基于像元级RS影像数据融合方法应用评价

遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。     

多光谱与全色遥感影像像素级融合算法比较分析

简述了遥感影像融合的过程,并利用SPOT5的全色和多光谱影像在Envi软件里采用IHS、Gram-Schmidt、Brovey和Color Normalized （CN）的融合算法进行融合,然后对几种影像融合的结果进行定性定量的评价分析.分析的结果表明：与原多光谱相比,HIS融合方法的清晰度和信息的丰富度最高;Gram-Schmidt的光谱保真度和相关度最佳,清晰度和信息的丰富度也仅次于HIS融合结果;Brovey和CN的融合算法是最差的,但是在凸显植被和水体地物时Brovey和CN有优势.总而言之对于不同地物类型,每种融合方法具有各自的优势和限制,所以应根据不同的用途选择最佳的融合算法.     

基于小波变换和局部相关系数改进IHS变换的图像融合方法

为得到分辨率高、光谱畸变小的融合图像,该文根据图像处理理论和小波变换的时频局部 特性,采用Quickbird数据,对多光谱波段经IHS变换的I分量和全波段图像分别进 行小波分解,用全波段图像经小波分解得到的高频系数替换I分量小波分解的高频系数, 替换时根据图像的地物光谱特性引入局部相关系数进行有选择的高频替换.经过IHS反变换得到空间分辨率高且没有光谱畸变的融合图像.     

基于Savitzky-Golay方法的遥感影像融合

把Savitzky-Golayr滤波方法拓展至二维,提出了基于Savitzky-Golay方法的遥感影像融合算法,并通过与HSI变换、PCA变换和小波变换融合等传统融合算法的比较,证明该方法性能最优.分析Savitzky-Golay滤波算子阶数和小波变换尺度对融合影像质量的影响,发现Savitzky-Golay滤波融合过程中Savitzky-Golay滤波算子阶数是决定融合质量的关键因素.算子阶数越高,融合后影像细节信息越丰富,但光谱信息损失也越严重;算子阶数越低,融合后影像光谱信息保持能力越好,但细节信息增强能力变弱.如何根据具体的遥感影像自动确定最佳的算子阶数是下一步要解决的问题.     

基于灰色绝对关联度边缘检测的多源遥感影像加权IHS融合

鉴于IHS变换的融合影像存在光谱扭曲问题,而灰色关联度对图像边缘检测具有局限性,该文将基于灰色绝对关联度的灰色关联分析与IHS变换相结合进行影像融合。采用灰色绝对关联度检测高分辨率影像的边缘点和非边缘点,基于边缘信息确定高分辨率影像和IHS变换后的亮度分量在组合中的权值,最后通过IHS反变换实现影像加权融合。应用该算法分别对多源遥感影像进行融合处理,在提高空间分辨率的同时能够很好地保持多光谱影像的光谱信息,优于传统的IHS融合方法和基于灰色关联度的IHS融合算法。     

基于LBV数据变换方法的海岸带多光谱影像分类方法研究

在传统的海岸带多光谱影像分类方法的基础上,提出了运用LBV数据变换方法对海岸带多光谱影像进行地物分类识别的方法,通过图像数据变换能够分别提取出表示地物总辐射水平、可见光-近红外辐射平衡和表示波段辐射变化矢量(方向和速度)L、B、V的值.通过应用青岛海岸带TM多光谱影像,提取LBV变换图像并与原始假彩色合成图像比较,分别进行监督分类试验.运用LBV数据变换方法获得的图像信息量更丰富,地物类别更鲜明,有利于图像的目视解译,分类精度提高约3.12%.     

基于小波变换的高分辨率影像纹理结构分类方法

该文提出了利用小波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。由阐述遥感影像纹理结构识别原理人手，提出影像纹理结构特征抽取的小波变换方法，构造了有明确的数学和物理意义的参数来描述影像纹理信息，在此基础上利用这些参数进行影像纹理结构分类。试验结果表明，小波变换方法适用于具有规则和较强方向性的纹理结构影像分类。     

基于DEM和IHS变换的遥感图像反立体纠正方法研究

为纠正太阳同步卫星所获取的山地地形遥感图像中存在的反立体现象,以四川省广元市某区的遥感图像为例,尝试一种基于DEM和IHS变换的遥感图像反立体纠正方法。该方法用DEM制作的地形阴影图替换IHS变换得到的亮度(I)分量后进行IHS反变换,能有效纠正遥感图像上的反立体现象,并与原图像色彩基本保持一致。     

基于差值权重和快速傅立叶变换的“北京一号”卫星影像融合方法研究

提出一种基于差值权重和快速傅立叶变换的影像融合方法--DWF,对"北京一号"小卫星的全色和多光谱影像进行融合.该算法根据卫星影像的成像过程,通过傅立叶变换获取全色影像的高频、低频信息和多光谱影像在HIS颜色空间中分量的低频信息,由这3种信息通过基于差值权重的决策计算获得融合影像的空间信息.实验采用PCA、GS、DWF以及基于小波的HIS变换的融合方法,结果表明DWF方法优于其他融合方法,比较适合于"北京一号"卫星的全色与多光谱影像融合.     

