ASTER多光谱波段与SPOT全色波段融合方法研究

遥感图像融合可以发挥多源遥感数据的优势。但由于不同传感器的遥感数据有着不同的特征,不同数据所采用的融合方法也应不同。文章探讨了ASTER多光谱波段与SPOT全色波段数据融合的方法,通过对PCA融合、IHS融合和基于小波的IHS融合方法的对比研究,得出基于小波的IHS融合法在提高空间分辨率的同时较好地保持了地物的多光谱信息。     

基于多源遥感数据的融合算法变换效果对比研究

随着多源遥感影像融合技术的成熟发展,如何提高高分辨率遥感数据的利用效益和使用质量已经成为影响其应用效果的瓶颈问题.针对QucikBird-2高分遥感数据光谱分辨率不足等问题,结合ASTER多光谱遥感数据,引入3种融合方法：主成分分析（PCA）融合、小波PCA融合和基于小波的IHS（色度、亮度、饱和度变换）融合,实现了对多光谱图像和高分辨率图像的融合,得到了多光谱高分辨率影像,使得在增强影像空间分辨率的同时也尽可能地保留了影像的多光谱信息.最后对3种融合方法的结果进行了定性和定量评价.     

基于Kurtosis-IHS的遥感影像融合

针对传统IHS遥感影像融合的光谱扭曲和易引入噪声问题,提出了一种基于Kurtosis-IHS的遥感影像融合方法：从多光谱图像强度分量与全色图像最优逼近的角度出发,迭代求解多光谱各波段图像融合系数,减少光谱失真;根据全色图像的峭度获取其细节分量,达到抑制噪声的目的;最后使用基于Kurtosis-IHS的融合公式得到融合结果.实验选取2组实际遥感数据,结果表明,融合方法在CC、ERGAS、RASE、RMSE及SID 5个光谱性能评价指标上均优于传统的IHS、PCA、DWT及NSCT融合方法,在第二组遥感影像融合测试中,Kurtosis-IHS方法比传统IHS方法的5个指标分别提高了41.80％、57.09％、57.11％、57.11％、49.74％;在含噪环境下,融合方法的融合结果PSNR值均达到最大.所提出的Kurtosis-IHS方法优于传统的IHS融合方法,在提高空间分辨率的同时,具有较好地保持光谱信息及有效抑制噪声的优点.     

光谱保真归一化卷积高光谱超分辨率重建方法

高光谱遥感图像受到成像系统硬件限制,无法同时具有高空间分辨率和高光谱分辨率,较低的空间分辨率制约高光谱图像的应用,超分辨率重建技术可提高图像的空间分辨率。针对高光谱图像的超分辨率重建中光谱保真度的问题,在重建方法中耦合光谱保真度函数,结合结构自适应归一化卷积方法,提出基于光谱保真约束的归一化卷积方法。具体地,将图像局部邻域内像素间的光谱相关性作为约束条件,将与中心像素光谱类似的像素赋予较大权值,从而提高重建后图像光谱特性的保持程度。实验中分别从空间结构与光谱信息保真两个方面来评价重建后结果,结果表明该方法具有较好的光谱信息保持度。     

ETM+与SPOT-5 Pan融合影像在地质灾害调查中的应用

ETM 与SPOT-5 Pan融合影像是地质灾害调查的理想数据源.ETM 多光谱图像与SPOT-5 Pan图像的空间分辨率相差悬殊,直接融合可能导致融合影像色彩模糊、色调不和谐等问题;若将ETM 与其全色融合后再与SPOT-5 Pan融合,如果融合方法不当亦会造成光谱信息的过多损失.以金沙江上游某库区地质灾害遥感调查为例,采用Brovey变换法、IHS变换法和PCA变换法分别对ETM 和SPOT-5 Pan进行了直接和间接融合,并采用主观评定与水平光谱剖面相结合的方法对融合影像进行了评价,通过野外调查对解译结果进行了校验,结果表明ETM 与SPOT-5 Pan(PCA变换融合)融合影像地质灾害解译的准确率达92%.     

遥感与化探数据融合技术在金矿预测中的应用

作为一种先进的多元数据融合技术,遥感与化探数据融合技术的目的在于能从原始的遥感图像中获得较高质量的图像和提取实际需要的蚀变信息.文章首先研究了几个典型的遥感与化探融合的算法(如PCA、ISODATA、MLC等),然后提出了一个新的使用了专家系统的基于3个层次(像素级、特征级和决策级)的遥感与化探数据融合方法.该方法通过在招远金矿区应用示范,结果表明这种新的方法较之传统的遥感与化探融合方法是一种行之有效的遥感找矿技术方法.     

喀斯特高原山区IRS-P6影像最佳融合方法选择研究——以贵州平塘县四寨镇为例

贵州处于中国西南喀斯特的腹心地带,属岩溶高原山区,生态环境背景复杂,地表切割剧烈,海拔落差大,坡度较陡,同时地处季风气候区还伴有常年多云多雨现象,因此卫星遥感数据质量常受到严重影响。文章以贵州南部平塘县四寨镇为例,主要针对IRS-P6卫星遥感影像的多光谱4,3,2波段与其全色PAN波段之间的融合,运用比值变换、主成分分析法（PCA）、乘法变换和IHS变换四种常见融合方法进行对比分析,并对融合后的影像进行主观定性评价和客观定量评价。研究表明IHS融合法效果相对最好,在保持原多光谱影像光谱信息的同时,大大提高了影像的空间分辨率,改善了图像的目视效果,清晰度和纹理细节表现力也得到了较大的提高,是一种适宜于亚热带喀斯特高原地区的融合方法,对解决喀斯特高原山区受雨云天气条件限制难以获取高质量影像的问题有重要意义。      

非负矩阵分解和Curvelet在遥感图像融合中的应用

非负矩阵分解是一种提取图像原始信息局部特征的新方法,第二代Curvelet变换是一种效果较好的多尺度变换分析方法。结合两者特征提出一种基于NMF和Curvelet的遥感图像的融合方法,首先对已配准的多光谱图像和全色图像进行Curevelet分解,得到各层系数（Coarse、Detail和Fine尺度层）。然后对Coarse尺度层（低频系数）进行NMF分解,提取出包含特征基的低频系数;对Detail和Fine尺度层（高频系数）采用方差为测度参数进行邻域融合。最后进行Curevelet逆变换得到融合图像。实验结果表明,该方法的融合图像能较好地保留光谱信息,并在空间细节信息上得到改善,优于小波方法、Curvelet等方法。     

高分辨率遥感数据处理方法实验研究

近几年高分辨率遥感数据处理与应用研究越来越受到国内外学者的重视,已成为目前遥感应用研究领域的热点和难点之一。首先分析了基于像素的中分辨率卫星数据的遥感数据处理方法,包括:基于统计理论的分类方法和基于光谱信息的非参数理论方法的分类方法。在此基础上,针对高分辨率遥感图像的特点,分析了面向对象的高分辨率遥感数据处理方法。其中,图像分割是最关键的一步,即如何有效地提取出对象特征非常重要。最后,给出了高分辨率遥感数据处理方法相关算法实验,主要进行了几种图像分割算法实验,同时结合植被变化检测,进行了变化检测算法实验。     

2DPCA在遥感图像压缩中的应用

Two Dimensional Principal Analysis是新近提出的一种图像分析方法,并已在特征提取与人脸和物体识别中得到较好应用.由于2DPCA本身就具有数据压缩功能,在用于去除图像的空间相关性中,可实现对数据的压缩,尤其是对高光谱或多光谱遥感图像的压缩.实验结果表明,这类方法不仅有效,而且压缩性能良好.