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NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation,IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red-green-blue,RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。

一种基于方向性信息测度和IHS变换的图像融合新方法

提出了一种基于图像方向性信息测度和IHS变换的图像融合新方法。该方法首先根据不同邻域尺度下图像方向性信息测度的变化规律,检测出SAR图像象素中的边缘点和纹理点。然后,对TM图像的5、4、3波段(即红、绿、蓝波段)进行IHS变换得到亮度图像I。进而根据SAR图像象素分类情况将其和I图像进行线性加权融合,其中边界象素和纹理象素的权值比平滑象素大。最后通过IHS反变换,得到完整的融合结果。实验结果表明,与传统的IHS融合方法和基于直方图匹配的IHS融合方法相比,该新方法在保持TM光谱信息和抗噪声能力方面具有明显优势。

基于IHS的高分辨率遥感影像自适应融合算法

在分析几种IHS算法的基础上,提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换,从亮度成份构成和空间细节注入程度两个方面加以改进,采用相关系数来调整权重,避免了人工指定权重带来的主观因素偏差,在提高影像空间细节和光谱保持之间取得了较好的均衡,同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析,该算法均优于其他几种改进算法。

基于推广的IHS变换和压缩传感的遥感图像融合

为了提高全色图像和多光谱图像的融合图像的质量,提出一种基于推广的intensity-hue-saturation(GIHS)变换和压缩传感的遥感图像融合方法.首先对低分辨率多光谱图像作GIHS变换得到低分辨率的亮度分量;然后在低分辨率的亮度分量、全色图像和理想的高分辨率亮度分量之间建立压缩传感模型;再利用压缩传感理论恢复出理想的高分辨率亮度分量,并用其代替GIHS变换方法中的全色图像,得到最终的融合图像.高分辨率亮度分量的应用,使得融合图像的光谱失真问题大为改善.以Geoeye-1和QuickBird卫星数据为例的实验结果表明,与传统方法相比,文中方法不仅能够提高多光谱图像的空间分辨率,而且对光谱信息的保持也具有更好的效果.

采用改进型IHS变换的遥感图像融合算法

在分析亮度-色度-饱和度(IHS)变换影像融合方法的基础上,针对IHS变换存在光谱特征扭曲的局限性,提出了一种采用分辨率退化模型的基于IHS变换的局部回归分析融合方法。采用SPOT的全色影像和TM的多光谱影像为实验数据,经多个统计参数的定量分析以及M atlab仿真实验的验证表明,该方法在空间分辨率和光谱分辨率上都达到了较好的效果。

IHS融合改进方法在闽清县土地更新调查中的应用

采用传统的IHS等融合方法在进行高分辨率的全色影像与低分辨率的多光谱影像融合时,会使多光谱影像的光谱退化;如果高分辨率全色影像时相比多光谱影像时间早很多,则会产生很多新的地物信息丢失。通过对传统的IHS等融合方法的研究,改进了I分量的算法,使I分量既含有高分辨率影像的纹理信息又具有多光谱影像的光谱信息,得出IHS+融合方法,有效地解决了这个问题。

Multi-spectral remote sensing image enhancement method based on PCA and IHS transformations

This paper introduces a new enhancement method for multi-spectral satellite remote sensing imagery,based on principal component analysis(PCA) and intensity-hue-saturation(IHS) transformations.The PCA and the IHS transformations are used to separate the spatial information of the multi-spectral image into the first principal component and the intensity component,respectively.The enhanced image is obtained by replacing the intensity component of the IHS transformation with the first principal component of the PCA transformation,and undertaking the inverse IHS transformation.The objective of the proposed method is to make greater use of the spatial and spectral information contained in the original multi-spectral image.On the basis of the visual and statistical analysis results of the experimental study,we can conclude that the proposed method is an ideal new way for multi-spectral image quality enhancement with little color distortion.It has potential advantages in image mapping optimization,object recognition,and weak information sharpening.

