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.     

基于目标提取和小波变换IHS图像融合算法

针对传统的IHS(Intensity-Hue-Saturation,强度-色调-饱和度)融合算法会使部分光谱信息丢失,提出一种基于目标提取和双正交小波变换的IHS图像融合算法,主要应用于红外图像与可见光图像的融合.算法首先采用基于区域能量的算法在红外图像进行目标提取,将目标图像与可见光图像进行IHS融合.对融合后的图像进行小波变换,变换得到的高频分量与低频分量分别提出适合的改进融合规则.通过实验数据分析,该算法得到的图像包含的信息更多,图像的清晰度更高.     

基于IHS变换和主成分分析变换的图像融合

研究了IHS变换和主成分分析(PCA)变换的图像融合方法,并针对IHS变换的融合算法和PCA变换的融合算法的优缺点,提出了一种将两者相结合的算法.通过分析实验数据,验证了改进算法优于原来的基于IHS变换融合算法和基于PCA变换融合算法.     

一种基于局部方差相似度的自适应图像融合算法

针对现有多光谱和全色图像融合算法空间和光谱特性难以兼顾的问题,文章提出了一种基于局部方差相似度的自适应图像融合算法,通过局部方差相似度自适应选择融合规则来改善现有问题。首先对多光谱图像主成分分析(principal component analysis,PCA)变换后的第一主分量和全色图像进行小波变换;其次根据系数矩阵局部方差相似度在2选1和加权平均之间自适应选择小波系数融合策略;最终由对应的逆变换获取融合图像。实验采用Landsat7和QuickBird卫星数据进行算法验证,并与基于PCA变换、小波变换(wavelet transform,WT)、基于局部算法的改进小波算法和自适应IHS(intensity hue saturation)算法进行比较分析。实验结果表明,该方法在提高融合图像空间和光谱质量上,综合性能优越。     

基于传感器光谱特性与分类的遥感图像融合

为了提高多光谱图像和全色图像的融合质量,提出了一种基于广义亮度色度饱合度(IHS)变换与分类思想相结合的遥感图像融合算法.在充分考虑各波段传感器的相对光谱响应的基础上,在强度分量的构造和空间细节信息的注入方面进行了改进.改进后的方法首先对图像进行分类,然后采用高斯概率密度函数对分类构造后的影像进行加权融合,有效地改善了...     

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。     

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。     

基于小波稀疏基的压缩感知遥感图像融合算法

针对遥感图像融合提出了一种基于小波稀疏基的压缩感知算法,该算法利用IHS变换法得到的高空间分辨率融合图像有尖锐边缘及小波变换能较好的保持光谱信息的优势,将多光谱图像的I分量和全色图像进行小波变换;根据其高低频分量的特点,对其低频分量采用小波稀疏基的系数加权融合法,高频分量采用边缘提取法分别进行融合,最后进行小波逆变换和IHS逆变换得到最终融合结果。实验结果表明,不同的小波稀疏基系数对融合结果有较大的影响,且所选算法的融合效果优于系数最大值法及传统融合方法。     

非下采样Contourlet变换耦合锐度制约的遥感图像融合

当前多数遥感图像融合算法主要是依靠比值法选取全色图像或多光谱图像中的其中一个高频子带作为高频融合系数,忽略了另一个高频系数所包含的信息,易导致融合图像出现模糊以及光谱失真等不足.对此,本文提出了基于非下采样Contourlet变换与锐度制约模型的遥感图像融合算法.通过亮度-色调-饱和度(IHS)变换,获取多光谱图像的I,H,S分量,利用非下采样Contourlet变换对多光谱图像的I分量以及全色图像进行多尺度精细分解,得到相应的低频子带与高频子带;利用像素点邻域的像素值之差构造锐度制约模型,完成低频子带的融合.考虑多光谱图像中I分量与全色图像的高频子带特征,构造高频子带融合模型,完成高频子带的融合;将融合后的高频子带与低频子带通过非下采样Contourlet逆变换,输出融合图像的亮度分量珔I,将珔I与H,S分量进行IHS逆变换,形成最终的融合图像.仿真实验显示,与当前遥感图像融合方法相比,所提方法的融合图像具有更高的视觉质量,可保留更多的光谱以及边缘等图像细节信息.     

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.     

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。     

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.     

基于小波变换的遥感图像融合算法

提出了一种基于小波变换的遥感图像融合的新方法。给出了梯度滤波器的矩阵形式，改进了Petrovic提出的灰度图像融合方法，并将其应用于ETM图像融合。和两幅原图像及灰度融合图像相比，新方法是有效的，不仅较大地增强了图像的空间细节表现能力，而且很好地保留了多光谱影像的光谱信息。     

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IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进.新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像.主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达.     

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。     

Analysis of color distortion and optimum fusion for remote sensing images using the statistical property of wavelet decomposition

IHS （Intensity, Hue and Saturation） transform is one of the most commonly used tusion algonthm. But the matching error causes spectral distortion and degradation in processing of image fusion with IHS method. A study on IHS fusion indicates that the color distortion can＇t be avoided. Meanwhile, the statistical property of wavelet coefficient with wavelet decomposition reflects those significant features, such as edges, lines and regions. So, a united optimal fusion method, which uses the statistical property and IHS transform on pixel and feature levels, is proposed. That is, the high frequency of intensity component Ⅰ is fused on feature level with multi-resolution wavelet in IHS space. And the low frequency of intensity component Ⅰ is fused on pixel level with optimal weight coefficients. Spectral information and spatial resolution are two performance indexes of optimal weight coefficients. Experiment results with QuickBird data of Shanghai show that it is a practical and effective method.