遥感影像数据融合方法的比较和分析——以开封地区SPOT影像数据为例

遥感数据融合技术一直是近几年国际遥感界研究的热点.目前有关融合效果的评价还没有一致的评价准则和标准.因此,如何评价融合结果的客观性和可信度,成为人们长期探索的问题.本文分别对5种基本融合方法进行定性和定量对比分析,从地物光谱的统计特性、相关特性等方面,来分析融合图像的空间分辨率及其与原多光谱影像的光谱一致性,比较得出在光谱特征上扭曲较小和空间分辨率较高的融合方法,为融合算法的应用和完善提供基础.     

GEOEYE-1多光谱与全色影像融合的适应性及质量评价研究

对比分析了HPF融合、小波变换融合、Gram-schmidt变换融合、Pansharp变换融合、PCA变换融合对Geoeye-1影像的适应性,并采用信息熵、标准差、影像梯度、偏差度、光谱扭曲程度和平均梯度等影像融合定量评价指标,对每种融合方法进行融合质量评价.     

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.     

WorldView-2影像数据融合方法比较研究——以在四川省地理国情监测项目中应用为例

WorldView-2影像数据是四川省地理国情监测项目的重要数据源。本项目通过使用Brovey、Ehlers、HPF、HIS、PCA、Wavelet、PanSharpen、Gram-Schimdt 八种不同的数据融合方法对其全色和多光谱影像进行融合,并从清晰度、纹理和色调进行定性分析;从标准差、信息熵、平均梯度、偏差指数、相关系数和光谱扭曲程度进行定量评价;并通过FeatureStation GeoEX解译对比,研究融合结果的可用性。结果表明：基于PanSharpen变换融合方法产生的遥感图像失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种适合于WorldView-2影像融合的较好方法;同时,与原始多光谱影像相比,具有更好的解译效果。     

IKONOS高分辨率遥感影像自身融合效果分析

采用了HIS,PCA和HPF三种融合方法对IKONOS全色和多光谱影像进行融合.从光谱特征、空间特征及融合前后影像的地物分类精度等方面分析了3种融合结果的质量.分析评价结果表明HPF融合效果最佳.该方法在提高多光谱影像空间分辨率的同时,较好地保留了多光谱影的光谱信息,并能减小阴影的影响.分析结果还表明PCA融合方法对IKONOS数据融合具有不确定性,其融合效果与区域影像特征向量矩阵中第一特征向量有密切的关系.     

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。     

遥感影像融合方法评价——以SPOT5自身融合为例

影像融合技术近年来快速发展,是遥感研究的热点.SPOT5影像广泛应用于各个部门,它提供了2.5 m的全色和10 m的多光谱影像.将二者融合可以在保持光谱信息的同时提高空间分辨率.本文采用了PC,Gram-Schmidt和Pansharp三种融合方法对SPOT5全色和多光谱影像进行融合.从主观视觉、客观定量、波谱曲线和空间变化曲线四个方面分析和评价了三种融合结果的质量.分析评价结果表明：Pansharp方法的融合效果最佳.该方法在提高多光谱影像分辨率的同时,较好的保留了多光谱影像的光谱信息.     

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.     

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。     

基于小波变换的卫星遥感影像数据融合

遥感信息融合(Fusion)是遥感数据处理的重要内容之一。通过把高分辨率的全色影像与多光谱彩色低分辨率的数据叠加,可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。首先概括了已有的遥感平台与数据,在给出小波分解基本模型的基础上,探讨了采用小波变换进行遥感信息融合的基本方法和实现流程。同时利用该方法,用于SPOT全色卫星影像数据和Landsat TM多光谱数据的融合处理。作为实际应用,给出了详细的小波信息融合结果,并证明了该方法是切实可行的。     

一种基于多尺度分解的多传感器图像融合方法

给出了一种基于多尺度分解(易操纵金字塔分解)的多传感器图像融合算法．该算法把来自不同传感器的图像分解成不同尺度、不同方向(不止3个)的子带系列；使用基于相似性量测的规则融合各相应子带图像；再进行反变换，获得融合后的图像．实验结果表明该方法有较好的融合效果．     

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.     

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.     

基于分数阶样条小波与IHS变换的图像融合

该文提出用分数阶样条小波和Intensity-Hue-Saturation（IHS）变换结合的方法进行高分辨率全色图像和低分辨率多光谱图像的融合。分数阶样条小波由于具有良好的分数阶逼近性能，在分解图像时可得到更多的细节，而IHS变换在处理图像时会扭曲光谱特性，通过两者的结合，可得到高分辨率、多光谱图像。将该方法和传统‘Daubechies3’小波与IHS变换相结合的方法比较，实验结果证明了分数阶样条小波更多地保留了高分辨率图像的空间特性和低分辨率图像的光谱特性。     

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     

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.     

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。