基于局部能量的(A)Trous小波和IHS变换的影像融合研究

传统基于小波变换的影像融合随着分解级数的增加,融合影像与原多光谱影像间的相关性随之降低,融合后影像的小目标对象很难获得丰富的颜色信息.鉴于此,本文提出基于局部能量的(A)Trous小波和IHS变换相结合的融合算法,对IKONOS影像进行融合,并与传统的(A)Trous小波变换融合、(A)Trous小波变换和IHS变换结合的融合算法相比较,结果表明改进的方法能提高融合影像的相关性,降低光谱扭曲度,增强小目标的识别能力.     

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。     

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。     

WorldView-2遥感影像融合方法实验研究

针对一景WorldView-2全色影像和多光谱影像,分别利用基于高通滤波的融合算法、IHS变换融合算法、PCA变换融合算法、小波变换融合算法和ENVI Pan Sharpening融合算法进行影像融合,并利用定量评价指标进行定量化评价。试验表明,Pan Sharpening算法最为理想。     

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。     

SPOT5影像数据不同融合方法的比较与评价

采用小波IHS变换、小波PCA变换、EHLERS变换等五种不同融合技术对SPOT5的多光谱影像和全色影像进行融合,并从均值、标准差等方面对融合结果进行了评价。研究表明：EHLERS融合后影像有很好的整体视觉效果,但在细节表达方面有所缺陷;改进后的IHS融合后影像清晰度较低;PCA变换融合容易导致影像失真;而小波IHS和小波PCA融合技术以数据保留量大、失真程度小、视觉效果好、影像层次分明等特点证明了小波分解技术的优势。     

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。     

基于小波包变换区域方差的遥感影像融合

介绍了基于小波包变换和区域方差的遥感影像融合方法.利用IHS变换和小渡包变换把全色影像和多光谱影像的相应分量分解为低频部分和高频部分,并分别采用加权平均法和区域方差法融合低频部分和高频部分,然后通过小波包重构和IHS逆变换得到最终的融合影像;最后采用MATLAB语言实现了这种方法.实验结果表明,这种方法在提高影像的清晰度、突出影像细节信息以及保留原始影像的光谱特征方面效果较好.     

一种改进边缘与纹理信息的遥感影像融合算法

针对IHS变换的影像融合易产生光谱扭曲(颜色失真)的问题,文章提出了一种基于IHS变换与Bandelet变换相结合的遥感影像融合算法,利用Bandelet变换能很好捕获原始图像的边缘与纹理的特性,获取更好的彩色图像特征信息,达到最佳逼近效果:对多光谱影像Mul做IHS变换并提取I分量,通过对I分量与高分辨影像Pan做Bandelet变换,并对其几何流和Bandelet系数采用不同融合规则,再由IHS逆变换实现图像融合。实验结果表明,基于IHS与Bandelet的融合算法较IHS法在获取更丰富影像边缘细节特征信息的同时,光谱扭曲(颜色失真)现象也明显减弱,并获得了较好的人眼视觉效果,其中三角IHS与Bandelet融合的效果较好。     

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。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,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全色图像,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。     

利用小波变换对影像进行融合的研究

基于小波变换可以对影像进行正交分解 ,而不丢失原来信号所包含的信息。提出了一种Wallis变换、小波变换和IHS变换相结合用于融合的方法 ,该方法可以有效地提高多光谱影像的空间分辨率 ,同时保持原来多光谱影像的色调。     

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。     

基于压缩感知的GF-1遥感影像IHS融合算法

针对高分一号(GF-1)遥感影像高空间分辨率的特点,综合压缩感知理论改进了传统的IHS影像融合算法,利用稀疏基和测量矩阵对多光谱影像IHS变换后的I'分量和全色影像进行处理,采用加权平均和OMP(orthogonal matching pursuit)重构得到新的I分量,再通过IHS反变换得到结果影像,并结合5个定量指标进行分析评价。实验结果表明,与传统方法相比,结合压缩感知的IHS融合算法所得相关系数更高、扭曲程度更小,融合结果不仅具有更高的空间信息丰富度,并且保持了多光谱影像的色彩信息,可为GF-1影像的目视解译和影像分类提供参考。     

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。     

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.     

改进IHS变换的图像融合方法研究

经典的IHS变换融合以其快速、简单的特点得到广泛应用,但该方法在显著提高图像空间分辨率的同时引起了严重的光谱失真.本文分析了IHS变换引起光谱失真的原因,并总结了已有的针对光谱失真的IHS变换改进算法,提出基于小波的IHS变换融合,利用小波分解尽可能地保留了原I分量中的光谱信息,在提高空间分辨率的同时减少了光谱失真.实...