基于小波变换的遥感图像融合研究——以黄河三角洲地区为例

针对黄河三角洲地区Landsat TM的多光谱影像和全色影像,提出了一种基于IHS变化和离散小波变换的遥感图像融合方法。该方法在IHS变换的基础上进行直方图均衡化;其次,利用离散小波变换的方法对多光谱图像的亮度分量I和全色影像进行融合;用融合后的图像代替多光谱图像的亮度分量I再进行IHS逆变换得到融合结果。实验证明,融合后的影像不仅保留Landsat TM多光谱图像的光谱特性,而且具有很高的空间细节表现能力。     

一种快速的全色和多光谱图像融合算法

针对非下采样Contourlet变换(NSCT)在全色和多光谱图像融合中计算复杂度较高的问题,文章提出了一种快速的基于NSCT和超维彩色空间变换(HCT)相结合的融合算法:采用HCT变换提取多光谱图像的亮度分量,使得任意波段的多光谱图像跟全色图像融合的计算复杂度降低;采用NSCT进行融合,使得融合结果的空间分辨率提高的同时,保留原光谱特性。基于Pleiades卫星图像的实验结果表明,跟NSCT变换相比,本文提出的融合算法的融合结果空间细节更加突出,光谱畸变更小,同时计算复杂度显著降低。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,提出了基于IHS变换和小波包变换的遥感图像融合新方法.该方法首先对多光谱图像作IHS变换得到3个分量:亮度I、色度H和饱和度S;其次利用小波包变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后作IHS反变换得到新的多光谱图像.实验分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法,在保留多光谱图像光谱信息的基础上,增强了融合图像的空间细节表现能力.     

基于Contourlet变换的遥感图像融合方法研究

为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。     

Contourlet方向区域相关性的遥感图像融合

对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析,发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征,在此基础上,提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法,该算法首先对多光谱图像经IHS变换后的亮度分量和全色图像分别进行Contourlet变换,然后以多光谱图像亮度分量的低频信息作为融合图像亮度分量的低频信息,通过计算并比较全色图像的高频系数和对应的多光谱图像亮度分量的高频系数的方向区域匹配度确定融合图像亮度分量的高频信息;最后经过Contourlet逆变换和IHS逆变换获得融合图像。实验结果表明,该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息,与传统遥感图像融合算法相比,该算法具有较好的融合图像信息熵和清晰度,具有一定的实用性。     

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.     

基于亮度相关系数的ETM+影像融合

传统的影像融合方法对ETM＋多光谱影像和全色影像融合往往存在一定的光谱失真现象,提出了一种基于亮度相关系数的影像融合方法,能够提高融合影像的光谱保真度。该方法首先对多光谱影像进行IHS变换,将全色影像与亮度分量进行直方图匹配;其次,对亮度分量和新的全色影像分别进行小波分解,以分解后近似分量的相关系数作为权值,对两个近似分量图像进行加权融合,得到新的近似分量;然后,进行小波逆变化得到新的I分量;最后,通过IHS逆变化得到融合影像。试验结果证明,该方法得到的融合影像,不仅能够有效地保持全色影像的空间细节信息,而且能很好地保留多光谱影像的光谱信息。     

一种多极化SAR图像融合方法研究

本文针对多极化SAR图像的融合问题,提出了一种基于非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合方法。此方法用NSCT对已配准的多极化SAR图像进行分解,得到低频子带系数和各带通子带系数;采用简化的PCNN模型分别对低频子带和高频子带系数进行智能决策,并进行NSCT逆变换得到融合图像。经实验表明该方法能够最大程度地保留原始极化SAR图像的信息,融合效果好于基于单个像素和局部特征的融合方法。     

