一种基于小波系数特征的遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像.为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域.在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法.通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较.证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率.     

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。     

摄影测量与遥感学

CH20041160 一种基于小波系数特征的遥感图像融合算法=A Remotely Sensed Image Fusion Method Basedon Wavelet Coefficient Features/刘哲,郝重阳,冯伟(西北工业大学电子工程系)…∥测绘学报.-2004,33(1).-53-57多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域。在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法。通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较。证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率。图1表1参8     

一种快速的全色和多光谱图像融合算法

针对非下采样Contourlet变换(NSCT)在全色和多光谱图像融合中计算复杂度较高的问题,文章提出了一种快速的基于NSCT和超维彩色空间变换(HCT)相结合的融合算法:采用HCT变换提取多光谱图像的亮度分量,使得任意波段的多光谱图像跟全色图像融合的计算复杂度降低;采用NSCT进行融合,使得融合结果的空间分辨率提高的同时,保留原光谱特性。基于Pleiades卫星图像的实验结果表明,跟NSCT变换相比,本文提出的融合算法的融合结果空间细节更加突出,光谱畸变更小,同时计算复杂度显著降低。     

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。     

基于Contourlet变换的遥感图像融合方法研究

为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。     

改进的Welsh颜色迁移算法在GF-2图像融合中的应用

图像融合过程中需要对遥感图像进行几何纠正、配准等预处理,在国土资源调查研究工作中是一项繁重工作。因此,提出利用改进的Welsh颜色迁移算法实现图像融合,以湖北省仙桃市GF-2高空间分辨率全色图像(简称高分图像)为研究数据进行实验,并将迁移结果与Gram-Schmidt(GS)和主成分(principal components,PC)融合结果进行定性和定量对比。结果表明,基于Welsh颜色迁移的融合算法在图像光谱和纹理的保真度上都比GS和PC融合算法有更好的效果;特别是在地物复杂区域,颜色迁移算法的纹理结构相似度远优于GS和PC融合算法。同时,颜色迁移的算法可以应用于不同区域的多光谱和全色波段图像融合,而无需先对图像进行几何纠正、配准等预处理。     

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。     

基于双树复小波的CBERS-02B星遥感影像融合及评价

以CBERS-02星全色、多光谱图像及IKONOS多光谱图像为数据源,利用离散小波变换和双树复小波变换进行融合试验。结果表明,双树复小波变换在空间细节表现力和光谱保持方面能够较好地达到平衡,较离散小波变换更能提高图像融合质量。通过融合方法对比分析可知,02B星全色波段不仅与其多光谱波段融合能够得到信息更加丰富的图像,而且与其它传感器数据融合同样有很好的目视效果和可读性,具有较大的应用前景。     

图像融合中配准误差的影响

基于IKONOS-2全色与多光谱图像和Cartosat-1全色与CBERS-02多光谱图像,通过模拟的和真实的配准误差,采用IHS融合和Brovey融合方法,本文讨论了配准误差对融合结果的影响。实验表明,配准误差对融合质量的影响较大,在遥感图像融合处理中,配准误差越小越好;对于保持光谱信息的融合,当配准误差增加时,两种方法产生的光谱变形都迅速增加,此后光谱变形程度随配准误差的变大继续缓慢增强;对于保持空间信息的融合,配准误差的增大,导致两种方法融合结果的清晰度都下降,但下降速度略有不同。