一种基于atrous小波变换的遥感影像融合方法

针对遥感高分辨率全色影像同低分辨率多光谱影像的融合,提出了一种在àtrous小波变换基础上,可以使边缘特征增强的遥感影像融合方法。实验证明,融合后的影像不仅在很大程度上保留了多光谱影像的光谱特征,还提高了空间分辨率,特别是边缘特征得到进一步增强。     

一种基于àtrous小波变换的遥感影像融合方法

针对遥感高分辨率全色影像同低分辨率多光谱影像的融合,提出了一种在àtrous小波变换基础上,可以使边缘特征增强的遥感影像融合方法。实验证明,融合后的影像不仅在很大程度上保留了多光谱影像的光谱特征,还提高了空间分辨率,特别是边缘特征得到进一步增强。     

多源信息融合中小波变换的应用研究

研究了小波变换在多源信息融合中的应用,主要涉及高分辨率全色影像与低分辨率多光谱影像融合问题及合成孔径雷达与光学影像的融合问题.主要方法是基于地物光谱信息特征的彩色融合与基于几何特征的融合.利用小波技术对整个融合过程加以改进.获得的融合结果表明基于光谱特征信息的融合方法,可以有效地提高多光谱影像的空间分辨率,而基于几何特征的融合方法,可以提高对遥感影像的目视解译效果.视觉效果上就是将高分辨率影像的细节加入到了低分辨率多光谱影像中,并同时保持原始影像的光谱特征.     

一种改进边缘与纹理信息的遥感影像融合算法

针对IHS变换的影像融合易产生光谱扭曲(颜色失真)的问题,文章提出了一种基于IHS变换与Bandelet变换相结合的遥感影像融合算法,利用Bandelet变换能很好捕获原始图像的边缘与纹理的特性,获取更好的彩色图像特征信息,达到最佳逼近效果:对多光谱影像Mul做IHS变换并提取I分量,通过对I分量与高分辨影像Pan做Bandelet变换,并对其几何流和Bandelet系数采用不同融合规则,再由IHS逆变换实现图像融合。实验结果表明,基于IHS与Bandelet的融合算法较IHS法在获取更丰富影像边缘细节特征信息的同时,光谱扭曲(颜色失真)现象也明显减弱,并获得了较好的人眼视觉效果,其中三角IHS与Bandelet融合的效果较好。     

一种基于NSCT和方向信息测度的GF1影像融合方法

结合NSCT变换和方向信息测度在影像融合表达中的优势,针对GF1影像的特征,提出了多光谱波段与全色波段影像融合过程中采用基于NSCT变换域的方向信息测度融合方法。以GF1影像为源数据,通过NSCT多尺度多方向分解后,对低频系数使用基于区域灰度方差的融合方法,对高频系数采用了改进的方向信息测度加权融合方法,经NSCT逆变换重构影像实现融合。试验结果表明,基于NSCT变换和改进方向信息测度结合的融合方法能更好地保持多光谱影像的光谱信息和全色影像的空间信息,具有更多的细节特征及更清晰的边缘,因此提高了遥感影像的解译精度和解译效率,可为目标信息的提取应用提供支撑。     

改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。     

利用小波分析改进Brovey遥感影像融合方法

Brovey变换的遥感图像融合方法要求高分辨率全色波段和多光谱波段的光谱响应范围要一致或相近,从而限制了遥感数据的融合,存在着融合图像受噪点影响大、高分辨率影像零星细节保留过多等缺点。文中针对以上问题,引入了小波分析的方法进行改进。首先在小波多分辨率基础上对高分辨率影像进行去噪及边缘增强,然后在小波分析基础上与多光谱影像进行融合。通过实验发现,改进后得到的融合图像与原方法融合图像相比,细节信息更为突出,整体信息更为丰富,基本达到了改进的目的。     

利用小波分析改进Brovey遥感影像融合方法

Brovey变换的遥感图像融合方法要求高分辨率全色波段和多光谱波段的光谱响应范围要一致或相近,从而限制了遥感数据的融合,存在着融合图像受噪点影响大、高分辨率影像零星细节保留过多等缺点.文中针对以上问题,引入了小波分析的方法进行改进.首先在小波多分辨率基础上对高分辨率影像进行去噪及边缘增强,然后在小波分析基础上与多光谱影像进行融合.通过实验发现,改进后得到的融合图像与原方法融合图像相比,细节信息更为突出,整体信息更为丰富,基本达到了改进的目的.     

一种融合多波段信息的遥感影像纹理提取算法

针对传统纹理提取窗口尺度固定,而且影像提取还会受到影像噪声、同物异谱或异物同谱等因素影响的问题,本文提出了一种融合多波段信息的自适应窗口算法。首先,利用多波段信息改进边缘检测算法,再基于边缘检测结果,选择最佳窗口尺度;其次,运用自适应窗口算法和固定尺度窗口算法分别提取影像纹理特征,并结合影像光谱特征进行支持向量机分类,对比分类结果,光谱特征结合自适应窗口纹理的分类精度优于结合固定尺度窗口纹理。表明自适应窗口算法提取纹理特征比固定尺度窗口算法更具优势,融合多波段信息的自适应窗口算法是有效的。     

面向光谱特征优化的遥感图像融合算法

针对传统遥感图像融合方法不能充分利用遥感系统的物理特征信息,使融合结果产生光谱扭曲的问题,该文结合小波变换与非下采样Contourlet变换的优点,提出了一种面向光谱特征优化的图像融合方法。通过对变换所得的高频分量依据决策因子阈值抽取全色图像细节信息,将经反方向滤波得到的有效高频细节面附加给多光谱图像分量,实现融合结果影像的光谱特征优化。结合小波变换、非下采样Contourlet变换的融合方法,实现Aster多光谱与资源二号全色影像的融合。试验结果表明:该算法在增强空间信息的同时,高效地实现了融合图像光谱特征的优化。     

