浅析SPOT5卫星数据在西部测图项目中融合及制作模拟真彩色的方法和应用

遥感影像数据的融合对于利用影像进行分类、特征提取和目标识别具有重要的意义。本文以2005年4月的SPOT5卫星全色数据和多光谱数据为例,针对国家西部测图项目利用SPOT5卫星数据进行融合处理和制作模拟真彩色影像,阐述了主成分分析法(PCA)、乘积法(Multiplicative)、比值变换法(Brovey Transform)及PANSHARP等的算法实现,并且对SPOT5全色波段和多光谱波段进行了融合实验,介绍了目前较为成熟的像元级融合技术及模拟真彩色影像图的制作方法。     

NSCT与GS变换的资源三号卫星数据融合方法研究与应用

资源三号卫星遥感数据是一种新型遥感影像,目前尚未有一种专门适用于资源三号卫星融合的方法。因此,提出了一种非下采样Contourlet变换(NSCT)与Gram-Schmidt(GS)变换相结合的融合方法,将非下采样Contourlet变换增强的空间信息用于补充具有高保真度Gram-Schmidt变换融合算法在影像清晰度方面的不足。采用线性回归的方法模拟低分辨率全色影像,将高分辨率全色影像、低分辨率全色影像及两者差值的细节影像分别进行非下采样Contourlet变换,对所得的高低频系数采取不同的融合策略进行自适应融合处理,得到新的全色影像。由低分辨率全色影像取代GS正变换第一分量,非下采样Contourlet变换得到的全色影像取代GS反变换第一分量,进行Gram-Schmidt正交变换,得到融合影像。与大多存在光谱扭曲的传统融合方法相比较,本文方法在光谱保真度、空间清晰度及地物分类精度方面都有明显的优势,说明该融合方法是一种适合资源三号卫星数据多光谱与全色影像融合的方法。     

北京一号小卫星数据的城市景观格局监测分析——以徐州市城区为例

为了推进北京一号小卫星遥感数据在城市景观生态研究中的应用,针对其全色影像4m分辨率、多光谱影像32m分辨率的特点,试验分析北京一号小卫星影像在城市景观格局变化中的应用效果和特点。通过对不同分类器的比较,选择支持向量机分类器对多光谱影像、全色影像、全色与多光谱融合影像三个数据集进行景观组分分类,结果表明,全色与多光谱融合影像的分类精度最高。利用多时相、多光谱遥感数据统计分析了城市景观组分与格局变化,表明32m空间分辨率的多光谱影像可以用于城市景观格局变化和土地覆盖变化分析。本文全面试验和分析评价了北京一号多分辨率数据在城市景观格局研究中的应用效果。通过对同一年份全色影像和多光谱影像计算的景观格局指标的分析表明,全色数据能更有效地描述景观详细信息,多光谱数据可展现城市景观的整体格局,而融合后对景观格局分析能够获得优于单一数据的效果。试验和分析表明,北京一号小卫星4m全色高分辨率影像和32m多光谱数据的波段组合,能从不同尺度揭示城市景观格局和变化过程。     

多分辨率分解的遥感影像融合方法对比分析

有效地将高空间分辨率全色影像和低空间分辨率的多光谱影像融合起来,对影像上地物的识别具有重要的意义。随着多分辨率分析思想在图像处理中的应用,出现了许多新的多分辨率分解的遥感影像融合方法。典型的方法有:Mallat小波变换(DWT)、àtrous小波变换(SWT)、无下采样轮廓变换(NSCT),以及这些方法分别与IHS和PCA变换相结合的融合方法。在IKONOS上选取了两个具有不同地物覆盖类型的实验区进行融合实验,从光谱保真度和高频信息融入度两方面,对这些方法进行了定量评价和分析。研究表明,多分辨率分解的影像融合方法均具有较好的高频信息融入度,其中,DWT、SWT、NSCT融合方法在高频信息融入度方面最优;DWT、SWT、NSCT与IHS、PCA相结合的融合方法在光谱保真度方面,不仅优于它们自身,也明显优于传统的IHS、PCA方法,其中,NSCT和PCA变换相结合的融合方法,在光谱保真度方面最强。     

