基于Contourlet变换的遥感图像融合方法研究

为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。     

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。     

遥感图像像素级融合算法比较

详细介绍了像素级图像融合的原理以及方法,着重分析了目前常用的像素级图像融合的方法,通过实验分析了各种不同融合方法的优缺点,详细的说明了PCA变换、HIS变换、加权平均方法的优缺点,证明了PCA变换是一种应用比较广泛的融合方法。     

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。     

基于非下采样Contourlet变换的遥感影像融合

根据非下采样Contourlet变换的特点,提出一种基于非下采样Contourlet变换和IHS变换相结合的遥感影像融合方法.该方法首先对金色影像和多光谱影像经IHS变换后的I分量分别进行非下采样Contourlet 变换;然后采取不同的融合策略分别对高低频系数进行融合:低频系数采用区域能量加权的方法进行融合,高频系数则利用八邻域梯度优先的原则进行融合;最后通过非下采样Contourlet逆变换和IHS逆变换得到融合影像.实验结果表明,该方法在提高融合影像空间分辨率的同时,能更好地保持影像的光谱质量.     

基于小波变换的全色和多光谱遥感图像融合

基于多分辨率小波变换,针对高分辨率全色图像和多光谱图像的融合,提出了一种基于方向可调滤波器的区域能量测量的小波变换融合算法.将此方法与HIS和传统小波的融合方法比较,结果表明,该方法在保留多光谱图像光谱信息的同时,能够更好地保留高分辨率图像的空间信息,融合效果有较大改善.     

基于缨帽变换的遥感图像融合方法研究

本文阐述了图像融合和缨帽变换的意义,针对缨帽变换在植被信息提取方面的优点,提出一种新的基于缨帽变换的遥感图像融合方法。为了验证算法的有效性,在城区遥感图像融合中,将其与其他几种图像融合算法进行比较。实验结果表明,基于缨帽变换的遥感图像融合方法得到的结果图像纹理清晰、结构完整、光谱保持能力强,在城市零星绿地提取中有着显著的效果。     

遥感图像的融合方法研究

图像融合是遥感图像处理中的重要一环,本文着重论述了遥感图像的3个层次的融合方法,并进行了对比分析,最后指出遥感图像融合的发展方向。     

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。     

遥感图像融合技术在潮间带地形提取中的应用

针对潮间带地形资料的缺乏和提取手段的贫乏,提出一种提取潮间带地形的新思路。利用同一潮汐周期不同时相的SAR与全色遥感图像,采用平移不变离散小波变换算法进行图像融合,并采用一种新的融合规则。图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。对比其他算法,融合结果既能突出潮间带形状,又能突出海岸线特征及近岸地形,更便于后续目视解译。对实际图像的试验结果表明,该方法取得了较好的效果。     

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。     

Contourlet变换和Tsallis熵的多源遥感图像匹配

提出了一种利用Contourlet变换、Tsallis熵和改进粒子群优化的多源遥感图像匹配算法。在分别对参考图像和目标图像进行Contourlet分解的基础上,以基于Tsallis熵的互信息量作为相似性度量准则,利用改进的带极值扰动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,逐级上推,最终实现全分辨率情况下多源遥感图像的匹配。实验结果表明,与常用的遥感图像匹配算法相比,该算法匹配精度高,稳健性好,且运算量大幅减少。     

基于云理论的遥感影像分类方法分析

采用基于云理论的遥感影像分类方法,该理论兼容模糊性和随机性,通过逆向云发生器生成云模型,进而得出云的数字特征隶属函数,使用X条件云发生器计算隶属度,最后用极大判别法实现分类。通过与传统方法的实验对比分析,基于云理论的遥感影像分类方法有效地改善分类中的不确定性问题,提高分类准确度。     

一种基于Choquet模糊积分小波系数选择的遥感图像融合方法

为较好地保留多光谱、高分辨率遥感影像融合时的光谱信息和高分辨率信息,在小波变换基础上提出了一种基于模糊积分的融合算法,其基本思想是在IHS空间,对强度分量Ⅰ及高分辨率图像进行小波分解后,保留Ⅰ分量的低频系数,对于高频细节特征,将局部窗口内的方差、平均梯度和能量当作单因素指标,应用Choquet模糊积分综合各单因素指标得到一个综合指标,并据此来选取小波系数.实验结果表明,该算法在光谱质量改善方面明显优于IHS以及一些经典的小波变换遥感图像融合算法,是一种有效的遥感图像融合算法.     

基于多尺度分析的遥感影像融合研究

本文对SPOT5的多光谱波段和全色波段在像素级的融合层次上运用多尺度分析的方法进行了融合试验,主要用了小波变换和Curvelet变换的方法,这两种变换方法都能把图像分解为低频的近似图像和高频的细节图像,采用一定的融合规则对分解后的图像进行融合,并进行反变换得到融合后的图像,并把基于多尺度分析的融合结果与传统的融合方法进行了对比分析。结果表明,基于多尺度分析的融合方法比传统的PCA、Brovey融合方法效果要好;而Curvelet变换融合在光谱保持度及空间信息提高方面都比小波变换融合有所提高。     

基于数学形态学的第四系地层遥感影像分割

利用数学形态学的方法对遥感影像的第四系地层进行了影像分割实验。经实验结果得出,利用数学形态学的基本运算组合成的各种算子:高、低帽变换、滤波与阈值截取相结合的增强方法,通过选择合适的结构元素,对图像进行预处理后,就可以用形态学方法对第四系地层进行影像分割。经过处理的遥感影像,能够更有效地提取影像的目标。实验结果表明了本文所提的方法的有效性。最后,对形态学方法的不足之处和将来的研究方向展开了讨论。     

Investigation of image fusion between high-resolution image and multi-spectral image

On the basis of a thorough understanding of the physical characteristics of remote sensing image, this paper employs the theories of wavelet transform and signal sampling to develop a new image fusion algorithm. The algorithm has been successfully applied to the image fusion of SPOT PAN and TM of Guangdong province, China. The experimental results show that a perfect image fusion can be built up by using the image analytical solution and re-construction in the image frequency domain based on the physical characteristics of the image formation. The method has demonstrated that the results of the image fusion do not change spectral characteristics of the original image.     

Investigation of Image Fusion Between High—Resolution Image and Multi—Spectral Image

On the basis of a thorough understanding of the physical characteristics of remote sensing image,this paper employs the theories of wavelet transform and signal sampling to develop a new image fusion algorithm.The algorithm has been successfully applied to the image fusion of SPOT PAN and TM of Guangdong province, China The experimental results show that a perfect image fusion can be built up by using the image analytical solution and reconstruction in the image frequency domain based on the physical characteristics of the image formation.The method has demonstrated that the results of the image fusion do not change spectral characteristics of the original image.