面向光谱特征优化的遥感图像融合算法

针对传统遥感图像融合方法不能充分利用遥感系统的物理特征信息,使融合结果产生光谱扭曲的问题,该文结合小波变换与非下采样Contourlet变换的优点,提出了一种面向光谱特征优化的图像融合方法。通过对变换所得的高频分量依据决策因子阈值抽取全色图像细节信息,将经反方向滤波得到的有效高频细节面附加给多光谱图像分量,实现融合结果影像的光谱特征优化。结合小波变换、非下采样Contourlet变换的融合方法,实现Aster多光谱与资源二号全色影像的融合。试验结果表明:该算法在增强空间信息的同时,高效地实现了融合图像光谱特征的优化。     

基于NSCT与IHS变换的SAR与多光谱图像融合

针对SAR图像和多光谱图像提出了一种基于NSCT与IHS变换的图像融合方法。首先对多光谱图像进行IHS变换;然后对SAR图像和多光谱图像的I分量分别进行NSCT分解,在不同频域子带系数选择时,针对高频系数和低频系数分别采用不同准则进行融合得到新的I分量;最后经IHS逆变换得到融合图像。为验证算法性能,分别选用2组不同空间分辨率比的SAR与多光谱图像开展融合实验,采用信息熵、平均梯度、相关系数等客观指标与主观评价相结合的方式,对融合结果进行分析。结果表明,该方法优于传统融合方法。     

一种多极化SAR图像融合方法研究

本文针对多极化SAR图像的融合问题,提出了一种基于非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合方法。此方法用NSCT对已配准的多极化SAR图像进行分解,得到低频子带系数和各带通子带系数;采用简化的PCNN模型分别对低频子带和高频子带系数进行智能决策,并进行NSCT逆变换得到融合图像。经实验表明该方法能够最大程度地保留原始极化SAR图像的信息,融合效果好于基于单个像素和局部特征的融合方法。     

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。     

基于传感器光谱特性的全色与多光谱图像融合

提出了一种基于传感器光谱特性的全色与多光谱影像融合方法.该方法主要基于快速IHS融合方法的思想,在充分考虑各波段成像传感器的相对光谱响应的基础上,对强度分量的构造和空间细节信息的注入方式2个方面进行了改进.改进后的方法有效地改善了光谱畸变问题,且能同时对所有的光谱波段进行融合.分别对IKONOS、ETM+影像进行融合实验,结果表明该方法在光谱信息损失最少的情况下,较大地提高了影像的空间分辨率,与其他方法相比具有更好的综合性能.     

结合PCNN的红外与可见光图像多尺度融合

针对红外与可见光图像融合对比度不高,易丢失细节信息等问题,提出了一种非下采样Contourlet变换域内基于特征激励的自适应PCNN红外与可见光图像融合方法。PCNN模型采用平均梯度和赋时矩阵来自适应调节其链接强度和迭代次数等参数。对NSCT多尺度多方向高低频子带系数,分别采用特征激励PCNN,根据点火时间图的区域能量来选择融合系数。实验结果表明,该方法能够有效地融合红外和可见光图像信息,对比度高,细节保持好,无论在视觉效果上还是客观评价指标上,优于常用的图像融合方法。     

基于非下采样Contourlet变换的遥感影像融合

根据非下采样Contourlet变换的特点,提出一种基于非下采样Contourlet变换和IHS变换相结合的遥感影像融合方法.该方法首先对金色影像和多光谱影像经IHS变换后的I分量分别进行非下采样Contourlet 变换;然后采取不同的融合策略分别对高低频系数进行融合:低频系数采用区域能量加权的方法进行融合,高频系数则利用八邻域梯度优先的原则进行融合;最后通过非下采样Contourlet逆变换和IHS逆变换得到融合影像.实验结果表明,该方法在提高融合影像空间分辨率的同时,能更好地保持影像的光谱质量.     

基于小波变换的全色和多光谱遥感图像融合

基于多分辨率小波变换,针对高分辨率全色图像和多光谱图像的融合,提出了一种基于方向可调滤波器的区域能量测量的小波变换融合算法.将此方法与HIS和传统小波的融合方法比较,结果表明,该方法在保留多光谱图像光谱信息的同时,能够更好地保留高分辨率图像的空间信息,融合效果有较大改善.     

