基于ETM+遥感图像的图像融合试验及评价方法

为了对比分析不同方法在融合ETM+遥感图像的高空间分辨率全色波段和多光谱波段的效果,选取基于彩色技术的IHS和RGB变换、基于图像变换技术的PC变换、Gram-schmidt变换和基于算数技术的Brovey变换4种融合方法,对研究区域ETM+图像进行了融合,并采用衡量信息量的信息熵、标准差及衡量光谱保真能力的偏差指数和相关系数进行了融合效果评价。融合结果表明:依Brovey、IHS、PC、Gram-Schmit方法融合后的图像,其光谱保真程度逐渐降低。Brovey变换最大限度保持了原始图像的光谱信息,而空间信息的详细程度较差;IHS变换空间融合后的图像空间细节信息最大,但光谱保真能力差;PC变换和Gram-schmidt变换后融合图像的光谱保真和空间信息详细程度介于Brovey和IHS之间;Brovey和IHS有较好的融合效果。     

全色和多光谱卫星图像的同步融合与去噪

为了获得较高的光谱和空间分辨率的图像,提出一种卫星混合融合方法,包括IHS变换和离散小波框架变换方法。该方法在融合图像过程中失真比较小的情况下获得高的光谱和空间分辨率,并比较了传统的融合方法和本文混合方法。实验结果证明,混合方法具有优越性。     

基于IHS变换和Curvelet变换的卫星遥感图像融合方法

全色图像和多光谱图像融合是合成高分辨率彩色遥感图像的常用方法之一,高质量的彩色图像需要融合全色图像的高空间分辨率和保持多光谱图像的光谱特性.为提高融合图像的质量,文中提出了一种基于IHS和Curvelet变换的遥感图像融合方法,该方法首先将多光谱图像进行IHS变换,然后将代表空间分辨率的I分量与全色图像进行Curvelet变换,并进行标准差融合,最后逆变换成高质量的彩色图像.实验测试结果表明:文中方法合成图像的信息熵、相对无量纲的全局误差和通用图像质量指标均优于其他方法合成的图像,文中方法融合图像的平均梯度和相关系数与小波变换、PCA变换方法相当;文中方法的融合效果要优于其他方法.     

多源遥感数据融合方法探讨

研究了基于IHS变换和多分辨率小波分析的叠加融合方法，并提出了改进的叠加融合方法，其基本做法是保持多光谱(低空间分辨率)遥感影像I分量小波分解后的低频信息不变，将高空间分辨率遥感影像小波分解后的高频信息叠加到多光谱I分量小波分解后的高频信息上，而后对叠加后的I分量进行小波逆变换得到I’，最后对I’HS进行IHS逆变换得到融合后的多光谱影像。融合实验结果证明，改进后的叠加融合方法不仅提高了多光谱影像的空间分辨率，而且在保持多光谱影像的光谱特性等方面相对于改进前具有更大的优越性。     

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.     

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．     

BP神经网络在多源图像融合中的应用研究

采用BP神经网络与SVR融合法相结合的方法来实现像素级多源图像融合。改进型的SVR方法,用来进行全色波段和多光谱波段的融合。首先将各多光谱波段与全色波段求算回归系数,然后利用回归系数与多光谱波段合成模拟高空间分辨率全色波段,最后利用比值变换完成各波段的融合。通过仿真证明,BPNN-SVR融合法优于SVR融合法。     

基于权重的HSI多通道图像融合

针对现有的彩色图像融合方法所存在的融合失真问题,提出了一种基于权重的HSI多通道图像融合方法.将源图像从RGB颜色空间转换为HSI颜色空间,采用不同的融合规则对I、H和S分量进行融合,再将融合后的通道图像再转换为RGB图像.该算法融合后的图像更加清晰,无颜色失真,并且算法复杂度低.实验结果表明,该图像融合算法优于传统经典的融合算法.     

基于形态学的图像融合算法

提出一种基于边缘连接强度的图像融合算法。利用形态学梯度算子得到图像的边缘信息。以图像灰度的边缘连接强度加权为判据,进行图像融合。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

基于多通道窄带滤波阵列的微型多光谱成像仪

设计出一种基于多通道窄带滤波阵列的微型多光谱成像仪.系统根据推帚式成像光谱仪的原理进行设计,采用多通道窄带滤波阵列在后光学系统进行分光,利用高精度载物台驱动实验目标进行推扫成像,选用USB总线作为数据采集的微机接口.整个系统由宽光谱光源、普通光学镜头、分光滤波片、面阵CCD成像装置、载物台自动装置以及数据采集和控制模块等几部分组成.系统的光谱范围从760 nm到900 nm,共16个波段,光谱分辨率＜10 nm.系统具有同时获取不同波长光谱信息、结构紧凑、成本低、可靠性强和小型化等优点;不仅能够提供目标在近红外的单波段光谱图像,而且能够获得图像中任意像素的光谱曲线,实现光谱技术和成像技术的结合.     

