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。     

使用泊松方程插值方法进行遥感影像融合

以高空间分辨率的全色影像为引导,高光谱分辨率的多光谱数据作为已知条件,利用泊松方程插值方法对各个波段影像在空间维进行插值,最终得到的多光谱影像既具有原多光谱影像的光谱信息,同时又具有全色影像的清晰细节。该方法还具有不受波段数目限制的特点,与多重网格方法结合可以提高数据处理效率。使用该融合方法对QuickBird和IKONOS数据进行融合实验,实验结果在RASE、ERGAS、空间细节质量、SSIM等多项质量指标上优于传统融合方法。     

基于权重滤波的时空融合算法对比分析

多源遥感数据时空融合技术可生成高空间高时间分辨率的图像数据,有效解决了遥感应用中的遥感图像"时空矛盾"问题。ESTARFM和STNLFFM是目前常用的两种基于权重滤波的时空融合模型,本文对上述方法进行了对比分析,为模型选择提供依据。通过两组不同地表覆盖类型变化的实验,开展了模型精度对比分析,结果表明:当地表覆盖物时相变化属于物候变化时,两种算法融合结果均能还原出较为丰富的空间细节信息,且算法融合精度差异较小,效果相当;而当地表覆盖类型发生较大突变时,两种算法融合结果空间细节信息还原较少,同时,相比于ESTARFM,STNLFFM融合结果能够获取较高精度。     

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。     

高分二号卫星影像融合方法探析

图像融合技术是卫星影像处理过程中的一个重要步骤,它可以将全色影像的高空间分辨率特点与多光谱影像的高光谱分辨率特点有机地结合起来,使得融合后的影像更利于后续解译。由于融合处理方法的原理以及获取影像的传感器特性不同,不同的卫星影像适合于不同的融合方法。针对高分二号卫星影像的特点,本文采用Gram-Schmidt融合法、FIHS变换方法、HPF方法、Pansharp方法进行试验。实验结果表明:HPF方法所得融合结果在光谱特性保持方法性能最优,而Pansharp方法融合结果在信息量的保持以及清晰度方面效果更优,因此,在实际应用中,应根据具体需求进行方法选择。     

ETWatch中不同尺度蒸散融合方法

高分辨率遥感蒸散数据集的构建受到数据源的限制和云的影响,单一传感器无法达到高时空分辨率覆盖。本文分 析了ETWatch不同尺度遥感蒸散结果的空间特征,通过几种融合方法的比较,分析数据融合前后的数据特征和信息量,将 时空适应性反射率融合模型（STARFM）集成到ETWatch,用于不同尺度遥感蒸散数据的融合,该方法可以很好的结合高 低分辨率数据的空间分布和时间分布信息,在时间上保留了高时间分辨率数据的时间变化趋势,空间上又反映了高空间分 辨率数据的空间细节差异,STARFM融合后的日ET数据与融合前1 km 日ET数据的平均相对误差为1.75%,融合后的月ET 数据与融合前1 km 月ET数据的平均相对误差为0.2%,STARFM适合于不同尺度下遥感ET数据的融合。     

一种改进的小波变换图像融合方法

为很好地保持吲像的细节和光谱信息,本文结合局部方差和高通滤波,利用小波变换对图像进行了融合试验。结果表明,融合的图像在保持细节和光谱信息方面都有很大的提高。     

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。     

IKONOS图像的线性回归波段拟合融合方法

讨论基于线性回归波段拟合的空间细节信息提取方法的可行性。首先通过全色与多光谱图像构造线性回归方程,根据全色图像的高频成分设置最小二乘求解的权系数,然后利用回归系数构造低分辨率的全色图像,提取空间细节信息,最后将空间细节注入多光谱图像中进行融合。通过IKONOS全色和多光谱图像的融合实验,比较了本文方法与基于光谱响应函数的方法,结果表明:采用本文方法提取的空间细节信息进行融合,能达到甚至超过基于光谱响应函数方法的融合质量;相对于与FastIHS融合方法,本文方法的融合质量也有较大的提高。     

