基于KPCA和FCM的HJ-1A星遥感数据分类

为提高对环境与灾害监测预报小卫星1A(HJ-1A)星遥感数据分类的精度,首先将HJ-1A星HSI高光谱数据和CCD多光谱数据进行GS(Gram-Schmidt)融合,然后利用主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel PCA,KPCA)分别对融合后的高光谱图像进行降维处理.KPCA降维时采用高斯、线性和多项式3种核函数,根据特征提取效果评价结果,选择累积贡献率较大的多项式核函数.最后,分别对融合后的高光谱图像、PCA主成分图像和基于多项式核函数的KPCA主成分图像进行模糊C均值分类.实验结果表明,KPCA对融合后高光谱图像的特征提取得到了较好的效果,同时提高了分类精度和效率.     

基于PCA+àstrous小波融合方法

针对PCA变换融合影像存在较严重的光谱失真现象,以及àstrous小波融合影像保真度高,而空间分辨率相对低的情况,本文提出一种基于PCA+àstrous小波融合算法。新方法首先对将多波段图像经PCA变换至各不相关的成分,而后对高分辨率图像与低分辨率图像主成分按照特定融合规则进行融合处理,并使用该融合后的第一主成份分量来替代高分辨率图像与低分辨率图像进行àstrous小波融合,即PCA变换与àstrous小波变换相结合的融合处理方法。主观视觉分析和客观参数表明,新方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达。     

基于TM影像的城市绿地信息提取方法研究

基于TM遥感影像,运用ERDAS,对某地城市绿地专题信息进行了提取。实验过程中首先对图像进行预处理,然后通过四种绿地信息提取方案进行比较分析,这四种方案分别为:原始波段合成法、主成份分析法、归一化植被指数(NDVI)法和实验波段组合法。将以上几种方案的图像进行反复比较,根据研究对象的实际情况,植被景观目视效果最好的是NDVI植被指数法。对以上四种方法的彩色合成图像进行监督分类,利用目视判读的方法对TM影像的分类结果进行精度检验,由此可以看出实验波段组合法的精度最高,该方法是一种有效的绿地提取的方法。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一。基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法。该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果。利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(IHS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析。结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法。     

遥感技术在农田保护动态监测中的应用研究

以甘肃省张掖市农田保护区为例,在比较分析多时相影像叠舍方法、图像代数变化检测算法、多时相图像主成份分析法和分类后比较法等几种目前常用的变化检测方法的基础上,提出重点农田保护遥感动态监测的一般思路和方法,并利用ERDAS系统中的空间建模工具,建立起基于图像代数变化检测算法一差值法的动态遥感变化检测模型。实验表明该模型用于检测耕地的变化简单且有效,能够满足重点农田保护动态监测精度的基本要求,对遥感技术在农田保护动态监测中的应用有着一定的现实意义。     

基于超分辨率重建的多时相MODIS与Landsat反射率融合方法

提出一种基于超分辨率重建的MODIS与Landsat反射率图像融合方法,以STARFM算法与超分辨率重建为基础,使用观测的MODIS和Landsat地表反射率图像预测给定时刻的Landsat合成反射率图像。该方法利用基于稀疏表示的超分辨率重建方法对MODIS图像进行分辨率增强,实验结果表明这一操作能够增加原MODIS图像的空间细节,有助于提高STARFM算法的预测精度;另一方面,考虑输入两个基时刻图像相差较大时原STARFM算法预测的反射率会存在"时间平滑"的问题,限制每次只使用一个基时刻MODIS和Landsat图像对进行STARFM预测,使用逐图像块选择策略,从由两个基时刻图像分别进行预测得到的两组预测图像中选择最优的预测,同样得到了优于STARFM算法的预测结果。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一.基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法.该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果.利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(HIS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析.结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法.     

保持光谱信息的遥感图像融合方法研究

常用的遥感图像融合方法,如IHS变换法、Brovey变换法和主成分变换法等在实施图像融合时,均会有不同程度的光谱扭曲现象.探讨能有效保持光谱信息的EECN融合法.EECN融合法采用比值变换法,同时对参与融合的全色波段进行增强边缘,融合后的图像在光谱保持性能、分类精度等方面均较优.     

一种光谱保持型的图像融合方法

常用的遥感图像融合的方法 ,如HIS变换法、Brovey变换法和主成分变换法等在实施图像融合时 ,存在不同程度的光谱扭曲的现象。针对IRS与TM数据光谱响应范围不同 ,探讨了一种新的光谱保持型的EEIM融合算法。EEIM融合方法是首先对参与融合的全色波段进行滤波 ,然后进行比值变换 ,融合后的图像在信息量、光谱保持性能等方面均较优     

基于小波变换的多聚焦图像融合算法

针对多聚焦图像因聚焦点不同而产生的图像模糊问题,提出了一种基于小波变换的新融合方法。该方法首先对图像进行小波分解,然后对图像的高频和低频系数分别采用区域梯度和能量加权平均法进行融合,再使用小波逆变换得到融合后图像。对实验结果进行主、客观评价的结果表明,该方法得到的融合图像具有较好的主观视觉效果和客观量化指标,效果优于传统融合方法。