GF-2和Sentinel-2全色多光谱影像融合方法比较研究

针对高分二号(GF-2)卫星全色遥感影像与哨兵二号(Sentinel-2)卫星多光谱遥感影像空间分辨率相差较大且传感器不同导致的光谱或空间信息丢失问题,结合快速离散Curvelet变换对HSV融合方法的分量替换过程进行改进,利用GF-2的高空间分辨率和Sentinel-2的多光谱特性分别设计高、低频系数融合规则,并且与...     

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。     

无人机影像与高分卫星影像融合方法研究

针对目前卫星影像数据有丰富的光谱信息但是空间信息不足,而无人机影像空间分辨率高但是光谱信息缺乏的问题,本文将高分二号卫星多光谱影像数据与无人机正射影像数据融合,得到高空间分辨率和光谱信息丰富的融合影像。通过实际数据分别利用PCA、HIS、高通滤波3种常用的图像融合方法进行高分二号卫星多光谱影像与无人机正射影像的融合实验,并通过定性和定量分析的方法从光谱信息保留的完好性和空间信息表达的分辨率2个方面对比分析了3种融合方法的融合效果。     

基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合

针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基础框架,并进一步提出基于多分辨率分析的多传感器一体化融合方法,缓解现有方法因空间分辨率比率过大导致影像空、谱互补信息难以有效集成的问题。其中,提出的一体化融合方法基于调制传递函数MTF (Modulation Transfer Function)滤波对多传感器影像空间(高频)和光谱(低频)分量进行分解提取,并充分考虑多传感器高空间分辨率影像与高光谱分辨率影像之间的关系,以及高光谱分辨率影像波段间关系,设计合理的融合权重,最终可得到具有最高空间分辨率和最高光谱分辨率的融合影像。通过GF-1全色影像、GF-1多光谱影像、GF-5高光谱影像数据对提出方法进行实验验证,结果表明:本文方法可有效集成多传感器影像间的空、谱互补信息,得到较优融合结果。     

自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法

全色-多光谱影像融合技术可以显著提高遥感影像的地物判别能力,但是空间信息融入度与光谱信息保真度是相互矛盾的一组性质,一般方法往往无法平衡这两方面。SFIM算法具有良好的光谱信息保持能力,但是其空间信息融入度较差,影响了整体的融合效果。为此,本文分析了SFIM模型的原理与特点,提出一种自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法（AGSFIM）。以均值调整后的多光谱整体平均梯度为标准来计算高斯滤波的最优参数,将下采样全色影像的清晰度调整至同样水平,以保证融合结果的空间信息融入度与光谱信息保真度之间的平衡。利用6种融合算法对“北京二号”（Beijing-2）、“资源三号”02星（ZY-3 02）数据进行对比试验,表明在良好的光谱保持能力的前提下,改进方法可以有效克服SFIM算法空间信息融入不足的缺点。     

一种国产高分卫星遥感影像变分融合方法

由于现有全色/多光谱融合方法对国产高分卫星遥感影像数据特点考虑不足,提出一种针对国产高分卫星遥感影像的变分融合方法。该方法充分考虑融合影像波段间光谱关系的保持,构建基于光谱梯度的三维光谱高保真模型,并针对国产高分卫星全色影像存在模糊降质的数据特点,发展顾及模糊降质的空间增强模型。在此基础上,结合影像先验知识建立融合目标函数,最后采用梯度下降法优化求解得到融合影像。通过高分一号(GF-1)和高分二号(GF-2)影像数据对提出的融合方法进行实验验证,并与典型GS,PRACS和ATWT-M3等融合方法分别从定性和定量2方面进行比较分析。实验结果表明,该融合方法充分考虑了国产高分卫星影像数据特点,在对照实验的几种方法中得到了最优的融合结果,可在有效提升多光谱影像空间分辨率的同时,很大程度上保持原有的光谱信息。     

基于高分二号影像的融合方法对比研究

为了更充分地利用GF-2卫星影像数据,文章选取GF-2卫星全色和多光谱影像数据进行融合实验。首先选择PCA(principal component analysis)变换、HIS(intensity hue saturation)变换、Contourlet变换三种融合方法以及它们的结合算法对全色和多光谱影像进行融合,然后对融合结果进行主观定性分析和客观定量评价,最后综合比较得到融合质量较好的方法。实验表明:PCA+Contourlet变换、HIS+Contourlet变换和HIS+PCA+Contourlet变换不仅提高了融合影像的空间分辨率,突出了目标的细节、边缘、纹理信息,保留了原多光谱图像的光谱特性,而且有效地去除了噪声,较适用于高分二号影像的融合。     

