Production of high-resolution remote sensing images for navigation information infrastructures

This paper introduces the image fusion approach of multi-resolution analysis-based intensity modulation (MRAIM) to produce the high-resolution multi-spectral images from high-resolution panchromatic image and low-resolution multi-spectral images for navigation information infrastructure. The mathematical model of image fusion is derived according to the principle of remote sensing image formation. It shows that the pixel values of a high-resolution multi-spectral images are determined by the pixel values of the approximation of a high-resolution panchromatic image at the resolution level of low-resolution multi-spectral images, and in the pixel valae computation the M-band wavelet theory and the à trous algorithm are then used. In order to evaluate the MRAIM approach, an experiment has been carried out on the basis of the IKONOS 1 m panchromatic image and 4 m multi-spectral images. The result demonstrates that MRAIM image fusion approach gives promising fusion results and it can be used to produce the high-resolution remote sensing images required for navigation information infrastructures.     

IKONOS影像的最佳融合技术研究

在研究遥感数字影像融合算法和原理的基础上,选择高空间分辨率的IKONOS遥感影像作为数据源,采用能够以全波段融合的主成分变换、乘积变换、Gram-schmidt变换和小波变换四种融合方法进行比较研究,并通过主观和客观两方面对融合效果进行评价。结果表明,Gram-schmidt变换法融合的IKONOS影像光谱质量最好,同时也较高程度地保持了高几何分辨率的空间信息,是权衡光谱信息和空间信息综合效应最佳的一种方法。     

小波变换保持光谱特型融合算法

对遥感图像融合Brovey变换法存在颜色失真的现象,本文提出了一种小波比值融合法,该融合法首先对高几何分辨率的全色波段进行小波变换提取其低频分量,并对其进行三次卷积法重构得到与原分辨率相同的图像,而后将低分辨率多光谱图像与全色波段图像相乘,再除以重构后的全色波段图像,便得到融合图像。并从目视评价、GVI、统计评价证实了该小波比值融合法优于Brovey变换法,该比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

基于HIS和小波变换的IKONOS影像融合

许多对地观测卫星能提供高分辨率的全色波段影像和低分辨率的多光谱影像,因而影像融合已成为遥感图像空间分辨率提高的一个重要工具.目前多种影像融合技术已发展起来,然而对于高分辨率的IKONOS影像,现有的算法很难产生满意的融合效果.本文提出了一种新的融合方法,结合了HIS变换和小波变换的优势来减弱IKONOS融合中的光谱扭曲.定量评价证明HIS和小波相结合的融合方法相比常规的HIS变换和小波变换在提高融合质量上有着重要意义.     

混沌蜂群优化的NSST域多光谱与全色图像融合

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。     

基于热传导模型的像素级遥感图像融合

通过热传导方程给出了一种像素级遥感图像融合模型和方法：1)给出了空间域内高分辨率图像与低分辨率图像之间的扩散关系,作为特例得到了Brovey变换(Brovey Transform,BT);2)给出了图像融合与增强的统一表达式并得到基于亮度平衡的融合方法;3)低分辨率多光谱图像的方差较小情形,指出基于方差的标准图像融合方法将会丢失高空间分辨率全色图像信息。实验表明,除了图像量化误差以外,所提议的方法不会丢失已知图像的空间分辨率和波谱信息。     

基于频率缓冲区模型的全色与多光谱遥感影像融合算法

分析了全色与多光谱遥感影像融合的难点,提出了频率缓冲区模型,实现了基于频率缓冲区模型的多特征联合的融合算法。     

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     

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.     

利用最优估计理论进行多光谱与全色影像融合

应用小波变换分解遥感影像,利用遥感影像自身的先验信息——空间分辨率确定高频域融合过程中的权值,使用最小二乘估计与小波重构完成影像融合。实验结果表明,相对于参考的其他融合方法,此方法在注入全色影像空间细节和保持多光谱影像的光谱信息方面性能更佳。     

SIFT-FANN: An efficient framework for spatio-spectral fusion of satellite images

Image fusion techniques are widely used for remote sensing data. A special application is for using low resolution multi-spectral image with high resolution panchromatic image to obtain an image having both spectral and spatial information. Alignment of images to be fused is a step prior to image fusion. This is achieved by registering the images. This paper proposes the methods involving Fast Approximate Nearest Neighbor (FANN) for automatic registration of satellite image (reference image) prior to fusion of low spatial resolution multi-spectral QuickBird satellite image (sensed image) with high spatial resolution panchromatic QuickBird satellite image. In the registration steps, Scale Invariant Feature Transform (SIFT) is used to extract key points from both images. The keypoints are then matched using the automatic tuning algorithm, namely, FANN. This algorithm automatically selects the most appropriate indexing algorithm for the dataset. The indexed features are then matched using approximate nearest neighbor. Further, Random Sample Consensus (RanSAC) is used for further filtering to obtain only the inliers and co-register the images. The images are then fused using Intensity Hue Saturation (IHS) transform based technique to obtain a high spatial resolution multi-spectral image. The results show that the quality of fused images obtained using this algorithm is computationally efficient.     

