基于多进制小波遥感影像融合的研究

为监测地面沉陷区的动态演化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R,G,B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行地面沉陷区监测,效果明显提高。     

基于小波统计特性的遥感图像像素与特征联合最优融合方法

遥感影像的IHS融合方法由于匹配误差导致光谱畸变和退化,而小波变换在变换域具有良好的分频特性,小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征。提出了基于小波统计特性的遥感影像的像素和特征联合最优融合方法,在IHS空间,对强度分量I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,实验结果证明了该方法的有效性。     

结合改进Laplacian能量和参数自适应双通道ULPCNN的遥感影像融合方法EI北大核心CSCD

融合SAR影像的后向散射信息和光学影像的光谱信息是提高土地覆盖分类精度的重要手段之一，其中多尺度变换是一种有效的融合方法。然而，多尺度变换方法的融合规则通常根据局部特征信息和脉冲耦合神经网络模型进行设计，存在结构信息和细节信息提取能力有限，以及脉冲耦合神经网络参数设置复杂和空间相关性差等问题。为此，本文提出一种结合改进Laplacian能量和参数自适应双通道单位连接脉冲耦合神经网络(ULPCNN)的遥感影像融合方法。该方法混合成分替换方法和多尺度变换方法，首先对多光谱影像进行IHS变换得到亮度分量I,将亮度分量I与SAR影像通过非下采样剪切波变换(NSST)分解得到高低频子带。然后对低频子带采用结合加权局部能量和八邻域修正拉普拉斯加权和的融合规则，同时对高频子带采用参数自适应双通道ULPCNN的融合规则，将高频子带的多尺度形态梯度作为链接强度，并根据OTSU阈值和影像强度来实现其他参数的自适应表示。最后依次进行NSST重建和IHS逆变换得到融合影像，并选择随机森林分类器对融合影像进行土地覆盖分类。试验结果表明，本文方法相较于13种其他方法在11个融合评价指标和土地覆盖分类精度上总体表现最佳，土地覆盖分类的总体精度和Kappa系数在区域1中比原多光谱影像分别提高了8.350%和0.107,在区域2中比原多光谱影像分别提高了6.896%和0.091。     

结合自适应PCNN的非下采样剪切波遥感影像融合

为解决全色与多光谱遥感影像融合中脉冲耦合神经网络参数不能自适应调节问题,提出一种基于参数自适应脉冲耦合神经网络模型(PA-PCNN)和保持能量属性(EA)融合策略相结合的非下采样剪切波变换(NSST)的遥感影像融合方法:①通过提取多光谱影像YUV颜色空间变换的Y亮度分量并与全色影像进行NSST变换,获得高频系数和低频系数.②针对低频子带系数,采用EA法进行融合;针对高频子带系数,通过PA-PCNN模型得到的最优参数,以确定最优的PCNN模型,进而实现高频子带系数的融合.③将NSST和YUV进行逆变换得到融合影像.本文选取空间频率、相对无量纲全局误差、相关系数、视觉信息保真度、基于梯度的融合性能和结构相似度测量等6种客观评价指标对融合影像的光谱和空间细节评价,利用多组不同分辨率全色和多光谱遥感影像,通过与4种融合方法对比验证,结果表明本文方法在视觉感知和客观评价方面总体优于其他全色与多光谱遥感影像融合方法.     

一种基于NSCT和方向信息测度的GF1影像融合方法

结合NSCT变换和方向信息测度在影像融合表达中的优势,针对GF1影像的特征,提出了多光谱波段与全色波段影像融合过程中采用基于NSCT变换域的方向信息测度融合方法。以GF1影像为源数据,通过NSCT多尺度多方向分解后,对低频系数使用基于区域灰度方差的融合方法,对高频系数采用了改进的方向信息测度加权融合方法,经NSCT逆变换重构影像实现融合。试验结果表明,基于NSCT变换和改进方向信息测度结合的融合方法能更好地保持多光谱影像的光谱信息和全色影像的空间信息,具有更多的细节特征及更清晰的边缘,因此提高了遥感影像的解译精度和解译效率,可为目标信息的提取应用提供支撑。     

利用最优估计理论进行多光谱与全色影像融合

应用小波变换分解遥感影像,利用遥感影像自身的先验信息——空间分辨率确定高频域融合过程中的权值,使用最小二乘估计与小波重构完成影像融合。实验结果表明,相对于参考的其他融合方法,此方法在注入全色影像空间细节和保持多光谱影像的光谱信息方面性能更佳。     

基于小波包变换区域方差的遥感影像融合

介绍了基于小波包变换和区域方差的遥感影像融合方法.利用IHS变换和小渡包变换把全色影像和多光谱影像的相应分量分解为低频部分和高频部分,并分别采用加权平均法和区域方差法融合低频部分和高频部分,然后通过小波包重构和IHS逆变换得到最终的融合影像;最后采用MATLAB语言实现了这种方法.实验结果表明,这种方法在提高影像的清晰度、突出影像细节信息以及保留原始影像的光谱特征方面效果较好.     

