Wallis变换在小波影像融合中的应用

介绍了一种基于Wallis变换的影像增强方法在影像融合中的应用。通过分析线性拉伸、直方图均衡拉伸和Wallis变换 3种影像增强方法对多孔算法中小波系数分量的影响 ,得出对原始的高分辨率影像进行线性和直方图均衡拉伸后和多光谱影像的融合效果与直接用原始高分辨率影像进行融合的效果差别不大 ,增强算法本身没有提高融合的效果 ,而基于Wallis变换的影像增强方法可以较好地把携带细节信号的小波分量表现出来 ,有效地用于影像融合的模型中     

一种基于IHS变换和小波变换的多源遥感影像融合新方法

为了提高遥感影像的质量,分辨率和清晰度,本文提出了一种基于HIS变换和小波变换的多源遥感融合方法.将待融合的多光谱影像进行IHS变换,得到Ⅰ分量,对Ⅰ分量和待融合的高分辨率全色影像分别进行小波变换得到低频分量与高频分量.针对低频分量用低频系数求平均的融合方法,针对高频分量按局部方差最大的融合策略进行融合,然后将融合后的低频分量和高频分量进行小波逆变换.实验表明,该算法明显提高了图像的质量.     

QuickBird影像多波段融合技术的研究

本文通过分析QuickBird影像的多波段物理特性,提出了基于局部区域活性测度匹配的IHS＋小波变换的融合方法。算法首先将多光谱影像进行IHS变换,然后在频率域运用基于局部区域活性测度匹配原则将1分量和高分辨率影像进行小波变换融合。通过和传统的IHS＋小波变换的融合方法的实验进行比较,该方法具有较好的融合效果。     

基于区域统计特性的IHS-小波遥感影像融合

在遥感影像融合过程中,为了更好地避免经典IHS算法造成的光谱扭曲,文章提出了一种基于统计特性的IHS和提升小波结合的影像融合方法。该方法对小波变换后的1分量和高分辨率影像的高频和低频系数,根据不同的区域统计特性分别选取不同的融合策略进行融合,然后进行小波逆变换和色彩空间转化,得到融合影像。实验表明,此方法与IHS变换、高通滤波法和小波变换等传统算法相比,在提高多光谱影像空间分辨率的同时,能更好地保持影像的光谱质量。     

一种基于高通滤波的主成分分析影像融合方法

针对主成分分析(PCA)变换影像融合过程中变量降维信息损失较多的问题,提出了一种基于高通滤波的主成分分析(PCA)变换融合方法。该方法首先对高分辨率影像在高通滤波模块上进行卷积运算,然后将滤波过后的影像与主成分变换后的第一主分量进行直方图匹配和加权平均运算;最后用直方图匹配过的高分辨率影像代替第一主分量与其他分量经K-L逆变换得到融合结果。选取北京二号卫星影像进行试验,通过将PCA变换和HPF融合结果进行对比评价,结果表明了该方法很好地提高了影像的空间细节信息与光谱保持能力,实验结果将为后续高分系列卫星影像处理提供支持。     

基于多进制小波遥感影像融合的研究

为监测地面沉陷区的动态演化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R,G,B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行地面沉陷区监测,效果明显提高。     

IHS变换和小波变换相结合的遥感影像融合

本文针对低分辨率多光谱影像与高分辨率全色影像的融合，提出了一种IHS变换和小波变换相结合的遥感影像融合方法。方法首先对多光谱影像作IHS正变换，得到亮度I、色度H和饱和度S三个分量：然后利用小波变换融合方法，融合多光谱影像的亮度分量与全色影像，并用融合后的影像替代多光谱影像的亮度分量；最后，利用IHS反变换得到新的多光谱影像。试验结果分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法，在增强融合影像的空间细节表现能力的同时，很好地保留了多光谱影像的光谱信息。     

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。     

一种基于Choquet模糊积分小波系数选择的遥感图像融合方法

为较好地保留多光谱、高分辨率遥感影像融合时的光谱信息和高分辨率信息,在小波变换基础上提出了一种基于模糊积分的融合算法,其基本思想是在IHS空间,对强度分量Ⅰ及高分辨率图像进行小波分解后,保留Ⅰ分量的低频系数,对于高频细节特征,将局部窗口内的方差、平均梯度和能量当作单因素指标,应用Choquet模糊积分综合各单因素指标得到一个综合指标,并据此来选取小波系数.实验结果表明,该算法在光谱质量改善方面明显优于IHS以及一些经典的小波变换遥感图像融合算法,是一种有效的遥感图像融合算法.     

