遥感影像的融合--SPOT全色波段和多光谱影像的融合

按照影像融合的一般理论,结合Erdas软件功能实现了SPOT全色波段和多光谱影像的融合。     

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。     

遥感影像融合方法的精度评价

目前,高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流.EN-VI 4.4遥感影像处理软件影像融合处理的工具--SPEAR提供了PCA变换、Gram-Schmid变换、Brovey变换和HSV变换4种专门用于全色与多光谱遥感影像融合的算法.以ETM+全色与多光谱遥感影像融合为例,选择熵、偏差和相关系数3个定量指标,对采用4种融合方法得到的影像进行评价.经综合评价和比较,实验的4种影像融合算法中,Gram-Schmidt变换效果最好.     

遥感影像融合的自适应变化检测

提出一种基于影像融合和自适应阈值选择的遥感影像变化检测方法。首先利用经过改进的融合技术对原 始数据的差值影像和比值影像进行处理, 构造融合影像, 在该融合影像的基础上进行自适应迭代运算得到初步变 化阈值范围, 然后通过分析阈值范围两侧影像像元的离散程度, 求解最终的阈值范围, 从而得到更优变化阈值, 提 取变化区域。实验结果表明, 本文方法的检测精度优于传统的变化检测方法, 同时具有一定的稳定性和智能性。     

基于遗传算法的影像分级决策融合

在传统的影像单级融合技术基础上提出了基于遗传算法的分级影像决策融合方法，该方法适用于影像之间的冗余度、互补程度和融合顺序均未知的情况。算法采用模糊逻辑和遗传算法确定了影像间的冗余度和互补程度，并由此得出了近似的影像最优分级决策融合方式，最后通过实验比较了分级融合、单级融合以及源影像的目视效果和数学统计结果。     

高分辨率遥感影像融合研究

遥感影像融合不仅可以提高原多光谱影像的空间分辨率,更重要的是最大量地保留影像的光谱信息。为了研究适合于QuickBird遥感影像融合的融合方法,本研究应用乘法复合算法(MLT)、改进的Brovey(MB)、高通滤波(HPF)以及基于平滑滤波的亮度调节算法(SFIM)四种融合方法对QuickBird影像进行了融合试验和分析。试验区以覆盖不同土地利用类型的一小景QuickBird影像为基础。采用了均值偏差、标准差、信息熵、平均梯度和相关系数五种数字统计方法来定量地评价由以上算法产生的融合影像。分析结果表明:SFIM算法在光谱保真性、高频信息融入度、影像清晰度方面都优于其他三种方法。因此,在研究的四种方法中,SFIM算法最适合Quick-Bird影像融合。     

遥感影像融合关键技术探讨

随着遥感技术的发展,越来越多的不同传感器的遥感影像相继出现,为用户提供不同空间分辨、不同时相与多光谱信息的海量遥感影像数据成为现实。不同数据源的数据各自显示了自身的优势和局限,同时也造成了信息冗余。如何有效的利用这些多源影像数据是目前人们所关注的问题,进而影像融合问题被提出来。多源遥感影像融合是遥感图像处理和信息获取领域的一门新技术,所以在影像融合过程中需要进一步研究其中的关键技术。本文对遥感影像融合过程中的关键技术进行了详尽的分析和探讨。     

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。     

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SIDWT的SAR影像与光学影像的融合算法研究

影像融合是将SAR影像与光学影像进行结合使用的重要环节,由于SAR影像纹理信息丰富,与光学影像结合使用,可以使融合影像既包含SAR影像的纹理信息,又包含光学影像的光谱信息。重点研究了SAR影像与中、高分辨率光学影像之间的融合算法,详细地介绍了影像融合原理、常用算法以及融合精度评价,提出了基于平移不变离散小波变换(SIDWT)图像融合算法,在此基础上,将Terra-SAR数据分别与高、中分辨率光学影像进行融合试验。对比不同算法的融合结果,实验证明SIDWT变换算法在处理SAR影像和高、中分辨率光学影像时,在影像的亮度、信息量、图像细节反差和地物的纹理特征的表现,以及光谱失真方面都起到了一定地改善作用,与传统方法相比具有明显的优势。验证了SIDWT变换法在提高影像的清晰度,增加地物的细节信息,减少影像的光谱失真等方面均具有优越性。     

