像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性。因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题。首先,结合高分辨率遥感图像的多维特征,构建遥感图像变化检测模型;其次,利用随机森林分类器对图像进行分类,得到像素级变化检测结果;最后,将像素级变化检测结果与图像对象分割结果进行融合,得到图像变化区域和不变区域。试验结果表明,该算法具有较高的准确率和检测精度。     

遥感影像融合方法与实现

影像融合技术就是通过一定的方法来对多种遥感图像信息进行融合的处理,以获得更多、更有效、更准确的信息,从而实现遥感影像应用的各种需要。阐述了遥感影像融合的层次、特点和常用的像素级影像融合算法;用ERDAS IMAGE遥感影像处理软件对spots5遥感影像进行影像融合实验,并对融合后影像进行评价。     

顾及光谱畸变的高分辨率图像融合方法研究

使用高分辨率遥感图像进行像素级图像融合，在图像小波分解时，通过计算不同分解层数下得到的融合图像的熵来决定图像的小波分解层数；在图像小波重建时，引入局部相关系数，并在不同的分解层上设置不同的阈值进行有选择的高频系数替换，实现图像的像素级融合。并使用Quickbird全波段与多光谱数据进行试验，得到了分辨率高、光谱畸变微小的彩色融合图像。     

融合像素级和对象级的遥感图像变化检测方法

针对现有遥感影像变化检测方法常存在的检测结果破碎、虚检较多、对数据匹配要求高等问题。提出了一种融合像素级和对象级的遥感图像变化检测方法。利用光谱和纹理信息构建单高斯模型,在多尺度上进行像素级变化检测。然后,以像素级检测结果为种子区域,同时在变化前后影像上区域生长,融合生长结果提取变化对象。最后,依据检测需求对变化对象进行特征分类并滤除虚警。实验结果表明,该方法降低了虚检,保持了变化区域的结构完整性,在变化前后图像分辨率存在一定差别时仍有较高的检测精度。     

多源遥感数据融合的发展趋势

随着遥感技术的快速发展,影像和数据融合领域的新方法、新算法层出不穷。遥感影像融合技术可以分为3个不同的层次：像素级、特征级和决策级。在回顾现有的多源遥感数据融合技术的基础上,讨论了融合技术的发展趋势。主要讨论内容包括多源高分辨率影像融合新方法、面向应用的影像融合评价和趋势、用于生态建模的LiDAR数据／多源光学／雷达影像融合和分布式传感器网络数据融合等。     

多源遥感影像数据融合技术探讨

针对当前海量遥感数据与相对较低的数据利用率并存的现状,探讨了数据融合的概念,融合的3个层次:像素级、特征级和决策级融合,以及各层次的优缺点、流程和常用的融合方法;并详细阐述了融合影像的评价指标。进行了某地区的融合试验,从而得出对同一地区的遥感影像数据进行融合,可以产生更准确、更完全,更可靠的估计和判断的结论,为类似的工作提供了借鉴。     

多源遥感影像数据融合技术探讨

针对当前海量遥感数据与相对较低的数据利用率并存的现状,探讨了数据融合的概念,融合的3个层次：像素级、特征级和决策级融合,以及各层次的优缺点、流程和常用的融合方法;并详细阐述了融合影像的评价指标。进行了某地区的融合试验,从而得出对同一地区的遥感影像数据进行融合,可以产生更准确、更完全,更可靠的估计和判断的结论,为类似的工作提供了借鉴。     

遥感影像决策级融合方法实验研究

遥感影像融合是遥感图像处理中的研究热点和难点之一。对下列两种遥感影像决策级融合方法进行了实验研究:一种是基于支持向量机(SVM),另一种是基于自组织神经网络。融合实验分别采用这两种方法对Landsat TM多光谱数据(30 m/像素)与IRS-C全色数据(5.8 m/像素)间分别进行影像融合。融合结果表明:基于SVM的方法可有效地融合不同影像的信息,并且可获得较高的融合分类精度。在分类精度方面,基于SVM方法的融合影像明显优于基于自组织神经网络方法的融合影像。     

