基于差值权重和快速傅立叶变换的“北京一号”卫星影像融合方法研究

提出一种基于差值权重和快速傅立叶变换的影像融合方法--DWF,对"北京一号"小卫星的全色和多光谱影像进行融合.该算法根据卫星影像的成像过程,通过傅立叶变换获取全色影像的高频、低频信息和多光谱影像在HIS颜色空间中分量的低频信息,由这3种信息通过基于差值权重的决策计算获得融合影像的空间信息.实验采用PCA、GS、DWF以及基于小波的HIS变换的融合方法,结果表明DWF方法优于其他融合方法,比较适合于"北京一号"卫星的全色与多光谱影像融合.     

城市景观遥感影像融合质量对小波基选取的响应

应用IHS和小波变换结合的融合算法时,小波基的选取是影响融合图像质量的关键,而且包含不同地物信息的影像融合质量对小波基的响应特征有待深入探讨。该文以SPOT全色和多光谱影像为数据源,选取大量高、低密度建筑城市景观影像样本,用信息量、平均梯度和偏差指数3个指标定量评价融合质量,分析不同小波簇下两类融合图像之间的质量差异。研究表明:融合质量与影像所含地物特征密切相关;相对于其它小波簇,rbioNr.Nd表现出较强的变异性;两类融合图像在各小波簇上的波动性差异明显,并呈分段特征;根据质量需求和具体景观特征影像,可以在分解层数固定的情况下选取最佳小波基,以获取高质量融合图像。     

ALOS融合影像质量评价及其土地盐渍化应用研究

将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。     

基于多通道数据融合的无人机遥感影像地物目标提取方法

针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好.     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

海岸带地区SPOT卫星影像大气校正方法比较及精度验证

为获得反演海岸带地区地表真实反射率的最佳大气校正方法,分别利用DOS、6S及FLAASH三种模型对SPOT卫星影像进行大气校正,对比分析校正前后影像的典型地物光谱曲线及NDVI指数的变化情况,并对结果进行精度验证。研究表明:三种大气校正模型均能有效去除大气对遥感影像的影响,获取较为准确的地表反射率信息;对比河流、水库、海水、植被、城镇、裸地等六种典型地物校正前后的光谱曲线,与DOS及6S模型相比,FLAASH模型校正结果中各地物反射率差别较大、特征明显,能较好的还原地表真实情况;NDVI指数检验显示,FLAASH模型对地物NDVI响应更强烈,在地物光谱响应特征分析等方面具有更强的优势,是三种模型中最适宜海岸带地区SPOT影像的大气反演方法。研究方法及结论可为同类研究提供参考与借鉴。     

结合多尺度纹理的高分辨率遥感影像决策树分类

地物具有多尺度特点,遥感影像包含的地物纹理信息很难用单一尺度来描述。通过选择最佳纹理尺度组合,利用光谱数据结合多尺度纹理对高分辨率影像进行决策树分类。研究结果表明:结合多尺度纹理的高分辨遥感影像决策树分类,能够更好地描述地物并有效解决光谱数据分类中存在的地物破碎问题,其分类精度为81.7%,kap-pa系数为0.78;与光谱数据分类和结合单尺度纹理数据分类结果比较,分类精度分别提高了11.2%和6%,该方法有助于提高高分辨率影像的分类精度。     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

北京一号卫星影像的数据融合研究

"北京一号"卫星是我国近期发射的一颗中高分辨率对地观测小卫星.鉴于数据融合技术在遥感领域的重要作用,对该卫星多光谱与全色波段数据进行不同融合方法的实验.具体以河南新郑地区为实验区,应用遥感处理软件,通过定性分析和定量评价,得出Brovey变换是目前较适合北京一号小卫星数据的融合方法,而小波HIS变换则是以后研究的重要发展趋势.     

基于Savitzky-Golay方法的遥感影像融合

把Savitzky-Golayr滤波方法拓展至二维,提出了基于Savitzky-Golay方法的遥感影像融合算法,并通过与HSI变换、PCA变换和小波变换融合等传统融合算法的比较,证明该方法性能最优.分析Savitzky-Golay滤波算子阶数和小波变换尺度对融合影像质量的影响,发现Savitzky-Golay滤波融合过程中Savitzky-Golay滤波算子阶数是决定融合质量的关键因素.算子阶数越高,融合后影像细节信息越丰富,但光谱信息损失也越严重;算子阶数越低,融合后影像光谱信息保持能力越好,但细节信息增强能力变弱.如何根据具体的遥感影像自动确定最佳的算子阶数是下一步要解决的问题.     

基于Gram Schmidt变换的高光谱遥感图像改进融合方法

遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息,生成一幅具有新空间和波谱特征的合成图像。针对高光谱图像的特点,对基于Gram Schmidt变换的图像融合方法进行改进,首先采用光谱重采样方法模拟产生Gram Schmidt变换的第一分量,通过Gram Schmidt变换将高光谱图像转换到正交空间,再利用高空间分辨率图像替换Gram Schmidt变换的第一分量,最后通过Gram Schmidt反变换获得融合图像。利用EO1-Hyperion航天高光谱数据与ALI全色波段进行融合试验,发现改进方法可有效提高高光谱遥感图像与全色高分辨率图像的融合质量。     

Evaluation of Landsat-7 ETM+ Panchromatic Band for Image Fusion with Multispectral Bands

The Landsat-7 ETM+ panchromatic band is taken simultaneously with multispectral bands using the same sensor system. The two data sets, therefore, are coregistered accurately and the solar illumination and other environmental conditions are identical. This makes ETM+ Pan advantageous to SPOT Pan for resolution fusion. A spectral preserve image fusion technique, Smoothing Filter-Based Intensity Modulation (SFIM), can produce optimal fusion data without altering the spectral properties of the original image if the coregistration error is minimal. With TM/SPOT Pan fusion, the technique is superior to HSI and Brovey transform fusion techniques in spectral fidelity, but has slightly degraded edge sharpness as a result of TM/SPOT Pan coregistration error because SFIM is sensitive to coregistration accuracy and temporal changes of edges. The problem is self-resolved for ETM+ because there is virtually no coregistration error between the panchromatic band and the multispectral bands. Quality fusion imagery data thus can be produced.     