一种融合中分辨率多光谱与高分辨率全色图像的方法

针对中分辨率多光谱与高分辨率全色图像空间分辨率差异大,导致融合结果难以较好平衡光谱信息保持和空间信息保持能力的问题,该文分析了7种常用融合方法用于中分辨率多光谱与高分辨率全色图像融合的优缺点及其融合质量的影响因素,提出了一种组合融合方法。该方法在保留Gram-Schmidt方法的细节注入方式的基础上,综合利用高通滤波法和Gram-Schmidt方法的优势构造低分辨率全色图像,确保在提高融合图像空间分辨率的同时有效降低其光谱变形。通过CBERS-02多光谱和IRS-P5全色图像的实验,证明了新融合方法的有效性。     

ETM+影像IHS融合算法改进及其土地覆盖分类实验比较

在总结PCA、IHS融合算法优缺点的基础上,发展了一种改进的IHS融合算法。利用HPF、Brovery、PCA、IHS及改进的IHS融合算法对ETM+全色和多光谱影像进行了融合实验。通过定性、定量分析比较融合影像的质量,并分别对融合后影像和原始影像进行土地覆盖非监督分类实验。选取原始影像和非监督分类精度最高的一种融合影像进行监督分类实验与比较,发现无论是非监督分类还是监督分类,改进的IHS融合影像精度均较高。     

北京一号卫星影像的数据融合研究

"北京一号"卫星是我国近期发射的一颗中高分辨率对地观测小卫星.鉴于数据融合技术在遥感领域的重要作用,对该卫星多光谱与全色波段数据进行不同融合方法的实验.具体以河南新郑地区为实验区,应用遥感处理软件,通过定性分析和定量评价,得出Brovey变换是目前较适合北京一号小卫星数据的融合方法,而小波HIS变换则是以后研究的重要发展趋势.     

基于GF-1与Sentinel-2融合数据的地膜识别方法研究

随着我国地膜使用面积的增加和人们对土壤微塑料污染问题的日益关注,大尺度的地膜遥感识别已成为农业生产管理、土壤污染防治的必要手段。针对地膜光谱反射特征的复杂性以及基于单一遥感影像光谱特征识别方法错分率高等问题,该文以河北省邯郸市邱县为试验区,利用GF-1数据的空间细节与Sentinel-2数据的光谱信息进行NN Diffuse Pan Sharpening融合,据此建立地膜识别的特征矩阵(NDVI、MNDWI、NDBI、IBI、PSI),基于该特征矩阵可实现自动阈值地膜分层分类识别。多种方法的地膜识别结果精度对比表明:多源光学遥感数据融合方法的总体精度为94.87%,Kappa系数达0.89,显著优于基于单一数据源的深度学习法的精度(93.14%)以及基于传统机器学习分类方法的支持向量机(85.91%)和随机森林分类法(86.78%)的精度;通过与Sentinel-2多光谱影像融合,弥补了GF-1数据光谱分辨率低的缺陷,实现了多源数据在地膜识别中的优势互补,可为相关部门农业规划与管理以及生态环境保护等研究提供大尺度、高精度的地膜分布参考数据。     

基于矩匹配算法的山区影像地形辐射校正方法研究

针对山区遥感影像地形辐射校正问题,应用现有模型(如C校正)进行地形辐射校正很难达到理想效果。引入矩匹配算法,利用DEM数据计算坡度、坡向等地形信息,以特定坡度和坡向数据为参考依据,对影像进行地形辐射校正。通过北京房山区SPOT5影像进行试验,表明该方法能在很大程度上消除地形阴影,更好地反映阴影区域的细节信息,同时光谱特性保真程度较好,原模糊的影像区域通过处理基本上达到有效识别地物的要求。     

小波基及其参数对遥感影像融合图像质量的影响

IHS和小波变换结合的融合方法已成为多源遥感影像信息聚合的有效途径,但小波基与小波分解层数等参数对影像融合质量影响的很多细节需进一步研究。该文以SPOT遥感影像为数据,在Matlab软件环境下进行小波簇、不同序号小波基及分解层数的图像融合,用信息熵、平均梯度和标准偏差3指标对融合图像的质量进行评价。结论如下:第1层小波分解的融合图像质量差异不大;其余小波分解层数下融合影像的质量因小波基而异,如coif5s、ym5、dmey对小波分解层数不敏感,db1、bior3.1则具有分段响应的敏感特征,其中,rbio3.1在小波分解层数为4时,融合图像失真;不同簇的小波基对融合图像质量的影响也各异。结果表明,小波基等参数的选取直接影响到遥感影像融合的效果。