水下声图像多分辨率融合研究

针对水下特殊环境的声图像特点,提出了一种基于梯度金字塔的图像融合算法。首先,对已经配准的源图像进行梯度金字塔分解;然后,在多分辨率下对两幅图像构建基于局部邻域的显著性量测和匹配性量测。在构建显著性量测中,针对高分辨率层采用局部梯度,低分辨率层采用局部方差;在构建匹配性量测中,针对高分辨率层利用局部相关性,低分辨率层利用局部方差比,并且利用图像的局部特征指导融合策略。最后,经过合成模块和多分辨率逆变换得到融合图像。声纳图像融合实验结果证明了所提方法的有效性.     

小波变换保持光谱特型融合算法

对遥感图像融合Brovey变换法存在颜色失真的现象,本文提出了一种小波比值融合法,该融合法首先对高几何分辨率的全色波段进行小波变换提取其低频分量,并对其进行三次卷积法重构得到与原分辨率相同的图像,而后将低分辨率多光谱图像与全色波段图像相乘,再除以重构后的全色波段图像,便得到融合图像。并从目视评价、GVI、统计评价证实了该小波比值融合法优于Brovey变换法,该比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

CBERS-02B星数据融合方法评价

CBERS—02B星(以下简称02B星)多光谱CCD数据与全色HR数据空间分辨率相差较大,给图像融合带来一定困难。在对IHS变换、主成分分析变换、Brovey 变换、GS变换等融合算法分析的基础上,利用02B星数据进行了融合试验。通过对试验结果的目视评价与定量分析发现,PC变换和GS变换方法融合图像纹理信息较清晰,光谱保真度较好。在GS变换融合中,可利用02B星CCD相机第5波段模拟GS变换的低分辨率输入,融合结果统计值优于PC变换。     

比值法减少图像融合中光谱的扭曲

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合方法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法。该低通比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

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。     

比值法减少图像融合中光谱的扭曲

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法.该融合方法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像.从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法.该低通比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法.     

基于MTF滤波的北京一号小卫星遥感影像融合

北京一号小卫星提供4 m分辨率全色彩像和32 m分辨率多光谱影像,但其空间分辨率比值(1:8)较低,在对北京一号小卫星数据融合时存在空间信息损失问题.针对此问题首先从全色影像中提取成像系统的调制传递函数MTF(Modulate Transfer Function),根据MTF设计2维低通滤波器,通过对多光谱影像的亮度成分滤波估计低分辨率全色图像数据值,基于GIF(General Image Fusion)融合框架得到融合结果.实验证明本方法用于融合遥感影像的可行性,其空间信息的保持在视觉效果和定量指标上均优于IHS(Intensive-Hue-Saturation),BT(Brovey Transform)和GS(GramSchmidt)等传统的替换类融合算法,在空间信息和光谱信息的保持上亦有较好的折中.     

基于像素级遥感图像融合方法对比与评价

多时相、不同空间分辨率遥感图像数据融合能较大幅度提高融合图像的解像力,在遥感影像解译中一种好的融合方法可以提高影像的质量,从而提升影像的解译结果。本文以隆昌县为试验区,采用Brovey、PCA、HIS和Gram-Schmidt 4种融合方法对试验区ETM+影像的高空间分辨率Pan波段和多光谱432波段进行融合。通过平均值、标准差、平均梯度、信息熵、相关系数和扭曲程度对这些融合方法进行评价。评价结果表明4种融合方法都能不同程度的改善影像质量,其中Brovey融合法光谱失真度小,清晰度和空间分辨率较高,影像所含信息量丰富,更适合于隆昌ETM+影像的融合处理。     

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.     

Multiresolution and Multispectral Data Fusion Using Discrete Wavelet Transform with IRS Images: Cartosat-1, IRS LISS III and LISS IV

Image fusion techniques integrate complimentary information from multiple image sensor data such that the new images are more suitable for the purpose of human visual perception and computer based processing tasks for extraction of detail information. As an important part of image fusion algorithms, pixel-level image fusion can combine spectral information of coarse resolution imagery with finer spatial resolution imagery. Ideally, the method used to merge data sets with high-spatial and highspectral resolution should not distort the spectral characteristics of the high-spectral resolution data. This paper describes the Discrete Wavelet Transform (DWT) algorithm for the fusion of two images using different spectral transform methods and nearest neighbor resampling techniques. This research paper investigates the performance of fused image with high spatial resolution Cartosat-1(PAN) with LISS IV and Cartosat-1(PAN) sensor images with the LISS III sensor image of Indian Remote Sensing satellites. The visual and statistical analysis of fused images has shown that the DWT method outperforms in terms of Geometric, Radiometric, and Spectral fidelity.     

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.     

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.     

