基于IHS_NSCT多光谱图像融合算法的研究

基于无人机多光谱影像的大豆生产状况信息获取是近年来农业信息技术研究的主要方向之一,但大豆生长过程中无人机多光谱图像不同通道间图像存在重叠且合成的多光谱图像分辨率较低。为此,针对传统的IHS变换只能进行3个波段的图像融合且易出现光谱扭曲失真现象,将源图像配准操作消除重叠影响,提取图像中光谱信息更为丰富的强度分量单位,并利用NSCT变换的多尺度、平移不变特性结合分量单位进行高、低频子带的提取和再融合操作,完成MS图像与PAN图像的融合。同时,以信息熵(EN)、相关系数(CC)等参数作为评价指标,得到高分辨率的融合图像。实试结果表明:算法熵值信息和相关系数参数明显优于另两种算法结果,其信息熵值达到7.79,相关系数达到0.97,可见融合算法能够表达作物光谱信息且可为作物营养成分监测任务提供理论与技术支撑。

基于NSCT和IHS变换的遥感影像融合方法研究

为增加遥感影像的信息量、提高影像的解译效果,研究一种基于NSCT和IHS变换相结合的多源遥感影像融合的方法,该方法对光学影像进行IHS变换,然后采用NSCT对SAR影像和光学影像的I分量分别分解,采用不同的融合策略分别对高低频系数进行融合,即对低频系数利用区域能量的融合规则和高频系数采用标准差加权融合规则的方法,最后通过IHS逆变换得到融合后的影像。通过对比实验进行验证,结果表明,该方法具有更优的融合效果,在提高影像的清晰度、增加纹理信息及细节信息、减少光谱失真等方面具有优越性,为高质量的影像目标识别和地物判读别提供有力支持。

基于非负矩阵分解和IHS颜色模型的偏振图像融合方法

针对传统偏振图像伪彩色融合方法存在的不足,提出了一种基于非负矩阵分解和IHS(Intensity Hue Saturation)颜色模型的图像融合方法.首先将偏振信息解析得到的各偏振参量图像作为原始数据集进行非负矩阵分解,得到三幅特征基图像,这些特征基图像包含了场景的大部分偏振信息;然后将三幅特征基图像经直方图匹配之后,分别映射到IHS颜色模型的三个颜色通道,最后变换到RGB颜色空间,得到融合后的图像.实验结果表明,该方法不仅具有较好的色彩表达能力,而且有效地突出了目标的细节信息,提高了图像的可判读性.

一种基于SFIM和IHS变换的图像融合算法

提出了一种基于SFIM和IHS变换的图像融合算法,利用SFIM模型的光谱保持优势,在IHS变换的基础上,只对与光谱特性不相关的I分量进行SFIM运算,理论分析和实验结果表明该算法既能显著保持光谱特性,又不存在频率分解和重建过程,同时有效融入了空间细节信息,计算简洁、实时性好,融合性能高效、高速,对于光照条件与物理特性相似的图像及需要快速交互处理和实时可视化的融合系统具有良好的启发意义和实用价值。

基于IHS变换和Curvelet变换的卫星遥感图像融合方法

全色图像和多光谱图像融合是合成高分辨率彩色遥感图像的常用方法之一,高质量的彩色图像需要融合全色图像的高空间分辨率和保持多光谱图像的光谱特性.为提高融合图像的质量,文中提出了一种基于IHS和Curvelet变换的遥感图像融合方法,该方法首先将多光谱图像进行IHS变换,然后将代表空间分辨率的I分量与全色图像进行Curvelet变换,并进行标准差融合,最后逆变换成高质量的彩色图像.实验测试结果表明:文中方法合成图像的信息熵、相对无量纲的全局误差和通用图像质量指标均优于其他方法合成的图像,文中方法融合图像的平均梯度和相关系数与小波变换、PCA变换方法相当;文中方法的融合效果要优于其他方法.

用基于IHS变换的SPOT-5遥感图像融合进行作物识别

遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的"万能"的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合的融合模型。SPOT-5图像是一种较新的高空间分辨率遥感图像,目前已用于运行化农情遥感监测,以弥补传统低空间分辨率遥感图像应用的不足。该文将SPOT-5多光谱和超模式全色图像进行融合,以进行中国东北地区大豆识别。对实验数据分别做基于IHS变换和PCA变换的融合处理,通过比较得出,基于IHS变换的融合方法用于SPOT-5遥感图像融合更利于东北大豆的识别。

IHS变换与低通滤波相结合的遥感图像增强模型

利用遥感图像分类提取作物面积时,由于作物长势的差异,同种作物往往表现出不尽相同的图像光谱特征,在大片连续或近似连续图斑中出现光谱突变,类似于图像噪声。这种微小的差异使得图像分类时同种作物容易被误判为其他地物,增大了分类后处理的难度,降低了分类精度。作者研究的SMM模型首先对原始多光谱图像做IHS变换,将原始图像分离成I(亮度)、H(色度)和S(饱和度),然后对色度H和饱和度S进行卷积滤波运算,得到H′和S,′再将I、H′和S′做IHS逆变换,得到新图像。SMM模型旨在通过图像平滑解决目前图像非监督分类方法上存在的不足,但又在图像平滑的同时保留了原始图像的空间分辨率。通过分类试验验证,使用SMM模型进行图像增强,可以提高图像分类的精度。

