多源遥感数据融合技术研究

首先应用遥感图像处理软件对台湾的福卫全色图像进行增强处理,然后对SPOT5多光谱图像进行自然色彩变换,使其具有较好的色彩表现力,最后两种处理数据经过配准、融合.     

北京一号小卫星多光谱图像波段配准和图像变形评价

北京一号小卫星是中国和英国联合研制的一颗实用型、对地观测微小卫星，星上携带中分辨率32m多光谱（近红外、红和绿波段）和4m全色两种有效载荷。为了提高多光谱图像的宽度和时间分辨率，北京一号小卫星的每个多光谱波段都是由两个相机独立成像然后拼接而成。由于这种成像方式很难保证6个相机的主光轴平行，导致图像配准精度较低。针对北京一号小卫星的这种成像特点，本文在图像灰度交叉相关匹配的基础上，发展了一种高精度波段配准算法来评价北京一号小卫星的波段配准精度，并在波段配准的基础上，评价北京一号小卫星多光谱图像的变形一致性。     

改进的Welsh颜色迁移算法在GF-2图像融合中的应用

图像融合过程中需要对遥感图像进行几何纠正、配准等预处理,在国土资源调查研究工作中是一项繁重工作。因此,提出利用改进的Welsh颜色迁移算法实现图像融合,以湖北省仙桃市GF-2高空间分辨率全色图像(简称高分图像)为研究数据进行实验,并将迁移结果与Gram-Schmidt(GS)和主成分(principal components,PC)融合结果进行定性和定量对比。结果表明,基于Welsh颜色迁移的融合算法在图像光谱和纹理的保真度上都比GS和PC融合算法有更好的效果;特别是在地物复杂区域,颜色迁移算法的纹理结构相似度远优于GS和PC融合算法。同时,颜色迁移的算法可以应用于不同区域的多光谱和全色波段图像融合,而无需先对图像进行几何纠正、配准等预处理。     

遥感图像多模型融合处理与分析

图像融合综合利用多源信息,从而获得对同一目标更客观、更本质的认识,这对于影像解译、信息提取等至关重要。本文在结合主分量分析变换等经典的全色与多光谱遥感图像融合处理算法基础上,重点介绍WT-IHS、WT-PCA两种多模型融合算法在全色与多光谱图像融合处理的应用,同时给出对这两组图像进行单模型融合处理的结果,分别通过视觉效果和量化评价指标对融合结果进行比较,综合分析不同方法的特点。     

高分七号卫星影像融合中的全色-多光谱配准误差补偿模型

高分七号是中国第一颗面向1∶10 000立体测图的遥感卫星,其后视全色影像与多光谱影像通过融合可以得到最高0.65 m分辨率的多光谱融合影像。但在实际生产过程中,发现融合影像存在局部晕边现象。针对这一问题,分析了高分七号卫星影像的误差来源,并提出了全色-多光谱配准误差补偿模型,包含用于补偿线性误差的线性项、用于补偿子线阵电荷耦合器件安置误差和镜头畸变的分段四次多项式以及用于补偿周期性误差的三角级数项。根据该模型设计了求解模式和复用模式两种融合方案。利用中国广东地区和青海地区的高分七号影像数据进行实验验证,结果表明所提模型可以使融合配准精度由最大0.6多光谱像素提升至约0.07多光谱像素,平面误差小于0.25倍多光谱像素的区域占比由不足50%提升到约98%,完全满足融合影像生产要求。     

基于亮度相关系数的ETM+影像融合

传统的影像融合方法对ETM＋多光谱影像和全色影像融合往往存在一定的光谱失真现象,提出了一种基于亮度相关系数的影像融合方法,能够提高融合影像的光谱保真度。该方法首先对多光谱影像进行IHS变换,将全色影像与亮度分量进行直方图匹配;其次,对亮度分量和新的全色影像分别进行小波分解,以分解后近似分量的相关系数作为权值,对两个近似分量图像进行加权融合,得到新的近似分量;然后,进行小波逆变化得到新的I分量;最后,通过IHS逆变化得到融合影像。试验结果证明,该方法得到的融合影像,不仅能够有效地保持全色影像的空间细节信息,而且能很好地保留多光谱影像的光谱信息。     

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。     

多源遥感数据融合评价的理论与实践

印度卫星IRS 1C全色波段图像具有几何分辨率高的优点 ,TM多光谱遥感图像具有波段多的优点 ,用HIS变换法、Brovey变换法、PCA变换法对它们进行融合 ,可将它们的优势集中起来 ,减少数据的冗余度 ,增强图像的清晰度 ,提高解译的精度和准确性 ,由于全色波段数据与多光谱数据的光谱响应范围不一致 ,所以 ,用上述方法融合后的图像的色彩与多光谱图像的色彩存在不同程度的差异。为此 ,本论文探讨一种信息保持型融合方法 ,使融合后图像的色彩与多光谱图像的色彩相同或相近 ,并研究融合评价的理论。提出了一种新的融合方法 ,使融合后的图像的色…     

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.     