一种基于Choquet模糊积分小波系数选择的遥感图像融合方法

为较好地保留多光谱、高分辨率遥感影像融合时的光谱信息和高分辨率信息,在小波变换基础上提出了一种基于模糊积分的融合算法,其基本思想是在IHS空间,对强度分量Ⅰ及高分辨率图像进行小波分解后,保留Ⅰ分量的低频系数,对于高频细节特征,将局部窗口内的方差、平均梯度和能量当作单因素指标,应用Choquet模糊积分综合各单因素指标得到一个综合指标,并据此来选取小波系数.实验结果表明,该算法在光谱质量改善方面明显优于IHS以及一些经典的小波变换遥感图像融合算法,是一种有效的遥感图像融合算法.     

基于非下采样Contourlet变换的遥感影像融合

根据非下采样Contourlet变换的特点,提出一种基于非下采样Contourlet变换和IHS变换相结合的遥感影像融合方法.该方法首先对金色影像和多光谱影像经IHS变换后的I分量分别进行非下采样Contourlet 变换;然后采取不同的融合策略分别对高低频系数进行融合:低频系数采用区域能量加权的方法进行融合,高频系数则利用八邻域梯度优先的原则进行融合;最后通过非下采样Contourlet逆变换和IHS逆变换得到融合影像.实验结果表明,该方法在提高融合影像空间分辨率的同时,能更好地保持影像的光谱质量.     

基于像素和区域特征组合的小波变换图像融合

小波变换的图像融合是一种多尺度、多分辨率的图像融合方法。本文针对基于单像素和基于区域特征融合的不足,提出一种两者组合的方法,在小波分解的低频系数采用基于像素最大值选择规则,高频系数采用区域窗口内源图像的均值滤波掩膜叠加规则,并通过与其他方法定量和视觉比较,表明该方法能很好地提高影像的分辨率和保留原有多光谱影像的光谱信息,融合效果较好。     

Remote Sensing Image Fusion Based on Nonlinear IHS and Fast Nonsubsampled Contourlet Transform

The purpose of remote sensing image fusion is to inject the detail image extracted from the panchromatic (PAN) image into the low spatial resolution multispectral (MS) image. A novel remote sensing image fusion method based on fast nonsubsampled contourlet transform (FNSCT) and Nonlinear intensity-hue-saturation (IHS) is presented in this paper. Firstly, the Nonlinear IHS transform is performed on the multispectral image, and then the I-component representing the spatial resolution and the panchromatic image is transformed by NSCT to obtain the low frequency and high frequency. Finally, the coefficients are selected using the improved sum-modified-Laplacian (SML) method and the improved Log-Gabor filter in the low frequency and the high frequency, respectively. Experimental results show that the proposed method is the most advanced fusion method in subjective and objective evaluation, can provide more spatial information, and retain more spectral information compared with several other methods.     

Fusion of multispectral and panchromatic Satellite images using the curvelet transform

A useful technique in various applications of remote sensing involves the fusion of different types of satellite images, namely multispectral (MS) satellite images with a high spectral and low spatial resolution and panchromatic (Pan) satellite image with a low spectral and high spatial resolution. Recent studies show that wavelet-based image fusion provides high-quality spectral content in fused images. However, the results of most wavelet-based methods of image fusion have a spatial resolution that is less than that obtained via the Brovey, intensity-hue-saturation, and principal components analysis methods of image fusion. We introduce an improved method of image fusion which is based on the amelioration de la resolution spatiale par injection de structures (ARSIS) concept using the curvelet transform, because the curvelet transform represents edges better than wavelets. Because edges are fundamental in image representation, enhancing the edges is an effective means of enhancing spatial resolution. Curvelet-based image fusion has been used to merge a Landsat Enhanced Thematic Mapper Plus Pan and MS image. The proposed method simultaneously provides richer information in the spatial and spectral domains.     