遥感图像的融合方法研究

图像融合是遥感图像处理中的重要一环,本文着重论述了遥感图像的3个层次的融合方法,并进行了对比分析,最后指出遥感图像融合的发展方向。     

遥感影像决策级融合方法实验研究

遥感影像融合是遥感图像处理中的研究热点和难点之一.对下列两种遥感影像决策级融合方法进行了实验研究:一种是基于支持向量机(SVM),另一种是基于自组织神经网络.融合实验分别采用这两种方法对Landsat TM 多光谱数据(30 m/像素)与IRS-C 全色数据(5.8 m/像素)间分别进行影像融合.融合结果表明:基于SVM的方法可有效地融合不同影像的信息,并且可获得较高的融合分类精度.在分类精度方面,基于SVM方法的融合影像明显优于基于自组织神经网络方法的融合影像.     

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.     

多源遥感影像数据融合技术研究

简述了多源遥感影像融合概念以及融合过程、三种融合层次及其优缺点;描述了常用的融合方法及步骤;探讨了遥感影像评价的主客观标准,并总结了多源遥感影像融合需进一步研究的关键技术,为类似的研究提供借鉴.     

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的遥感图像信息,实现更精准、更全面的对地观测,是遥感对地观测领域的核心关键技术。本文从多源遥感图像的数据来源出发,综述了多源遥感图像融合的研究现状与未来发展趋势:首先介绍了国内外现有多源遥感图像的主要来源、图像特性与典型应用;然后,对不同类型多源遥感图像融合的研究现状和挑战性难题进行了归纳和总结;最后,对多源遥感图像融合的未来发展趋势进行了展望。     

多源高分辨率遥感影像智能融合

本文面向多源高分辨率遥感影像自动化融合的应用需求,探索按需应用的智能化融合方法,充分利用不同分辨率和不同时相的高分辨率多源遥感影像数据资源与特性,研究了影像融合数据源选取的决策树算法,建立了遥感影像融合规则知识库,并自动化选取适合的融合算法,提出了Curvelet_HCS算法,对低频和高频系数选用不同的融合规则,改善了HCS算法的光谱失真问题,可同时融合多光谱影像的多个谱段,并保持更丰富的空间细节信息。根据融合评价结果对遥感影像融合规则知识库进行更新,实验验证表明了该套方法的有效性,为开展大规模智能化的多源遥感影像融合应用提供了重要的方法和技术支撑。     

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MATLAB算法的遥感图像融合

遥感影像像素级融合是遥感信息分析与处理过程中非常有效的方法。文章通过分析3种主要的多源遥感影像融合方法特征和不足,运用MATLAB算法实现影像融合,并对融合成果结合主观目视和客观指标进行综合评价。经过实验表明,利用MATLAB影像融合算法融合取得了较好效果,且提高了影像处理效率。     

基于遥感影像的土地利用变化检测

随着遥感科学技术的发展、各种遥感数据的累加以及遥感变化检测研究的深入,基于遥感影像的土地利用变化检测手段也日新月异。本文主要阐述利用不同的遥感影像处理方法对不同影像之间的土地利用变化进行检测,同时利用影像融合对比法、影像差值法、主成分分析法(PCA法),以及影像分类法等遥感影像处理方法,对同一地区前后不同时相的土地利用变化检测效果进行精度对比,并总结出不同检测方法在不同条件下的检测效果。     

基于缨帽变换的遥感图像融合方法研究

本文阐述了图像融合和缨帽变换的意义,针对缨帽变换在植被信息提取方面的优点,提出一种新的基于缨帽变换的遥感图像融合方法。为了验证算法的有效性,在城区遥感图像融合中,将其与其他几种图像融合算法进行比较。实验结果表明,基于缨帽变换的遥感图像融合方法得到的结果图像纹理清晰、结构完整、光谱保持能力强,在城市零星绿地提取中有着显著的效果。