a′Trous小波变换与PCA变换相结合的遥感影像融合分析

随着高分辨率遥感卫星的产生,传统的融合技术难以达到较好的融合效果,如主成分分析(PrincipalComponents Analysis)变换融合受到融合区域的限制,而传统的小波融合(Wavelet Transformation)算法由于高频直接替换,导致了一定程度的光谱失真,由此本文在分析主成分分析变换和a′Trous小波变换(WT)的基础上,以QuickBird全色和多光谱数据为实验数据,提出了一种将两者相结合的遥感影像融合方法,通过与其他融合方法的定量和视觉比较,结果表明该方法能得到更好的融合效果。     

小波和IHS变换结合实现ETM图像波段融合

采用小波变换和IHS结合的方法实现了ETM多光谱波段和ETM全色波段的融合,并与传统的IHS融合的结果进行比较,结果表明小波和IHS变换相结合的方法优于IHS方法。     

基于MATLAB的HIS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coit5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.     

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。     

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。     

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.     

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。     

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。     

多源遥感数据融合应用研究

多源遥感数据融合是遥感技术向纵深发展的必然趋势。本文对多源遥感数据融合算法的应用特点,从基于像元的融合、特征的融合以及决策级融合3个层次上进行了详细的分析,并以河北丰宁县为例,说明遥感数据融合方法在遥感信息提取中的具体应用:对所用数据进行预处理,然后对1999年Landsat TM数据进行主成分变换,前3 个主成分占总信息量的97.8%,主成分逆变换后的结果影像更清晰,层次更丰富。信息提取时选择TM全色和主成分变换后的多光谱数据融合后的影像,波段4、3、2和波段5、4、3的彩色合成方案,并对植被指数和穗帽变换后的绿度指数进行了分析,遥感影像与DEM以及与GIS空间数据的信息融合也可以提高遥感信息提取的精度。最后分析了多源遥感数据融合尚待解决的问题及努力方向。     

基于小波变换及Matlab的遥感图像压缩效果分析

主要对小波变换在遥感图像压缩中的应用进行了研究。首先对小波变换理论及其实现进行了简要的介绍。然后,重点分析了小波变换分解层次、阈值选择对图像压缩效果的影响。利用MATLAB小波工具箱提供的小波变换函数,采用haar小波、db小波、sym小波、coif小波、bior小波进行遥感图像压缩,并对压缩效果进行了分析比较。结果表明,随着压缩倍数的增加,所需小波变换的分解层次也相应增加;但当压缩倍数选定后,对于大小一定的遥感图像,小波变换分解层次达到某一定级次时,再增加变换的分解层次,对压缩效果的作用甚微。因此,当图像大小一定时,压缩倍数和小波变换的分解层次之间存在一个较佳匹配问题。同时,通过实验数据,说明了在小波压缩过程中,阈值对压缩图像的压缩比和能量保持比的定量影响,表明将小波变换用于遥感图像压缩具有压缩比大,压缩效率高的优点。实验结果为小波变换在遥感图像压缩中的实际应用提供了理论参考。     

基于双树复小波变换图像融合方法

基于离敞小波变换的图像融合算法在特征表达上存在不足,将双树复小波变换引入到彩色图像融合中,对彩色图像的3通道分别进行融合,各通道低频取加权平均,高频去较大值的方法.融合效果评价除了使用均方根误差、峰值信噪比和熵外,还使用了通用的主观与客观相结合的方法.实验结果表明,获得的融合图像效果较好,优于离散小波融合算法.     

小波变换与FCM聚类的QuickBird影像特征空间识别分析

遥感影像分类是应用遥感影像进行地学分析等其他应用的重要准备工作,它的精度将直接影响到后续的分析工作。纹理特征对于提高高分辨率遥感影像的分类精度具有重要意义,小波变换的"时-频"分析方法在遥感影像纹理分析方面有着独特的优势。本文采用QuickBird影像,利用小波分解得到影像的纹理特征,结合光谱响应值组成特征空间,再利用模糊C均值聚类方法对影像进行分类。实验结果显示:加入了纹理特征的影像分类精度有所提高,同时,同一类地物的内部均一性有所改善。小波分析对于细微纹理特征的提取效果比粗纹理要好。     

小波变换在BP神经网络遥感影像模式识别中的应用

通过经小波压缩降噪后的遥感影像,结合Bp神经网络进行遥感影像模式识别,与未经小波变换的BP神经网络进行遥感影像模式识别结果对比,总结出影像经小波变换后对于提高神经网络识别效率有很好效果。     

利用小波变换进行遥感多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

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。     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。     

小波变换在高分辨率层序地层划分中的应用

该文秉承前人运用测井数据的连续小波变换进行层序地层划分的依据和思路,详细论述了测井数据连续小波变换进行高分辨率层序地层划分的具体步骤。以济阳坳陷某钻井C-P地层的测井数据为研究实例,重点探讨了测井数据连续小波变换中参数选取(小波基、最大变换尺度值和不同尺度下小波系数尺度值)的不同得出的连续小波变换波谱图和系数曲线对层序地层划分的影响;依据优选出的各种相关参数,对消除噪声以后的测井数据(自然伽马)进行连续小波变换及高分辨率层序地层划分,共划分为5个长期基准面旋回,35个短期基准面旋回。增加了应用测井数据连续小波变换进行高分辨率层序地层划分的可靠性。     

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。      

雷达与光学图像小波融合方法研究

本文基于区域差的绝对值,提出了一种新的双正交小波融合算法,并应用于TM与JERS-1SAR的融合研究中。该方法与传统的小波融合相比,更能充分利用参与融合影像的信息,具有更强的数字图像细节表征能力;与基于区域方差的小波融合相比,具有更小的计算量;与主成分融合、乘法融合及Brovey融合等方法相比,具有更好的光谱保持能力,且该小波融合结果更清晰。实验表明,该算法是一种实用有效的融合法。     

主成分分析在遥感影像数据中的实例应用

主成分分析(Principal Component Analysis)是根据变量之间的相互关系,尽可能不丢失信息地用几个综合性指标表示多个变量的方法。在多(高)光谱图像中,由于各波段的数据间具有相关性,因此包含许多冗余信息。通过主成分分析法可以把遥感图像中所含的大部分信息用少数波段表示出来,这样就可以几乎不丢失数据但可以减少数据量,消除冗余信息。在遥感数据处理时用主成分分析法作数据分析前的预处理,以达到数据压缩和图像增强的效果,更加有利于影像信息提取。文章对主成分分析在遥感图像处理中的实际应用进行了实例示范应用研究。