基于CBERS-04卫星影像的珊瑚礁底质分类能力分析

珊瑚礁对于海洋生态环境研究具有重要意义,通过分析珊瑚礁的分布以及生长状况可以对海洋生态环境进行评估。本文以南海珊瑚岛近岸海域为研究区域,选取中巴地球资源四号(CBERS-04)卫星影像数据,利用支持向量机(SVM)分类方法对近岸珊瑚礁底质进行分类,分类结果进行矢量化输出,对珊瑚礁数量和面积进行统计,与Worldview-2卫星多光谱影像数据分类矢量结果进行对比分析。实验结果表明,利用中巴地球资源卫星数据对于珊瑚礁分类是可行的,其中利用20m空间分辨率多光谱数据与5m空间分辨率全色波段数据融合后的影像数据,对于珊瑚礁信息提取效果最好。但由于空间分辨率及波段光谱设置的限制,其对于浅水区小面积珊瑚礁和深水区珊瑚礁提取能力较弱。     

资源三号卫星影像融合算法对比分析

我国第一颗高精度民用立体测绘卫星——资源三号卫星搭载了2.1m分辨率的全色相机和5.8m分辨率的多光谱相机,针对资源三号影像研究有效的影像融合算法对于提高资源三号的影像质量和应用范围具有很大意义。文章分析了Pansharp、Gram-Schmidt、Modified IHS、改进的SFIM和Brovey 5种融合算法,梳理了影像融合的质量评价指标体系,采用资源三号卫星影像覆盖的农田、城区、林地、裸地等不同类型的区域开展几种融合算法试验,并对试验结果进行了分析评价。实验结果表明,5种融合算法中,Pansharp融合算法对资源三号影像数据融合效果最优,Gram-Schmidt融合算法次之,其次为Modified IHS影像融合算法,改进的SFIM融合算法和Brovey融合算法融合效果较差。     

多光谱遥感影像与高分辨率全色影像融合研究

选取浙江省绍兴市作为研究区 ,探讨了IHS变换、PCA变换及Brovey变换等融合方法 ,发现Brovey变换更适合于多光谱数据与高分辨率全色数据之间的融合。     

遥感数据融合研究进展与文献定量分析(1992—2018)

近年来,遥感应用的快速发展推动了遥感载荷指标性能的不断提升。但由于遥感传感器的硬件技术瓶颈,遥感数据无法同时具有高空间分辨率、高光谱分辨率、高时间分辨率的指标特性。遥感数据融合是解决该问题的有效方法。为了深入了解目前遥感数据融合技术的研究进展情况,本文对国内外1992年—2018年间在该领域有一定影响力的相关成果进行了调研、分析与归纳总结。首先对遥感数据融合相关论文的年发文量、发文国家与机构、发表刊物以及关键词等进行了统计,梳理其发展历史及趋势;系统性的总结了各类数据融合算法,将其分为面向空间维提升的融合算法、面向光谱维提升的融合算法以及面向时间维提升的融合算法3类,并对各类算法的优势与适用性进行了分析;归纳总结了遥感数据融合的质量评价指标,包括有参考影像的融合评价指标以及无参考影像的融合评价指标;最后对遥感数据融合进展进行了总结与展望。     

基于支持向量机的SPIN－2影像与SPOT－4多光谱影像融合研究

遥感影像融合是解决多源海量数据富集表示的有效途径之一。针对高分辨率遥感数据SPIN-2(2m)与多光谱遥感数据SPOT-4(20m)的影像融合，提出了基于支持向量机(SVM)的遥感影像融合的新方法。建立了基于SVM的遥感影像融合模型，并进行了分类融合实验，实验效果较好。最后给出了分类融合评价。结果表明，支持向量机可用于遥感影像融合，且分类融合精度较高。     

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.     