高分一号遥感影像融合方法比较研究

利用HPF(高通滤波)法、Gram-Schmidt法、HCS(超球面空间)法和UNB-Pansharp法4种影像融合方法,对高分一号遥感卫星影像进行融合实验。通过对融合影像的目视解译,根据地物类型的不同,从光谱保真度和空间细节保持度2方面进行定性评价。采用统计方法进行定量评价,评价指标包括信息熵、平均梯度、相关系数和偏差指数。在综合评价结果后,给出4种融合方法不同的适用情况,为高分一号影像的进一步研究提供理论支撑。     

遥感高时空融合方法的研究进展及应用现状

针对遥感图像的"时空矛盾",评述了当前解决这一问题最主要的方法即遥感时空信息融合的方法,包括基于变化模型的融合、基于重建模型的融合以及基于学习模型的融合。通过分析各个模型的研究现状,指出了每种模型方法的优劣,特别重点介绍了影响较大的自适应时空融合方法的理论以及对其的改进算法。同时本文总结了当前时空融合模型在长时间序列模拟以及大区域数据集生成等方面的实际应用的效果,以及分析了影响时空融合结果的主要因素。最后基于这些问题和影响因素提出了今后时空融合模型发展的目标和方向。     

融合图像的频率定量分析及其空间分辨率的确定方法

图像融合是获取高质量图像的重要步骤之一,本文首先在频域中进行公式推导,根据高采样率奈奎斯特频率、低采样率奈奎斯特频率和信号频率三者之间的关系给出了图像融合前后信号频率的变化规律,然后以此为依据对融合图像的频率进行定量分析并确定图像空间分辨率,研究认为高分辨率图像中频率位于高采样率奈奎斯特频率和低采样率奈奎斯特频率之间的频率信息为高频信息。最后结合常用的融合方法和遥感图像对本文提出的观点进行验证,试验结果表明本文得到的结论与试验中的结果是符合的。     

基于GF2号卫星影像的农业信息提取方法对比分析

以GF2卫星0.8 m全色/3.2 m多光谱分辨率遥感影像为基础数据源,对基于GF2号卫星影像的农业信息提取流程和方法进行了研究与对比分析。首先对GF2号卫星影像进行波谱分析;其次对GF2号影像进行融合,并对多种融合方法进行质量评价;最后选择阈值法、波谱间关系法、非监督分类法和面向对象法分别对GF2号影像数据进行农业信息提取试验,并对信息提取结果进行精度验证和结果分析。试验表明,面向农业信息提取的GF2号卫星影像融合方法中,Pansharp融合算法融合影像色彩正常,无虚影,清晰度高,地类对比度正常,纹理清晰,熵值及与原始多光谱影像的相关系数高。阈值法和谱间关系法适用于提取单要素农业信息,非监督分类法能够初步获取研究区土地利用情况,面向对象法提取研究区全要素信息精度高。总体来说,不同信息提取方法具有各自的优势,在具体实际应用中,可以根据目标地类的波谱特性,选择适宜的遥感影像处理和信息提取方法。     

基于Shearlet变换的SAR与多光谱遥感影像融合

针对合成孔径雷达（SAR）影像和多光谱遥感影像在融合时空间特征和光谱特征方面不能同时得到较大改善的问题,提出了一种基于成像特性的Shearlet变换域下的多源遥感影像融合方法。利用Shearlet变换的多方向和多尺度分解特性,将多光谱影像和SAR影像分别分解为高频和低频系数,从影像区域能量特征和区域相关性入手,设计了基于区域能量的低频系数融合规则和改进型的脉冲耦合神经网络的高频系数融合规则,使融合结果能够包含更多空间细节信息和光谱信息。利用TerraSAR-X、Landsat5-TM影像进行实验,结果表明该方法在提高影像空间细节表达能力的同时能够较好地融合更多的光谱信息。与小波变换、非下采样轮廓波变换（Nonsubsampled contourlet Transform,NSCT）等方法相比,该方法在空间信息保有量和光谱信息保有量方面都有明显的提升,其中交叉熵有接近100%的提升幅度,互相关系数有高于25%的提升幅度,光谱扭曲度有优于40%的提升幅度。     

