以内陆水体为观测目标的GF-1影像常规融合方法评价

内陆水体的研究需要遥感影像具备高空间分辨率和高光谱分辨率，这使得影像的全色（PAN）波段和多光谱（MS）波段之间的融合尤为重要。本文以钱塘江大缺口段为研究对象，采用四种常规融合方法，包括Pan Sharpening（PS）、主成分分析（PCA）、Gram Schmidt（GS）和小波分析（WF），分别对GF-1影像开展了全色波段和多光谱波段的融合方法评价。研究结果表明，GS融合后的影像效果最好，随后分别是PCA、WF和PS。由于水陆之间反射率信息获取的根本差异，大面积水体的存在会影响到融合影像保留源图像空间和光谱信息的能力。因而，在进行遥感影像融合时，融合方法的选择需要考虑影像中水域面积的分布情况。     

IHS变换与小波变换相结合的ETM+影像融合技术

多分辨率影像融合技术已广泛应用于遥感影像处理方面，针对ETM＋多光谱影像和全色影像融合中存在的光谱失真现象，提出了一种改进的ETM＋影像融合方法。该方法首先对多光谱影像进行IHS变换；然后将全色影像进行小波分解，利用亮度分量替换小波分解后的近似分量，进行小波逆变换得到新的亮度分量；最后进行IHS逆变换得到融合影像。试验结果表明，融合后的影像在保持多光谱信息和提高空间分辨率上均能获得较好的效果。     

数字图像融合技术在摄影测量中的应用

为了解决单一遥感图像的信息不足，设计了面向摄影测量的数字图像融合系统，综合应用多源遥感图像，有效提高图像的空间分辨率和光谱分辨率，以满足境内困难地区和境外目标的地形图测绘生产的需要，讨论了面向摄影测量的数字图像融合系统的设计思路，并介绍了应用该系统生成的融合图像在摄影测量生产中的应用情况。     

SAR与光学影像融合增强方法和效果分析

基于Radarsat-2全极化SAR、GF-1多光谱、Landsat-8多光谱影像,利用PCA变换、HSV变换等方法,分析了同空间分辨率的SAR与光学全色影像的信息量,并评价了其分别与Landsat-8多光谱影像的融合结果。结果表明:全极化SAR影像较全色影像的亮度高,图像标准差、信息熵及平均梯度总体趋于一致,信息量相当;融合影像目视效果相近,且SAR融合影像较光学融合影像包含的信息量更为丰富,利用高分全极化SAR影像替代光学全色影像开展海岸带遥感监测是可行的。     

SPOT遥感影像处理技术以及在青岛市海洋功能区划中的应用

青岛市海洋功能区划中，大范围采用了法国高分辨率陆地卫星SPOT-5HRG 1A级遥感数据。利用Geoimage遥感影像处理软件对数据进行了处理．包括：遥感影像的正射纠正、辐射处理和不同分辨率影像地融合等，获得了高空间分辨率和良好的光谱分辨率的遥感图像。很好的识别出青岛海岸带地区地物分布特征。为海洋功能区划底图补充了真实而丰富的信息．     

遥感图像融合方法在机场识别应用中的研究

针对利用光谱特性和几何结构特性可以提高机场识别效率和鲁棒性的理论,对像素级遥感图像融合方法进行了分析比较,并对融合结果进行了针对性的效果评价。实验结果表明,小波变换融合法和高通滤波融合法在继承光谱信息和增强边缘特征方面有一定的优势,能够为机场识别提供信息丰富的图像数据基础。     

基于光谱复原的NMF遥感图像融合改进算法

在研究了非负矩阵分解(NMF)用于遥感图像融合技术的基础上,改进了一种基于光谱复原的NMF遥感图像融合算法,首先利用矩阵非负性分解求取图像的基向量矩阵,然后综合考虑图像融合后的光谱特性和波形变化情况,对基向量矩阵进行直方图规则化处理,最后得到融合后的图像。实验结果表明,该方法具有较好保持原始图像的光谱信息和空间信息的优点。     