基于灰色绝对关联度边缘检测的多源遥感影像加权IHS融合

鉴于IHS变换的融合影像存在光谱扭曲问题,而灰色关联度对图像边缘检测具有局限性,该文将基于灰色绝对关联度的灰色关联分析与IHS变换相结合进行影像融合。采用灰色绝对关联度检测高分辨率影像的边缘点和非边缘点,基于边缘信息确定高分辨率影像和IHS变换后的亮度分量在组合中的权值,最后通过IHS反变换实现影像加权融合。应用该算法分别对多源遥感影像进行融合处理,在提高空间分辨率的同时能够很好地保持多光谱影像的光谱信息,优于传统的IHS融合方法和基于灰色关联度的IHS融合算法。

基于区域特征加权的IHS图像融合方法

针对传统IHS变换图像融合方法在高分辨率和多光谱图像融合中存在的光谱畸变现象,研究了现有的一些改进IHS变换图像融合方法,提出了一种基于局部区域多元特征动态加权的IHS图像融合方法,根据主观目视判决和客观评价指标对融合结果进行了比较和分析。仿真结果表明,该文提出的方法能使融合图像具有较好的空间分辨率,同时又能很好地保持原有多光谱图像的光谱特性。

基于IHS变换与直方图匹配法的遥感影像融合

针对 IHS变换法 (彩色空间变换法 )对多光谱图像和高分辨图像进行融合会丢失较多的光谱信息 ,称之为光谱扭曲 ,文中研究并实践了一种新方法 ,该方法利用直方图匹配的方法来解决光谱特征扭曲的问题 ,经过直方图匹配处理后的高分辨图像和多光谱图像的光谱强度分量具有较强的相关性 ,经 IHS反变换后可以得到具有较好空间分辨率和光谱信息的融合图像 .文中以 TM图像和 SAR图像融合为例进行分析 ,其结果表明 ,该方法得到的融合图像优于传统的 IHS变换法 .

基于2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。

基于IHS空间的灰度图像互补色伪彩色编码

对灰度图像的任一灰度级,将对应的彩色影射到垂直于I=0.5的平面上(I为强度),饱和度S可取的最大值为原始图像最大灰度值的0.75倍,相邻两灰度级对应的H值(H为色度)互为反相。将所得IHS值变换为RGB值即得伪彩色图像。用该方法对医学磁共振图像进行了处理,给出了实验结果。

基于改进IHS变换的图像融合方法

针对传统的 IHS变换法光谱信息丢失严重的问题 ,提出了一种改进的 IHS变换法 .该方法根据高分辨率图像的高频信息 ,对多光谱图像经过 IHS变换的强度信息进行了调制 .实验证明 ,该方法取得了较好的融合效果 ,优于传统的

IHS变换与小波变换相结合的图像融合新方法

提出了一种IHS变换与小波变换相结合的图像融合新方法。对多光谱(TM)图像的强度分量和全色(PAN)图像分别进行小波分解,根据小波变换高低频分量的不同特点,分别采取不同的高低频融合准则形成新的小波高低频分量,再先后进行小波逆变换和IHS逆变换得到融合后的TM图像。实验结果表明,提出的图像融合算法明显改善了融合图像的客观评价和主观视觉效果。

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。

SAR与TM影像的IHS变换复合及其质量定量评价

本文采用四种典型的ＩＨＳ变换方法，对同一地区的ＳＡＲ与ＴＭ影像进行了复合，并对复合后图像的信息量及清晰度作了定性和定量分析。结果表明，用熵、联合熵和平均梯度这三个定量指标客观评价ＳＡＲ与ＴＭ影像的复合效果，比目视评价结果准确有效，从而为选择最佳ＩＨＳ变换方法进行多源遥感数据复合提供了依据。

基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合 ,本文提出了一种基于 IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作 IHS变换 ,得到亮度 I,色度 H,饱和度 S三个分量 ;其次 ,利用小波变换融合方法融合多光谱图像的亮度分量与全色图像 ,并用融合后的图像替代多光谱图像的亮度分量 ;最后 ,作 IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明 ,新方法的性能优于 IHS变换融合方法、小波变换融合方法和 PCA变换融合方法 ,不仅较大地增强了融合图像的空间细节表现能力 ,而且很好地保留了多光谱图像的光谱信息。

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。

小波和IHS变换结合实现ETM图像波段融合

采用小波变换和IHS结合的方法实现了ETM多光谱波段和ETM全色波段的融合,并与传统的IHS融合的结果进行比较,结果表明小波和IHS变换相结合的方法优于IHS方法。

变化信息监测的时域IHS变换

在IHS变换过程中 ,对I分量图像与高分辨率全色波段图像采用线性回归辐射配准 ,减少了不同传感器、不同时相影像间光谱噪音 ;采用相关系数法叠加方式 ,生成一新明度分量进行反变换 ,增强了变化信息 ,保留了多光谱信息与纹理信息 ,有助于自动分类。