多分辨率低秩导向滤波的热红外图像空间融合

热红外遥感图像由于其特定的成像方式,包含目标特有的发射率及温度等特征。然而,热红外遥感图像较低的空间分辨率却限制了其广泛应用。随着遥感技术的发展,同一区域获得的多源遥感图像可以提供更为完备的目标信息,使得利用多源融合技术实现热红外图像空间分辨率增强与亚像素级特征提取成为可能。为此,本文提出了一种基于多分辨率自适应低秩表达与残差信息迁移的热红外图像空间超分辨算法,该算法通过可见光与热红外图像融合的方式实现热红外图像空间特性的自适应融合增强。本文算法优势主要体现在以下几个方面：（1）基于多分辨率的超像素分割,使用超像素块代替传统的方块作为低秩恢复单元,自适应地调整单元内空间特性以保持单元内地物类型的稳定并抑制结构性噪声;（2）通过构建导向线性滤波器,在保护热红外图像光谱信息的前提下,实现可见光图像精细空间特征向热红外图像的迁移;（3）在低分辨层建立增强热红外图像残差与可见光图像残差之间关联并迁移至高分辨层,在保证超分辨图像细节信息的前提下,实现热红外图像空间超分辨。为了验证算法的有效性,本文采用2014年IGARSS数据融合竞赛提供的可见光与热红外实验数据进行实验,并与融合竞赛中表现最为优异的监督图特征融合方法进行比较,并从温度反演精度以及分类精度两个方面评价超分辨效果。实验结果表明,本文提出的方法其噪声抑制效果、空间平滑效果、边缘锐化效果更为优异,超分辨热红外图像有着更为精细的空间信息,并且对于不同区域类型均能较好的保护热红外图像光谱信息。对于不同地物类型,融合超分辨图像有较高的亚像素温度反演精度以及更高的分类精度,其温度反演误差小于1 K,总体分类精度较原热红外图像提升20%以上。     

提高中巴卫星IR MSS图像空间分辨能力的光谱保真融合方法

介绍一种提高中巴资源卫星IRMSS图像空间分辨能力的光谱保真融合方法。通过计算低分辨率图像上每一个像元对应的高分辨率图像上一组子像元的平均亮度值及二者之差,将该差值与高分辨率图像上相应子像元亮度求和,形成新的图像。该图像具有高分辨率图像的空间细节,又具有低分辨率图像的光谱信息,从而实现融合图像信息保真。试验表明,光谱保真融合方法可以在不改变光谱信息的前提下提高IRMSS图像的空间分辨能力,是一种新的简单实用的数据处理方法。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

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。     

基于经验模态分解的高分辨率影像融合

文章提出基于经验模态分解（Emp iricalMode Decomposition,EMD）的特征层影像融合模型。对多光谱波段影像进行IHS变换获得强度影像,采用行列分解实现一维经验模态分解的二维拓展,并用于分离高分辨波段影像与强度影像的细节特征信息,对高分辨率波段影像的高频与强度影像波段的低频进行重构获得融合后的强度影像,再通过IHS反变换获得融合影像。文章介绍了经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构,提出融合模型的技术路线。选择UICKB IRD影像的全色波段与多光谱波段进行融合实验,根据典型行（列）的EMD分析,确定经验模量的取舍尺度,按提出的融合路线获得融合影像,并与小波融合,IHS融合,Brovey融合模型获得的影像进行视觉及量化比较。选择信息熵、标准差指标对融合影像的空间细节信息进行评价,同时选择平均灰度值、相关系数、偏差指数评价融合影像的光谱扭曲程度,结果表明本融合模型最优。     

遥感影像融合AIHS转换与粒子群优化算法

Pan-sharpening是通过将低分辨率多光谱图像(LMS)与高分辨率全色图像(PAN)进行合成而获得高光谱高空间分辨率的多光谱图像(HMS)的过程。本文提出一种Pan-sharpening方法,称为PAIHS。该方法基于自适应亮度-色度-饱和度(AIHS)转换和变分Pan-sharpening框架以及两个假设(①Pan-sharpening图像和原始多光谱图像(MS)具有相同的光谱信息;②Pan-sharpening图像与全色图像(PAN)包含的几何信息保持一致),同时确定目标函数,然后用粒子群算法(PSO)进行优化,目的是得到最佳控制参数并求得目标函数最小值,此时对应着最好的Pan-sharpening质量。试验结果表明,本文提出的方法具有高效性和可靠性,获得的性能指标也优于目前一些主流的融合方法。     

基于支持向量机的SPIN－2影像与SPOT－4多光谱影像融合研究

遥感影像融合是解决多源海量数据富集表示的有效途径之一。针对高分辨率遥感数据SPIN-2(2m)与多光谱遥感数据SPOT-4(20m)的影像融合，提出了基于支持向量机(SVM)的遥感影像融合的新方法。建立了基于SVM的遥感影像融合模型，并进行了分类融合实验，实验效果较好。最后给出了分类融合评价。结果表明，支持向量机可用于遥感影像融合，且分类融合精度较高。