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。     

基于联合稀疏模型的高分辨率SAR与光学遥感影像融合研究

遥感影像融合技术能通过综合不同卫星传感器获取影像互补信息达到对地物进行提取的效果。针对合成孔径雷达(Synthetic Aperture Radar,SAR)与光学影像融合的光谱扭曲和空间细节信息丢失问题,提出一种基于联合稀疏模型的高分辨率SAR与光学影像融合方法。该方法借鉴信号联合稀疏表示思想,假定SAR与光学影像均可由共有和专有稀疏表示部分组成,分别对应影像冗余信息中的有效部分与影像互补信息:其中共有部分用离散余弦字典表示,专有部分用离散余弦字典和学习字典组成的混合字典表示。在求解出融合影像在联合稀疏模型下的稀疏系数之后重建出融合影像。实验结果表明,该方法能同时保持高分辨率SAR影像空间细节信息和光学影像光谱信息,提高了高分辨率SAR与光学遥感影像的融合效果。     

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。     

一种遥感影像超分辨率重建的稀疏表示建模及算法

为了对单幅低分辨率遥感影像的空间分辨率进行增强,提出了一种基于稀疏表示的超分辨率重建方法。该方法首先采用优化最小化方法学习高-低分辨率联合字典对,通过构造一个参数互相解耦的易于优化的代理函数,替代原来的参数互相耦合难以优化的目标函数,保证每一次迭代求解的值在局部范围内最优。然后,将学习的字典对用以指导其他低分辨率遥感影像的超分辨率重建。实验表明,与传统的插值方法相比,本研究算法在客观的评价指标上具有一定的提高,在主观的视觉效果上也取得一些改善,可为任意区域的单幅低分辨率遥感影像的超分辨率重建提供有用的高频细节信息,具有一定的普适性。     

面向对象的高光谱遥感影像稀疏表示分类

稀疏表示用于高光谱遥感影像分类多是基于像素层次来处理的。文中提出一种面向对象的高光谱遥感影像稀疏表示分类方法。首先从高光谱影像中提取4个波段组成标准的多波段影像,进行面向对象的影像分割;然后计算各对象在各波段上的光谱均值,并选取少量样本进行训练;最后利用基于Fisher字典学习的稀疏表示进行高光谱遥感影像的分类。实验结果表明,该方法可以利用较少的样本得到较好的分类效果,与基于像素层的稀疏分类相比较,分类精度与效率均有所提高,分类结果更接近真实地物,避免了零碎图斑。     

稀疏表示支撑集的遥感影像融合

针对常用稀疏表示系数融合规则不能完全保留两幅影像的有用信息,该文通过分析稀疏表示系数支撑集空间分布关系,提出一种新的稀疏表示系数融合规则。首先对多光谱影像进行广义IHS变换,将得到的亮度分量与全色影像分别进行稀疏表示;然后分析亮度分量与全色影像稀疏表示解的支撑集,对支撑集中交集部分和差集部分所对应的稀疏表示系数分别利用求和方式与L1范数最大方式进行融合;最后采用加权细节插入方式,将融合后的亮度分量细节信息插入到多光谱影像中,得到高分辨多光谱影像。实验结果表明,该方法能较好地提高空间分辨率并减少光谱损失;在主观视觉和客观评价上,比常用的融合规则方法有所提高。     

PCA联合字典的稀疏系数NMF融合

为了减少混合像元对字典建立的影响,结合在线字典学习法与主成分分析(principal component analysis,PCA)法提取全色与各分解影像字典的第一主成分分量构成PCA联合稀疏字典。该字典包括多光谱影像特征与高空间分辨率影像特征,同时考虑到了混合像元问题。使用PCA联合稀疏字典进行正交匹配追踪法(orthogonal matching pursuit,OMP)计算,分别得到全色与多光谱影像的稀疏系数,采用非负矩阵分解(nonnegative matrix factor,NMF)融合算法得到融合影像的稀疏系数,进行重构生成融合影像。对字典矩阵大小的研究,考虑到重构图像的均方根误差与计算机运算的限制,最终确定稀疏字典矩阵大小为64像元×480像元。采用5种定量融合评定指标对本文方法与联合字典NMF方法、小波方法和PCA方法的影像融合结果进行分析比较,结果表明本文方法既可提高融合影像的纹理细节信息,也能较好地保持多光谱信息,获得更好的融合效果。     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

