影像融合技术在地学信息处理中的应用

多传感器遥感图像融合对于增强遥感图像的清晰度和解译能力,提高目标识别精确度和地物分类可靠性等遥感应用方面都有重要的现实意义。与单源遥感影像相比,多源遥感影像的主要特征是冗余性和互补性。多源遥感影像融合可以减少系统的多义性和不确定性,增加特征提取的精确性,能形成对被感知对象的完整一致的信息描述。如何实现光谱保持和高分辨率保留是影像融合的两个重要问题。本文结合影像融合技术的相关理论及概念,阐述了融合技术在实际中的应用。针对SPOT5、TM数据的特点及其缺点进行了相关实验,验证了影像数据高、低分辨率之间在实现融合时,空间分辨率的差值不宜过大,否则光谱的保持和高分辨率的保留都会受到影响;同时就利用影像的融合技术解决TM数据反向问题做了相关的探讨,实验结果证明是切实可行的。     

SPOT 5与ETM+影像融合用于土地调查

以SPOT 5及ETM 遥感影像为基础数据,通过对云南昆明郊区利用PCA法和Brovey法进行影像融合,使融合后影像同时具有多光谱特性和高分辨率,提高影像的解译度。并对融合后的影像进行分类及精度分析,讨论影像融合技术在土地调查中的应用。     

RADARSAT-2全极化SAR数据地表覆盖分类

全极化合成孔径雷达(SAR)能够测量每一观测目标的全散射矩阵,但地物分布的复杂性往往造成不同地物具有相似的后向散射信号特征,因而增加了地物信息提取的难度。文中基于北京地区的RADARSAT-2全极化雷达数据,在图像处理的特征分解的基础上,利用PolSARPro软件提取包含地物散射机理信息的各种极化参数,按H-α、A-α、H-A对全极化SAR影像进行基于散射机理的分类,继而将分类结果作为Wishart H/A/α、Wishart H/α的初始类别划分。最后,采用决策树分类算法对基于Wishart分布的监督分类及以上两种分类算法进行融合处理,从而实现地物的分类,并将分类结果与经典的分类算法进行对比分析,验证了文中方法的有效性。     

深度学习在光学和SAR影像融合研究进展

遥感影像融合作为影像处理领域中最具有挑战的工作,一直是学术界研究的热点。合成孔径雷达SAR（Synthetic Aperture Radar）具备全天时、全天候、穿透云雾等多种特点,却因存在相干斑噪声等问题,使得影像难以解译。相比之下,光学影像可以反映地物的光谱和空间信息,易于解译,但容易受到云雾干扰,造成信息丢失,将光学与SAR影像数据融合可以实现不同类型传感器成像之间的信息互补,能够更好地为后续的影像分析与解译提供方便。本文首先对光学和SAR影像融合进行了系统性回顾,包括传统融合方法和基于深度学习方法在影像融合方面的最新工作,重点阐述了卷积神经网络CNN（Convolutional Neural Network）、生成式对抗网络GAN（Generative Adversarial Networks）等框架在光学和SAR影像融合中的进展;然后总结了光学和SAR影像融合在深度学习领域开发的数据集,并做了简单介绍和说明;最后,从数据集、时间序列影像融合、融合评价体系和算法轻量化等4个方面对光学和SAR影像融合的未来发展趋势进行了展望。     

利用ICA算法进行全极化SAR影像滤波研究

提出了一种基于ICA算法的全极化SAR的滤波方法.首先对全极化SAR的四通道dB强度影像进行ICA变换,分离出信号及噪声分量,将噪声设为极小值,然后利用混合矩阵混合得到滤除噪声后的强度影像,结合原始相位信息,计算滤波后的散射矩阵.采用Foulum地物的EMISAR数据进行试验,并采用相干斑指数、均方差指数、边缘保持系数以及极化相关系数进行评价.结果表明,该方法不但能有效滤除影像的噪声,在边缘等细节信息保持上也具有较大优势.此外,滤波后影像虽散射特性发生改变,但维持了地物间的差异,在基于统计特性的精细分类、边缘信息及小目标检测方面仍具有较好的应用潜力.     

