基于IHS变换的最优树分解在遥感图像融合中的应用

探讨了遥感多光谱与全色波段图像的融合问题，分析了基于IHS变换的小波包变换分解的遥感图像融合方法，提出了基于最优树分解的融合方法。此方法首先将多光谱图像进行IHS变换，然后对I分量和全色图像进行小波包分解和最优树分解，再进行融合，最后进行IHS 逆变换得到融合图像。此方法不仅得到较好的图像主观视觉效果，而且兼顾了客观上熵最大的原则。     

基于小波变换的影像信息融合方法

文中提出了一种基于小波变换的影像信息融合方法来提高遥感影像的几何分辨率，该算法的基本思想是：首先利用小波正变换算法将待处理的两幅影像分解成不同分辨率的子图像，然后在一定的准则下对不同分辨率的子图像进行信息融合处理，最后利用小波重建算法对融合子图像进行小波逆变换处理，得到信息融合后的高质量图像，实验表明该方法是可行的。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,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全色图像,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.     

一种光谱信息保持的影像融合算法研究

在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat(TM)多光谱图像的融合实验,证明了该方法的有效性。     

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。     

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。     

小波变换实现不同尺度土地利用图像融合

图像融合的目的是把同一目标的多幅图像融合成一幅质量高的图像。本文给出了一种基于小波变换的图像融合方法,首先对大比例尺土地利用图像使用正交小波进行分解,再使用小比例尺土地利用图像替换分解出的低频近似信息,然后重构,得到两幅土地利用图像的融合图像。最后使用该方法对两幅土地利用图像进行了融合,得到的融合后的土地利用图像汲取了两幅图像的优势,在一定程度上实现了土地利用空间类型的信息量随比例尺变化而自动增减。     

基于特征的遥感图像信息融合模式研究

基于图像特征的遥感图像信息融合是在突出目标地物的空间结构和纹理特征情况下的信息融合。本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨率遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合。在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息。本文最后通过融合实验验证了上述结论。     

基于亮度相关矩的MODIS和SPOT影像融合研究

针对MODIS影像空间分辨率较低的问题，提出了一种基于亮度相关矩的多分辨率图像融合方法。该方法首先对SPOT影像进行小波分解，将MODIS影像构成的RGB颜色系统变换到IHS颜色系统；然后，根据强度分量和SPOT影像低频分量的均值和方差来定义图像亮度相关矩；最后，IHS逆变换和小波逆变换得到包含更多信息和有效特征的融合图像。试验结果证明该方法得到的融合图像在保留地物光谱信息和提高空间分辨率上都具有很好的效果。     

基于小波变换的遥感图像融合研究——以黄河三角洲地区为例

针对黄河三角洲地区Landsat TM的多光谱影像和全色影像,提出了一种基于IHS变化和离散小波变换的遥感图像融合方法。该方法在IHS变换的基础上进行直方图均衡化;其次,利用离散小波变换的方法对多光谱图像的亮度分量I和全色影像进行融合;用融合后的图像代替多光谱图像的亮度分量I再进行IHS逆变换得到融合结果。实验证明,融合后的影像不仅保留Landsat TM多光谱图像的光谱特性,而且具有很高的空间细节表现能力。     

IHS小波包活性测度融合SAR与TM图像

提出了一种基于光谱特征保持的IHS小波包活性测度融合算法.该算法首先对TM图像做IHS变换提取出I分量,然后对I分量和SAR图像做基于小波包活性测度的融合得到新的I分量,再将新的I分量与原始TM图像的H、S分量一起做IHS逆变换得到融合后的图像.该方法可以最大限度地保留待融合图像的光谱信息,同时提高了待融合图像的清晰度和空间分辨率,防止图像纹理信息的丢失.     

