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。     

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。     

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。     

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。     

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。     

基于"资源二号"卫星和TM影像融合的滩涂信息提取

利用"资源二号"的全色波段和Landsat-7 ETM的多光谱波段,采用主成分变换的方法进行融合,对福建省的福清、长乐沿海的滩涂信息进行增强和提取.比较了融合影像和原始影像,表明影像中滩涂的清晰度得到了改善,大大方便了对滩涂信息的目视解译,同时也丰富了滩涂信息的色彩,提高了分类提取滩涂信息的精度和准确度,不失为滩涂信息提取的一种有效手段.     

珊瑚岛礁CBERS-02B与资源二号融合影像的质量评价

南海海域分布着众多珊瑚岛礁,鉴于其蕴含着巨大的经济、军事和生态等价值,我国越来越重视对珊瑚岛礁的调查、监测和研究。在调查任务的推动下,选取国产中巴资源卫星-02B(CBERS-02B)多光谱影像与资源二号(ZY-2)全色影像数据,对其影像的质量进行评价研究,可验证其能否应用于珊瑚岛礁的监测。以西沙群岛中的珊瑚岛为例,应用主成分分析(PCA)、Brovey变换、乘积变换3种常用融合方法,对国产自主卫星CBERS-02B与资源二号影像进行了融合试验,并采用主观与客观相结合的评价方式,与国际主流的卫星SPOT-5自身融合影像进行对比分析。CBERS-02B、资源二号融合影像与SPOT-5融合影像质量对比分析结果表明:目视效果来看,SPOT-5卫星数据较高的分辨率使其融合影像的分辨能力明显高于CBERS-02B与资源二号融合影像。但在光谱信息方面,CBERS-02B与资源二号融合影像对绿色植被的分辨具有优势,有利于植被目视识别。客观统计指标显示,与SPOT-5融合影像相比,CBERS-02B与资源二号融合影像绿光波段灰度平均值较高,红光和近红外波段灰度平均值较低;两组融合影像的标准差相差不大;从影像的熵来看,CBERS-02B与资源二号融合影像的熵值较高;而平均梯度和相关系数低于SPOT-5融合影像。总体而言,由于受到空间分辨率的限制,CBERS-02B与资源二号融合影像目视效果逊于SPOT-5自身融合影像,但在空间细节分辨能力方面具有优势,能够反映出更多的光谱特征,尤其是对植被的光谱差异反映细腻。     

高分二号卫星滨海湿地影像质量评价

以黄河口典型滨海湿地为实验区,采用主客观评价相结合的方法,在与SPOT-6卫星影像对比的基础上进行了GF-2卫星全色影像、多光谱影像以及融合影像的质量评价。目视主观评价表明,GF-2影像在滨海湿地地区整体表现能力上与SPOT-6影像相近,地物边界、纹理等细节信息方面优于SPOT-6影像;基于统计指标的客观评价结果显示,GF-2影像受噪声干扰的程度小于SPOT-6影像,承载的信息量与SPOT-6影像接近,多光谱影像以及融合影像各波段间的独立性也与SPOT-6影像相当,但在灰度、离散程度和地物可分性上与SPOT-6影像还存在一定的差距。     

一种全极化高分SAR与中分光学影像融合方法

针对全极化SAR(synthetic aperture radar,合成孔径雷达)与中分光学影像的融合问题,提出基于主成分分析(PCA)与HSV(hue,saturation,value,色调、饱和度、明度)色彩空间变换的遥感影像融合方法。对全极化SAR四个极化波段进行主成分分析,提取第一主成分,将中分光学影像变换到HSV空间,第一主成分替换V分量,用新的V分量逆变换到RGB空间,得到全极化SAR与中分光学的融合影像。通过利用Radarsat-2全极化SAR与TM/ETM+中分光学影像开展融合实验,结果表明,该方法优于传统融合方法(PCA变换、HSV变换、小波变换等)的单极化SAR与光学影像融合结果,能够有效利用全极化SAR的纹理信息,提高影像解译能力。     

一种联合光谱和纹理特征的滩涂提取技术

提出一种联合光谱和纹理特征的支持向量机分类算法,先通过计算灰度共生矩阵得到纹理影像,然后将纹理波段与光谱波段进行叠加形成一幅多波段影像,再使用支持向量机分类算法对该影像进行分类,从而得到最终的滩涂提取结果。实验结果表明,该方法对于滩涂及周边地物具有较好的分类效果。     

