遥感影像数据融合

在给出小波变换基本模型的基础上 ,探讨了采用小波正交分解与重构来进行遥感信息融合的基本原理 .快鸟影像数据是目前新的高分辨率卫星遥感数据产品 ,在分析该数据特点的基础上 ,考虑采用小波变换应用于快鸟高分辨率卫星影像数据全色和多光谱数据的融合 ,并给出了具体的数学模型和实现流程 .作为实际应用 ,又详细给出了小波用于遥感数据融合的中间过程和最后结果 ,并通过分析影像融合的效果 ,提出了有效的成果调整方法 ,且说明了该方法是切实有效的     

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。     

基于中巴资源卫星的多源遥感影像融合研究

随着遥感获取数据手段的日益增多,遥感影像的融合技术备受关注。针对资源二号多光谱影像光谱信息丰富、分辨率低,资源二号全色影像分辨率高、纹理信息丰富的特点,以河南省郑州市的资源二号多光谱影像与全色影像为例,分别采用基于主成分分析、小波变换、比值变换和高通滤波法等4种融合方法进行融合实验,并对融合后的影像在均值、标准方差、偏差指数以及光谱保真度等4个方面进行了对比,探讨了资源二号多光谱影像与全色影像融合的方法和效果。     

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．     

基于HCS方法融合高时空遥感数据的玉米种植面积提取

目的提出一种利用高空间分辨率Landsat8 OLI全色影像和高时间分辨率MODIS影像进行融合的方法,构建出高时空分辨率遥感数据,提供一种监测农作物种植面积新思路,为农业生产信息化奠定科学的理论依据.方法以沈阳市法库县为例,基于色彩超球面锐化(HCS)方法,利用多光谱Landsat8 OLI全色影像数据与MODIS-NDVI时间序列数据相结合的手段,对其进行预处理后,根据该地区的物候数据和具有可信度的样本数据进行面积估算,并统计出玉米种植面积的制图精度和用户精度;对Landsat8 OLI全色影像数据和MODIS-NDVI时间序列数据进行融合处理,再利用马氏距离分类法对高时空分辨率遥感数据进行玉米种植面积提取.结果融合后的高时空遥感数据对玉米种植面积的识别效果较好,制图精度和用户精度分别达到89.62%、99.71%.结论 HCS方法适用于高时间数据和高空间数据的融合,融合后的影像保持了原有的光谱特征及空间细节纹理.     

基于IHS变换的遥感影像融合方法

为了解决遥感影像空间分辨率与光谱信息不能兼顾的问题,即全色影像具有较高的空间分辨率但缺乏光谱信息,多光谱影像光谱分辨率高,光谱信息丰富,但其空间分辨率低的问题,采用MATLAB实验工具,基于IHS原理对遥感影像数据进行融合处理,试验结果表明使用该融合方法显著提高了多光谱影像的空间分辨率,同时保留了丰富的光谱特征,提高影像的判读、识别、分类能力,融合后图像的信息量比原始图像有明显增加,而且图像的细节反差、纹理和清晰度得到较大的提高,融合图像质量明显改善.     

基于小波变换的遥感影像融合方法的比较分析

利用ETM+的全色和多光谱影像,对基于小波变换的常用几种影像融合方法进行了实验与分析,实验结果表明,基于小波变换和MNF变换的融合影像的光谱失真比较严重,基于小波变换和主成分变换的融合效果最好,其光谱保真效果最好。     

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.     

一种基于结构相似度的IHS与小波变换相结合的遥感影像融合算法

针对分别使用IHS变换和小波技术进行融合实验时有较大的色彩畸变的问题,提出了一种基于结构相似度的IHS与小波变换相结合的融合算法.首先对多光谱影像进行IHS变换,对多光谱影像的亮度分量Ⅰ和全色波段影像进行小波分解;然后采用二者高频系数绝对值较大者作为新的Ⅰ分量的高频系数,而新的Ⅰ分量的低频系数由二者的低频系数进行加权平均获得,权值通过计算Ⅰ与全色波段的SSIM来自适应地确定.实验结果表明该算法在提高影像分辨率的同时,能很好地保持影像的光谱特征.     