IHS小波包活性测度融合SAR与TM图像

提出了一种基于光谱特征保持的IHS小波包活性测度融合算法。该算法首先对TM图像做IHS变换提取出I分量，然后对I分量和SAR图像做基于小波包活性测度的融合得到新的I分量，再将新的I分量与原始TM图像的H、S分量一起做IHS逆变换得到融合后的图像。该方法可以最大限度地保留待融合图像的光谱信息，同时提高了待融合图像的清晰度和空间分辨率，防止图像纹理信息的丢失。     

PCA、ICA和Gabor小波决策融合的SAR目标识别

提出了一种基于主成分分析(PCA)、独立分量分析(ICA)和Gabor小波决策融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标识别方法。首先用PCA、ICA和Gabor小波变换分别对SAR目标图像提取特征向量,再用3个支持向量机分类器分别对3种方法提取得到的特征向量分类,通过基于等级的决策融合方法对3个支持向量机分类器的输出进行决策融合,得到最终类别决策结果。采用MSTAR数据库中3个目标进行识别实验,实验结果表明,PCA、ICA和Gabor小波决策融合后得到的识别率高于单独用其中任何一个特征得到的识别率。因此,该方法可提高目标的正确识别率,是一种有效的SAR图像目标识别方法。     

小波变换不同替换方法对图像融合的影响

对经过小波分解得到的不同影像分量进行不同模式的替换,再通过小波逆变换得到融合图像;最后对这些融合方法进行了简单的评价,并用实例证明了不同替换方法的结果。     

基于Matlab的图像融合方法及性能评价

基于Matlab强大的图像处理工具箱函数,用加权平均法、拉普拉斯金字塔变换法、小波变换法对图像进行融合,然后用客观评价法中的相应评价指标对其融合结果进行质量评价。实验表明,小波变换法的图像融合效果最好。     

联合IHS 变换和MAP 估计的遥感图像融合

为了提高多光谱图像和全色图像的融合质量, 提出一种基于推广的IHS(Generalized Intensity-Hue-Saturation, GIHS)变换与最大后验概率MAP(Maximum a Posteriori)相结合的遥感图像融合算法。该算法首先经过GIHS 变换, 由多光谱图像得到强度分量; 其次针对强度分量和全色图像, 通过MAP 构建高分辨率图像的成像模型, 采用最速下 降优化算法得到富含光谱信息的高分辨率全色图像; 进而依据GIHS 变换得到融合图像。实验中分别以IKONOS 卫 星、Quickbird 卫星的多光谱图像和全色图像为例, 进行融合算法验证, 并与GIHS 融合算法、传统的小波变换融合 算法、小波变换结合IHS 变换的融合算法等进行比较分析, 实验表明, 新的融合方法具有更好的融合效果。     

一种基于IHS变换和小波变换的多源遥感影像融合新方法

为了提高遥感影像的质量,分辨率和清晰度,本文提出了一种基于HIS变换和小波变换的多源遥感融合方法.将待融合的多光谱影像进行IHS变换,得到Ⅰ分量,对Ⅰ分量和待融合的高分辨率全色影像分别进行小波变换得到低频分量与高频分量.针对低频分量用低频系数求平均的融合方法,针对高频分量按局部方差最大的融合策略进行融合,然后将融合后的低频分量和高频分量进行小波逆变换.实验表明,该算法明显提高了图像的质量.     

基于小波分解的多窗口图像融合

提出了一种基于小波分解的多窗口图像融合方法,通过对不同分解层的图像采用不同大小的窗口进行处理,得到了较单窗口图像融合方法效果更佳的融合图像.     

改进的小波域多聚焦图像融合算法

小波变换和清晰度评价相结合是一种有效的多聚焦图像融合方法。首先,对源图像进行小波分解得到低频子带和高频子带,其次,引入多聚焦图像空域融合中的清晰度评价指标,用改进的梯度能量确定低频部分的清晰像素并进行融合;在高频子带上,先计算每个像素与其邻域像素灰度值之差的绝对值和,然后选取和值较大的像素系数作为高频子带的融合系数。两组实验仿真结果表明,该算法更有效,融合图像更清晰、细节更丰富,更好地继承了源图像的信息。     

一种改进的小波变换融合方法及其效果评价

针对传统小波变换融合方法易导致空间纹理信息丢失的缺陷,结合局部方差和局部差异加权算法的优点,提出了一种基于局部算法改进的小波变换融合方法。采用该方法对IKONOS多光谱与全色波段图像进行融合实验,分别从基于视觉效果、数理统计以及面向对象分类精度3个方面分析评价该方法的融合效果。结果表明:改进的融合方法综合了小波变换和局部算法的优点,显著地改善了图像的融合效果,是一种高效的图像融合方法。应用该方法融合后图像的方差由原来的98.28提高到164.32,信息熵由5.30增加到7.85,平均梯度从1.972提高到8.807,图像分类精度提高了10.24%。