顾及光谱特性的多光谱与全色影像HIS融合方法

应用CHIS(Generalized-Hue-Intensity-Saturation)变换融合多光谱影像与全色影像中存在的光谱扭曲问题,主要是由于变换后的I分量与全色影像之间差异过大.为此,本文提出了一种基于统计关系定权的I分量计算方法,从数据整体角度考虑,在不能获取I分量与多光谱影像准确函数关系情况下,通过各波段影...     

多/高光谱遥感图像的投影和小波融合算法

将高光谱图像与高空间分辨率图像融合后,由于融合图像空间分辨率提高,改变了混合像元内地物组分比例,像元光谱信息较原高光谱图像光谱信息会出现“失真”现象。针对这种情况,考虑混合像元内成分变化进行图像融合,首先利用投影方法模拟多光谱图像得到高光谱图像,并将模拟高光谱图像与原高光谱图像利用小波方法进行融合,融合图像不仅增强了空间信息,而且对光谱信息进行一定的修正,从而提高了环境异常探测等一系列应用的精度。利用Hyperion图像和SPOT-5图像进行融合实验,融合图像能够识别出87.2%目标区域。     

遥感影像的融合--SPOT全色波段和多光谱影像的融合

按照影像融合的一般理论,结合Erdas软件功能实现了SPOT全色波段和多光谱影像的融合。     

一种高光谱遥感图像快速谱聚类算法

为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题,集成Lanczos算法与谱聚类算法,探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性,提出了一种面向高光谱遥感图像的快速谱聚类算法;通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果,发现面向高光谱遥感图像的谱聚类算法易于识别线性地物,且分类的速度能得到较大提升。     

一种新型遥感影像快速匹配算法

An iterative algorithm to calculate mutual correlation using hierarchical key points and the search space mark principle is proposed. An effective algorithm is designed to improve the matching speed. By hierarchical key point algorithm and mutual correlation coefficients of the matching images, the important points can be iteratively calculated in the images hierarchically, and the correlation coefficient can be obtained with satisfactory precision. Massive spots in the parameter space which are impossible to match can be removed by the search space mark principle. Two approximate continuities in the correlation image matching process, the image gray level distribution continuity and the correlation coefficient value in the parameter space continuity, are considered in the method. The experiments show that the new algorithm can greatly enhance matching speed and achieve accurate matching results.     

基于多进制小波的SPOT全色影像和多光谱遥感影像融合

基于多进制小波理论,本文研究了ＳＰＯＴ全色影像与多光谱遥感影像数据融合的理论和方法,并在三进制情形,对１０ｍ分辨率ＳＰＯＴ影像和３０ｍ分辨率多光谱影像进行了实验,同时对实验结果进行了分析和讨论。理论和实验表明,基于多进制小波的遥感影像数据融合具有好的效果,并可用于广泛的研究领域。     

利用NSCT和Krawtchouk矩进行图像检索

提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和Krawtchouk矩的图像检索算法。首先,通过NSCT对图像进行分解,提取每个分解层次上不同方向子带系数分布的数学特征作为图像的纹理特征;然后,利用Krawtchouk矩描述图像的形状特征;最后,根据加权的相似性度量实现图像检索。实验结果表明,所提取的特征向量具有平移、旋转、尺度不变性,且能获得更高的检索精度。     

高维遥感图像的快速分类算法

为了实现对高维遥感图像的快速准确分类,提出了一种基于k均值二叉树支持向量机(SVM)的分类方法。该方法通过对选取的训练样本进行k均值聚类,生成支持向量机分类二叉树,作为确定最佳分类顺序的依据,以降低分类过程中的误差累积并提高整体分类精度,而且可缓解由样本数量不均衡导致的分类误差。该方法可在不进行降维处理的情况下,对高维遥感图像进行快速准确分类。测试结果表明,其分类速度和分类精度都优于传统的支持向量机分类结果。     

Comparison Between Four Methods for Data Fusion of ETM＋ Multispectral and Pan Images

Four data fusion methods, principle component transform (PCT), brovey transform (BT), smoothing filter-based intensity modulation(SFIM), and hue, saturation, intensity (HSI), are used to merge Landsat--7 ETMq- multispectral bands with ETM panchromatic band. Each of them improves the spatial resolution effectively but distorts the original spectral signatures to some extent. SFIM model can produce optimal fusion data with respect to preservation of spectral integrity. However, it results the most blurred and noisy image if the coregistration between the multispectral and pan images is not accurate enough. The spectral integrity for all methods is preserved better if the original multispectral images are within the spectral range of ETM pan image.