遥感影像融合方法的精度评价

目前,高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流.EN-VI 4.4遥感影像处理软件影像融合处理的工具--SPEAR提供了PCA变换、Gram-Schmid变换、Brovey变换和HSV变换4种专门用于全色与多光谱遥感影像融合的算法.以ETM+全色与多光谱遥感影像融合为例,选择熵、偏差和相关系数3个定量指标,对采用4种融合方法得到的影像进行评价.经综合评价和比较,实验的4种影像融合算法中,Gram-Schmidt变换效果最好.     

遥感图像融合方法研究

利用遥感图像专业处理软件ENVI与ERDAS IMAGINE,对珠海市2002年的Landsat 7 ETM+遥感数据进行了图像融合方法试验,包括IHS变换、Brovey变换、K-L变换和Gram Schmidt波谱锐化等。然后利用定性和定量方法对各种方法的融合结果进行了光谱特征和统计参数等方面的评价。研究结果表明:Gram Schmidt波谱锐化在纹理信息、亮度信息和光谱信息等方面都优于其他几种融合方法。     

基于Brovey融合与HSV锐化的ASTER影像绿地信息提取分析

为了突出图像的边缘、线状目标或某些亮度变化率大的部分,生成边缘图像,运用Brovey融合和HSV锐化方法,对广州市部分地区的ASTER遥感影像进行处理,然后,对两种方法分别处理后的图像,采用平行六面体法监督分类,提取城市用地信息,并对分类后的图像进行对比试验,着重对城市绿地信息的提取进行分析,探究ASTER遥感数据的两种影像处理方法对城市绿地信息的提取效果,及其空间分布为城市生态评价和景观生态建设提供必要的基础数据。通过对比试验,结果显示:Brovey方法较好地显示城市绿地的分布状况,可作为城市绿地动态监测的判别方法之一;融合后的影像能够清晰地显示研究区城市绿地的分布结构及毗邻关系;通过采用区域放大、勾画不同地类边缘轮廓、配合人工解译等工作,能够增加城市绿地与其他用地类型的差异,突显城市绿地的分布、结构、生态学特征。     

SPOT 5与ETM+影像融合用于土地调查

以SPOT 5及ETM 遥感影像为基础数据,通过对云南昆明郊区利用PCA法和Brovey法进行影像融合,使融合后影像同时具有多光谱特性和高分辨率,提高影像的解译度。并对融合后的影像进行分类及精度分析,讨论影像融合技术在土地调查中的应用。     

波段运算与PCA结合的融合方法研究

为了改善常用的主成分融合方法的融合效果,本研究结合算术运算对其加以改进,并将融合结果与主成分、Brovey和小波变换三种方法进行比较。结果表明:新方法目视优于其他三种方法,更好地保持了地物的光谱特征,监督分类可使总体分类精度达到80.45%,比主成分融合的精度提高了8%。定量指标中,均值、标准差与原图像接近,光谱扭曲小,清晰度明显提高。在四种方法中表现最好。     

遥感信息融合在城市扩张检测中的应用——以重庆渝北区为例

采用了Brovey方法,将不同时相的MODIS影像与高空间分辨率ETM影像融合,实现了对重庆市渝北区城市扩张变化情况的检测,据此分析了该区的发展模式和特点.     

吉林一号卫星影像融合及质量评价

我国第一颗自主研制的吉林一号(Jilin-1)高分辨率商业光学遥感卫星,其空间多光谱分辨率为2.88 m分辨率和全色分辨率为0.72 m。针对吉林一号卫星影像成像的方式,采用合适的遥感影像融合算法,能够增强多光谱影像的空间质量,提高影像应用的层次。本文尝试CN融合、Brovey融合、Gram-Schmidt融合、NearestNeighbor Diffusion等4种新的高保真算法对吉林一号卫星影像进行融合实验,并对融合后多光谱影像的质量进行定性分析与定量评价。结果表明:4种融合方法对影像空间信息和光谱信息都具有较高的保真度,而基于Nearest-Neighbor Diffusion方法融合产生的影像在增强了高分辨率空间纹理细节的同时,光谱信息失真度最小,更适合于吉林一号影像的融合。本结论对利用吉林一号遥感数据开展定量研究具有重要意义。     

Pan-sharpening quality investigation of PLÉIADES-1A images

Optical remote sensing satellites obtain MS and Pan images simultaneously over the same coverage area. Remote sensing and image processing communities are working on different pan-sharpening methods capable of taking advantage of MS and Pan images. Each remote sensing system has its own advantages and disadvantages, leading to the question ‘Which pan-sharpening method should be used for which type of imagery?’ The aim of this research is to investigate the pan-sharpening performance of PLÉIADES-1A images. For this purpose, pan-sharpened images were generated using PCA, IHS and Brovey Transform which are the most popular pan-sharpening methods. Then, the pan-sharpened images were evaluated quantitatively using Correlation Coefficient, Root Mean Square Error, Relative Average Spectral Error, Spectral Angle Mapper and Erreur Relative Globale Adimensionnelle de Synthése. In addition, pan-sharpened images were evaluated qualitatively by taking object availability and completeness into consideration.     

土地覆盖的图像融合动态监测

近20年来,关于图像融合应用分析方法,如HIS,PCS,HPF,SFIM,SVR,Wavelet和Brovey等均有新的进展。本文主要是对不同时相的影像进行融合,如Brovey-融合法将不同时相的TM(1986年7月26日)和ETM+(2000年5月4日)的PAN波段影像进行融合,然后对其采用非监督分类和PCS分析,将两时相的土地覆盖变化区域提取出来。同时将两时相影像,用后分类法进行分类提取出变化区域。研究表明融合法具有快速、简便和准确的特点。     

基于空谱融合与AlexNet算法的滨海湿地植被分类研究

为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。