结合改进Laplacian能量和参数自适应双通道ULPCNN的遥感影像融合方法

融合SAR影像的后向散射信息和光学影像的光谱信息是提高土地覆盖分类精度的重要手段之一,其中多尺度变换是一种有效的融合方法。然而,多尺度变换方法的融合规则通常根据局部特征信息和脉冲耦合神经网络模型进行设计,存在结构信息和细节信息提取能力有限,以及脉冲耦合神经网络参数设置复杂和空间相关性差等问题。为此,本文提出一种结合改进Laplacian能量和参数自适应双通道单位连接脉冲耦合神经网络(ULPCNN)的遥感影像融合方法。该方法混合成分替换方法和多尺度变换方法,首先对多光谱影像进行IHS变换得到亮度分量I,将亮度分量I与SAR影像通过非下采样剪切波变换(NSST)分解得到高低频子带。然后对低频子带采用结合加权局部能量和八邻域修正拉普拉斯加权和的融合规则,同时对高频子带采用参数自适应双通道ULPCNN的融合规则,将高频子带的多尺度形态梯度作为链接强度,并根据OTSU阈值和影像强度来实现其他参数的自适应表示。最后依次进行NSST重建和IHS逆变换得到融合影像,并选择随机森林分类器对融合影像进行土地覆盖分类。试验结果表明,本文方法相较于13种其他方法在11个融合评价指标和土地覆盖分类精度上总体表现最佳,土地覆盖分类的总体精度和Kappa系数在区域1中比原多光谱影像分别提高了8.350%和0.107,在区域2中比原多光谱影像分别提高了6.896%和0.091。

基于小波变换的遥感影像融合与评价

阐述了小波变换的Mallat算法,同时对遥感影像融合的分析与评价进行了深入的探讨,提出了综合利用三类统计参数来进行评价的方法.经实验,评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影像融合的客观效果评价准则.

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进。新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像。主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达。

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。

基于独立分量分析和支持向量机的遥感影像融合分类算法

遥感影像分类是遥感定量化分析的重要手段,遥感影像融合是提高分类正确率的有效途径之一。本文提出一种遥感影像的融合分类算法。首先采用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析的去相关性、稀疏特性以及很好地捕捉影像重要边缘信息、纹理信息的能力,提取融合影像的独立分量特征,并用支持向量机实现分类。与其他算法的主、客观比较结果表明,该算法的实验效果较好,可有效地提高遥感影像的分类精度。

基于MTF滤波的北京一号小卫星遥感影像融合

北京一号小卫星提供4m分辨率全色影像和32m分辨率多光谱影像,但其空间分辨率比值(1:8)较低,在对北京一号小卫星数据融合时存在空间信息损失问题。针对此问题首先从全色影像中提取成像系统的调制传递函数MTF(Modulate Transfer Function),根据MTF设计2维低通滤波器,通过对多光谱影像的亮度成分滤波估计低分辨率全色图像数据值,基于GIF(General Image Fusion)融合框架得到融合结果。实验证明本方法用于融合遥感影像的可行性,其空间信息的保持在视觉效果和定量指标上均优于IHS(Intensive-Hue-Saturation),BT(Brovey Transform)和GS(Gram-Schmidt)等传统的替换类融合算法,在空间信息和光谱信息的保持上亦有较好的折中。

基于数据同化和粒子群优化算法的遥感影像融合

针对现有的基于色彩空间变换、基于统计以及基于多尺度分析等融合模型的建立主要依赖于经验,其参数选取存在主观性,基本上不能根据融合图像的后续使用目的进行自适应调整的问题,该文提出了一种基于数据同化和粒子群算法的遥感影像融合框架。此框架根据后续处理对影像各个属性指标值的依赖程度确定各个属性指标的权重,构造由影像各个属性评价指标的加权和所组成的目标函数,再利用粒子群算法优化目标函数从而获取合适的影像。一组实验以熵、平均梯度、标准方差、空间频率和结构相似性等定量指标验证了该框架的有效性。

结合HIS和小波变换的自适应遥感影像融合

多源遥感影像融合中,通常不同地物区域对光谱特征和空间细节信息的要求有所不同。针对该特点,提出了一种IR(自适应半径搜索)显著性分析模型,实现了对多源遥感影像显著性区域和非显著性区域的识别与划分。结合HIS与小波变换融合算法,提出了改进的自适应平均梯度加权HIS融合方法,实现了对道路、农田、居民区等显著性区域的融合,更好的保留了其丰富的空间细节信息;同时提出了HIS+WT变换的融合方法,实现了对山地、林地等非显著性区域的融合,保留了较多的光谱信息。以此实现了分区域的自适应遥感影像融合。实验结果表明,本文方法能够使融合后的遥感影像既能保持较高的空间细节表现能力,又能很好地保留其光谱信息。对农业科学、森林规划以及今后森林遥感影像分类、识别等研究提供了一定的理论基础与应用价值。

高空间分辨率遥感影像融合方法探讨

针对高空间分辨率遥感影像特点,利用IHS变换、Brovey变换、PCA主成分变换、Gram_Schmidt变换以及Pansharp变换等五种融合方法对QuickBird影像进行了融合实验,并从目视效果、波谱剖面图以及定量分析三方面对融合后影像质量做出了科学的比较,结果表明Pansharp和Gram_Schmidt融合算法更适合高分辨遥感影像融合。

