融合引导滤波和迁移学习的薄云图像中地物信息恢复算法

薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。     

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。     

利用小波分析改进Brovey遥感影像融合方法

Brovey变换的遥感图像融合方法要求高分辨率全色波段和多光谱波段的光谱响应范围要一致或相近,从而限制了遥感数据的融合,存在着融合图像受噪点影响大、高分辨率影像零星细节保留过多等缺点.文中针对以上问题,引入了小波分析的方法进行改进.首先在小波多分辨率基础上对高分辨率影像进行去噪及边缘增强,然后在小波分析基础上与多光谱影像进行融合.通过实验发现,改进后得到的融合图像与原方法融合图像相比,细节信息更为突出,整体信息更为丰富,基本达到了改进的目的.     

结合HSV和小波包变换的高光谱影像融合及信息识别研究

传统的HSV变换融合法是一种十分常见的遥感图像融合方法,该方法虽然可以提高图像的空间分辨率但会导致光谱信息的严重丢失,不适用于对高光谱影像的融合。而小波包变换是一种优于小波变换的多尺度多分辨率变换方法,基于小波包变换的图像融合技术允许对不同频带的图像采用不同的融合规则从而很好地保留图像的频谱信息。本文采用一种将HSV变换与小波包变换（Wavelet packet transform,WPT）相结合的融合方法对高空间分辨率影像和高光谱影像进行融合并对融合结果进行二进制编码监督分类,最后与传统的PCA变换融合法及Gram-Schmidt融合法在图像信息和光谱特征两个方面进行比较。结果表明,本文所采用的方法不仅可以提高融合图像的空间分辨率,并在地物的波谱特征保持和信息识别方面效果良好。     

利用小波分析改进Brovey遥感影像融合方法

Brovey变换的遥感图像融合方法要求高分辨率全色波段和多光谱波段的光谱响应范围要一致或相近,从而限制了遥感数据的融合,存在着融合图像受噪点影响大、高分辨率影像零星细节保留过多等缺点。文中针对以上问题,引入了小波分析的方法进行改进。首先在小波多分辨率基础上对高分辨率影像进行去噪及边缘增强,然后在小波分析基础上与多光谱影像进行融合。通过实验发现,改进后得到的融合图像与原方法融合图像相比,细节信息更为突出,整体信息更为丰富,基本达到了改进的目的。     

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.     

ARSIS概念下的多分辨率图像融合

介绍了在ARSIS概念下的多分辨率图像融合,采用了DB3小波包为例,进行快鸟高分辨率影像和多光谱影像的分解,采用波段间交互构建模式重建低频小波包系数,以活跃度为准则进行重建高频小波包系数,融合试验结果表明,本方法较PCI融合方法提高了视觉效果,更能清晰地表现地物的细节特征,同时校正了快鸟影像中存在的色彩偏差现象.     

基于分辨率融合的多尺度遥感影像分类技术研究

影响遥感图像分类效果的主要因素之一是影像的空间分辨率。本文将Quickbird多光谱影像与高分辨率全色影像相融合,在保留了光谱信息的同时提高了影像分辨率。然后对融合后的影像进行多尺度分割,并运用地物的光谱统计特征、形状、纹理、类间关系等因素进行相关信息的提取。采用面向对象的模糊分类方法对试验区影像进行分类,最后对结果进行了精度评价。试验表明这种方法具有较高的精度。     

一种基于IHS变换和小波变换的多源遥感影像融合新方法

为了提高遥感影像的质量,分辨率和清晰度,本文提出了一种基于HIS变换和小波变换的多源遥感融合方法.将待融合的多光谱影像进行IHS变换,得到Ⅰ分量,对Ⅰ分量和待融合的高分辨率全色影像分别进行小波变换得到低频分量与高频分量.针对低频分量用低频系数求平均的融合方法,针对高频分量按局部方差最大的融合策略进行融合,然后将融合后的低频分量和高频分量进行小波逆变换.实验表明,该算法明显提高了图像的质量.     

多源信息融合中小波变换的应用研究

研究了小波变换在多源信息融合中的应用,主要涉及高分辨率全色影像与低分辨率多光谱影像融合问题及合成孔径雷达与光学影像的融合问题.主要方法是基于地物光谱信息特征的彩色融合与基于几何特征的融合.利用小波技术对整个融合过程加以改进.获得的融合结果表明基于光谱特征信息的融合方法,可以有效地提高多光谱影像的空间分辨率,而基于几何特征的融合方法,可以提高对遥感影像的目视解译效果.视觉效果上就是将高分辨率影像的细节加入到了低分辨率多光谱影像中,并同时保持原始影像的光谱特征.     