多源高分辨率遥感影像智能融合

本文面向多源高分辨率遥感影像自动化融合的应用需求,探索按需应用的智能化融合方法,充分利用不同分辨率和不同时相的高分辨率多源遥感影像数据资源与特性,研究了影像融合数据源选取的决策树算法,建立了遥感影像融合规则知识库,并自动化选取适合的融合算法,提出了Curvelet_HCS算法,对低频和高频系数选用不同的融合规则,改善了HCS算法的光谱失真问题,可同时融合多光谱影像的多个谱段,并保持更丰富的空间细节信息。根据融合评价结果对遥感影像融合规则知识库进行更新,实验验证表明了该套方法的有效性,为开展大规模智能化的多源遥感影像融合应用提供了重要的方法和技术支撑。     

基于区域统计特性的IHS-小波遥感影像融合

在遥感影像融合过程中,为了更好地避免经典IHS算法造成的光谱扭曲,文章提出了一种基于统计特性的IHS和提升小波结合的影像融合方法。该方法对小波变换后的1分量和高分辨率影像的高频和低频系数,根据不同的区域统计特性分别选取不同的融合策略进行融合,然后进行小波逆变换和色彩空间转化,得到融合影像。实验表明,此方法与IHS变换、高通滤波法和小波变换等传统算法相比,在提高多光谱影像空间分辨率的同时,能更好地保持影像的光谱质量。     

基于à trous小波变换的Landsat 7 ETM＋图像融合研究

 以胶州湾及周边海岸带为研究区，采用Landsat 7 ETM+数据，提出一种基于à trous小波变换的全色图像和多光谱图像融合改进算法。对全色图像和多光谱图像进行适当层数的小波分解，多光谱图像的低频部分采用全色图像和其低频分量的比来调制； 最高分解层外的其余分解层采用多光谱图像和全色图像在该层分解系数的加权和，加权系数由局部区域能量比来确定； 最高分解层则采用绝对值最大准则。实验表明，该方法得到的图像可提高空间分辨率，对多光谱图像的光谱信息扭曲也较小，为提高海岸带地物分类和信息提取精度奠定了基础。     

遥感影像融合AIHS转换与粒子群优化算法

Pan-sharpening是通过将低分辨率多光谱图像（LMS）与高分辨率全色图像（PAN）进行合成而获得高光谱高空间分辨率的多光谱图像（HMS）的过程。本文提出一种Pan-sharpening方法，称为PAIHS。该方法基于自适应亮度-色度-饱和度（AIHS）转换和变分Pan-sharpening框架以及两个假设（① Pan-sharpening图像和原始多光谱图像（MS）具有相同的光谱信息；②Pan-sharpening图像与全色图像（PAN）包含的几何信息保持一致），同时确定目标函数，然后用粒子群算法（PSO）进行优化，目的是得到最佳控制参数并求得目标函数最小值，此时对应着最好的Pan-sharpening质量。试验结果表明，本文提出的方法具有高效性和可靠性，获得的性能指标也优于目前一些主流的融合方法。     

一种基于小波系数特征的遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像.为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域.在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法.通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较.证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率.     

基于稀疏表示和字典学习的全色与多光谱影像融合

Pansharpening方法通过融合多光谱影像的光谱信息和全色影像的空间细节信息来得到高分辨多光谱影像。然而传统的Pansharpening方法易导致产生光谱扭曲和空间信息丢失现象。受到影像稀疏表示超分重建理论启发,本文提出了一种新的基于稀疏表示和字典学习的Pansharpening方法。该方法以影像的高频特征作为训练样本,通过字典学习的方法来获取高低分辨率影像字典,使用正交匹配追踪算法求解出影像的稀疏表示系数,最终通过高分辨影像字典与稀疏系数相乘得到融合影像。实验结果表明:本文提出的方法能很好地保持遥感影像的光谱信息和空间细节信息。     

Spectral and Spatial Quality Analysis in Pan Sharpening Process

Image fusion is a process to obtain new images containing more information by combining images obtained same or different sensors. With most of the earth observation satellites, high spatial resolution panchromatic images and low spatial resolution multispectral images are obtained. As an example of image fusion ??pan sharpening?? is a process of combining of high spatial resolution panchromatic images and low spatial resolution multispectral images. At the end of the fusion process both high spatial and spectral resolution new images are obtained. In this study, panchromatic and multispectral images gathered from Ikonos were used. Panchromatic and multispectral images belonging to the same sensor were combined by using different image fusion methods. As pan sharpening methods Brovey transform, Modified IHS, Principal Component Analysis (PCA), Wavelet PC transform and Wavelet A Trous transformation methods were used. Quality of fused products was evaluated from the point of view of both visual and statistical criteria. While wavelet based methods are succesfull in terms of protection of spectral quality of original multispectral images, the colorbased and statistical methods are giving better results within the improvement of spatial content.