小波理论在遥感图像融合中应用

小波变换用于多源遥感图像融合已得到了国内外学者的广泛关注,并且又提出了很多小波变换与传统融合方法结合的融合算法。本文在对这些算法进行总结的基础上,讨论了基于小波包变换和最优树变换以及多进制小波变换在融合中的应用,分析他们在融合中各自的特色,以便使用时根据具体情况进行选择。     

一种基于亮度调制的多源遥感影像融合方法

分析了基于亮度调制的多源遥感影像融合方法,利用HIS变换和àtrous小波变换,根据逐步对亮度分量进行调制的思想,实现了武汉城郊地区SPOT、TM和ENVISAT SAR影像的融合,使融合影像在保持光谱信息、提高空间分辨率和增强纹理信息方面取得了较好的效果,有利于目标判读和影像分类等后续处理.     

小波变换阈值去噪法在GPS数据处理中的应用

在介绍小波变换阈值去噪法的特性及其有点的基础上,结合武汉某大学教学楼GPS变形监测数据,首先使用不同的小波函数及阈值策略分别对GPS观测数据的非差、单差相位观测值和伪距观测值进行阈值去噪处理,然后分别使用Bernese高精度数据处理和Trimble TG0软件对消噪前后的单差相位观测值、非差相位观测值和伪距观测值进行基线解算。最后,比较消噪前后基线解算结果,分析不同小波函数和阂值策略对基线解算精度的影响,探讨小波变换阅值去噪的合理方法。     

小波的SAR和光学图像融合方法比较研究

本文通过光学图像和SAR图像的融合,对几种典型的小波融合方法进行了分析对比实验,并使用各种评价标准对它们的融合效果给出了评价。在此基础上,对光学图像和SAR图像融合效果的各种评价标准做出了讨论并提出自己的看法。     

基于小波变换的单频GPS快速精密定位整周模糊度的解算

对于GPS短基线,载波相位双差观测量已基本消除了卫星轨道误差、钟差、大气折射误差等系统偏差的影响,主要包含距离观测量信息及随机测量误差,其中测量误差是高频的测量噪声,小波变换可将GPS载波相位双差观测量中的观测噪声(高频部分)分解出来。本文利用Coiflets小波基函数对GPS快速定位的原始载波相位双差观测量进行5层分解,通过重构第5层低频系数获得去除噪声的"干净"的载波相位双差观测量,然后利用"干净"的双差观测量进行最小二乘参数估计,以减小测量噪声对GPS快速定位病态方程解的扰动。计算结果表明该方法能够显著提高GPS快速定位中模糊度浮点解的精度,仅利用几个观测历元的数据就可以准确地固定模糊度。     

基于小波变换的全色和多光谱遥感图像融合

基于多分辨率小波变换,针对高分辨率全色图像和多光谱图像的融合,提出了一种基于方向可调滤波器的区域能量测量的小波变换融合算法.将此方法与HIS和传统小波的融合方法比较,结果表明,该方法在保留多光谱图像光谱信息的同时,能够更好地保留高分辨率图像的空间信息,融合效果有较大改善.     

ASTER多光谱波段与SPOT全色波段融合方法研究

遥感图像融合可以发挥多源遥感数据的优势。但由于不同传感器的遥感数据有着不同的特征,不同数据所采用的融合方法也应不同。文章探讨了ASTER多光谱波段与SPOT全色波段数据融合的方法,通过对PCA融合、IHS融合和基于小波的IHS融合方法的对比研究,得出基于小波的IHS融合法在提高空间分辨率的同时较好地保持了地物的多光谱信息。     

水文时间序列周期识别的新思路与两种新方法

针对水文序列周期识别的困难,提出首先对原序列处理,再识别周期的新思路,同时提出两种新方法:一种是模拟延长序列法,即通过建模延长原序列,再应用最大熵谱分析法(MESA)对延长序列识别周期;另一种方法是构建主频序列法,应用小波重构法重构原序列主频部分,然后应用MESA对重构序列进行周期识别。结合实例,运用多种方法对同一序列进行周期识别。分析结果表明:由于受序列长度偏短、偏态性、复杂随机成分等因素的影响,传统单一处理方法(周期图法、FFT、MESA、小波分析)周期识别效果并不理想,而使用两种新方法可以有效地减小或消除上述因素的影响,周期识别效果有明显改善。     

小波技术在GPS基线解算数据预处理中的应用

采用小波技术对GPS观测数据进行处理。应用小波变换技术对GPS相位观测值进行周跳的探测和修复。GPS相位观测值可以作为时间序列来进行分析,作为时间函数,它所表现出来的是一条光滑度很好的曲线,一旦出现周跳,这种光滑性就被破坏,从发生周跳的历元开始,后继相位观测值序列发生等量阶跃,通过小波变换的信号特性检测原理,能够有效地探测出周跳的发生,这种方法对于缩小模糊度搜索空间及提高模糊度解的有效性有明显的作用,从而提高基线解算的精度。