基于多尺度分析的遥感影像融合研究

本文对SPOT5的多光谱波段和全色波段在像素级的融合层次上运用多尺度分析的方法进行了融合试验,主要用了小波变换和Curvelet变换的方法,这两种变换方法都能把图像分解为低频的近似图像和高频的细节图像,采用一定的融合规则对分解后的图像进行融合,并进行反变换得到融合后的图像,并把基于多尺度分析的融合结果与传统的融合方法进行了对比分析。结果表明,基于多尺度分析的融合方法比传统的PCA、Brovey融合方法效果要好;而Curvelet变换融合在光谱保持度及空间信息提高方面都比小波变换融合有所提高。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

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     

Comparison of Remote Sensing Image Fusion Strategies Adopted in HSV and IHS

It has been always a challenging task to keep an ideal balance of spectral and spatial resolution for merging panchromatic image and multispectral image. The mathematical theories such as color space transformation and Wavelet Packet Analysis are usually employed in information fusion area. Combining color space conversion with wavelet packet theory is a way of researching remote sensing image fusion algorithms further. In the paper, there are three existing image fusion strategies applied to the second layer of frequency bands decomposed by wavelet packet analysis in the HSV and the IHS (triangular coordinate) color space, respectively. Serial experiments demonstrate two core concepts. One is the effects of image fusion strategies based on region is super to those of fusion strategy based on pixel for the same color space; the other is the different performances are measured in the two color spaces. Specially, the space definition for image fused in the former color space is inferior to that in the latter color space; while the spectrum content for image fused in the former color space retains better than in the latter color space, when using the same fusion strategy in the two color space. As a result, application containing HSV space conversion can alleviate spectral deterioration, whereas fusion operation of IHS transformation can lift spatial definition.     

基于多进制小波的SPOT全色影像和多光谱遥感影像融合

基于多进制小波理论,本文研究了ＳＰＯＴ全色影像与多光谱遥感影像数据融合的理论和方法,并在三进制情形,对１０ｍ分辨率ＳＰＯＴ影像和３０ｍ分辨率多光谱影像进行了实验,同时对实验结果进行了分析和讨论。理论和实验表明,基于多进制小波的遥感影像数据融合具有好的效果,并可用于广泛的研究领域。     

基于亮度相关矩的MODIS和SPOT影像融合研究

针对MODIS影像空间分辨率较低的问题，提出了一种基于亮度相关矩的多分辨率图像融合方法。该方法首先对SPOT影像进行小波分解，将MODIS影像构成的RGB颜色系统变换到IHS颜色系统；然后，根据强度分量和SPOT影像低频分量的均值和方差来定义图像亮度相关矩；最后，IHS逆变换和小波逆变换得到包含更多信息和有效特征的融合图像。试验结果证明该方法得到的融合图像在保留地物光谱信息和提高空间分辨率上都具有很好的效果。     

一种光谱信息保持的影像融合算法研究

在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat(TM)多光谱图像的融合实验,证明了该方法的有效性。     

小波变换用于高分辨率全色影像与多光谱影像的融合研究

将小波的多分辩率分析与ＩＨＳ变换相结合,提出了叠加融合的新方法。它先对高分辨率影像进行了小波分解,得到的各小波面叠加到多光谱影像经ＩＨＳ变换后的强度Ｉ影像像中,使得融合影像最大限度地保留了多光谱影像的光谱信息,保持了原多光谱影像的反差,同时提高了它的清晰度和空间分辨率。     

基于小波理论的IKONOS卫星全色影像和多光谱影像的融合

1999年9月24日发射成功的世界上第一颗商用1m分辨率的卫星IKONOS，具有1m分辨率的全色影像和4m分辨率的多光谱影像，通过对IKONOS1m分辨率的全色影像和4m分辨率的多光谱影像的融合可以获得1m分辨率的多光谱影像，为应用提供理高质量的数据源，基于小波多分辨率分析的MRAGM方法，它适合处理任意整数分辨率之比的融合情况，具有在提高影像空间分辨率的同时又保持色调和饱和度不变的优越性，而实现它的关键是构建具有紧支撑特性的M进制低通尺度函滤波器，本文利用基于四进制小波滤波器的MRAGM算法，成功地把全色影像和多光谱影像进行了融合，结果显示该方法的效果令人满意。