西宁市城区扩展对比中遥感影像处理技术的探讨

根据西宁市城区扩展监测对遥感信息提取的需要,采用多种方法将具有较高空间分辨率的SPOT遥感图像和具有多波谱的ETM 遥感图像进行增强及融合试验,结果表明:对ETM 影像先进行锐化处理,再将SPOT影像与锐化后的ETM 信息融合,然后对融合后的影像进行去霾处理得到的影像质量最好。     

几种常见影像融合方法的比较

简述了多源遥感影像融合过程,并利用IKONOS-2的全色影像和多光谱影像,对常用的几种影像融合方法进行了试验与比较,同时对实验结果进行分析和讨论,结果表明小波变换融合算法总体优于其他几种融合方法。     

无人机影像融合技术研究及质量分析

无人机影像融合是综合利用影像的像元坐标以及像素级的灰度信息进行叠加融合处理,得到具有高空间分辨率和高光谱分辨率的影像,加深对同一事物或目标的更客观、更本质的认识。本文研究了遥感影像融合的概念、流程及层次划分,重点研究了CN法融合、HSV变换法融合、Gran-Schmidt融合、主成分分析法融合4种像素级融合方法的基本原理,对无人机影像进行融合研究,利用IDL编程语言开发了质量评价系统对从客观方面对无人机影像融合效果进行评价,计算了影像融合后的各项指标参数,并进行了质量评价试验,对比分析了影像融合结果。     

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GF2号卫星影像的农业信息提取方法对比分析

以GF2卫星0.8 m全色/3.2 m多光谱分辨率遥感影像为基础数据源,对基于GF2号卫星影像的农业信息提取流程和方法进行了研究与对比分析。首先对GF2号卫星影像进行波谱分析;其次对GF2号影像进行融合,并对多种融合方法进行质量评价;最后选择阈值法、波谱间关系法、非监督分类法和面向对象法分别对GF2号影像数据进行农业信息提取试验,并对信息提取结果进行精度验证和结果分析。试验表明,面向农业信息提取的GF2号卫星影像融合方法中,Pansharp融合算法融合影像色彩正常,无虚影,清晰度高,地类对比度正常,纹理清晰,熵值及与原始多光谱影像的相关系数高。阈值法和谱间关系法适用于提取单要素农业信息,非监督分类法能够初步获取研究区土地利用情况,面向对象法提取研究区全要素信息精度高。总体来说,不同信息提取方法具有各自的优势,在具体实际应用中,可以根据目标地类的波谱特性,选择适宜的遥感影像处理和信息提取方法。     

影像融合技术在土地利用动态遥感监测中的应用研究

国土资源部启动的全国土地利用动态遥感监测项目,通过分析不同时期的卫星影像,从中提取出土地利用变化信息。本文的研究工作,主要是基于作者近几年从事该项目研究与应用的实际,分别以SPOT系列数据、TM数据及QuickBird等中、高分辨率数据作为试验数据,进行影像不同融合算法试验,旨在研究多源遥感影像融合方法在动态监测项目中的应用,并对融合结果进行定性、定量两方面的比较分析,探讨适合土地利用动态遥感监测的融合方法。     

遥感影像融合技术方法研究

分析多种遥感影像融合方法的特点、存在的问题及其应用.应用Brovey变换、乘积变换、主成分变换、HIS变换、小波变换等五种方法对SPOT和TM图像进行影像融合实例验证.最后,对试验结果进行目视效果分析及定量分析评价.     

基于多源遥感影像快速更新基础地理信息技术的研究

在对多源遥感影像数据快速匹配处理、影像最佳波段组合和融合方法及更新信息变化发现识别技术进行研究试验的基础上,提出了基于多源遥感影像快速更新基础地理信息的技术方法和工艺流程。     

航片数字化影像与SPOT5多光谱影像融合比较分析

通过利用多种图像融合方法分别对航片数字化影像与SPOT5多光谱影像进行融合试验,经定量化指标评价结果表明,利用Pansharp,HPF和HIS融合方法计算后得出的影像在很大程度上保留了原多光谱影像的光谱特征,清晰度有较大提高,具有更强的解译和量测能力。     

ETM和SPOT融合影像制作土地利用分类图

以辽阳地区为试验区,采用ETM多波段和SPOT全色遥感影像为主要信息源。利用遥感图像处理软件ERDAS对影像进行几何配准、图像增强等一系列处理。利用HIS变换和主成分分析法进行影像融合试验,对比分析融合结果,融合后影像同时具有多光谱和高分辨率的特性,提高了影像解译度。参考国家分类标准,选取农村、水体、旱地、林地、菜地、城市和水田七大类进行分类试验。采用监督分类的方法对主成分变换融合后的影像进行土地利用分类。最后,在ArcGIS软件中进行矢量化处理,制作土地利用分类图。使用该方法制作的辽阳地区土地利用分类图,可以满足一般用户对土地利用分类图的要求。     

不同遥感影像融合方法在地理国情普查中的应用对比研究——以海南北部地区为例

利用比值变换融合、高通滤波融合、改进IHS融合、小波变换融合和基于主分量变换等图像融合方法对IKONOS多光谱影像和IKONOS全色影像进行融合,结合地理国情普查的地表覆盖类型,对比融合后影像的特点,并分析评价对比结果,为地理国情普查工作选用合适的融合方法生成效果较好、地物清晰的遥感底图,从而为提高解译效率提供参考依据。     

ALOS全色与多光谱影像融合方法比较

多源遥感影像融合能够综合利用多源遥感数据的优势,获得比单一数据更客观、更丰富的信息。以ALOS高分辨率卫星影像为例,选取包含不同地物的子区,分别应用不同的影像融合方法进行了融合实验,结果表明对于同一数据源,影像融合方法不同,其影像融合质量存在差异;同时研究区域包含的地物类型不同,最适宜的影像融合方法也不同。     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.     