基于PCA+àstrous小波融合方法

针对PCA变换融合影像存在较严重的光谱失真现象,以及àstrous小波融合影像保真度高,而空间分辨率相对低的情况,本文提出一种基于PCA+àstrous小波融合算法。新方法首先对将多波段图像经PCA变换至各不相关的成分,而后对高分辨率图像与低分辨率图像主成分按照特定融合规则进行融合处理,并使用该融合后的第一主成份分量来替代高分辨率图像与低分辨率图像进行àstrous小波融合,即PCA变换与àstrous小波变换相结合的融合处理方法。主观视觉分析和客观参数表明,新方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达。     

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。     

联合IHS 变换和MAP 估计的遥感图像融合

为了提高多光谱图像和全色图像的融合质量, 提出一种基于推广的IHS(Generalized Intensity-Hue-Saturation, GIHS)变换与最大后验概率MAP(Maximum a Posteriori)相结合的遥感图像融合算法。该算法首先经过GIHS 变换, 由多光谱图像得到强度分量; 其次针对强度分量和全色图像, 通过MAP 构建高分辨率图像的成像模型, 采用最速下 降优化算法得到富含光谱信息的高分辨率全色图像; 进而依据GIHS 变换得到融合图像。实验中分别以IKONOS 卫 星、Quickbird 卫星的多光谱图像和全色图像为例, 进行融合算法验证, 并与GIHS 融合算法、传统的小波变换融合 算法、小波变换结合IHS 变换的融合算法等进行比较分析, 实验表明, 新的融合方法具有更好的融合效果。     

基于HIS和小波变换的IKONOS影像融合

许多对地观测卫星能提供高分辨率的全色波段影像和低分辨率的多光谱影像,因而影像融合已成为遥感图像空间分辨率提高的一个重要工具.目前多种影像融合技术已发展起来,然而对于高分辨率的IKONOS影像,现有的算法很难产生满意的融合效果.本文提出了一种新的融合方法,结合了HIS变换和小波变换的优势来减弱IKONOS融合中的光谱扭曲.定量评价证明HIS和小波相结合的融合方法相比常规的HIS变换和小波变换在提高融合质量上有着重要意义.     

一种改进的àtrous小波融合方法

针对遥感高分辨率全色影像同低分辨率多光谱影像的融合,提出将区域方差和区域梯度相结合的融合规则,应用于影像经àtrous小波变换产生的各分解层高频分量融合,获得融合的各分解层高频分量,然后进行àtrous小波逆变换,最终得到融合的高分辨率多光谱影像。试验结果证明,改进的方法比常规àtrous小波融合方法性能更好。     

用小波变换和数学形态学算法研究文本图像去噪

针对文本图像存在的噪声,提出了小波变换和数学形态学相结合的文本图像去噪算法。通过小波变换对原始图像进行多尺度分解,对小波近似系数进行线性拉伸处理,细节系数进行域值化处理后重建图像,对重建图像进行直方图均衡化,然后再进行数学形态学运算去除剩余噪声。结果显示本文方法对于存在大量噪声的文本图像可以起到很好的去噪效果。     

基于小波变换的大面阵CCD相机影像亮度不一致性消除算法

针对大面阵CCD影像亮度不均匀现象,提出一种基于小波变换的影像亮度不一致性消除算法。在分析像面光照模型的基础上,构造出光照模型的仿真影像,通过分析仿真影像的小波变换系数,发现影像亮度不一致信息集中反映在小波的近似系数之中。利用这一特性,先将数字相机原始影像进行多尺度小波分解,并对近似系数取对数,然后施加一个衰减算子,对近似系数的对数进行非均匀改正,将改正后的系数取指数,再对近似系数进行线性拉伸,同时根据人类视觉系统对不同方向细节敏感度的不同,对不同方向的细节系数进行不同幅度的线性拉伸,以突出图像细节,最后通过影像重建,获得均匀亮度的航空影像。实验结果显示,该算法具有很好的匀光效果,同时能够较好地保持影像细节特征。     

HCT变换与联合稀疏模型相结合的遥感影像融合

提出了一种基于HCT变换和联合稀疏模型的遥感影像融合方法,可更有效地利用多光谱所需谱段的光谱信息,最终得到所需谱段的融合影像。该方法将所需谱段的多光谱影像进行HCT变换,获取其亮度分量和角度分量;然后利用亮度分量和全色影像小波变换的低频分量进行联合稀疏模型的构建、系数求解和融合,得到融合的全色低频分量;最后将该低频分量与前面步骤所得其他分量分别进行小波逆变换和HCT逆变换,得到高质量的融合影像。试验利用Pleiades-1和WorldView-2两种卫星数据进行验证,并通过视觉效果和量化的融合评价指标进行对比和分析,验证了本文算法的有效性。     

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.     

基于多分辨率分析的灰度调制影像融合方法研究

在遥感图像处理中,由于应用的需要,已经有很多算法可以用来融合高分辨率的全色影像和低分辨率的多光谱影像。本文阐述了小波变换的Mallat算法和a′Trous（多孔）算法,在此基础上,作者提出了一种基于多分辨率分析的灰度调制影像融合方法（MRAGM算法）,以SPOT全色影像与TM多光谱影像融合为例,详细给出了算法和解算步骤,最后分别用三种方法对SPOT高分辨率全色影像和TM低分辨率多光谱影像进行了融合,并且对融合后的影像从定性和定量方面都进行了评价,可以得出MRAGM方法比Mallat算法和a′Trous（多孔）算法的融合效果要好。     

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法.首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合.实验结果表明融合图像比源图像具有更好的视觉特征.融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果.