Curvelet变换域侧扫声纳图像增强算法

针对海底侧扫声纳图像对比度低、纹理弱、噪声严重等问题,提出了一种基于第二代Curvelet变换的声纳图像增强算法。首先对原始声纳图像进行多尺度、多方向的Curvelet变换分解,得到低频子带和高频子带;然后引入非线性S型函数对低频系数进行处理,提高图像整体的对比度;采用一种可以避免过度增强的新型非线性函数对各尺度的高频子带系数进行处理,提高图像整体的对比度,增强图像边缘和纹理细节,并通过估计噪声水平设定阈值进行阈值降噪。最后经Curvelet逆变换得到增强图像。实验表明,该方法不仅改善了海底侧扫声纳图像对比度低的问题,而且降低了噪声,突出了声纳图像的边缘和纹理细节。     

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。     

基于点云与影像融合的黄河三角洲互花米草提取方法

针对卫星遥感技术在对滨海湿地互花米草监测时受分辨率、气候条件等多种因素限制存在一定局限性且通过单一的影像数据提取互花米草时精度不稳定的问题,提出了基于无人机点云与影像融合的面向对象互花米草提取方法。以黄河三角洲自然保护区为研究对象,获取了该区域的点云和多光谱影像。先将地面滤波后提取的植被点云与多光谱影像进行特征组合优化,然后对融合影像采用FNEA算法进行多尺度分割后采用基于改进的最近邻算法进行面向对象分类,最终得到的互花米草生产者精度和用户精度分别达到了82.53%和86.43%,较未融合点云的提取精度分别提高了22.34%和7.66%,分类结果的总体精度从89.54%提升至92.61%,且融合点云后影像能够有效区分两种生长状态的互花米草,表明本文提出的方法能够有效提高互花米草的提取精度。     

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.     

图像融合在遥感中的应用

介绍了关于低分辨率的多光谱图像与高分辨率的全色图像相融合的一些方法。图像融合的目的是为了获取高分辨率的多光谱图像,它既包含了多光谱信息又具有全色图像的高空间分辨率特点。图像融合在遥感中的主要目的在于尽量保持图像的光谱信息．以便用于土地覆盖分类等领域,这一点与其在军事应用和计算机辅助设计领域有所不同。阐述了如何在不使用高分辨率的全色图像情况下进行融合的方法,由于同时获取的多光谱图像之间存在亚像元级的偏移现象,将位移量作为附加信息来有效提高采样频率,以此获取高空间分辨率信息。最后选取了SPOT卫星的多光谱图像作为例子．对文中所阐述的算法进行了试验,并对试验结果作了比较分析。     

A quantitative striping removal algorithm for HY-1 CCD data

Striping is a common phenomenon in remote sensing imagery acquired by most spaceborneand airborne multispectral sensors. In contrast to the destriping of the images of optoelectronic mechanical scanners, fewer work has been done for push-broom CCD images. Based on the characteristics of HY -1 push-broom multispectral CCD camera and its prelaunch radiometric calibration results, the striping features are analyzed and a quantitative striping removal algorithm is proposed. The algorithm is to obtain the inter-detector equalization curves to reflect the differences between detectors by statistic analysis of the satellite imagery data set, and image stripes arising from the nonuniformity of the detectors of the CCD array can be removed using the estimated equalization curves. The preliminary results show that this method can effectively remove the stripes and preserve the radiometric accuracy of the raw data at the same time.     

不同极化方式SAR与TM融合影像滨海湿地分类精度比较

以覆盖黄河口湿地区域的Radarsat-2 SAR全极化影像和Landsat-5 TM影像为例,将4种极化方式的SAR影像与TM影像分别进行融合,采用支持向量机对融合结果进行滨海湿地典型地物土地覆盖分类,并对分类结果进行比较评价,分析不同极化方式的SAR影像与TM影像融合结果在滨海湿地地区的分类能力。实验结果表明:采用与SAR影像融合的方法能够提高TM影像的分类精度,其中HV极化方式的SAR影像与TM影像的融合结果分类精度最高,最适用于滨海湿地土地覆盖分类研究。     

基于多尺度纹理和光谱信息的海岛土地利用遥感分类方法研究

本文基于灰度共生矩阵提取多尺度纹理指数影像,将纹理指数影像作为逻辑波段与原始影像波段组合,进行最大似然监督分类的实验,以改善单纯基于像元光谱影像分类技术的不足。利用SPOT-5卫星遥感影像对西门岛土地利用分类的实例进行分析。结果表明,由SPOT-5遥感影像第一波段和第二波段计算所得的相关性和同质性纹理指数影像以及由第三波段计算所得的均值纹理和第四波段计算的同质性纹理指数影像,对海岛土地利用分类精度的提高均有较为显著的效果,其中加入多尺度纹理信息后西门岛土地利用遥感影像分类的总体精度由75.41%提高到89.41%。