SPOT 5与ETM+影像融合用于土地调查

以SPOT 5及ETM 遥感影像为基础数据,通过对云南昆明郊区利用PCA法和Brovey法进行影像融合,使融合后影像同时具有多光谱特性和高分辨率,提高影像的解译度。并对融合后的影像进行分类及精度分析,讨论影像融合技术在土地调查中的应用。     

深度学习在光学和SAR影像融合研究进展

遥感影像融合作为影像处理领域中最具有挑战的工作,一直是学术界研究的热点。合成孔径雷达SAR(Synthetic Aperture Radar)具备全天时、全天候、穿透云雾等多种特点,却因存在相干斑噪声等问题,使得影像难以解译。相比之下,光学影像可以反映地物的光谱和空间信息,易于解译,但容易受到云雾干扰,造成信息丢失,将光学与SAR影像数据融合可以实现不同类型传感器成像之间的信息互补,能够更好地为后续的影像分析与解译提供方便。本文首先对光学和SAR影像融合进行了系统性回顾,包括传统融合方法和基于深度学习方法在影像融合方面的最新工作,重点阐述了卷积神经网络CNN (Convolutional Neural Network)、生成式对抗网络GAN (Generative Adversarial Networks)等框架在光学和SAR影像融合中的进展;然后总结了光学和SAR影像融合在深度学习领域开发的数据集,并做了简单介绍和说明;最后,从数据集、时间序列影像融合、融合评价体系和算法轻量化等4个方面对光学和SAR影像融合的未来发展趋势进行了展望。     

基于GDAL库实现高分二号遥感影像融合质量评价

多遥感器图像融合时,融合技术的不同使得融合方法对影像质量起着至关重要的作用,如何准确评价融合质量是影像融合的一个重要组成部分。本文主要利用ERDAS中IHS、Brovey、PCA、HPF融合法和ENVI中Gram-Schmidt融合法对高分二号的多光谱和全色影像进行融合,并基于GDAL库,利用C#语言开发专门的质量评价软件,将常用的客观评价指标集成在一个模块中,提取出各项指标,完成融合影像的客观评价,为基于特定指标而选取融合方法提供了有力支持。     

基于Radarsat和TM图像融合与分类的土壤盐渍化信息遥感监测研究

单一雷达影像数据通常不能提供足够的用以监测干旱地区盐渍化的信息。雷达图像与TM图像的融合可以提高遥感数据的利用率,增强数据的可靠性和信息的互补性,有助于提高分类精度。本文采用了GramSchmidt变换融合法将Radarsat和TM图像进行融合,并将该融合方法与一些常用融合方法(HIS融合、PCA融合、Brovey融合)进行了比较,结果表明该融合方法优于其他方法。最后采用支持向量机分类法(SVM)对Radarsat、TM融合后的图像进行了分类。结果表明:同单独Radarsat影像和TM影像分类结果相比,该融合分类法将分类精度分别提高了近30%和2%。因此该融合分类法更适合于遥感图像盐渍化信息监测。     

基于MATLAB算法的遥感图像融合

遥感影像像素级融合是遥感信息分析与处理过程中非常有效的方法。文章通过分析3种主要的多源遥感影像融合方法特征和不足,运用MATLAB算法实现影像融合,并对融合成果结合主观目视和客观指标进行综合评价。经过实验表明,利用MATLAB影像融合算法融合取得了较好效果,且提高了影像处理效率。     

突出边缘特征的图像融合方法研究

介绍了像素级图像融合及特征级图像融合方法,分析了两种融合层次的优点。在此基础上,提出了两种突出边缘特征的图像融合方法,两种方案均对人们感兴趣的边缘特征进行增强,并在融合过程中考虑了边缘提取时的假边缘和双边缘情况。实验结果显示,边缘增强方案1提高了边缘定位的准确性,边缘增强方案2有效解决了方案1中融合影像缺少空间细节信息的问题。两种方案有效地增强了融合后图像的边缘特征,有利于图像的后续判读及图像识别。     

基于热传导模型的像素级遥感图像融合

通过热传导方程给出了一种像素级遥感图像融合模型和方法：1)给出了空间域内高分辨率图像与低分辨率图像之间的扩散关系,作为特例得到了Brovey变换(Brovey Transform,BT);2)给出了图像融合与增强的统一表达式并得到基于亮度平衡的融合方法;3)低分辨率多光谱图像的方差较小情形,指出基于方差的标准图像融合方法将会丢失高空间分辨率全色图像信息。实验表明,除了图像量化误差以外,所提议的方法不会丢失已知图像的空间分辨率和波谱信息。