一种光谱保持型的图像融合方法

常用的遥感图像融合的方法 ,如HIS变换法、Brovey变换法和主成分变换法等在实施图像融合时 ,存在不同程度的光谱扭曲的现象。针对IRS与TM数据光谱响应范围不同 ,探讨了一种新的光谱保持型的EEIM融合算法。EEIM融合方法是首先对参与融合的全色波段进行滤波 ,然后进行比值变换 ,融合后的图像在信息量、光谱保持性能等方面均较优     

一种保持光谱特征的图像融合方法——高通滤波融合法

探讨了一种新的光谱保持型的高通滤波融合(HPFF)算法。该算法先对参与融合的全色波段图像进行高通滤波,然后用滤波后的全色波段图像替换IHS正变换后的强度分量,再进行IHS逆变换,便得到HPFF融合图像。该图像色彩与TM图像一致,优于常规IHS变换法所得的图像。     

遥感图像的融合方法研究

图像融合是遥感图像处理中的重要一环,本文着重论述了遥感图像的3个层次的融合方法,并进行了对比分析,最后指出遥感图像融合的发展方向。     

一种小波包遥感图像融合方法

本文介绍了一种基于小波包的遥感图像融合方法,实验采用熵、光谱扭曲指数和边缘指数等作为评价融合质量的定量指标,表明了通过这一融合方法比传统的IHS、PCA、HPF以及小波融合具有更高的光谱信息保持和纹理信息增强能力.     

像素级遥感图像融合方法研究

多传感器遥感图像融合按信息表征层次的不同,可以分为像素级融合、特征级融合和决策级融合。本文介绍了像素级层次上的多种遥感图像融合方法,阐述了其融合原理和实现过程,分析了它们适用性和优缺点,并给出了遥感图像融合的一般评价指标。     

一种光谱信息保持的影像融合算法研究

在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat(TM)多光谱图像的融合实验,证明了该方法的有效性。     

一种知识型遥感图像光谱特征融合方法

介绍了多源遥感图像融合的趋势，分析了其现状和层次，提出了一种基于光谱特性知识的光谱特征融合方案，并给出了部分实验结果。     

遥感图像融合效果评价方法的探讨

遥感数据融合技术是当今遥感应用研究的热点课题之一,对融合图像的效果评价也显得非常重要,目前在融合效果评价方面缺乏统一的指标。本文通过一个实例,来说明在融合效果评价中不同的评价方法的作用与意义,对信息量、清晰度和逼真度等方面的定量指标如熵、平均梯度和灰度变化指数进行了研究,研究结果表明在对融合图像的效果进行评价时,灰度变化指数和平均梯度更能说明融合质量的好坏的重要指标,而熵并不是一个有效的评价指标。     

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...     

基于缨帽变换的遥感图像融合方法研究

本文阐述了图像融合和缨帽变换的意义,针对缨帽变换在植被信息提取方面的优点,提出一种新的基于缨帽变换的遥感图像融合方法。为了验证算法的有效性,在城区遥感图像融合中,将其与其他几种图像融合算法进行比较。实验结果表明,基于缨帽变换的遥感图像融合方法得到的结果图像纹理清晰、结构完整、光谱保持能力强,在城市零星绿地提取中有着显著的效果。     

基于多尺度光谱增益调制的遥感影像融合方法

针对IHS和PCA等常用影像融合方法会产生较严重的光谱扭曲的问题,基于光谱增益曲面,提出一种多尺度光谱增益调制的光谱保持型遥感影像融合方法,能够有效地减少由于饱和度变化而引起的光谱扭曲。融合试验和客观评价指标证明,与传统的IHS、PCA等方法相比,本文方法能够在提高空间分辨率和保持光谱特征之间取得更好的平衡。     

基于热传导模型的像素级遥感图像融合

通过热传导方程给出了一种像素级遥感图像融合模型和方法：1)给出了空间域内高分辨率图像与低分辨率图像之间的扩散关系,作为特例得到了Brovey变换(Brovey Transform,BT);2)给出了图像融合与增强的统一表达式并得到基于亮度平衡的融合方法;3)低分辨率多光谱图像的方差较小情形,指出基于方差的标准图像融合方法将会丢失高空间分辨率全色图像信息。实验表明,除了图像量化误差以外,所提议的方法不会丢失已知图像的空间分辨率和波谱信息。     

RS image fusion technique for information preservation

A simple spectral preserving image fusion technique, Edge Enhancement Color Normalized (EECN), was proposed to merge two kinds of image data. In addition, a mathematical model was also proposed to evaluate spectral property of the fused production of EECN. The results were clearly demonstrated by an image fusion experiment using Landsat-5 TM and IRS-1C Panchromatic images of Beijing, China. The visual evaluation and mathematical analysis compared with Brovey transform confirmed that the fused image of EECN is quite similar in color to the lower resolution multi-spectral images, and its space resolution is the same as the higher solution panchromatic image.     

RS image fusion technique for information preservation

A simple spectral preserving image fusion technique, Edge Enhancement Color Normalized (EECN), was proposed to merge two kinds of image data. In addition, a mathematical model was also proposed to evaluate spectral property of the fused production of EECN. The results were clearly demonstrated by an image fusion experiment using Landsat-5 TM and IRS-1C Panchromatic images of Beijing, China. The visual evaluation and mathematical analysis compared with Brovey transform confirmed that the fused image of EECN is quite similar in color to the lower resolution multi-spectral images, and its space resolution is the same as the higher solution panchromatic image.     

多源遥感影像数据融合方法探讨

在简要分析几种常用多源遥感图像融合方法的基础上,着重探讨了基于小波变换融合方法的特点以及小波变换与其他方法相结合使用的优势,为相关工作提供借鉴。     

遥感影像植被信息提取方法研究及思考

从植被光谱特征出发,对植被信息提取的方法和现状进行了综述,其中主要介绍了几种具有代表性的植被提取方法,如:植被指数提取法、NDVI与波段合成法、HIS融合法、分级分类提取法、基于知识库提取法等,对各种方法的原理、特点、优势与限制进行了分析、对比、思考,并展望了下一步研究方向。     

多源遥感影像数据融合理论与技术

在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上,归纳了多源遥感影像数据融合方法,并对数据融合的关键技术及研究热点进行了总结。     

基于高光谱卫星遥感数据的UPDM分析方法

提出了一种用于处理多/高光谱卫星数据的UPDM分析方法。研究结果证明,该方法应用于Land sat/TM(ETM+)、Terra/MODIS和ADEOS II/GLI等高光谱卫星传感器时,光谱重构均方根误差小于0.029,适用于研究高光谱卫星遥感数据。     

UFCLS线性光谱混合分析法在遥感图像分类识别中的效果分析

用非监督全约束最小二乘法对线性光谱混合模型进行了反演,通过获得各像元组分的面积比图像来达到对各像元分类的目的。将非监督全约束最小二乘法的分类结果与有限光谱混合分析法的分类结果进行对比,结果表明,无论从分类效果还是计算时间上看,前者都优于后者。