ETM+遥感影像融合方法的土地覆盖分类精度的研究

采用小波变换、小波和PCA相结合、小波和HIS相结合等遥感影像融合方法对Landsat7 ETM+多光谱与全色影像进行融合和土地覆盖分类研究,并结合影像的光谱统计参数和融合影像分类精度对这些方法进行评价,结果发现这3种融合方法均能不同程度地提高影像的分类精度。其中,第3种方法所得融合影像与原多光谱影像的相关系数最大,均方差、相关系数和信息熵最大,影像所含信息量最多,光谱特性保持较好;清晰度较高,在空间细节信息的表现能力上较优,所以融合影像的分类精度最高。因此,小波和HIS相结合的融合方法更适合ETM+融合影像的土地覆盖分类研究。

基于特征结构相似度的遥感影像融合质量评价指标

在分析现有影像融合评价指标的基础上,根据人眼视觉特性,提出一种基于特征结构相似度的遥感影像融合评价指标.首先从原始影像和融合影像中提取空间特征和光谱特征,然后综合计算空间特征和光谱特征的结构相似度作为评价指标,达到评价影像质量的目的.通过对多种传感器获取的遥感影像进行融合实验,结果表明该客观评价方法与主观评价结果一致,是一种有效的遥感影像融合质量评价方法.

基于IHS变换、小波变换与高通滤波的遥感影像融合

基于IHS变换、小波变换与高通滤波的遥感影像融合方法。利用IHS变换法来增强结果影像的空间细节表现能力;利用小波变换法来保留多光谱影像的光谱特性;在使用小波变换法的同时,利用高通滤波法对小波变换的低频部分进行融合,以便尽量多保留全色影像的细节信息,避免融合后的影像出现细节模糊。新方法不仅很好地保留了多光谱影像的光谱信息,而且增强了结果影像的空间细节表现能力,提高了结果影像的信息量与清晰度。

多分辨率金字塔算法的遥感影像融合对比分析

采用拉普拉斯、对比度、梯度以及形态学4种金字塔分解算法,以区域特征选择为融合规则对IKONOS多光谱和全色波段影像进行融合,从空间信息和光谱特征两个方面对融合结果进行对比分析,探讨各种算法的遥感影像融合效果。实验结果表明:基于形态学金字塔算法影像融合的空间信息增强和光谱特征保留效果最好;Laplacian算法次之;对比度和梯度算法效果最差。

基于小波变换一致性检测的遥感影像融合

通过分析一些经典遥感影像融合方法的不足,提出了一种基于小波变换一致性检测的遥感影像融合方法。其基本思想是在基于局部方差融合方法的基础上,采用"多数"原则对各个像素的8个邻域进行一致性检测,并进行相应调整,以保持融合后的高频细节分量具有一致性。通过仿真实验以及相应评价指标的衡量证明了该方法在遥感影像融合方面的有效性和优越性。

陕北黄土丘陵沟壑区ALOS遥感影像融合方法研究

【目的】通过几种遥感影像融合方法的比较,筛选适合于陕北黄土丘陵沟壑区遥感影像处理的融合方法。【方法】利用ALOS全色波段与多光谱影像,通过主成分变换、乘法变换和Brovey变换等3种融合方法,对陕北黄土丘陵沟壑区遥感影像进行融合,并对融合后的影像进行效果评价。【结果】所有融合处理图像的标准差和信息熵多大于原始影像,融合后图像的信息量大大增加,其中Brovey变换法在提高目视效果和识别精度方面优于其他2种融合方法。【结论】3种变换融合方法中,Brovey变换更适合于陕北黄土丘陵沟壑区ALOS遥感影像的融合,同时也为提高该区遥感影像的解译精度奠定了基础。

基于HIS变换和WT变换的遥感影像融合

遥感影像信息融合是近年来国际遥感领域的研究热点。传统的遥感影像融合主要是HIS变换法、加权平均法、PCA法等。利用小波变换(WT)技术进行遥感影像融合是近年来的研究热点,但其直接舍弃了全色图像的低频率分量,在结果图像中容易出现分块效应。本文结合HIS变换和小波变换的互补性,提出了一种基于HIS变换和小波变换的遥感影像融合方法。通过实验、直观和定性分析,新方法既可以增强融合影像的空间细节表现能力,同时也很好地保留了多光谱影像的光谱信息。

地理国情普查中的遥感影像融合算法分析

地理国情普查是一项重大的国情国力调查,是全面获取地理国情信息的重要手段,是掌握地表自然、生态及人类活动基本情况的基础性工作。影像融合旨在生成具有高空间分辨率和高光谱分辨率的遥感影像,为地理国情普查提供基础数据。然而目前影像融合算法虽多却没有一种普适性算法能够有效应用于各种需求,因此需要根据地理国情普查的实际需求分析,以获取较为合适的融合算法。

利用多进制小波包变换进行遥感影像融合

从二维小波变换理论出发,对其在图像处理方面的应用进行了一些分析,提出了一种基于多进制小波包变换的融合方法,并通过实验数据表明该方法的正确性,而且比传统的二进制小波、多进制小波以及二进制小波包等小波融合方法具有更强的自适应能力。

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。

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。