基于传感器光谱特性的全色与多光谱图像融合

提出了一种基于传感器光谱特性的全色与多光谱影像融合方法。该方法主要基于快速IHS融合方法的思想,在充分考虑各波段成像传感器的相对光谱响应的基础上,对强度分量的构造和空间细节信息的注入方式2个方面进行了改进。改进后的方法有效地改善了光谱畸变问题,且能同时对所有的光谱波段进行融合。分别对IKONOS、ETM+影像进行融合实验,结果表明该方法在光谱信息损失最少的情况下,较大地提高了影像的空间分辨率,与其他方法相比具有更好的综合性能。

一种基于光照模型的多源遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了充分地发挥这两类遥感图像数据的互补性信息 ,增强二者的清晰度和解译能力 ,在 SFIM算法的基础上 ,将 IHS变换与 SFIM相结合 ,并对原有的均值滤波器进行改进 ,提出了一种自适应加权均值滤波器。通过一组多光谱图像和全色图像的融合实验 ,并对比常用的 IHS融合方法和 SFIM方法 ,证明了新算法在保持多光谱图像光谱特性的同时 。

基于暗原色先验原理的偏振图像浓雾去除算法

在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。

一种基于HSI和小波变换的遥感图像融合方法

在对同一地区低分辨率的多光谱图像与高分辨率的全色图像的融合中,单独采用传统的HSI(hue-saturation-intensity)图像融合方法会出现颜色失真问题和传统的小波融合中存在分块模糊现象.为了改进融合效果,本文提出了一种新的融合方法,将HSI和小波变换进行有机结合,首先通过HSI变换获得多光谱图像的亮度成分,采用改进的基于主分量分析方法的融合规则将它与全色图像进行小波融合,得到新的亮度分量.将新的亮度分量进行增强处理后,进行HSI逆变换获得最终融合图像.实验结果证明,该方法不但提高了融合图像的空间分辨率,突出了目标的特征信息,而且更好地保留了原有多光谱图像的光谱性质.

基于改进梯度投影NMF和复Contourlet变换的遥感图像融合

为了尽可能地保留全色图像的空间信息和多光谱图像的光谱信息,提出了一种基于改进梯度投影非负矩阵分解和复Contourlet变换的遥感图像融合方法.首先,以多光谱图像的强度分量图像为标准,对全色图像做直方图匹配,得到新的全色图像;然后,利用复Contourlet变换分别分解多光谱图像的强度分量图像和新的全色图像,得到各自对应的低频分量和高频分量;接着,对两幅低频分量图像采用改进梯度投影的非负矩阵分解作为融合规则获取新的低频分量,并对两幅高频分量图像使用系数绝对值较大法获取新的高频分量;最后,通过逆复Contourlet变换和逆色调-饱和度-强度变换获得融合后的图像.大量实验结果表明,与HSI方法、NMF与无下采样Contourlet变换结合的方法以及提升小波变换与HSI结合的方法相比,本文方法获得的融合图像具有更高的空间分辨率和更多的光谱信息.

基于多特征的遥感图像融合算法

针对基于多尺度几何变换的遥感图像融合算法细节表现能力不足的缺陷,提出了一种新的基于多特征的遥感图像融合算法。首先,对多光谱图像进行HSI变换,将得到的亮度分量和全色图像分别进行非下采样的Contourlet变换(NSCT),得到低频和高频子带系数;然后,对低频子带系数采用像素绝对值选大的规则进行融合,对于高频子带系数的选择,考虑到不同的因素如(方差、能量、平均梯度)对图像质量的影响不同,提出了一种基于多特征的融合规则;最后,对融合后的低频和高频系数分别进行了逆NSCT变换和逆HSI变换得到融合图像。实验结果证明,该方法可以有效将全色图像的空间信息注入到多光谱图像中,并与HSI变换、Contourlet变换等融合算法相比,该方法在主观和客观评价上优于其他几种融合方法,具有更好的融合效果。

基于平稳小波变换的图像融合算法

针对IHS(intensity,hue.saturation)融合算法的光谱畸变和正交小波变换融合算法的方块效应问题,提出了一种基于平稳小波变换的图像融合算法,并且探讨了在图像处理中应用灰色系统理论的可行性和有效性。该算法结合IHS变换,对于图像平稳小波分解的高频分量利用灰色关联分析准确、有效地检测出有用的边缘信息,并在确定融合权值时,给予不同的重视程度。实验表明,本文算法能够克服正交小波变换在图像融合中出现的方块效应问题,在保持光谱信息方面具有显著的优越性,并且能够有效提高融合图像的空间分辨能力,又由于新算法引入灰色关联分析进行像素分类,具有良好的抗噪性和可控边缘信息量等优点,使算法灵活、有效,进一步改善了融合图像的质量。

