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。     

光谱与空间局部相关的SVR影像融合方法

针对合成变量比(synthetic variable ratio,SVR)融合方法可能存在的颜色偏差问题,提出一种基于光谱与空间相关的遥感影像融合方法。该方法利用全色影像与多光谱影像的光谱与空间相关特性,采用局部优化策略模拟全色波段,能够有效地减少融合影像的光谱扭曲。选择WorldView-2等卫星的全色和多光谱影像进行融合试验,采用目视和量化指标进行评价,并与现有流行算法进行对比,验证了本文方法的优越性。     

RS影像融合效果评价

近年来多源遥感影像融合技术发展迅速,融合方法研究日趋完善,然而融合影像效果评价始终没有统一标准。在系统分析传统评价指标的基础上,从光谱保真度、高频信息融入度两个方面对融合影像的评价进行综合分析,并在这两个方面建立了光谱信息指数与高频信息指数两个指标,然后对其进行综合建立信息量指数,从而在信息量方面加以评价,从而形成一套完整的评价体系。最后应用融合实例对创建的评价体系进行了验证。     

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。     

一种基于高通滤波的主成分分析影像融合方法

针对主成分分析(PCA)变换影像融合过程中变量降维信息损失较多的问题,提出了一种基于高通滤波的主成分分析(PCA)变换融合方法。该方法首先对高分辨率影像在高通滤波模块上进行卷积运算,然后将滤波过后的影像与主成分变换后的第一主分量进行直方图匹配和加权平均运算;最后用直方图匹配过的高分辨率影像代替第一主分量与其他分量经K-L逆变换得到融合结果。选取北京二号卫星影像进行试验,通过将PCA变换和HPF融合结果进行对比评价,结果表明了该方法很好地提高了影像的空间细节信息与光谱保持能力,实验结果将为后续高分系列卫星影像处理提供支持。     

基于SURF算法和改进RANSAC算法的无人机影像匹配

影像匹配是诸多遥感影像处理和影像分析的一个关键环节,结合加速鲁棒性特征(SURF)算法和随机采样一致性(RANSAC)算法对影像进行处理,得到特征稳定、匹配点可靠的配准影像。首先提取影像的SURF特征,利用特征点的欧式距离比来完成影像之间的粗匹配;然后使用RANSAC算法对粗匹配点进行筛选;最后计算出图像间的变换矩阵,完成匹配。文中选择某城郊地区的无人机航拍影像,结合SURF算法,并改进RANSAC算法来对影像进行处理,实现影像的匹配,验证文中方法的可行性。     

利用改进ORB算法的无人机影像匹配

针对ORB算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对ORB算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。     

基于IHS的高通滤波法影像融合研究

在分析IHS法和高通滤波法图像融合算法优缺点的基础上,提出了一种基于IHS变换的高通滤波影像融合方法。该算法先对多光谱图像IHS变换的I分量进行低通滤波,然后对与I分量进行直方图匹配的全色图像进行高通滤波,接着合成低通滤波和高通滤波的结果作为新的I分量,最后进行IHS逆变换得到融合图像。通过与IHS法与高通滤波法的融合结果进行对比评价,表明了该方法在保持光谱信息上和提高多光谱的空间信息能力上都有很好的效果。     

多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。     

多光谱遥感影像与高分辨率全色影像融合研究

选取浙江省绍兴市作为研究区 ,探讨了IHS变换、PCA变换及Brovey变换等融合方法 ,发现Brovey变换更适合于多光谱数据与高分辨率全色数据之间的融合。     

改进的小波域多聚焦图像融合算法

小波变换和清晰度评价相结合是一种有效的多聚焦图像融合方法。首先,对源图像进行小波分解得到低频子带和高频子带,其次,引入多聚焦图像空域融合中的清晰度评价指标,用改进的梯度能量确定低频部分的清晰像素并进行融合;在高频子带上,先计算每个像素与其邻域像素灰度值之差的绝对值和,然后选取和值较大的像素系数作为高频子带的融合系数。两组实验仿真结果表明,该算法更有效,融合图像更清晰、细节更丰富,更好地继承了源图像的信息。     

一种基于小波变换的图像融合方法

针对传统基于方向对比度的小波变换融合方法所得结果局部区域清晰度不高的问题,本文在高低频分量的处理方法上作了改进,采用Tenunbaum梯度辅助增强图像的细节信息。试验结果表明,该方法所得融合结果边缘细节更清晰,信息量更大,融合效果较好。     

旋转图像匹配新算法

重点研究了旋转图像间的匹配方法,通过改变影像的结构将旋转状态变换为平移状态,计算改动后影像的傅氏变换幅度谱,用幅度谱代替原始灰度进行相关。同时,为了提高速度,采用分层搜索法分两个阶段完成整个匹配过程。同时进行大量的实验,从抗旋转性、匹配速度和正确率等方面进行分析。实验数据表明,该算法可抗任意角度旋转、匹配速度较快、正确率较高,而且对噪声小的尺度变化具有良好的鲁棒性。     

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     

一种改进的相位相关的影像配准方法

提出一种改进的基于对数极坐标变换的相位相关算法,该算法将分层匹配思想引入到匹配过程中,使得改进后的算法在保证精度的同时可大大加快计算速度,且与图像的大小无关,从而提高算法的整体性能。     

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法。首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合。实验结果表明融合图像比源图像具有更好的视觉特征。融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果。     

基于MTF滤波的北京一号小卫星遥感影像融合

北京一号小卫星提供4 m分辨率全色彩像和32 m分辨率多光谱影像,但其空间分辨率比值(1:8)较低,在对北京一号小卫星数据融合时存在空间信息损失问题.针对此问题首先从全色影像中提取成像系统的调制传递函数MTF(Modulate Transfer Function),根据MTF设计2维低通滤波器,通过对多光谱影像的亮度成分滤波估计低分辨率全色图像数据值,基于GIF(General Image Fusion)融合框架得到融合结果.实验证明本方法用于融合遥感影像的可行性,其空间信息的保持在视觉效果和定量指标上均优于IHS(Intensive-Hue-Saturation),BT(Brovey Transform)和GS(GramSchmidt)等传统的替换类融合算法,在空间信息和光谱信息的保持上亦有较好的折中.     

遥感图像像素级融合算法比较

详细介绍了像素级图像融合的原理以及方法,着重分析了目前常用的像素级图像融合的方法,通过实验分析了各种不同融合方法的优缺点,详细的说明了PCA变换、HIS变换、加权平均方法的优缺点,证明了PCA变换是一种应用比较广泛的融合方法。     

基于小波理论的IKONOS卫星全色影像和多光谱影像的融合

1999年9月24日发射成功的世界上第一颗商用1m分辨率的卫星IKONOS，具有1m分辨率的全色影像和4m分辨率的多光谱影像，通过对IKONOS1m分辨率的全色影像和4m分辨率的多光谱影像的融合可以获得1m分辨率的多光谱影像，为应用提供理高质量的数据源，基于小波多分辨率分析的MRAGM方法，它适合处理任意整数分辨率之比的融合情况，具有在提高影像空间分辨率的同时又保持色调和饱和度不变的优越性，而实现它的关键是构建具有紧支撑特性的M进制低通尺度函滤波器，本文利用基于四进制小波滤波器的MRAGM算法，成功地把全色影像和多光谱影像进行了融合，结果显示该方法的效果令人满意。