遥感影像融合质量评价方法研究

在多源遥感影像融合中,融合技术的千差万别使得融合方法对影像质量起着关键作用。如何准确地评价融合质量是影像融合的一个重要组成部分。本文通过主观评价和客观评价法对遥感影像融合的质量进行了探讨,利用Matlab系统分析了遥感影像融合中的评价指标,对PCA、IHS和Brovey融合法进行了对比分析。     

基于亮度相关系数的ETM+影像融合

传统的影像融合方法对ETM＋多光谱影像和全色影像融合往往存在一定的光谱失真现象,提出了一种基于亮度相关系数的影像融合方法,能够提高融合影像的光谱保真度。该方法首先对多光谱影像进行IHS变换,将全色影像与亮度分量进行直方图匹配;其次,对亮度分量和新的全色影像分别进行小波分解,以分解后近似分量的相关系数作为权值,对两个近似分量图像进行加权融合,得到新的近似分量;然后,进行小波逆变化得到新的I分量;最后,通过IHS逆变化得到融合影像。试验结果证明,该方法得到的融合影像,不仅能够有效地保持全色影像的空间细节信息,而且能很好地保留多光谱影像的光谱信息。     

SAR影像与TM影像的几种融合处理方法

利用彩色空间变换、比值变换及相关系数法分别对SAR影像与TM3 、TM4 、TM5 三波段影像进行融合处理。文章介绍了影像融合中的具体技术问题及其处理方法。因侧视雷达图像一般有明显的孤立噪声,所以,在进行影像融合处理之前,先对SAR影像进行预处理,文中用δ滤波法抑制孤立噪声(光斑) .最后,从视觉效果、熵、平均梯度值以及标准差等4 方面评价了影像融合的质量。     

不同遥感影像融合方法的质量评价

近年来,随着遥感技术的迅猛发展,多源遥感影像数据越来越多,有效利用这些海量遥感数据是遥感领域的一大热门话题,同时,对融合后的遥感影像进行质量评价使融合处理过程得到优化,也是影像融合中必不可少的一个重要环节。重点利用ERDAS软件,分别采用Brovey变换法、IHS变换法、高通滤波法以及主成分分析法对影像进行融合实验,并对融合后的影像进行主观评价;采用Matlab编写程序,提取了融合影像的定量评价指标均值、标准差、平均梯度、信息熵和相关系数,完成了对融合影像的客观评价;最后对融合后的遥感影像进行了对比分析,得出主成分分析法的影像在光谱保持特性上最好,Brovey法在信息量的保持和清晰度上都优于其他的融合方法,而通过IHS变换法的融合影像与原始影像的相关性最好的结论。     

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.     

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     

基于SFIM算法的融合影像分类研究

以福州市城乡结合部的Landsat7ETM 影像为例,就该融合算法的自动分类精度作进一步研究,并藉此对该算法作全面评价。研究结果表明,SFIM融合影像的分类精度高于原始未融合影像的分类精度,但选择不同尺寸的均值滤波器会影响融合影像的分类精度。试验表明,太大尺寸的滤波器虽然能提高高分辨率影像的信息融入度,但会降低融合影像的分类精度和光谱的保真度。     

基于色彩变换的遥感影像融合研究

针对多光谱和高分辨率全色影像的融合,本文对IHS、HSV、lαβ等几种常见的基于色彩变换的融合方法进行了详细的介绍。通过对融合影像光谱损失的分析,改进了基于IHS变换的融合方法;通过实验对两组影像融合效果进行了全面的分析对比。实验结果表明,该方法在提高融合影像空间分辨率的同时,能更好地保证影像的光谱质量。     

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。     

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。