基于经验模态分解的高分辨率影像融合

High resolution image fusion is a significant focus in the field of image processing. A new image fusion model is presented based on the characteristic level of empirical mode decomposition （EMD）. The intensity hue saturation （IHS） transform of the multi-spectral image first gives the intensity image. Thereafter, the 2D EMD in terms of row-column extension of the 1D EMD model is used to decompose the detailed scale image and coarse scale image from the high-resolution band image and the intensity image. Finally, a fused intensity image is obtained by reconstruction with high frequency of the high-resolution image and low frequency of the intensity image and IHS inverse transform result in the fused image. After presenting the EMD principle, a multi-scale decomposition and reconstruction algorithm of 2D EMD is defined and a fusion technique scheme is advanced based on EMD. Panchromatic band and multi-spectral band 3,2,1 of Quickbird are used to assess the quality of the fusion algorithm. After selecting the appropriate intrinsic mode function （IMF） for the merger on the basis of EMD analysis on specific row （column） pixel gray value series, the fusion scheme gives a fused image, which is compared with generally used fusion algorithms （wavelet, IHS, Brovey）. The objectives of image fusion include enhancing the visibility of the image and improving the spatial resolution and the spectral information of the original images. To assess quality of an image after fusion, information entropy and standard deviation are applied to assess spatial details of the fused images and correlation coefficient, bias index and warping degree for measuring distortion between the original image and fused image in terms of spectral information. For the proposed fusion algorithm, better results are obtained when EMD algorithm is used to perform the fusion experience.     

基于神经网络的土地荒漠化信息提取方法研究

土地荒漠化是当今全球面临的重大环境问题之一,它的发生、发展及其逆转是气候、环境和人类社会经济活动综合作用的结果.区域荒漠化信息的提取技术研究是荒漠化研究进一步深入的关键,根据土地荒漠化的遥感探测机理,应用神经网络技术,利用了TM卫星遥感数据中的可见光、热红外和植被指数(NDVI)数据,建立了相应的BP神经网络的土地荒漠化信息的自动提取模型.实验应用表明,基于人工神经网络方法提取土地荒漠化发生的地点和范围等信息,其精度可达到84%.因此,应用人工神经网络方法提取土地荒漠化信息是切实可行的,并具有可推广价值.     

土地利用动态遥感监测中多源遥感影像融合方法比较研究

列举了土地利用动态遥感监测中常用的影像融合方法 ,并选定实验区对各方法进行了光谱分辨率、空间分辨率比较 ,最后定量计算出各种方法融合结果的均值、标准方差、偏差系数、相关系数、融合指数和信息熵等七个参数。并且总结了不同的融合方法在六种典型的土地利用类型上的表现 ,旨在为动态监测中的影像融合方法的选择提供参考。     

干涉合成孔径雷达及其在火山研究中的应用(第一部分:InSAR原理)

干涉合成孔径雷达是一项能够对地表变形进行测量的遥感技术,在一个巨大区域内,它的变形测量精度可达亚厘米级,而其空间分辨率则在数十米以内。本文回顾了InSAR技术的基本理论,阐明了它的工作原理,并对应用InSAR技术进行地表变形测量的相关问题进行了讨论。     

机载合成孔径雷达影像与航片判绘的对比研究

遥感影像判绘是提取影像上有用地物信息的一种基本方法。本文分别介绍了航空摄影像片和机载合成孔径雷达影像判绘的主要内容。并利用同一地区大致同一时相的航片和机载SAR影像分别进行了判绘,比较分析了两类影像资料用于判绘的各自特点。     

雷达影像几何构像距离-共面方程

几何构像方程是遥感影像摄影测量最基本最重要的公式,简洁性和严密性是其能得到广泛应用的必要条件。本文分析了姿态对侧视雷达影像成像的影响,以传感器位置和姿态(外方位元素)作为定向参数,根据侧视雷达成像的距离和波束中心共面(Range-Coplanarity,R-Cp)条件构建了一种简洁严密的几何构像方程。该方程考虑了姿态参数对雷达影像严密定位的影响,反映了侧视雷达遥感影像的成像几何原理,避开了复杂的成像参数,实现了雷达影像与光学影像严密构像模型定向参数的统一。定位试验精度优于LeberlF模型和KonecnyG模型。该方程的特点表明其在侧视雷达遥感影像的摄影测量领域中有着一定的应用潜力。     

利用自适应最优极化对比增强检测SAR影像边缘

针对边缘检测中极化信息利用率不高的问题,提出了一种结合自适应最优对比增强与均值比的合成孔径雷达边缘检测新方法,并分析新算法特性后,推导了其快速版本。实验结果表明,新方法具有更好的检测性能。     

未辐射校正高光谱数据应用于分类的可行性分析--应用光谱角制图法

常用的高光谱图像分类识别技术要求图像首先经过辐射校正处理。考虑到该过程的复杂性,我们通过比较光谱角制图法对辐射校正前后高光谱数据分类识别的结果,分析了未辐射校正数据应用于分类的可行性。使用光谱角制图法的原因在于该方法通过比较光谱向量间的角度确定相似程度,且参考光谱可以从原始图像中直接提取,这两点为辐射校正前数据用于分类提供了可能性。     

基于高分辨率机载SAR数据的试验研究

主要研究了高分辨率机载SAR数据运用于测绘试验的可行性,提出数据处理的关键流程,诸如数据获取、成像处理、预处理、几何处理、融合处理,以及可供提取的最基本的制图要素,诸如道路、铁路、水系、植被、耕地和居民地,并进行了精度评估,最后对地形图更新,提取变化信息。试验结果初步表明高分辨率、高成像质量的机载SAR影像数据应用于测绘领域是可行的。可以看出高分辨率机载SAR影像的应用得到了比较满意的结果。     

基于IHS变换和非下采样Contourlet变换的不同波段多极化SAR图像融合

结合非下采样Contouret变换具有的多尺度、多方向和平移不变的特性,以及IHS变换在色彩信息保持上具有的优势,提出一种基于IHS变换和NSCT变换的图像融合方法,用于高波段为单极化,低波段为全极化的两波段图像融合,并进行与其他几种方法的比较试验,结果证实本文的方法不但融合效果更好,而且在一定程度上抑制了噪声的影响。