激光点云与航空影像融合分类

为了更好地利用激光点云数据和航空影像数据信息,改善影像分类效果,提出了将激光点云数据与航空影像进行融合分类,实现面向对象的融合分类方法。在航空影像的分水岭分割算法中加入激光点云高程信息计算梯度,然后结合两种数据源的特征,建立分层分类的规则集得到地物的分类结果。试验表明,激光点云的高程信息能够改善影像分割效果,也能将地面地物与非地面地物较好地区分,对建筑和植被的分类起到了有效作用。     

影像融合和面向对象技术在湿地分类中的应用

利用SPOT全色波段影像和Landsat ETM+多光谱影像,采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价,通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则,采用面向对象的遥感分类方法进行分类。结果表明,波段特征分析法和改进的最佳波段指数法结合,可以获得最佳融合波段。各融合方法均有效提升了影像效果,其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性,融合后各地物特征分类明显,可以有效应用于湿地分类;采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度,与传统的分类方法相比有了很大进步,在湿地分类中具有很大的应用潜力。     

多进制小波理论在SPOT和TM影像融合中的应用

二进制小波不适合融合SPOT全色影像和TM多光谱影像；三进制下的Mallat算法对SPOT全色影像和TM多光谱影像进行融合时，由于存在抽取和插值运算，使得融合的结果存在相位失真。为了克服相位失真，本文采用了多进制下的MRAGM算法。试验表明，它能有效地用于融合SPOT全色影像和TM多光谱影像，实现它的关键是构建具有支撑特性的M进制低通尺度函数滤波器。     

秦淮河丘陵地区土地利用遥感信息提取及制图

着重论述了使用SPOT卫星遥感图像提取土地利用专题信息的技术与方法。利用数字地形模型（DEM）派生的坡度、坡向等辅助信息，对遥感影像的光谱特征空间进行扩展，建立基于知识的统计分析扩展模型，对不同参数的分类结果进行评价。研究结果表明，该方法能有效地提取SPOT星遥感土地利用专题信息，特别适合我国南方丘陵地区土地利用遥感信息提取。同时，通过地物分层分类信息提取方法和遥感影像数据融合技术，编制了研究区土地利用现状图。     

多时相全极化SAR数据融合方法与土地覆盖分类研究

结合多时相和全极化SAR数据在地表覆盖分类中的优势,通过融合多时相全极化SAR数据,降低雷达图像上斑点噪声的影响,开展土地覆盖分类研究。以贵州扎佐林场大约12 km×17 km的区域为研究区,使用6个不同时期的RADARSAT-2全极化数据进行地表覆盖分类研究。研究结果表明:不同地物的后向散射机制有很大区别,且对应的后向散射系数随时间的变化规律也各不相同;该方法能有效区分人工建筑、森林、农田和水体等地物,斑点噪声得到有效抑制,图像质量,特别是视觉效果大为改善。     

中巴资源卫星（CBERS-02B）遥感影像数据融合研究

在阐述和分析中巴资源卫星（CBERS-02B）数据特点的基础上,对像素级融合的方法进行分析,重点针对CBERS-02B星上的多光谱和全色数据进行融合算法的实验,分别采用主成分变换和小波变换融合,然后使用PCA与小波分解相结合的融合方法,最后对不同融合算法结果从均值、标准方差、信息熵、扭曲度等指标进行了比较分析与评价。     

基于IHS变换和小波变换的遥感影像融合

在遥感影像融合中，IHS变换法与小波变换法具有互补性，文中把这两种方法结合起来，提出了一种基于IHS变换与小波变换的影像融合方法。通过对具体影像的实验证明，该方法是有效的，达到了预期的目的。     