西宁市城区扩展对比中遥感影像处理技术的探讨

根据西宁市城区扩展监测对遥感信息提取的需要,采用多种方法将具有较高空间分辨率的SPOT遥感图像和具有多波谱的ETM 遥感图像进行增强及融合试验,结果表明:对ETM 影像先进行锐化处理,再将SPOT影像与锐化后的ETM 信息融合,然后对融合后的影像进行去霾处理得到的影像质量最好。     

影像局部直方图匹配滤波技术用于遥感影像数据融合

本文提出了一种基于局部直方图匹配波技术的影像融合新方法。该方法分析了局部影像统计特性,应用均值或均值－方差匹配正态函数,对要融合的两幅影像局部直方图进行匹配。文中给出了３种不同的融合算法（高通滤波法,局部均值匹配法和局部均值与方差匹配法）用于ＳＰＯＴ全色影像和ＴＭ多光谱影像融合的结果,并进行了比较,质量评价结果证明了提出的方法在提高了原ＴＭ多光谱影像空间分辨率的同时,较好地保留了多光谱影像频道的光     

单样本对卷积神经网络遥感图像时空融合

遥感图像时空融合是一种生成兼具高时空分辨率的合成遥感数据的技术。近年来,产生了一些基于卷积神经网络的时空融合方法。这些方法效果良好,但需要较多的图像样本对训练模型,限制了它们的应用。针对此问题,本文提出了一种单样本对卷积神经网络时空融合方法（SS-CNN）。该方法以高空间分辨率图像的波段平均图像提供的空间信息激励卷积神经网络建立高、低空间分辨率图像间的超分关系,进而利用该超分关系映射求解目标高空间分辨率图像。在实验中使用两个模拟数据集和一个真实数据集对该方法进行了测试,并与两种常用的时空融合方法做了比较。实验结果表明,SS-CNN在单样本对训练的情况下,可以较好地预测地物的物候变化和类型的变化,且在异质性高、地块破碎的区域表现良好。其不足之处在于会在地物边界上会造成轻微的模糊,将来需针对此问题做进一步改进。     

基于最小二乘拟合模型和PCA变换的影像融合

针对传统的PCA变换融合法,利用高空间分辨率影像与多光谱影像的线性相关特性,提出了一种基于最小二乘模型和PCA变换的影像融合方法,采用偏差指数、相关系数和信息熵三个指标,对融合结果进行了定量评价。试验结果表明,在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。     

遥感影像融合AIHS转换与粒子群优化算法

Pan-sharpening是通过将低分辨率多光谱图像(LMS)与高分辨率全色图像(PAN)进行合成而获得高光谱高空间分辨率的多光谱图像(HMS)的过程。本文提出一种Pan-sharpening方法,称为PAIHS。该方法基于自适应亮度-色度-饱和度(AIHS)转换和变分Pan-sharpening框架以及两个假设(①Pan-sharpening图像和原始多光谱图像(MS)具有相同的光谱信息;②Pan-sharpening图像与全色图像(PAN)包含的几何信息保持一致),同时确定目标函数,然后用粒子群算法(PSO)进行优化,目的是得到最佳控制参数并求得目标函数最小值,此时对应着最好的Pan-sharpening质量。试验结果表明,本文提出的方法具有高效性和可靠性,获得的性能指标也优于目前一些主流的融合方法。     

ALOS数据像素级融合方法比较研究

遥感数据融合是多源遥感海量数据富集表示的有效途径。如何在提高融合影像空间分辨率的同时最大限度地保持光谱信息是长期以来遥感数据融合研究的焦点内容。本文以ALOS PRISM和ALOS AVNIR-2传感器的数据为数据源,比较研究了遥感领域中常用和代表性的BROVEY、IHS、MULTIPLICATIVE、PCA、WAVELET和HPF六种融合方法,并通过主观评价和定量分析对融合效果进行了综合评价。实验结果表明,HPF方法在显著提高融合影像空间分辨率的同时,有效保持了多光谱影像的光谱信息,是适合ALOS数据的最优融合方法。