IHS变换和小波变换相结合的遥感影像融合

本文针对低分辨率多光谱影像与高分辨率全色影像的融合，提出了一种IHS变换和小波变换相结合的遥感影像融合方法。方法首先对多光谱影像作IHS正变换，得到亮度I、色度H和饱和度S三个分量：然后利用小波变换融合方法，融合多光谱影像的亮度分量与全色影像，并用融合后的影像替代多光谱影像的亮度分量；最后，利用IHS反变换得到新的多光谱影像。试验结果分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法，在增强融合影像的空间细节表现能力的同时，很好地保留了多光谱影像的光谱信息。     

基于小波变换的遥感图像融合研究——以黄河三角洲地区为例

针对黄河三角洲地区Landsat TM的多光谱影像和全色影像,提出了一种基于IHS变化和离散小波变换的遥感图像融合方法。该方法在IHS变换的基础上进行直方图均衡化;其次,利用离散小波变换的方法对多光谱图像的亮度分量I和全色影像进行融合;用融合后的图像代替多光谱图像的亮度分量I再进行IHS逆变换得到融合结果。实验证明,融合后的影像不仅保留Landsat TM多光谱图像的光谱特性,而且具有很高的空间细节表现能力。     

基于亮度相关系数的ETM+影像融合

传统的影像融合方法对ETM＋多光谱影像和全色影像融合往往存在一定的光谱失真现象,提出了一种基于亮度相关系数的影像融合方法,能够提高融合影像的光谱保真度。该方法首先对多光谱影像进行IHS变换,将全色影像与亮度分量进行直方图匹配;其次,对亮度分量和新的全色影像分别进行小波分解,以分解后近似分量的相关系数作为权值,对两个近似分量图像进行加权融合,得到新的近似分量;然后,进行小波逆变化得到新的I分量;最后,通过IHS逆变化得到融合影像。试验结果证明,该方法得到的融合影像,不仅能够有效地保持全色影像的空间细节信息,而且能很好地保留多光谱影像的光谱信息。     

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。     

变化信息监测的时域IHS变换

在IHS变换过程中,对I分量图像与高分辨率全色波段图像采用线性回归辐射配准,减少了不同传感器、不同时相影像间光谱噪音;采用相关系数法叠加方式,生成一新明度分量进行反变换,增强了变化信息,保留了多光谱信息与纹理信息,有助于自动分类。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,提出了基于IHS变换和小波包变换的遥感图像融合新方法.该方法首先对多光谱图像作IHS变换得到3个分量:亮度I、色度H和饱和度S;其次利用小波包变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后作IHS反变换得到新的多光谱图像.实验分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法,在保留多光谱图像光谱信息的基础上,增强了融合图像的空间细节表现能力.     

GF-2和Sentinel-2全色多光谱影像融合方法比较研究

针对高分二号(GF-2)卫星全色遥感影像与哨兵二号(Sentinel-2)卫星多光谱遥感影像空间分辨率相差较大且传感器不同导致的光谱或空间信息丢失问题,结合快速离散Curvelet变换对HSV融合方法的分量替换过程进行改进,利用GF-2的高空间分辨率和Sentinel-2的多光谱特性分别设计高、低频系数融合规则,并且与...     

HCT变换与联合稀疏模型相结合的遥感影像融合

提出了一种基于HCT变换和联合稀疏模型的遥感影像融合方法,可更有效地利用多光谱所需谱段的光谱信息,最终得到所需谱段的融合影像。该方法将所需谱段的多光谱影像进行HCT变换,获取其亮度分量和角度分量;然后利用亮度分量和全色影像小波变换的低频分量进行联合稀疏模型的构建、系数求解和融合,得到融合的全色低频分量;最后将该低频分量与前面步骤所得其他分量分别进行小波逆变换和HCT逆变换,得到高质量的融合影像。试验利用Pleiades-1和WorldView-2两种卫星数据进行验证,并通过视觉效果和量化的融合评价指标进行对比和分析,验证了本文算法的有效性。     

稀疏表示支撑集的遥感影像融合

针对常用稀疏表示系数融合规则不能完全保留两幅影像的有用信息,该文通过分析稀疏表示系数支撑集空间分布关系,提出一种新的稀疏表示系数融合规则。首先对多光谱影像进行广义IHS变换,将得到的亮度分量与全色影像分别进行稀疏表示;然后分析亮度分量与全色影像稀疏表示解的支撑集,对支撑集中交集部分和差集部分所对应的稀疏表示系数分别利用求和方式与L1范数最大方式进行融合;最后采用加权细节插入方式,将融合后的亮度分量细节信息插入到多光谱影像中,得到高分辨多光谱影像。实验结果表明,该方法能较好地提高空间分辨率并减少光谱损失;在主观视觉和客观评价上,比常用的融合规则方法有所提高。     