基于改进二维离散希尔伯特变换的图像边缘检测方法

提出一种新的基于二维希尔伯特变换的边缘检测方法。对于频域信号而言,希尔伯特变换不改变信号的幅值,而仅仅改变其相位,即负频率的相位作+90°相移,而正频率作-90°相移。经由傅里叶变换后,边缘特征呈极值状态,因此本文利用二维离散希尔伯特变换实现边缘检测。由于二维离散希尔伯特变换结果具有方向性,提出利用两个呈正交性的二维离散希尔伯特变换的幅度平方和来检测图像边缘特征。此外将高斯核函数引入到希尔伯特变换中,以减少图像噪声对检测结果的影响,并根据PSNR(峰值信噪比)来确定最佳参数σ,从而得到理想的边缘检测效果。为验证该方法的检测结果,将所提方法与传统边缘检测算子的检测效果进行了比较分析,并将该方法运用于卫星遥感图像中,结果表明该方法可以有效地应用于边缘检测工作中。     

一种基于四元数变换的彩色遥感影像检索方法

遥感影像常存在旋转和缩放等变化关系，这就要求检索时图像特征具有旋转和尺度不变等性质。目前，彩色遥感影像检索在提取这些特征时通常对色彩通道单独进行处理，导致3个通道之间的关系信息丢失，且没有充分利用数据本身所特有的几何特征，影响了检索精度。结合四元数与正交傅里叶-梅林矩的优点，提出了一种基于四元数变换的遥感影像检索方法。针对已有工作中存在的基于四元数傅里叶-梅林矩所提取的纹理特征只具有旋转不变性的问题，利用四元数正交傅里叶-梅林矩构造出具有旋转和尺度不变的纹理特征，并使用四其对图像进行边缘检测，得到边缘色彩图像并提取边缘色彩直方图，综合多种特征进行图像检索。实验结果表明，使用此方法进行遥感影像检索对于图像旋转和尺度变化具有良好的鲁棒性，检索性能明显提高。     

基于边缘特征的变化检测方法研究

提出了一种结合边缘特征和灰度信息的变化检测方法．该检测方法对于检测线状目标变化具有较好的效果，同时也能减小由于配准而产生的误差。试验结果表明了该方法的可行性。     

基于边缘图与边缘方向的遥感图像检索

本文在系统介绍遥感图像检索中边缘特征描述方法的基础上,将边缘特征归纳为边缘图和边缘方向两类特征。通过对遥感目标图像库和纹理图像库上所做实验的分析,揭示了不同算法的特性,并指出综合两类特征可进一步提高算法的检索性能。     

基于多维云空间的多光谱遥感影像边缘检测研究

在云模型的基础之上,提出一种基于多维云空间的遥感影像边缘检测算法。该方法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像不同波段的数据特征建立多维云空间映射模型,将数据从图像空间映射到云空间。通过多维云的逻辑运算生成边界云并进行向量综合。利用云的数字特征反推隶属度,构建边缘模糊特征平面,并通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

自相似性和边缘保持分解的超分辨率重建算法

针对目前遥感图像超分辨率重建中存在边缘细节信息重建效果不佳的问题,本文提出了—种自相似性特征和边缘特征保持分解的超分辨率重建方法。首先,为了充分利用原始低分辨率图像自身的相似性信息,通过局部自相似性重建方法得到图像的初始重建结果;然后,为进一步增加不同尺度的边缘信息,采用加权最小二乘法对初始重建结果进行多尺度边缘保持分解,并对分解的细节层进行加权线性组合;最后,通过优化计算,得到融合多尺度边缘、细节信息及局部相似性特征的超分辨率重建图像。利用多组仿真和遥感卫星图像进行对比试验。结果表明,该方法可有效提升遥感图像的边缘信息和细节信息。     

基于直线感知增强的边缘提取算法

根据视觉识别边缘的感知特性,提出了一种基于直线感知增强的弱边缘的边缘提取算法。借鉴视觉的直线感知方式,针对弱边缘整体上呈直线分布的特点将其筛选出来,进行编组、连接和扩展。与Edison边缘提取算子的比较实验证明,本算法在对弱边缘的提取和虚假边缘的抑制上有显著增强。     

用改进的BP网络进行图像边缘检测

由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此提出了一种基于改进BP网络的边缘检测方法。在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量,然后用样本图像对四层BP网络采用改进BP算法进行训练。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。     

基于偏微分方程的去噪方法

利用偏微分方程抑制图像噪声已经被认为是具有显著效果的图像去噪技术。在阐述图像噪声模型的基础上研究了图像去噪的偏微分方程模型,并对偏微分方程中的参数选择进行了讨论。为了保持图像的边缘信息,对经典模型参数进行了改进。实验结果表明,偏微分方程适用于图像噪声的抑制,并且可以在抑制图像噪声的同时,保持较好的边缘信息。     

轮廓波变换在遥感目标图像检索中的应用

除具有纹理属性外,遥感图像中还包含大量的结构性边缘特征。如何有效捕捉这些特征中的信息进行检索,成为提高遥感图像检索效率的关键。依据Contourlet在离散域的多尺度几何分析的功能,提出一种利用Contourlet子带能量分布特性提取原始图像在多个尺度下的边缘方向信息进行检索的方法。针对Cont-ourlet变换响应不同特征方向能力的差别,采用正交补偿法加以改正,经过傅里叶算子的处理,从而实现旋转不变结构性边缘特征的检索。最后,在遥感目标图像上所作的实验证实了该算法的有效性。