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。     

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.     

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。     

基于假彩色的多重图像融合

对假彩色多重图像融合的算法进行了总结分类，并对各种类型的融合算法的结构、特点进行了分析，为在复杂任务和环境下选择恰当的假彩色图像融合手段提供了参考。并以多光谱图像融合以及热成像图像与ＣＣＤ电视图像的融合为例，开发了一些新的有效算法。     

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.     

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。     

基于卷积神经网络的多光谱与全色遥感图像融合算法

地理信息数据具有不同分辨率、不同精度、不同覆盖范围等多尺度特征,在应用中往往需要同时具备高光谱分辨率和高空间分辨率两种信息的图像.为提高多光谱图像和全色图像融合的准确性,提出了基于卷积神经网络的多光谱与全色遥感图像融合算法.首先,对训练集内图像进行预处理,构建适用于本算法的图像数据集;然后,拓展卷积神经网络卷积层,提高...     

应用于双光谱检测的图像融合技术

介绍双光谱图像检测系统的总体设计,针对紫外与可见光双光谱成像系统提出了基于模糊矩阵的双光谱图像融合法．该方法采用模糊矩阵表征融合区域,同时利用小波变换法对图像进行多分辨分解重构．实验选取UV图像与V图像进行融合,并对该方法和其他几种方法的融合图像进行了比较．基于模糊矩阵的双光谱图像融合法能比较好地兼顾图像融合中清晰度和融合边缘过渡两方面的要求．     

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.     

基于梯度金字塔图像融合的研究

根据人体视觉对梯度的敏感性特点,采用梯度金字塔融合方法对图像进行具有方向性的多尺度、多分辨率分解,然后采用基于区域信息特征的融合规则对图像进行融合,最后进行梯度金字塔分解的逆变换得到融合图像,并对融合结果作出评价。实验结果表明,该方法对多焦点和多光谱图像融合都十分有效。     

一种基于HSI和小波变换的遥感图像融合方法

在对同一地区低分辨率的多光谱图像与高分辨率的全色图像的融合中,单独采用传统的HSI(hue-saturation-intensity)图像融合方法会出现颜色失真问题和传统的小波融合中存在分块模糊现象.为了改进融合效果,本文提出了一种新的融合方法,将HSI和小波变换进行有机结合,首先通过HSI变换获得多光谱图像的亮度成分,采用改进的基于主分量分析方法的融合规则将它与全色图像进行小波融合,得到新的亮度分量.将新的亮度分量进行增强处理后,进行HSI逆变换获得最终融合图像.实验结果证明,该方法不但提高了融合图像的空间分辨率,突出了目标的特征信息,而且更好地保留了原有多光谱图像的光谱性质.     

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。     

无人机高分辨率数据与Landsat 8多光谱数据的图像融合研究分析

运用不同融合方法对无人机高分辨率数据与Landsat8多光谱数据进行融合,并对融合结果进行分析,结果表明:HSV变换、Brovey变换和PC变换融合效果优于其他融合方法,其中HSV变换突出了图像的纹理信息,Brovey变换使图像目视效果较好,光谱保真度高。其他融合方法如GS变换增加了人工用地的信息量,但降低了图像整体清晰程度;CN变换光谱扭曲较大,存在光谱信息损失。     

SPOT5全色与多光谱图像融合方法研究

为了在提高图像空间信息质量的同时能尽可能保持原图像光谱特性,采用常用的IHS变换融合、K-L变换融合、Brovey变换融合,以及小波变换融合方法,对SPOT5全色与多光谱图像进行融合处理.通过对各融合结果图像进行主观和客观的综合评价,得出利用小波变换融合方法对SPOT5进行融合处理得到的结果图像其空间质量和光谱质量综合表现最好.     

基于Quick Bird光栅图像的IHS和PCA融合研究

综述了图像数据融合技术,包括融合的基本原理、融合的常见算法、融合的基本流程。然后选用IHS变换融合、PCA变换融合对Quick Bird图像自身的全色波段和多光谱波段图像数据进行融合处理。最后从光谱的真实性和空间纹理信息两个方面对融合效果进行定量和定性比较,指出各种融合算法在处理Quick Bird图像数据中所存在的优点和不足。     

基于空间频率和小波变换的图像融合方法

为了更好的对多光谱图像和高分辨图像进行融合，根据小波变换有三个方向的高频细节这．特点，提出了一种计算空间频率的新方法。利用这种空间频率、IHS和小波变换方法对多光谱图像和高分辨图像进行了融合，得到了具有较好的空间分辨率和光谱信息的融合图像，并对融合图像进行了评价。实验结果表明该方法得到的融合图像优于传统IHS变换法和传统小波变换方法。     

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.     

基于Quick Bird数据的遥感图像融合方法研究

在分析了图像融合原理和计算方法的基础上,以Quick Bird全色与多光谱遥感图像为数据源,运用HIS变换、主成分分析（PCA）和乘积变换（Brovey）3种算法,对Quick Bird遥感图像进行了融合实验研究,并从光谱的真实性和空间纹理信息两个方面对融合效果进行测试与分析,比较3种算法用于处理Quick Bird遥感图像的效果。研究结果表明：HIS融合的效果最佳,PCA融合的效果次之,Brovey融合的效果最差。     

一种新的融合图像效果评价方法

目的寻求一种新的融合图像效果评价方法。方法定义了一个新的基于模糊积分的融合图像空间分辨率评价指标。在此基础上,引进原有的偏差指数,利用加权求和定义了融合图像效果评价方法。结果提出一种新的融合图像评价方法。结论新方法更适于进行多光谱图像和高分辨率图像的融合结果分析。