应用Hyperion图像监测渤海海冰

对所获取的2008年冬季的辽东湾西岸海域含有海冰的Hyperion高光谱图像进行了大气校正,得到了反射率图像。用ISODATA(Iterative Self-Organizing Data Analysis Technique)聚类分析方法对反射率图像进行计算机自动分类,并结合实测的同时期的海冰反射率光谱确定了不同海冰类型的分布范围。根据不同类型海冰的厚度特征,得到了海冰厚度分级分布图和海冰厚度图。结果表明,Hyperion图像可以区分光谱有区别的冰型,无法区分浮冰和固定冰,可以更清晰地显示出海冰的光谱反射率,与实测光谱曲线更加相似,优于MODIS多光谱图像。同时,用主成分分析方法对海冰Hyperion图像进行了分析。海冰Hyperion图像中,各个波段之间的相关系数都较大,光谱维信息冗余度较大,其中30波段贡献率最高。     

一种新的基于PCA变换多源遥感影像像素级融合方法

在多源遥感影像融合中，基于传统PCA变换的多源遥感影像融合的光谱分辨率受到较大影响。提出了一种新的基于PCA变换的多源遥感影像像素级融合方法，通过在传统PCA变换融合算法基础上引入小波变换融合，保留了多波段遥感图像光谱特性的有用信息，进一步提高融合后遥感影像的效果。给出实验的融合结果，并与传统PCA变换方法进行对比，证明了该方法的有效性。     

IKONOS影像自适应小波包融合处理技术研究

针对传统的融合技术在IKONOS高分辨率卫星影像处理中的不适应性，提出一种更为精确细致的图像融合方法——自适应小波包分析法，既可以对图像低频部分进行融合处理，还可以对高频部分采取所需的融合处理策略，以综合多源多时相图像中的高频细节信息。该融合算法在信息量、光谱特征和边缘特征等方面具有综合优势。融合后影像不仅很好地保留了原多光谱图像的光谱特征，而且在增加融合结果信息量，改善解译的精度和可靠性以及使用率等方面均收到很好的效果。     

基于港口船舶识别的高分二号卫星遥感影像融合方法比较

在卫星遥感影像识别中,相较于海上单一环境的船舶识别,港口船舶识别由于存在集装箱、码头等大量干扰目标,显得更为困难。采用强度-色度-饱和度(Intensity-Hue-Saturation,IHS)变换、Brovey变换(Brovey Transform,BT)、ESRI全色锐化变换、简单均值变换和施密特正交变换法(Gram-Schmidt,GS)等5种融合算法,进行高分二号卫星全色和多光谱影像的融合试验,通过定性和定量评价选出适用于港口船舶影像的最优方法。结果显示GS融合方法在增加影像空间信息的同时维持了光谱保真性,其均方根误差、峰值信噪比、结构相似性等指标均优于其他4种融合方法,可用于港口船舶识别。     

资源三号影像质量评价及海岸带地物识别能力分析

为了检验资源三号(ZY-3)影像质量,利用印度的IRS P5和德国的RapidEye影像,采用主观和客观评价相结合的评价方法,对ZY-3传感器校正产品进行了质量评价。主观评价结果表明,ZY-3影像表观质量优于IRS P5和RapidEye影像,地物的纹理、边界更加清晰,影像所反映的细节信息更加丰富,在海岸带地物识别方面表现更好。在客观评价方面:ZY-3全色影像灰度动态范围和信息熵等指标均优于IRS P5影像;ZY-3多光谱影像的灰度范围和信息熵等指标与RapidEye影像相比稍差,但各波段之间的独立性要优于RapidEye影像。总的来说,ZY-3影像成像质量较高,海岸带地物识别能力强,在海岸带遥感研究与应用领域具有巨大潜力。     

