多源遥感影像融合

遥感影像融合能富集同一地区不同数据源的信息大跨度波谱特性影像数据的融合,提供了有关各单个传感器的互补信息,使分类更精确;大跨度空间分辨力影 融合,有利于改善２多光谱影像的度,增强特征提取和目视判读能力,能有效地用于变化监测。     

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.     

Wallis变换在小波影像融合中的应用

介绍了一种基于Ｗａｌｌｉｓ变换的影像增强方法在影像融合中的应用。通过分析线性拉抻、直方图均衡拉伸和Ｗａｌｌｉｓ变换３种影像增强方法对多孔算法中小波系数分量的影响,得出对原始的高分辨率影像进行线性和直方图均衡性拉伸后和多光谱影像的融合效果与直接用原始高分辨率影像进行融合的效果差别不大,增强算法本身没有提高融合的效果,而基于Ｗａｌｌｉｓ变换的影像增强方法可以较好地把携带细节信号的小波分量表现出来,有效     

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。     

开封市Spot5全色波段与多光谱影像融合评价

以Spot5全色波段与多光谱波段为例,用PCA、Brovey、IHS等三种像素级融合方法对其进行融合研究。分别运用灰度均值、相关系数、平均梯度等三个传统的指标在影像亮度、光谱保真度以及高频信息融入度三个方面对其评价。最后综合这些指标在信息量以及融合指数方面对融合影像进行综合评价,从而建立一套完整的影像评价体系。     

最小二乘混合像元分解的端元丰度信息提取研究

针对无约束最小二乘混合像元分解算法提取地物端元丰度出现的局限性问题,通过野外实地采集的地物光谱数据建立研究区典型的地物波谱库,以Landsat OLI影像作为主要数据源,在经过Gram-Schmidt(GS)影像融合的基础上,利用纯净像元指数(PPI)及基于几何顶点的端元提取技术提取研究区典型地物端元,最后通过完全约束的最小二乘混合像元分解算法完成对研究区典型地物端元丰度的提取。结果较好地解决了无约束最小二乘混合像元分解算法提取的端元丰度信息出现负值的情况,并且提高了典型地物丰度信息提取的精度。完全约束最小二乘混合像元分解算法的RMSE误差均控制在0.174 913左右,在很大程度上提高了混合像元分解精度及实用性。     

空地数据链系统中图像自动剪切方法研究

在空地数据链路通信中，鉴于存在需要传输的各种机载图像传感器的数据量越来越大与已有的数据链带宽相对较小的矛盾，为了提高数据链路在战场环境中的图像传输效率，对于用CCD航空相机以中心投影方式获取的静态图像数据，要求远程快速高保真地进行信息传递，提出了一种机载自动数据缩减方案。该方案的关键步骤是图像的自动匹配与剪切，它的实现算法利用了航拍相邻图像间具有强逻辑相关性的特点，基于二维仿射变换模型，使用通过傅里叶-梅林变换计算得到的图像匹配参数，在没有检测到突现目标的情况下，对相邻图像中的场景重叠部分进行自动剪切操作。自动剪切及镶嵌的试验结果表明，本算法复杂度较低，鲁棒性和可操作性较强，能够有效地缩减下行链路中待传输的数据量，具有进一步实用化的潜力。     

地面站点观测降水资料与CMORPH卫星反演降水产品融合的试验效果评估

选取2008年9月—2010年2月的中国2 400个国家级地面观测站降水资料和美国NOAA研发的CMORPH卫星反演降水产品,利用最优插值方法开展了两类降水资料的融合试验,并对试验效果进行评估。结果表明,利用OI方法形成的融合降水产品和地面观测降水分布特征基本一致,能反映西部台站稀疏地区的降水特征以及陆地与海洋之间降水系统的空间连续性。此外,该融合产品保留了高分辨率的卫星观测信息,在台站稀疏地区,一些通过地面观测无法反映出来的中尺度对流系统在融合产品中得到体现。交叉检验结果显示,融合结果和地面观测降水量、台站密度高度相关。样本网格分析结果显示,融合结果和地面降水的逐日时间序列具有较强的一致性。总的来说,OI方法在降水资料融合研究中具有较好的应用效果。      

多传感器图像融合技术及其进展

数据融合技术是一个多级、多层面的数据处理过程,主要完成对来自多个信息源的数据进行自动检测、关联、相关、估计及组合等的处理,得出最终结论或决策的技术。多传感器数据融合是一门新兴的技术,是对数据的综合与处理的过程。该技术在军事领域和民用领域都有很大的发展和应用前景,是目前受到普遍关注并迅速发展的技术分支,本文简述了图像融合技术的原理与架构、技术特点以及像素级、特征级和决策级图像融合的分类方法,介绍了各种方法的一些具体实施方案、特点及新的进展,评述了图像融合技术进一步发展和应用的一些关键问题,并指出了多源传感器数据融合研究中存在的问题及研究方向。     

参数自主学习的车辆运动约束新模型及其惯性推算误差抑制分析

准确、连续、可靠的位置信息是车载导航应用的基础条件,在不增加额外传感器的前提下,集成GNSS与MEMS及车载CAN总线传感器,并融入车辆运动约束信息,是最为简单有效且低成本的车载多源导航方案。在车辆运动约束中,合理配置相关参数是约束条件能否充分发挥作用的关键,本文重点针对车辆非完整性约束,采用多元回归和深度学习方法,构建了参数自主学习的车辆运动约束模型。同时,提出了在观测域直接学习侧向/垂向速度参数的新思路,相比原有方差域调参方法具有更好的约束效果。实测分析表明,相比于方差域调整参数的传统方法,在观测域进行参数自主学习的新模型具有显著的精度提升,采用多元回归模型的惯性推算误差在水平位置上减小了69.6%~81.2%,而利用深度学习则减小了60.0%~77.3%,同时,水平相对定位精度分别改善了75.2%和65.0%,新模型能够有效提升GNSS失效时车载定位精度维持能力。