基于像元级RS影像数据融合方法应用评价

遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。     

一种融合中分辨率多光谱与高分辨率全色图像的方法

针对中分辨率多光谱与高分辨率全色图像空间分辨率差异大,导致融合结果难以较好平衡光谱信息保持和空间信息保持能力的问题,该文分析了7种常用融合方法用于中分辨率多光谱与高分辨率全色图像融合的优缺点及其融合质量的影响因素,提出了一种组合融合方法。该方法在保留Gram-Schmidt方法的细节注入方式的基础上,综合利用高通滤波法和Gram-Schmidt方法的优势构造低分辨率全色图像,确保在提高融合图像空间分辨率的同时有效降低其光谱变形。通过CBERS-02多光谱和IRS-P5全色图像的实验,证明了新融合方法的有效性。     

Image data fusion for the remote sensing of freshwater environments

Remote sensing based mapping of diverse and heterogeneous freshwater environments requires high-resolution images. Data fusion is a useful technique for producing a high-resolution multispectral image from the merging of a high-resolution panchromatic image with a low-resolution multispectral image. Given the increasing availability of images from different satellite sensors that have different spectral and spatial resolutions, data fusion techniques that combine the strengths of different images will be increasingly important to Geography for land-cover mapping. Different data fusion methods however, add spectral and spatial distortions to the resultant data depending on the geographical context; therefore a careful selection of the fusion method is required. This paper compares a technique called subtractive resolution merge, which has not previously been formally tested, with conventional techniques such as Brovey transformation, principal component substitution, local mean and variance matching, and optimised high pass filter addition. Data fusion techniques are grouped into spectral and spatial centric methods. Subtractive resolution merge belongs to a new class of data fusion techniques that uses a mix of both spatial and spectral centric approaches. The different data fusion techniques were applied to a QuickBird image of a semi-aquatic freshwater environment in New Zealand. The results were compared both qualitatively and quantitatively using spectral and spatial error metrics. This research concludes that subtractive resolution merge performed better than all the other techniques and will be a valuable technique for enhancing images for freshwater land-cover mapping.     

基于灰色绝对关联度边缘检测的多源遥感影像加权IHS融合

鉴于IHS变换的融合影像存在光谱扭曲问题,而灰色关联度对图像边缘检测具有局限性,该文将基于灰色绝对关联度的灰色关联分析与IHS变换相结合进行影像融合。采用灰色绝对关联度检测高分辨率影像的边缘点和非边缘点,基于边缘信息确定高分辨率影像和IHS变换后的亮度分量在组合中的权值,最后通过IHS反变换实现影像加权融合。应用该算法分别对多源遥感影像进行融合处理,在提高空间分辨率的同时能够很好地保持多光谱影像的光谱信息,优于传统的IHS融合方法和基于灰色关联度的IHS融合算法。     

基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

基于影象融合的干旱区城镇居民地信息提取研究

针对TM多波段图象中城镇居民地与裸地光谱特征相似难以准确提取城镇居民地信息的问题,利用雷达图象对居民地信息的敏感性,采用HIS变换方法,融合了2003年西安地区的Landsat TM和Radarsat SAR影象,并对融合影象做二类监督分类提取出城镇居民地信息,结果显示与TM图象监督分类相比,融合后的图象能很好地消除裸地对城镇居民地提取影响,其精度可达到84.21%,大大高于由TM多光谱影象监督分类所得到的精度71.79%,为提取干旱区城镇居民地信息提供一种新方法。     

多源信息的集成与融合及其在遥感制图中的优化利用

多源信息的集成和融合是地球信息科学领域的一大热点问题。它的意义和必要性与地球信息本身的特征、采集信息的手段特征及信息处理平台或系统的特点三方面紧密相联系。本文从不同传感器信息的集成和融合、遥感信息与非遥感地学信息的集成和融合、不同格式的 GIS数据的集成和复合三个方面研究了多源信息集成和融合的方法、前沿技术和应用领域,进而以黄土高原土壤侵蚀遥感调查和制图任务为例,介绍了多源信息集成和融合技术在该项目中的优化应用实例,包括技术流程分析、信息源分析、多源信息在土壤侵蚀遥感调查和制图中的融合方法、从遥感图像解译信息到 GIS数据库的转换技术等。     

ETM+影像IHS融合算法改进及其土地覆盖分类实验比较

在总结PCA、IHS融合算法优缺点的基础上,发展了一种改进的IHS融合算法。利用HPF、Brovery、PCA、IHS及改进的IHS融合算法对ETM+全色和多光谱影像进行了融合实验。通过定性、定量分析比较融合影像的质量,并分别对融合后影像和原始影像进行土地覆盖非监督分类实验。选取原始影像和非监督分类精度最高的一种融合影像进行监督分类实验与比较,发现无论是非监督分类还是监督分类,改进的IHS融合影像精度均较高。