利用纹理特征的SAR与光学图像融合方法研究

针对SAR与光学图像的融合问题,提出一种基于SAR图像中纹理特征的Contourlet变换融合方法。利用灰度共生矩阵法提取SAR图像的纹理特征,分析各个纹理特征间的相关性,得到重要纹理特征图。用HSV变换提取光学图像的强度分量。将重要纹理特征和强度分量利用改进的Contourlet多尺度变换融合,得到新的强度分量。通过HSV逆变换得到SAR与光学的融合图像。利用Landsat8和Cosmo-SkyMed图像进行融合实验,并与小波、HSV、Brovey、Contourlet变换融合方法对比分析,实验表明该方法能够较好的保持光学图像的光谱特征和SAR图像的纹理、强散射特征,增加图像细节信息,提高图像可解译性。     

Fusion of TerraSAR-x and Landsat ETM+ data for protected area mapping in Uganda

TerraSAR-X satellite acquires very high spatial resolution data with potential for detailed land cover mapping. A known problem with synthetic aperture radar (SAR) data is the lack of spectral information. Fusion of SAR and multispectral data provides opportunities for better image interpretation and information extraction. The aim of this study was to investigate the fusion between TerraSAR-X and Landsat ETM+ for protected area mapping using high pass filtering (HPF), principal component analysis with band substitution (PCA) and principal component with wavelet transform (WPCA). A total of thirteen land cover classes were identified for classification using a non-parametric C 4.5 decision tree classifier. Overall classification accuracies of 74.99%, 83.12% and 85.38% and kappa indices of 0.7220, 0.8100 and 0.8369 were obtained for HPF, PCA and WPCA fusion approaches respectively. These results indicate a high potential for a combined use of TerraSAR-X and Landsat ETM+ data for protected area mapping in Uganda.     

城市植被制图中SPOT5影像融合方法研究

不同的融合方法用于不同应用目的融合效果不同,本文采用主成分分析、HIS变换以及基于小波变换的主成分分析和HIS变换四种融合方法对SPOT5全色波段和多光谱波段进行融合,并针对城市植被制图特点对融合结果进行质量评价。结果表明,基于小波变换的PCA和HIS变换融合法光谱保持能力最好,但是空间结构特征较差,不适于城市植被零星分布的特点。主成分分析既有较好的空间结构特征,细小地物纹理清晰,同时又具有较好的光谱保持能力,最适合于城市植被制图研究。     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

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。     

PCA、ICA和Gabor小波决策融合的SAR目标识别

提出了一种基于主成分分析(PCA)、独立分量分析(ICA)和Gabor小波决策融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标识别方法。首先用PCA、ICA和Gabor小波变换分别对SAR目标图像提取特征向量,再用3个支持向量机分类器分别对3种方法提取得到的特征向量分类,通过基于等级的决策融合方法对3个支持向量机分类器的输出进行决策融合,得到最终类别决策结果。采用MSTAR数据库中3个目标进行识别实验,实验结果表明,PCA、ICA和Gabor小波决策融合后得到的识别率高于单独用其中任何一个特征得到的识别率。因此,该方法可提高目标的正确识别率,是一种有效的SAR图像目标识别方法。     

基于多尺度分析的遥感影像融合研究

本文对SPOT5的多光谱波段和全色波段在像素级的融合层次上运用多尺度分析的方法进行了融合试验,主要用了小波变换和Curvelet变换的方法,这两种变换方法都能把图像分解为低频的近似图像和高频的细节图像,采用一定的融合规则对分解后的图像进行融合,并进行反变换得到融合后的图像,并把基于多尺度分析的融合结果与传统的融合方法进行了对比分析。结果表明,基于多尺度分析的融合方法比传统的PCA、Brovey融合方法效果要好;而Curvelet变换融合在光谱保持度及空间信息提高方面都比小波变换融合有所提高。