基于压缩感知的GF-1遥感影像IHS融合算法

针对高分一号(GF-1)遥感影像高空间分辨率的特点,综合压缩感知理论改进了传统的IHS影像融合算法,利用稀疏基和测量矩阵对多光谱影像IHS变换后的I'分量和全色影像进行处理,采用加权平均和OMP(orthogonal matching pursuit)重构得到新的I分量,再通过IHS反变换得到结果影像,并结合5个定量指标进行分析评价。实验结果表明,与传统方法相比,结合压缩感知的IHS融合算法所得相关系数更高、扭曲程度更小,融合结果不仅具有更高的空间信息丰富度,并且保持了多光谱影像的色彩信息,可为GF-1影像的目视解译和影像分类提供参考。     

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。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

Production of high-resolution remote sensing images for navigation information infrastructures

This paper introduces the image fusion approach of multi-resolution analysis-based intensity modulation (MRAIM) to produce the high-resolution multi-spectral images from high-resolution panchromatic image and low-resolution multi-spectral images for navigation information infrastructure. The mathematical model of image fusion is derived according to the principle of remote sensing image formation. It shows that the pixel values of a high-resolution multi-spectral images are determined by the pixel values of the approximation of a high-resolution panchromatic image at the resolution level of low-resolution multi-spectral images, and in the pixel valae computation the M-band wavelet theory and the d trous algorithm are then used. In order to evaluate the MRAIM approach, an experiment has been carried out on the basis of the IKONOS 1 m panchromatic image and 4 m multi-spectral images. The result demonstrates that MRAIM image fusion approach gives promising fusion results and it can be used to produce the high-resolution remote sensing images required for navigation information infrastructures.     

Production of high-resolution remote sensing images for navigation information infrastructures

This paper introduces the image fusion approach of multi-resolution analysis-based intensity modulation (MRAIM) to produce the high-resolution multi-spectral images from high-resolution panchromatic image and low-resolution multi-spectral images for navigation information infrastructure. The mathematical model of image fusion is derived according to the principle of remote sensing image formation. It shows that the pixel values of a high-resolution multi-spectral images are determined by the pixel values of the approximation of a high-resolution panchromatic image at the resolution level of low-resolution multi-spectral images, and in the pixel valae computation the M-band wavelet theory and the à trous algorithm are then used. In order to evaluate the MRAIM approach, an experiment has been carried out on the basis of the IKONOS 1 m panchromatic image and 4 m multi-spectral images. The result demonstrates that MRAIM image fusion approach gives promising fusion results and it can be used to produce the high-resolution remote sensing images required for navigation information infrastructures.     

利用最优估计理论进行多光谱与全色影像融合

应用小波变换分解遥感影像,利用遥感影像自身的先验信息——空间分辨率确定高频域融合过程中的权值,使用最小二乘估计与小波重构完成影像融合。实验结果表明,相对于参考的其他融合方法,此方法在注入全色影像空间细节和保持多光谱影像的光谱信息方面性能更佳。     

小波变换保持光谱特型融合算法

对遥感图像融合Brovey变换法存在颜色失真的现象,本文提出了一种小波比值融合法,该融合法首先对高几何分辨率的全色波段进行小波变换提取其低频分量,并对其进行三次卷积法重构得到与原分辨率相同的图像,而后将低分辨率多光谱图像与全色波段图像相乘,再除以重构后的全色波段图像,便得到融合图像。并从目视评价、GVI、统计评价证实了该小波比值融合法优于Brovey变换法,该比值融合法是一种能较好地保全低分辨率多光谱图像颜色的融合方法。     

顾及光谱畸变的高分辨率图像融合方法研究

使用高分辨率遥感图像进行像素级图像融合，在图像小波分解时，通过计算不同分解层数下得到的融合图像的熵来决定图像的小波分解层数；在图像小波重建时，引入局部相关系数，并在不同的分解层上设置不同的阈值进行有选择的高频系数替换，实现图像的像素级融合。并使用Quickbird全波段与多光谱数据进行试验，得到了分辨率高、光谱畸变微小的彩色融合图像。     

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     

SIFT-FANN: An efficient framework for spatio-spectral fusion of satellite images

Image fusion techniques are widely used for remote sensing data. A special application is for using low resolution multi-spectral image with high resolution panchromatic image to obtain an image having both spectral and spatial information. Alignment of images to be fused is a step prior to image fusion. This is achieved by registering the images. This paper proposes the methods involving Fast Approximate Nearest Neighbor (FANN) for automatic registration of satellite image (reference image) prior to fusion of low spatial resolution multi-spectral QuickBird satellite image (sensed image) with high spatial resolution panchromatic QuickBird satellite image. In the registration steps, Scale Invariant Feature Transform (SIFT) is used to extract key points from both images. The keypoints are then matched using the automatic tuning algorithm, namely, FANN. This algorithm automatically selects the most appropriate indexing algorithm for the dataset. The indexed features are then matched using approximate nearest neighbor. Further, Random Sample Consensus (RanSAC) is used for further filtering to obtain only the inliers and co-register the images. The images are then fused using Intensity Hue Saturation (IHS) transform based technique to obtain a high spatial resolution multi-spectral image. The results show that the quality of fused images obtained using this algorithm is computationally efficient.