一种结合低级视觉特征和PAPCNN的NSST域遥感影像融合方法

针对融合规则中活动度量构建的单一性和脉冲耦合神经网络（pulse coupled neural network, PCNN）参数设置的主观性问题,提出一种非下采样剪切波变换（non-subsampled shearlet transform, NSST）域内结合低级视觉特征和参数自适应PCNN(parameter adaptive PCNN,PAPCNN)的遥感影像融合方法。首先将全色影像和多光谱影像YUV颜色空间的亮度分量Y通过NSST分解得到高频和低频子带,其次利用基于低级视觉特征的融合规则对低频子带进行融合,结合局部相位一致性、局部突变度量和局部能量信息3个低级特征构建新的活动度量;然后采用PAPCNN模型对高频子带进行融合,将多尺度形态梯度作为模型的外部输入信号;最后依次进行NSST逆变换和YUV逆变换,得到融合影像。实验结果表明,所提方法对不同平台和不同地面特征的遥感影像都能表现出较好的效果,相较于其他11种方法,在所有评价指标上均表现优秀。所提方法能够较好地保留原始影像中的空间信息和光谱信息,可以提供优势互补的融合影像。     

基于IHS的高通滤波法影像融合研究

在分析IHS法和高通滤波法图像融合算法优缺点的基础上,提出了一种基于IHS变换的高通滤波影像融合方法。该算法先对多光谱图像IHS变换的I分量进行低通滤波,然后对与I分量进行直方图匹配的全色图像进行高通滤波,接着合成低通滤波和高通滤波的结果作为新的I分量,最后进行IHS逆变换得到融合图像。通过与IHS法与高通滤波法的融合结果进行对比评价,表明了该方法在保持光谱信息上和提高多光谱的空间信息能力上都有很好的效果。     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

SIFT-FANN: An efficient framework for spatio-spectral fusion of satellite images

Image fusion techniques are widely used for remote sensing data. A special application is for using low resolution multi-spectral image with high resolution panchromatic image to obtain an image having both spectral and spatial information. Alignment of images to be fused is a step prior to image fusion. This is achieved by registering the images. This paper proposes the methods involving Fast Approximate Nearest Neighbor (FANN) for automatic registration of satellite image (reference image) prior to fusion of low spatial resolution multi-spectral QuickBird satellite image (sensed image) with high spatial resolution panchromatic QuickBird satellite image. In the registration steps, Scale Invariant Feature Transform (SIFT) is used to extract key points from both images. The keypoints are then matched using the automatic tuning algorithm, namely, FANN. This algorithm automatically selects the most appropriate indexing algorithm for the dataset. The indexed features are then matched using approximate nearest neighbor. Further, Random Sample Consensus (RanSAC) is used for further filtering to obtain only the inliers and co-register the images. The images are then fused using Intensity Hue Saturation (IHS) transform based technique to obtain a high spatial resolution multi-spectral image. The results show that the quality of fused images obtained using this algorithm is computationally efficient.     

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.     

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.     

IHS变换和小波变换相结合的遥感影像融合

本文针对低分辨率多光谱影像与高分辨率全色影像的融合，提出了一种IHS变换和小波变换相结合的遥感影像融合方法。方法首先对多光谱影像作IHS正变换，得到亮度I、色度H和饱和度S三个分量：然后利用小波变换融合方法，融合多光谱影像的亮度分量与全色影像，并用融合后的影像替代多光谱影像的亮度分量；最后，利用IHS反变换得到新的多光谱影像。试验结果分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法，在增强融合影像的空间细节表现能力的同时，很好地保留了多光谱影像的光谱信息。     

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。     

基于经验模态分解的高分辨率影像融合

文章提出基于经验模态分解（Emp iricalMode Decomposition,EMD）的特征层影像融合模型。对多光谱波段影像进行IHS变换获得强度影像,采用行列分解实现一维经验模态分解的二维拓展,并用于分离高分辨波段影像与强度影像的细节特征信息,对高分辨率波段影像的高频与强度影像波段的低频进行重构获得融合后的强度影像,再通过IHS反变换获得融合影像。文章介绍了经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构,提出融合模型的技术路线。选择UICKB IRD影像的全色波段与多光谱波段进行融合实验,根据典型行（列）的EMD分析,确定经验模量的取舍尺度,按提出的融合路线获得融合影像,并与小波融合,IHS融合,Brovey融合模型获得的影像进行视觉及量化比较。选择信息熵、标准差指标对融合影像的空间细节信息进行评价,同时选择平均灰度值、相关系数、偏差指数评价融合影像的光谱扭曲程度,结果表明本融合模型最优。     

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.     

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.     

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.