一种基于多尺度稀疏分解的遥感图像融合新方法

为取得更好的遥感图像融合效果,结合形态成分分析的思想,提出了图像的多尺度稀疏分解方法。集合曲波变换基和局部离散余弦变换基组成分解字典,通过控制字典系数的大小,将二维图像从多个尺度稀疏分解为纹理成分和卡通成分;从图像融合的信息量角度出发,提出了基于多尺度稀疏分解的遥感图像融合方法,通过稀疏分解提取有效尺度下高空间分辨率图像纹理成分和多光谱图像卡通成分,并对二者进行稀疏重建得到融合图像。与已有的经典融合方法相比,该方法以较小的计算代价换取了更高的空间分辨率和更低的光谱失真;与稀疏重建法相比,该方法的执行速率有较大提升,且有更好的融合效果。因此,所提出的基于多尺度稀疏分解的遥感图像融合方法有一定的推广应用价值。     

Landsat与MODIS卫星数据的双向融合实验

针对如何在时间序列尺度上利用多源时空融合方法高精度地重构高分辨率遥感影像的问题,该文提出了一种基于增强字典学习样本空间的单数据对稀疏学习融合算法,并利用现有稀疏学习算法、STARFM算法以及半物理模型对Landsat与MODIS卫星数据进行双向融合实验。结果表明:随着样本尺寸及空间的拓展,改进后的稀疏学习算法能够获得比原始算法、STARFM、半物理模型等算法更优的融合结果,其中ERGAS可达15.0以内、SSIM可达84%以上,并且融合质量对高、低分辨率图像间的空间尺度差异性不敏感。通过采用更高效的在线字典学习算法,该融合方法的处理效率与应用价值有望得到极大提升。     

非参数贝叶斯字典学习的遥感影像超分辨率重建

为充分利用样本及参数的先验信息,对Yang提出的基于稀疏表示的超分辨率重建算法进行了改进,提出了一种基于非参数贝叶斯字典学习的单幅遥感影像超分辨率重建方法。该方法利用Beta-Bernoulli过程进行字典学习,建立字典元素和各参数的概率分布模型,并通过Gibbs进行迭代抽样构成马尔科夫链,用其平稳分布来近似字典元素及各参数的后验分布,最后由低分辨率影像及高分辨率字典的后验分布重建出高分辨率遥感影像。对比双线性、双三次插值及Yang的方法,该算法在平均峰值信噪比方面分别提高了3.29、1.79、0.17 d B,在平均ERGAS方面分别降低了0.78、0.37、0.02 d B。该算法因加入了更多的先验信息,可以使重建影像提供更多高频细节信息,具有一定的普适性。     

空-谱信息与稀疏表示相结合的高光谱遥感影像分类

针对传统的高光谱遥感影像分类中多依赖光谱信息而忽视空间信息以及提取的特征维数高的问题,提出了一种空-谱信息与稀疏表示相结合的分类算法。首先,利用最小噪声分离对原始影像进行降维,在此基础上,对主成分图上局部影像块内的所有像素进行重组,并用排序的方法得到旋转不变的空-谱特征。然后,对空-谱特征进行监督学习得到字典,并将提取的测试样本的空-谱特征编码到字典中以得到测试样本的稀疏表示。最后,使用支持向量机分类器(SVM)对高光谱影像进行分类。3组高光谱数据试验表明,与传统的分类方法比较,本文方法能有效提高分类精度。     

一种边缘特征增强的多源遥感影像融合方法研究

基于分频分策略的融合思想,提出了一种边缘特征增强的多源遥感影像融合方法。实验证明,融合后的影像不仅在很大程度上保留了多光谱影像的光谱特征,还提高了空间分辨率,特别是边缘特征得到进一步增强。     

ALOS数据像素级融合方法比较研究

遥感数据融合是多源遥感海量数据富集表示的有效途径。如何在提高融合影像空间分辨率的同时最大限度地保持光谱信息是长期以来遥感数据融合研究的焦点内容。本文以ALOS PRISM和ALOS AVNIR-2传感器的数据为数据源,比较研究了遥感领域中常用和代表性的BROVEY、IHS、MULTIPLICATIVE、PCA、WAVELET和HPF六种融合方法,并通过主观评价和定量分析对融合效果进行了综合评价。实验结果表明,HPF方法在显著提高融合影像空间分辨率的同时,有效保持了多光谱影像的光谱信息,是适合ALOS数据的最优融合方法。     

