多源遥感影像数据融合方法探讨

在简要分析几种常用多源遥感图像融合方法的基础上,着重探讨了基于小波变换融合方法的特点以及小波变换与其他方法相结合使用的优势,为相关工作提供借鉴。     

基于IHS变换和小波变换的遥感影像融合

在遥感影像融合中，IHS变换法与小波变换法具有互补性，文中把这两种方法结合起来，提出了一种基于IHS变换与小波变换的影像融合方法。通过对具体影像的实验证明，该方法是有效的，达到了预期的目的。     

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。     

面向多分辨率层次结构的遥感影像分析方法

将输入数据源经过扩展分段处理,形成具有不同分辨率层次结构的影像目标。通过构建同层次目标之间、不同分辨率层次目标之间的关系,将目标识别、目标语义提取以及影像信息提取集成在单一的平台完成。     

基于小波多分辨率方向高程限差的LiDAR数据滤波

本文在研究了小波多分辨率分析原理的基础上,将小波变换引入到机载LIDAR数据滤波中,利用金字塔分层理论实现原始DSM数据的快速组织,加快计算速度,提高滤波效率。同时在滤波阈值选择中顾及整个区域的方向高程差,使判断条件更加符合地形特点,提高滤波的准确度。本文最后利用实际的LIDAR数据进行了实验和精度分析。     

多源遥感影像数据融合理论与技术

在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上,归纳了多源遥感影像数据融合方法,并对数据融合的关键技术及研究热点进行了总结。     

基于色彩变换的遥感影像融合研究

针对多光谱和高分辨率全色影像的融合,本文对IHS、HSV、lαβ等几种常见的基于色彩变换的融合方法进行了详细的介绍。通过对融合影像光谱损失的分析,改进了基于IHS变换的融合方法;通过实验对两组影像融合效果进行了全面的分析对比。实验结果表明,该方法在提高融合影像空间分辨率的同时,能更好地保证影像的光谱质量。     

基于多进制小波的SPOT全色影像和多光谱遥感影像融合

基于多进制小波理论,本文研究了ＳＰＯＴ全色影像与多光谱遥感影像数据融合的理论和方法,并在三进制情形,对１０ｍ分辨率ＳＰＯＴ影像和３０ｍ分辨率多光谱影像进行了实验,同时对实验结果进行了分析和讨论。理论和实验表明,基于多进制小波的遥感影像数据融合具有好的效果,并可用于广泛的研究领域。     

《多源遥感影像数据融合技术》出版

《多源遥感影像数据融合技术》（贾永红著）一书近日由测绘出版社出版。     

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。     

基于小波包变换距离特征选取的遥感影像融合

介绍了基于小波包变换和距离特征选取的影像融合方法：首先对多光谱影像做IHS变换;其次对多光谱影像的亮度分量和全色影像做小波包变换并分别采用加权平均法和距离特征选取法融合低频部分和高频部分;最后通过小波包重构和IHS逆变换得到最终的融合影像。以ERDAS8．5软件自带的影像文件为例对这种方法进行了实验,并利用信息熵等标准与其他融合方法进行了比较,实验结果表明该方法能得到更好的融合效果。     

基于HIS变换和WT变换的遥感影像融合

遥感影像信息融合是近年来国际遥感领域的研究热点.传统的遥感影像融合主要是HIS变换法、加权平均法、PCA法等.利用小渡变换(WT)技术进行遥感影像融合是近年来的研究热点,但其直接舍弃了全色图像的低频率分量,在结果图像中容易出现分块效应.本文结合HIS变换和小波变换的互补性,提出了一种基于HIS变换和小波变换的遥感影像融合方法.通过实验、直观和定性分析,新方法既可以增强融合影像的空间细节表现能力,同时也很好地保留了多光谱影像的光谱信息.     

小波变换在遥感图像压缩中的应用

基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。     

遥感图像融合技术在潮间带地形提取中的应用

针对潮间带地形资料的缺乏和提取手段的贫乏,提出一种提取潮间带地形的新思路。利用同一潮汐周期不同时相的SAR与全色遥感图像,采用平移不变离散小波变换算法进行图像融合,并采用一种新的融合规则。图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。对比其他算法,融合结果既能突出潮间带形状,又能突出海岸线特征及近岸地形,更便于后续目视解译。对实际图像的试验结果表明,该方法取得了较好的效果。     

基于复数小波变换的遥感图像融合新算法

提出了一种基于复数小波变换的影像融合新算法，用以融合全色影像和多光谱影像。试验结果表明，谊算法可以取得比传统的实数小波变换融合算法更好的效果。     

小波变换在遥感图像数据融合中的应用

用小波变换实现了一种新的遥感图像数据融合方法 ,该方法采用梯度算法对不同尺度子带数据进行融合 ,用加权法对基带数据进行融合。给出了 SAR图像与 TM图像的融合结果的定性评价 ,并用熵及平均梯度进行了定量评价     

结合Gram-Schmidt变换的高光谱影像谐波分析融合算法

针对高光谱影像谐波分析融合(HAF)算法在影像融合时不顾及地物光谱曲线整体反射率这一缺陷,提出了结合Gram-Schmidt变换的高光谱影像谐波分析融合(GSHAF)改进算法。GSHAF算法可在完全保留融合前后像元光谱曲线波形形态的基础上,将高光谱影像融合简化为各像元光谱曲线的谐波余相组成的二维影像与高空间分辨率影像之间的融合。它是在原始高光谱影像光谱曲线被谐波分解为谐波余项、振幅和相位后,首先将其谐波余项与高空间分辨率影像进行GS变换融合,这样便可有效地修正融合后像元光谱曲线的反射率特征,随后再利用该融合影像与谐波振幅、相位进行谐波逆变换,完成高光谱影像谐波融合。本文最后利用Hyperion高光谱遥感影像与ALI高空间分辨率影像对GSHAF算法进行可行性分析,再以HJ-1A等卫星数据对其进行普适性验证,试验结果表明,GSHAF算法不仅可以完全地保留光谱曲线波形形态,而且融合后影像的地物光谱曲线反射率更接近真实地物。