Spectral unmixing based spatiotemporal downscaling fusion approach

Time-series remote sensing data are important in monitoring land surface dynamics. Due to technical limitations, satellite sensors have a trade-off between temporal, spatial and spectral resolutions when acquiring remote sensing images. In order to obtain remote sensing images with high spatial resolution and high temporal frequency, spatiotemporal fusion methods have been developed. In this paper, we propose a Linear Spectral Unmixing-based Spatiotemporal Data Fusion Model (LSUSDFM) for spatial and temporal data fusion. In this model, the endmember abundance of the low-resolution image pixel is calculated based on that of the high-resolution image by the spectral mixture analysis. The endmember spectrum signals of low-resolution images are then calculated continuously within an optimized moving window. Subsequently, the fused image is reconstructed according to the endmember spectrum and its corresponding abundance map. A simulated dataset and real satellite images are used to test the fusion model, and the fusion results are compared with a current spectral unmixing based downscaling fusion model (SUDFM). Our experimental work shows that, compared to the SUDFM, the proposed LSUSDFM can achieve better quality and accuracy of fused images, especially in effectively eliminating the “plaque” phenomenon in the results by the SUDFM. The LSUSDFM has great potential in generating images with both high spatial resolution and high temporal frequency, as well as increasing the number of spectral bands of the high spatial resolution data.     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

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。     

遥感影像像素级融合方法比较研究

遥感影像数据的融合对于利用影像进行的分类、特征提取和目标识别具有重要的意义。文中阐述了IHS彩色空间变换融合法、主成分分析法（PCA）、Brovey法及Gram-schmidt法的算法实现,在此基础上对QuickBird全色波段和多光谱波段进行融合实验,最后从信息熵、灰度均值、相关系数、标准差和视觉效果5个方面综合进行定量与定性评价。分析结果表明,IHS整体上清晰,色调协调,保留了较多的空间信息,细节特征明显,质量较好。     

西宁市城区扩展对比中遥感影像处理技术的探讨

根据西宁市城区扩展监测对遥感信息提取的需要,采用多种方法将具有较高空间分辨率的SPOT遥感图像和具有多波谱的ETM 遥感图像进行增强及融合试验,结果表明:对ETM 影像先进行锐化处理,再将SPOT影像与锐化后的ETM 信息融合,然后对融合后的影像进行去霾处理得到的影像质量最好。     

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。     

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。     

基于CBERS-02B星HR与CCD数据的喀斯特山区影像融合研究

喀斯特山区海拔高且相对高差大,地块破碎,地表覆盖类型多样,常年多云多雨,卫星遥感数据质量因此常受到严重影响.国产自主卫星CBERS-02B获取的高分辨率全色影像(HR)和多光谱(CCD)影像能更快捷.更方便地提供喀斯特山区遥感影像.采用HIS变换、PCA变换、HPF等图像融合方法,对CBERS-02B星HR和CCD影像...     

基于经验模态分解的高分辨率影像融合

文章提出基于经验模态分解（Emp iricalMode Decomposition,EMD）的特征层影像融合模型。对多光谱波段影像进行IHS变换获得强度影像,采用行列分解实现一维经验模态分解的二维拓展,并用于分离高分辨波段影像与强度影像的细节特征信息,对高分辨率波段影像的高频与强度影像波段的低频进行重构获得融合后的强度影像,再通过IHS反变换获得融合影像。文章介绍了经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构,提出融合模型的技术路线。选择UICKB IRD影像的全色波段与多光谱波段进行融合实验,根据典型行（列）的EMD分析,确定经验模量的取舍尺度,按提出的融合路线获得融合影像,并与小波融合,IHS融合,Brovey融合模型获得的影像进行视觉及量化比较。选择信息熵、标准差指标对融合影像的空间细节信息进行评价,同时选择平均灰度值、相关系数、偏差指数评价融合影像的光谱扭曲程度,结果表明本融合模型最优。