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。     

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.     

多光谱遥感影像对高分辨率DOM精确配准思路研究

本文基于笔者多年从事遥感图像处理的相关工作经验,以图像预处理中的几何精纠正为研究对象,提出一种遵循物理模型的多光谱遥感影像对航空正射影像多点精确配准方法,实现异源的、空间分辨率跨度较大的多光谱遥感影像和航空正射影像间的精确配准。试验结果表明,该方法能达到预期的空间分辨率较大提高的融合效果,相信对从事相关工作的同行能有所裨益。     

一种基于注意力嵌入对抗网络的全色锐化方法

全色锐化旨在将低空间分辨率的多光谱图像和高空间分辨率的全色图像进行融合，生成一幅高空间分辨率的多光谱图像．伴随卷积神经网络的发展，涌现出很多基于CNN的全色锐化方法．这些用于全色锐化的CNN模型大都未考虑不同通道特征和不同空间位置特征对最终锐化结果的影响．并且仅使用基于像素的1-范数或2-范数作为损失函数对锐化结果与参考图像进行评估，易导致锐化结果过于平滑，空间细节缺失．为了解决上述问题，本文提出一种嵌入注意力机制，并辅以空间结构信息对抗损失的生成对抗网络模型．该网络模型由2个部分组成：一个生成器网络模型和一个判别器网络模型．嵌入通道注意力机制和空间注意力机制的生成器将低分辨多光谱图像和全色图像融合为高质量的高分辨多光谱图像．判别器以patch-wise判别的方式对锐化结果与参考图像的梯度进行一致性检验，以确保锐化结果的空间细节信息．最后，在3种典型数据集上的对比实验验证了所提出方法的有效性．     

基于色调一致性改进的图像融合最速下降法

为了获取IKONOS高分辨率多光谱图像,更有效地对IKONOS卫星图像进行利用,分析了使用最速下降法对IKONOS卫星的高空间分辨率全色图像PAN(panchromatic images)和低空间分辨率多光谱图像MS(multispectral images)进行融合的技术.提出以MS图像(波段:R,G,B)中每个像素点的R、G、B三色分量值所占比例大小为基础设立矩阵参数,代替原算法能量方程中R、G和B波段图像前的常值参数,使融合图像与MS图像的色调保持完全一致,同时适度取小NIR波段图像前的参数值,提高了融合图像的清晰度.在进行的5种算法融合对比仿真实验中,通过主客观两方面对融合图像质量进行了评价,证明了改进后算法的有效性和优越性.     

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。     

窄带成像光谱仪技术与实时多光谱图像处理

成像光谱仪是一种空间遥感探测器，它可以同时获取目标的空间和光谱分布信息。针对机载区域遥感需要结构简单、价格适中和数掘处理迅速的成像光谱仪的特点．在窄带多光谱遥感成像仪基础上，提出了一种具有实时光谱图像处理功能的多光谱成像技术．该技术可在窄带多光谱成像过程中同时完成多光谱图像的并行处理．它大幅度地提高了成像光谱仪遥感图像处理的实时性。更为重要的是该战像技术具有极高的性能价格比优势．可广泛用于农业、地质与环保等领域。     

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。     

高光谱成像仪在字迹检测方面的探索研究

近年来光谱成像技术在公安、司法鉴定中已经成为了必不可少的基础装备,在文件检验工作中发挥着不可替代的作用。高光谱成像相对于多光谱成像具有更丰富的图像和光谱信息。尝试研究高光谱成像技术在文件检验工作方面的应用,使用V10E-PS高光谱文检仪简易系统,在可见光波段范围内,实时地采集到光谱分辨率较高、通道数量多,且成像清晰的文字样本数据。用ENVI数据分析软件经过主成分分析、最小噪声分离、主成分分析和独立主成分分析等分析方法后,能够清晰准确的分辨部分数字的修改部位。     

图像的多尺度稀疏分解及其在遥感图像融合上的应用

提出了一种图像多尺度稀疏分解的新方法,联合局部离散余弦变换基和曲波变换基组成分解字典,通过控制字典系数从多个尺度把二维图像稀疏分解为纹理成分和卡通成分,并以此应用到遥感图像融合,提取有效尺度下高分辨率全色遥感图像的纹理成分和多光谱遥感图像的卡通成分,对二者进行稀疏重建得融合图像.实验结果表明,多尺度稀疏分解的遥感图像融合方法优于经典融合方法,融合结果具有更高的空间分辨率和更低的光谱失真,相比流行的稀疏重建法,该方法的执行速率得到大幅提升,且取得了更好的融合结果.