几种常用遥感影像融合方法分析及初步试验

本文对目前在影像融合过程中最常用的融合方法进行了简单归纳和介绍,并运用Brovey变换、主成分变换、小波变换、IHS变换等融合方法对某一试验区SPOT5卫星的全色和多光谱数据进行融合处理,并对融合结果进行了定量分析对比,得出对于实验数据来说最适合的融合方法。

多时相MODIS数据融合效果的分析与评价

MODIS是美国新一代地球观测卫星EOS计划中重要的传感器之一,其主要目标是实现对大气和地球环境变化的长期观测和研究,因此,充分挖掘并利用MODIS数据信息十分必要。采用IHS变换法、IHS_FFT法及IHS_WT法等多种方法对MODIS多时相数据进行融合比较,并从反映图像亮度、空间细节和光谱信息的三类统计参数给出客观评价分析结果。结果表明,IHS_WT方法的融合效果较优,特别是采用双正交小波基(bior6.8),而IHS和IHS_FFT法存在一定得光谱扭曲现象。

基于分量替换高分辨率遥感图像融合方法的对比研究

基于分量替换的高分辨率遥感图像融合是一种十分重要的融合方法,但对该方法的融合原理的深入分析在国内还鲜有报道。为此对分量替换融合方法进行原理探究和实验对比分析。首先从线性代数的角度来阐述分量替换融合算法的实质,并对两种典型的构造可替换波段的分量替换方法(基于光谱响应函数模拟低分辨率全色波段的Gram-Schmidt融合法(GS1)和基于多元一次线性回归拟合低分辨率全色波段的Gram-Schmidt(GS2)融合法进行原理说明;其次,选取QuickBird全色与多光谱图像数据,进行三种有代表性的基于分量替换的融合方法(PCA,GS1,GS2)的对比分析。通过对比融合前后典型地物的光谱特性变化来评价融合影像的光谱保真性也是该研究的一大特色。结果表明:3种融合方法都具有很高的光谱保真性,GS2融合方法具有最优的光谱保真性,PCA和GS1融合算法次之,尤其是GS1融合处理后的图像存在部分光谱失真的现象,GS2算法的光谱保真性明显优于GS1。从基于分量替换融合方法的实质可以诠释出造成GS1融合图像光谱失真的根本原因,GS1融合算法使用的只是实验室理想环境下所获取的名义上的光谱响应特征。传感器的实际成像过程受到诸多因素的影响,如传感器在轨工作环境、大气、观测角度不同等的影响。GS1算法单纯通过不同波段光谱响应函数的线性组合来模拟低分辨率全色波段并不十分准确,GS2直接利用MS和Pan波段像元灰度值进行线性回归,克服了上述不确定性问题。通过以上对比研究发现,如何利用多光谱数据准确地模拟低分辨率全色波段,直接影响到融合后影像的光谱保真性,是目前高分辨率遥感图像融合的关键技术。

机载综合孔径辐射计图像和光学图像融合及评价

微波辐射计图像可以很直观的反映地表亮温,但其分辨率不高且图像地物的几何外形不明显等缺点给研究带来诸多不便。现有一些光学图像与之相比,具有分辨率高,几何外形更清晰等优点。如何有效利用光学图像的信息来研究辐射计图像是一件有意义的课题。采用IHS方法、PCA方法、小波方法对机载综合孔径微波辐射计图像和Landsat ETM+图像进行融合。从对实验结果定量和定性的分析表明小波融合方法更具潜力。融合结果中可以看出在多光谱图像中表达相似的地物,可以很快的在图像中分辨出来。结果图像基本上保持了辐射计图像的辐射特性,并且融合了光学图像的不同地物的光谱信息,为在辐射计图像上对大区域地物的解译和分析带来方便。