航放数据与高分一号卫星光学数据融合及应用

高分辨率的多光谱遥感影像与低分辨率的航空放射性测量数据的融合有利于提高地质体识别效果,可以为地质填图和找矿提供重要参考。从多光谱遥感影像及航放数据特征出发,建立了基于Curvelet变换的线性融合方法,实现了高分一号多光谱数据与航放数据的多源异构数据融合。对融合结果的地质解译效果评价表明,在融合系数为0.7时,多光谱数据与航放数据的融合图像所反映的地质信息最丰富,表明所提出的基于Curvelet变换的国产卫星影像与航放数据融合方法对实现此类多源异构数据的融合,具有重要参考价值。      

中巴资源卫星(CBERS-02B)遥感影像数据融合研究

在阐述和分析中巴资源卫星(CBERS-02B)数据特点的基础上,对像素级融合的方法进行分析,重点针对CBERS-02B星上的多光谱和全色数据进行融合算法的实验,分别采用主成分变换和小波变换融合,然后使用PCA与小波分解相结合的融合方法,最后对不同融合算法结果从均值、标准方差、信息熵、扭曲度等指标进行了比较分析与评价.     

面向GF-1 WFV数据和MODIS数据的时空融合算法对比分析

对城市热岛效应、植物覆盖指数、叶面积指数等地表参数的高频次高精度反演,能更好地实现基于遥感手段的地表特征动态监测。然而,目前单一数据源的遥感影像还很难实现高时空分辨率数据的同步获取,时空融合技术是解决这个时空分辨率矛盾的有效方法。根据原理不同,时空融合算法可以分为基于线性模型的融合算法、基于光谱解混的融合算法等。高分卫星产品是近几年中国高分辨率对地观测系统重大专项天基系统中的首发星,对于该类数据的时空融合研究仍然较少。因此,本文拟采用4种常见的时空融合算法（STARFM、FSDAF、STDFA、Fit_FC）实现GF-1 WFV数据与MODIS数据的时空融合,分析这几种方法对GF-1 WFV数据时空融合的有效性和精度,从而为后续的研究提供一定依据。     

遥感影像像元级融合方法与试验评价分析

不同遥感影像有着各自的优点和局限,遥感影像融合就是为了充分利用它们的优点进行互补得到新的影像。采用PCA、Brovey和小波变换三种方法对SPOT多光谱影像和全色影像进行了像元级的影像融合,小波变换采用的Mallat算法和双正交小波函数,双正交小波函数的优点是小波逆变换时不会导致相位失真,论文对融合结果进行了光谱质量和空间质量两方面的定性和定量的评价。结果表明,小波变换融合影像是三种变换中最优的,同时在小波变换中采用不同的小波基函数的融合结果在光谱质量和空间质量方面也有很大的差异,可根据实际需要选用合适的小波基函数。     

以建成区提取为目标的Landsat8影像融合方法研究

建成区提取是城市环境监测中重要的一步,Landsat8影像广泛应用于灾害监测、城市环境监测、道路交通等领域。针对Landsat8全色影像空间分辨率高,纹理信息丰富,而多光谱影像光谱信息丰富,空间分辨率低的特点,开展以建成区提取为目标的Landsat8影像融合方法研究,探究大面积建成区提取对影像融合方法选择的影响。本文探究了Brovey变换,NNDiffusion,Gram-Schmidt(GS)法,PCA变换和小波变换(WT)等5种融合方法,利用融合影像结合"三指数法"提取建成区。结果表明:GS融合方法在光谱保持性方面具有较好的效果,各项评价指标均占优,建成区提取精度达到85.66%和83.3%。     

基于MATLAB的IHS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法。在Matlab开发环境下,将多光谱影像的亮度分量I与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合。融合规则中最重要的是小波基、小波分解层数和小波系数的选择。通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coif5作为小波基函数,进行三层小波分解。小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数。从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好。实验表明,将ETM+多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征。