SIFT-FANN: An efficient framework for spatio-spectral fusion of satellite images

Image fusion techniques are widely used for remote sensing data. A special application is for using low resolution multi-spectral image with high resolution panchromatic image to obtain an image having both spectral and spatial information. Alignment of images to be fused is a step prior to image fusion. This is achieved by registering the images. This paper proposes the methods involving Fast Approximate Nearest Neighbor (FANN) for automatic registration of satellite image (reference image) prior to fusion of low spatial resolution multi-spectral QuickBird satellite image (sensed image) with high spatial resolution panchromatic QuickBird satellite image. In the registration steps, Scale Invariant Feature Transform (SIFT) is used to extract key points from both images. The keypoints are then matched using the automatic tuning algorithm, namely, FANN. This algorithm automatically selects the most appropriate indexing algorithm for the dataset. The indexed features are then matched using approximate nearest neighbor. Further, Random Sample Consensus (RanSAC) is used for further filtering to obtain only the inliers and co-register the images. The images are then fused using Intensity Hue Saturation (IHS) transform based technique to obtain a high spatial resolution multi-spectral image. The results show that the quality of fused images obtained using this algorithm is computationally efficient.     

FFT-enhanced IHS transform method for fusing high-resolution satellite images

Existing image fusion techniques such as the intensity–hue–saturation (IHS) transform and principal components analysis (PCA) methods may not be optimal for fusing the new generation commercial high-resolution satellite images such as Ikonos and QuickBird. One problem is color distortion in the fused image, which causes visual changes as well as spectral differences between the original and fused images. In this paper, a fast Fourier transform (FFT)-enhanced IHS method is developed for fusing new generation high-resolution satellite images. This method combines a standard IHS transform with FFT filtering of both the panchromatic image and the intensity component of the original multispectral image. Ikonos and QuickBird data are used to assess the FFT-enhanced IHS transform method. Experimental results indicate that the FFT-enhanced IHS transform method may improve upon the standard IHS transform and the PCA methods in preserving spectral and spatial information.     

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.     

混沌蜂群优化的NSST域多光谱与全色图像融合

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

影像局部直方图匹配滤波技术用于遥感影像数据融合

本文提出了一种基于局部直方图匹配波技术的影像融合新方法。该方法分析了局部影像统计特性,应用均值或均值－方差匹配正态函数,对要融合的两幅影像局部直方图进行匹配。文中给出了３种不同的融合算法（高通滤波法,局部均值匹配法和局部均值与方差匹配法）用于ＳＰＯＴ全色影像和ＴＭ多光谱影像融合的结果,并进行了比较,质量评价结果证明了提出的方法在提高了原ＴＭ多光谱影像空间分辨率的同时,较好地保留了多光谱影像频道的光     

Production of high-resolution remote sensing images for navigation information infrastructures

This paper introduces the image fusion approach of multi-resolution analysis-based intensity modulation (MRAIM) to produce the high-resolution multi-spectral images from high-resolution panchromatic image and low-resolution multi-spectral images for navigation information infrastructure. The mathematical model of image fusion is derived according to the principle of remote sensing image formation. It shows that the pixel values of a high-resolution multi-spectral images are determined by the pixel values of the approximation of a high-resolution panchromatic image at the resolution level of low-resolution multi-spectral images, and in the pixel valae computation the M-band wavelet theory and the à trous algorithm are then used. In order to evaluate the MRAIM approach, an experiment has been carried out on the basis of the IKONOS 1 m panchromatic image and 4 m multi-spectral images. The result demonstrates that MRAIM image fusion approach gives promising fusion results and it can be used to produce the high-resolution remote sensing images required for navigation information infrastructures.     

Production of high-resolution remote sensing images for navigation information infrastructures

This paper introduces the image fusion approach of multi-resolution analysis-based intensity modulation (MRAIM) to produce the high-resolution multi-spectral images from high-resolution panchromatic image and low-resolution multi-spectral images for navigation information infrastructure. The mathematical model of image fusion is derived according to the principle of remote sensing image formation. It shows that the pixel values of a high-resolution multi-spectral images are determined by the pixel values of the approximation of a high-resolution panchromatic image at the resolution level of low-resolution multi-spectral images, and in the pixel valae computation the M-band wavelet theory and the d trous algorithm are then used. In order to evaluate the MRAIM approach, an experiment has been carried out on the basis of the IKONOS 1 m panchromatic image and 4 m multi-spectral images. The result demonstrates that MRAIM image fusion approach gives promising fusion results and it can be used to produce the high-resolution remote sensing images required for navigation information infrastructures.     

IKONOS图像的线性回归波段拟合融合方法

讨论基于线性回归波段拟合的空间细节信息提取方法的可行性。首先通过全色与多光谱图像构造线性回归方程,根据全色图像的高频成分设置最小二乘求解的权系数,然后利用回归系数构造低分辨率的全色图像,提取空间细节信息,最后将空间细节注入多光谱图像中进行融合。通过IKONOS全色和多光谱图像的融合实验,比较了本文方法与基于光谱响应函数的方法,结果表明:采用本文方法提取的空间细节信息进行融合,能达到甚至超过基于光谱响应函数方法的融合质量;相对于与FastIHS融合方法,本文方法的融合质量也有较大的提高。     

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.