多源遥感影像融合的图像质量评价及变化区域识别

遥感技术的发展以及遥感数据的广泛应用,使得影像信息及其变化信息的自动识别的需求日益迫切.论文利用TM(1998)、SPOT(2002)、ALOS(2006)3个时相的不同传感器接收的影像数据,进行小波变换与IHS变换相结合的影像融合处理,并进行融合影像的评价以及变化区域的识别研究,得出以下主要结论:小波变换与IHS变换相结合的影像融合方法既提高了影像的信息量,又较好地保持了影像的光谱特征;融合影像信息量的增加程度与原始多光谱影像的空间分辨率相关,原始多光谱分辨率越低,融合后信息量增加越多;从融合影像上还可以直观地看出,不同时相的影像融合时,有利于地物变化区域的自动显现,以此进一步地进行变化区域的自动提取与分类,促进遥感影像的应用.     

基于Contourlet和IHS的遥感图像融合

针对目前最新发展的Contourlet变换较小波变换能提供更丰富的方向和形状,有助于捕捉图像中的几何结构,提出了一种新的基于Contourlet变换和IHS(Intensity-Hue-Saturation)变换的遥感图像融合方法,首先对多频谱图像进行IHS变换,然后对所得的亮度分量和全色图像分别进行Contourlet变换,再对得到的低频近似系数和高频细节系数采用一定的融合规则得到一个新的亮度分量,并对其做逆向的IHS变换得到融合图像.实验结果表明,该方法在保留多频谱图像的频谱信息的同时增强了融合图像的空间细节表现能力,提高了融合图像的信息量,并且优于同等条件下的小波变换方法,该方法是有效可行的.     

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.     

遥感图像融合方法综述

多光谱图像和全色图像融合是图像融合中的一个重要技术,目的是获得同时具有高的空间分辨和高的光谱分辨的融合图像,以便于进一步的应用。介绍了各种遥感图像融合方法,包括基本的融合方法和各种空间细节注入模型,以及小波变换与传统的方法相结合的融合方法,分析了各种方法的优缺点。     

Fusion of multispectral and panchromatic images using multirate filter banks

In this paper, an image fusion method based on the filter banks is proposed for merging a high-resolution panchromatic image and a low-resolution multispectral image. Firstly, the filter banks are designed to merge different signals with minimum distortion by using cosine modulation. Then, the filter banks-based image fusion is adopted to obtain a high-resolution multispectral image that combines the spectral characteristic of low-resolution data with the spatial resolution of the panchromatic image. Finally, two different experiments and corresponding performance analysis are presented. Experimental results indicate that the proposed approach outperforms the HIS transform, discrete wavelet transform and discrete wavelet frame.     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

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.     

基于跨层复制连接卷积神经网络的遥感图像融合

首先, 基于卷积神经网络提出一种采用跨层复制连接操作融合不同尺度特征图的遥感图像融合模型, 解决了传统遥感图像融合方法对不同类型遥感图像需人为选择不同的分解融合规则, 导致融合图像质量受选择规则影响较大的问题. 其次, 使用Deimos卫星和QuickBird 卫星数据验证该方法的有效性, 并用主观和客观相结合的方法评价融合图像质量. 实验结果表明, 该遥感图像融合模型与传统方法相比, 能有效将全色图像的空间信息与多光谱图像的光谱信息融合, 并抑制光谱扭曲.     

基于跨层复制连接卷积神经网络的遥感图像融合

首先, 基于卷积神经网络提出一种采用跨层复制连接操作融合不同尺度特征图的遥感图像融合模型, 解决了传统遥感图像融合方法对不同类型遥感图像需人为选择不同的分解融合规则, 导致融合图像质量受选择规则影响较大的问题. 其次, 使用Deimos卫星和QuickBird 卫星数据验证该方法的有效性, 并用主观和客观相结合的方法评价融合图像质量. 实验结果表明, 该遥感图像融合模型与传统方法相比, 能有效将全色图像的空间信息与多光谱图像的光谱信息融合, 并抑制光谱扭曲.