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.     

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.     

一种基于BP网络和决策融合的高光谱遥感图像分类方法

BP神经网络在用于高光谱遥感图像分类时,其初始权值的选取对分类结果有很大影响.针对这种情况,提出了一种将BP神经网络与决策融合理论相结合的高光谱遥感图像分类方法,该方法将多个结构相同、初始权值不同的BP神经网络的分类结果进行融合,最后把融合结果作为原图像的最终分类结果,以实际的高光谱遥影像为例,说明该方法能够有效地提高遥感影像的分类精度.     

基于鲁棒估计的遥感图像融合方法

提出一种基于鲁棒估计的遥感图像融合方法.该方法首先建立了高分辨率的多光谱图像到低分辨率的多光谱图像和高分辨率的全色图像之间的观测模型,然后在最大后验概率框架下引入鲁棒估计以增强估计的鲁棒性,最后利用阶段非凸和逐次超松弛方法实现了低分辨率的多光谱图像和高分辨率的全色图像之间的融合.鲁棒估计的引入,大大减小了观测噪声对融合结果的影响,而且省去了目标函数中的正则项,使得融合过程更加简单方便.以QuickBird卫星数据为例的实验结果表明,与其他几种常见方法相比,本方法不仅能够提高多光谱图像的空间分辨率,对光谱信息的保持也具有更好的效果.     

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。     

高分辨率卫星遥感数据的融合比较研究

QuickBird卫星提供了高空间分辨率的遥感数据．将其分辨率为0．61～0．72m的全色波段与分辨率为2.44～2．88m的多光谱数据融合,可以充分利用二者的信息,在遥感应用领域开拓更加广阔的前景．以集美大学校区为试验区,应用遥感图像处理软件,从光谱质量和空间信息角度对不同的融合方法进行比较试验,筛选出适合于QuickBird数据的融合方法．     

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.     

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.     

基于边缘检测和小波变换的遥感图像融合算法

针对多光谱图像和全色图像的特点,提出一种边缘检测和小波变换相结合的遥感图像融合方法。该方法在传统图像小波变换的基础上,选择Canny算子对图像进行边缘检测。在小波域中,在各个尺度层对高频子带采用边缘检测,将边缘点完整保留,低频子带利用加权法,再进行小波逆变换重构融合图像。实验结果显示,该方法在保证光谱信息的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。与传统小波变换法遥感图像融合相比,信息熵提高了6.63%,清晰度提高了32%,相关系数提高了0.36%。     

基于小波变换的多聚焦图像融合方法

为了改善图像融合效率,针对当前图像融合方法存在的局限性,提出一种基于小波变换的多聚焦图像融合方法.首先确定最优的小波分解层数,采用小波变换对图像进行多次分解;然后考虑低频子带与高频子带各自的特点,选择局部平均梯度准则作为高频子带的融合规则,低频子带采用3个系数的平均值作为融合规则;最后通过仿真实验对图像融合的有效性进行测试.实验结果表明,该方法获得了更理想的图像融合结果,提高了融合后的图像质量,且融合效果明显优于对比图像融合方法.     

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.     

P6影像数据融合及其最佳融合方法在漓江两岸土地利用调查中的应用

遥感影像融合对影像分类、特征提取和目标识别具有重要的意义。针对印度P6卫星LISS-4全色数据和LISS-3多光谱数据进行多种融合实验,融合方法包括HIS变换、Brovery变换、PCA变换和Gram-Schmidt变换。根据融合结果的最终应用目的——目视解译和屏幕矢量化,采用信息熵、标准差、相关系数和视觉效果对融合方法进行定量和定性评价。分析结果表明,Brovey变换后的图像空间信息详细程度最差;HIS变换后的图像光谱保真能力最差;PCA变换和Gram-Schmidt变换方法融合效果图纹理信息清晰,光谱保真度好,适合P6卫星影像融合。最后选择2%线性拉伸后的PCA融合影像为工作底图,在此基础上对漓江两岸土地利用状况展开遥感调查。     

SPOT-5遥感影像自身融合方法的比较研究

近年来,遥感影像数据融合已成为学术界研究的新热点.作为在各个领域应用日益广泛的法国SPOT-5遥感卫星影像,其全色波段空间分辨率高,多光谱波段光谱信息丰富,为了既保留丰富的光谱信息又能提高空间分辨率,本文在对IHS变换、主成分变换、Brovey变换融合3种传统像素级融合方法分析、归纳与算法实现研究的基础上,对SPOT-5全色波段与多光谱波段进行了图像融合实验,并从光谱特征与空间纹理特征两个方面对融合效果进行定性与定量评价.分析结果表明,Brovey变换融合法光谱退化最小,同时也最大程度地保持了高几何分辨率全色波段的空间信息.     

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     

CBERS-02B卫星图像的融合试验研究

遥感影像数据融合是目前遥感界研究的新热点,作为在各个领域应用日益广泛的CBERS-02B卫星影像,其全色波段空间分辨率达到2．36m,多光谱波段信息丰富,为了既保留丰富的光谱信息又能提高空间分辨率,本文在对主成分变换、Brovey变换、Mutiplicative变换融合3种传统像素级融合方法分析、归纳与算法实现研究的基础上,对CBERS-02B卫星多光谱波段与全色波段进行了图像融合试验研究,从光谱特征与空间纹理特征两个方面对融合效果进行定性与定量评价．分析结果表明,Brovey变换融合法光谱退化最小,同时也最大程度地保持了高几何分辨率全色波段的空间信息．     

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。     

SPOT多光谱影像与全色影像融合研究

图像融合是解决多源遥感图像综合的有效技术手段,针对不同数据源选择最佳的融合方法是提高图像融合质量的关键.分析Gram_Schmidt融合算法的理论、算法和融合步骤的基础上,对SPOT的多光谱波段影像和全色波段影像进行融合,目视效果从色调、纹理和清晰度等方面进行定性分析,定量分析是根据均值、标准方差、扭曲程度指标进行分析,对融合后影像质量做出了评价.研究结果表明:SPOT影像采用Gram_Schmidt变换融合效果保持了较高的空间分辨率同时光谱保持较好,Gram_Schmidt融合算法适合高分辨遥感影像融合.     

基于HIS变换融合IKONOS不同分辨率影像

运用基于HIS变换的图像融合方法,将IKONOS遥感卫星获取的天安门附近4m低分辨率多光谱影像和1m高分辨率的全色波段影像进行融合,得到了1m高分辨率的多光谱影像。