U-Net模型对不同空间分辨率防护林提取精度的影响

针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过U-Net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m（空间分辨率0.15 m）、400 m（空间分辨率0.20 m）、500 m（空间分辨率0.25 m）3种不同高度的遥感影像为例,试验结果证明,3种不同高度的影像提取精度误差在1.3%以内;MIoU误差在3.7%以内。空间分辨率对防护林提取精度的影响较小,高空间分辨率的影像数据并不能显著提升防护林的提取精度。本文为大规模农林业遥感监测的数据源获取提供了理论依据。     

多源遥感影像融合

遥感影像融合能富集同一地区不同数据源的信息大跨度波谱特性影像数据的融合,提供了有关各单个传感器的互补信息,使分类更精确;大跨度空间分辨力影 融合,有利于改善２多光谱影像的度,增强特征提取和目视判读能力,能有效地用于变化监测。     

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     

Detail focused fusion of hyperspectral and multispectral imagesEI北大核心CSCD

Hyperspectral image (HSI) and multispectral image (MSI) are two types of images widely used in the field of remote sensing. These images are useful in certain applications, such as environmental monitoring, target detection, and mineral exploration. HSI contains a large amount of spectral information. Photons are typically collected in a larger spatial area on the sensor to ensure a sufficiently high signal-to-noise ratio (SNR). Accordingly, the HSI spatial resolution is much lower compared with MSI. This low spatial resolution greatly affects the practicality of HSI. Accordingly, fusing a low-spatial resolution HSI (LR-HSI) with a high-spatial resolution MSI (HR-MSI) in the same scene to obtain a high-resolution HSI (HR-HSI) is a method for solving such problems, which resolves the contradiction that the spatial resolution and the spectral resolution cannot simultaneously maintain a high level. From the analysis of fusion effect, the spatial and spectral reconstruction errors of the existing algorithms are mainly reflected in the edge and detail areas. The method proposed in this work was a fusion algorithm for dictionary construction and image reconstruction based on detail attention. In terms of maintaining spectral characteristics, the spectral distribution in the detail area is complex and diverse because of the proximity effect of the image. This work proposes to perform dictionary learning on the image and detail layers. The detail perception error terms and a constraint of edge adaptive directional total variation are proposed for spatial characteristic enhancement, which is combined with a local low rank constraint in the same fusion framework to estimate the sparse coefficient. Experiments were conducted on two datasets, namely, Pavia University and Indian Pine, to verify the effectiveness of the proposed method. The quantitative evaluation metrics contain peak SNR, relative dimensionless global error in synthesis, spectral angle map, and universal image quality index. Based on the experimental comparison, the fusion result of the algorithm proposed in this work is significantly improved compared with those of the other algorithms in terms of spatial and spectral characteristics. This work uses dictionary learning to propose a fusion algorithm for dictionary construction and image reconstruction with attention to details through the analysis of the existing hyperspectral and multispectral image fusion algorithms. A hierarchical dictionary learning algorithm is proposed to address the problem of large reconstruction error in the detail part of the existing algorithms. The detail perception error term and the direction adaptive full variational regularization term are used to improve the spectral dictionary solution and coefficient estimation, respectively. The result of the fusion is the error in the spectral characteristics and spatial texture of the detail, which achieves an accurate representation of the edge detail. © 2022 National Remote Sensing Bulletin. All rights reserved.     

多源遥感图像融合发展现状与未来展望

近年来,随着遥感技术的发展,高光谱、红外、雷达等多源遥感成像手段在精准农业、资源调查、环境监测、军事国防等重要领域发挥着越来越重要的作用.同一场景多源遥感图像观测的地物对象相同,但观测的维度不同,图像的空间、光谱与时间分辨率存在差异,提供的信息既具有冗余性,又具有互补性和合作性.多源遥感图像融合能够综合利用不同来源获取...     

遥感数据空间尺度分级模型与基本比例尺关系

多源遥感数据综合应用是遥感发展的必然趋势,统一的遥感数据空间尺度分级模型是多源数据集成与综合应用的基础。虽然已有多种空间尺度分级模型,但很多主流模型并非出于分尺度综合应用目的,缺乏客观的比较和评价。国家基本比例尺系统作为经过论证、中国应用面最广泛、接受度最高的一种尺度分级系统,是以应用为导向的遥感数据空间尺度分级模型的最优参照系。从不同视觉精度下国家基本比例尺对图像空间分辨率的需求出发,比较各空间尺度分级模型的层级分辨率与需求分辨率的匹配情况,包括OGC Well Known Scale Set的Global CRS84Pixel和Google Maps Compatible,以及NASA World Wind、Google Map、百度地图、天地图等软件平台采用的层级格网系统,以及"五层十五级"遥感数据组织模型,通过对数据信息冗余度的分析,对各个模型进行了评价。结果表明,在高视觉精度应用需求下,"五层十五级"模型与基本比例尺精度要求具有较明显的匹配优势,其次为OGC Google Maps Compatible模型和天地图模型,其余模型平均数据冗余倍数在2倍左右;在低视觉精度应用需求下,"五层十五级"模型平均数据冗余度仍为最低,其次为Google Map模型,其余模型平均数据冗余倍数都在2倍以上。