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。     

QuickBird影像多波段融合技术的研究

本文通过分析QuickBird影像的多波段物理特性,提出了基于局部区域活性测度匹配的IHS＋小波变换的融合方法。算法首先将多光谱影像进行IHS变换,然后在频率域运用基于局部区域活性测度匹配原则将1分量和高分辨率影像进行小波变换融合。通过和传统的IHS＋小波变换的融合方法的实验进行比较,该方法具有较好的融合效果。     

基于多进制小波的SPOT全色影像和多光谱遥感影像融合

基于多进制小波理论,本文研究了ＳＰＯＴ全色影像与多光谱遥感影像数据融合的理论和方法,并在三进制情形,对１０ｍ分辨率ＳＰＯＴ影像和３０ｍ分辨率多光谱影像进行了实验,同时对实验结果进行了分析和讨论。理论和实验表明,基于多进制小波的遥感影像数据融合具有好的效果,并可用于广泛的研究领域。     

基于HIS和小波变换的IKONOS影像融合

许多对地观测卫星能提供高分辨率的全色波段影像和低分辨率的多光谱影像,因而影像融合已成为遥感图像空间分辨率提高的一个重要工具.目前多种影像融合技术已发展起来,然而对于高分辨率的IKONOS影像,现有的算法很难产生满意的融合效果.本文提出了一种新的融合方法,结合了HIS变换和小波变换的优势来减弱IKONOS融合中的光谱扭曲.定量评价证明HIS和小波相结合的融合方法相比常规的HIS变换和小波变换在提高融合质量上有着重要意义.     

基于多进制小波遥感影像融合的研究

为监测地面沉陷区的动态演化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R,G,B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行地面沉陷区监测,效果明显提高。     

基于区域统计特性的IHS-小波遥感影像融合

在遥感影像融合过程中,为了更好地避免经典IHS算法造成的光谱扭曲,文章提出了一种基于统计特性的IHS和提升小波结合的影像融合方法。该方法对小波变换后的1分量和高分辨率影像的高频和低频系数,根据不同的区域统计特性分别选取不同的融合策略进行融合,然后进行小波逆变换和色彩空间转化,得到融合影像。实验表明,此方法与IHS变换、高通滤波法和小波变换等传统算法相比,在提高多光谱影像空间分辨率的同时,能更好地保持影像的光谱质量。     

利用小波变换对影像进行融合的研究

基于小波变换可以对影像进行正交分解 ,而不丢失原来信号所包含的信息。提出了一种Wallis变换、小波变换和IHS变换相结合用于融合的方法 ,该方法可以有效地提高多光谱影像的空间分辨率 ,同时保持原来多光谱影像的色调。     

HIS变换和提升小波变换相结合的影像融合模型研究

分析提升小波变换的原理,提出HIS变换和提升小波变换相结合的影像融合模型,融合同时相ETM+多光谱波段影像和全色波段影像,结合主观目视和客观指标综合评价.研究表明,静态小波变换和提升小波变换方法融合效果都优于常用的HIS,PCA和Brovey方法.且提升小波变换比静态小波变换方法的融合效果更好,提高影像空间分辨率的同时,能更好地保持影像光谱信息,并大大提高了影像处理效率.     

基于小波包变换距离特征选取的遥感影像融合

介绍了基于小波包变换和距离特征选取的影像融合方法：首先对多光谱影像做IHS变换;其次对多光谱影像的亮度分量和全色影像做小波包变换并分别采用加权平均法和距离特征选取法融合低频部分和高频部分;最后通过小波包重构和IHS逆变换得到最终的融合影像。以ERDAS8．5软件自带的影像文件为例对这种方法进行了实验,并利用信息熵等标准与其他融合方法进行了比较,实验结果表明该方法能得到更好的融合效果。     

遥感多光谱影像数据与航片数字化影像融合方法的研究

本文探讨利用ＨＩＳ变换对航片化影像分析与遥感多光谱影像ＳＰＯＴ ＸＳ、Ｌａｎｄｓａｔ ＴＭ和ＭＳＳ进行融合的方法，并提出了一种改进的方法。试验结果表明：本文提出的方法行之有效。融合后的影像在很大程度上保留了原多光谱影像的光谱特征，空间分解力较我光谱影像提高到近３倍，清晰度也提高了。因而具有更强的解译和量测能力，能进一步提高分类精度、制作专题图的精度，多时相监测能力等。     

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。     

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     

一种基于小波系数特征的遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像.为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域.在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法.通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较.证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率.     

Fusion of IKONOS Satellite Imagery Using IHS Transform and Local Variation

The intensity-hue-saturation (IHS) technique is a well-known merging approach for its computational efficiency and spatial definition holding. However, it results in color distortion particularly for the remote sensing images of IKONOS and QuickBird as some other fusion methods, such as principal component analysis, and Brovey transform. Although wavelet-based image fusion approaches can provide a better tradeoff between spatial and spectral quality, the fused images with these methods often have a spatial resolution that is less than that of the IHS-based algorithm. A remote sensing image fusion algorithm based on IHS transform and local variation and its modified approach with low computational complexity are proposed. Visual effect and quantity evaluation results show that the proposed simple algorithm outperforms the conventional image fusion methods in the spectral domain with the spatial quality similar to that of the undecimated wavelet transform-based scheme. The proposed modified method can obtain the similar spatial resolution of the merged image with the IHS-based fusion algorithm and the better spectral quality in the green vegetation areas.      

A Novel Remote Sensing Image Classification Scheme Based on Data Fusion, Multiple Features and Ensemble Learning

In this paper, we propose a novel scheme to improve the accuracy of remote sensing image classification by integrating data fusion, multiple feature combination and ensemble learning. Intensity-Hue-Saturation (IHS), Gram-Schmidt (GS), Brovey and wavelet fusion methods are first performed to obtain the optimal fusion images of high resolution and multispectral images. Support Vector Machine (SVM) classifier is then adopted to classify the fused image with different feature sets, and ensemble learning algorithm based on dynamic classifier selection (DCS) is finally used to integrate multiple classification maps. The proposed classification scheme is implemented with three remote sensing data sets, obtaining the highest overall accuracy and kappa coefficient in all cases (92.63% and 0.8917 for BJ-1 data set, 81.89% and 0.7513 for Landsat TM and SPOT4 data set, 92.21% and 0.8838 for ALOS data set respectively). The experimental results show that the integration of data fusion, feature combination and ensemble learning improves the classification performance obviously and has great potential in practical uses.     

基于小波统计特性的遥感图像像素与特征联合最优融合方法

遥感影像的IHS融合方法由于匹配误差导致光谱畸变和退化,而小波变换在变换域具有良好的分频特性,小波系数的统计特性反映了遥感影像的边缘、线和区域等显著特征。提出了基于小波统计特性的遥感影像的像素和特征联合最优融合方法,在IHS空间,对强度分量I的高频部分利用多分辨率小波融合方法进行影像的高频细节特征融合,低频部分选取光谱信息和空间分辨率评价指标作为融合权系数求优指标,进行像素级最优融合,实验结果证明了该方法的有效性。     

基于IHS变换与多进制小波变换的多源遥感影像融合

不同来源的遥感数据融合已经成为制约遥感数字图像处理技术发展的重要因素,文中基于IHS变换与改进的多进制小波变换相结合,对多源遥感图像进行数据融合,使融合后的数据既减少了IHS变换引起的图像光谱失真现象,又具有高空间分辨率的优点,同时也可广泛应用其它领域。     

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。