利用动态上采样滤波深度网络进行多角度遥感影像超分辨率重建

近年来,基于深度学习的超分辨率重建技术已经广泛应用于多时相高光谱影像、高分影像超分辨率重建等领域。多角度遥感影像之间具有丰富的互补信息,可用于超分辨率重建。针对高分辨率多角度遥感影像提出了一种基于动态上采样滤波网络的超分辨率重建方法。该方法的网络结构为端到端双路网络,其中一个分支网络通过动态上采样滤波模块来实现分辨率提升,另一个分支网络用来学习影像中的高频信息,将两个分支网络输出的结果相加即可得到最终的超分辨率重建影像。为了验证该方法的有效性,利用WorldView-2美国亚特兰大地区和巴西里约热内卢地区多角度遥感影像数据分别进行了2倍、3倍、4倍超分辨率重建模拟实验和真实实验,并进行了多组对比实验。实验结果表明,所提方法可以在顾及多角度影像角度维信息的同时有效提升目标影像空间分辨率,并且较好地保持了影像的细节信息。     

一种高保真IKONOS卫星遥感影像融合方法

提出一种基于归一化植被指数的全色与多光谱遥感影像融合方法.该方法利用归一化植被指数对不同的区域分别采用不同的融合策略,最终得到融合影像.有效克服了常用的基于多分辨率分析的融合方法计算量较大与空间细节有所损失的缺点,在提高融合影像的空间分辨率与光谱质量之间获得了较好的折衷效果.     

遥感卫星影像K-SVD稀疏表示去噪

常规的去噪方法在去除遥感卫星影像噪声时,往往会造成影像模糊和空间分辨率下降。本文将稀疏表示理论应用于遥感卫星影像去噪,提出了一种改进算法,能够保留低频信息不变,仅对影像的高频信息进行稀疏重建。算法核心是按照是否能够从过完备字典中选择较少原子进行稀疏表示的原则来区分高频信息中的有效信息和噪声。通过3组实验对改进算法与传统去噪方法进行对比检测,实验结果表明,改进算法在去除噪声的同时,能较好地突出影像的边缘和细节信息。     

吉林一号卫星影像融合及质量评价

我国第一颗自主研制的吉林一号(Jilin-1)高分辨率商业光学遥感卫星,其空间多光谱分辨率为2.88 m分辨率和全色分辨率为0.72 m。针对吉林一号卫星影像成像的方式,采用合适的遥感影像融合算法,能够增强多光谱影像的空间质量,提高影像应用的层次。本文尝试CN融合、Brovey融合、Gram-Schmidt融合、NearestNeighbor Diffusion等4种新的高保真算法对吉林一号卫星影像进行融合实验,并对融合后多光谱影像的质量进行定性分析与定量评价。结果表明:4种融合方法对影像空间信息和光谱信息都具有较高的保真度,而基于Nearest-Neighbor Diffusion方法融合产生的影像在增强了高分辨率空间纹理细节的同时,光谱信息失真度最小,更适合于吉林一号影像的融合。本结论对利用吉林一号遥感数据开展定量研究具有重要意义。     

基于光谱库优化学习的光谱超分与分类精度提升

光谱库优化学习是将光谱库中的光谱数据作为训练样本,在严格理论推导下构建字典优化学习过程。基于光谱库优化学习,本研究提出了一种光谱超分辨率重建方法,该方法在稀疏表示框架下,通过波段匹配,将光谱库映射为与待重建高光谱图像波段相对应的特定光谱库;并利用映射后的特定光谱库与高分多光谱图像,从理论上推导、并构建基于ADMM算法的光谱字典与稀疏系数优化学习过程。多种数据集上的对比分析表明,即使仅使用一幅高分多光谱图像,本研究方法仍能恢复重建出高质量的高分高光谱图像,同时光谱超分辨率重建后的高分高光谱图像可显著提升地物分类精度。结果表明,本研究实现了仅由一幅高分多光谱图像到高分高光谱图像的高质量光谱超分辨率重建。     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.