一种改进的Curvelet变换遥感影像融合方法

提出了一种改进的Curvelet变换的融合算法,以IKONOS影像为样本数据,融合过程中将原全色波段与多光谱影像中未参与HIS分解的波段进行加权组合,形成新全色分量,再将此分量与明度分量分别进行第二代Curvelet变换,以形成新明度分量,HIS逆变换后形成融合影像。并与改进的HIS变换融合、传统的HIS变换与Curvelet变换结合的融合算法相比较,结果表明,改进的方法能增加融合影像的信息量,降低光谱扭曲度,提高融合影像与原多光谱影像的相似度。     

“北京一号”小卫星图像在渤海海冰监测中的应用

利用“北京一号”小卫星全色和多光谱影像对冬季渤海海冰进行了监测。根据多光谱谱段特征和现场测试的海冰光谱之间的对应关系, 建立了卫星影像冰水识别、渤海海冰外缘线的模型, 估算了海冰面积及判别海冰发展趋势;对卫星影像数据进行监督分类, 建立了相应的分类模型;根据海冰类型的不同将海冰区域进行了划分, 并作为对海冰灾害严重程度的判别依据;以2007年度冬季为例, 对渤海海冰的分布面积进行了统计, 与海冰监测业务中使用的MODIS数据反演结果进行了对比, 对比结果显示“北京一号”卫星可以为海洋监测和预报服务部门提供高分辨率海冰遥感信息, 并为我国海冰灾害的防范提供可靠有效的资料。     

资源一号02C卫星遥感影像二级产品定位精度评价

以黄河三角洲飞雁滩资源一号02C(以下简称ZY-1 02C)卫星遥感影像二级产品为例,开展影像定位精度评价工作。经现场采集的亚米级地面控制点检验,5m全色影像的定位精度为10.4m,10m多光谱影像的定位精度为15.6m;经地面控制点精校正后,全色影像定位精度可达4.1m,多光谱影像定位精度可达7.3m。上述结果表明在实验区域ZY-1 02C卫星影像二级产品的定位能力在2个像元左右,经过几何精校正后,定位能力优于1个像元,可以满足海岸带遥感调查工作的需要。     

基于小波变换和HIS变换的海冰SAR与光学遥感影像融合方法研究

Sea ice as a disaster has recently attracted a great deal of attention in China. Its monitoring has become a routine task for the maritime sector. Remote sensing, which depends mainly on SAR and optical sensors, has become the primary means for sea-ice research. Optical images contain abundant sea-ice multi-spectral information, whereas SAR images contain rich sea-ice texture information. If the characteristic advantages of SAR and optical images could be combined for sea-ice study, the ability of sea-ice monitoring would be improved. In this study, in accordance with the characteristics of sea-ice SAR and optical images, the transformation and fusion methods for these images were chosen. Also, a fusion method of optical and SAR images was proposed in order to improve sea-ice identification. Texture information can play an important role in sea-ice classification. Haar wavelet transformation was found to be suitable for the sea-ice SAR images, and the texture information of the sea-ice SAR image from Advanced Synthetic Aperture Radar(ASAR) loaded on ENVISAT was documented. The results of our studies showed that, the optical images in the hue-intensity-saturation(HIS) space could reflect the spectral characteristics of the sea-ice types more efficiently than in the red-green-blue(RGB) space, and the optical image from the China-Brazil Earth Resources Satellite(CBERS-02B) was transferred from the RGB space to the HIS space. The principal component analysis(PCA) method could potentially contain the maximum information of the sea-ice images by fusing the HIS and texture images. The fusion image was obtained by a PCA method, which included the advantages of both the sea-ice SAR image and the optical image. To validate the fusion method, three methods were used to evaluate the fused image, i.e., objective, subjective, and comprehensive evaluations. It was concluded that the fusion method proposed could improve the ability of image interpretation and sea-ice identification.