计入波段间相关性的高通调制图像融合方法

利用通用分量替换(generalcomponent substitution,GCOS)的扩展模型对几种具有代表性的融合方法进行分析,探讨了这些方法在细节注入方式上的联系.在此基础上,提出了一种考虑全色与多光谱图像之间相关性的空间可变的细节注入方法;结合不同的细节提取方式,构建了三种新的高通滤波调制融合方案.利用所提出的方法对Ikonos和Quickbird数据融合结果进行定量分析,并与传统的高通滤波调制方法(high-pass modulation,HPM)进行了对比.可见光波段的融合结果表明,调制方法和细节提取方式的改进均有效地提高了融合性能,且由调制参数的改进而引起的融合性能的提高十分显著;近红外波段的融合试验则表明近红外与全色波段的融合在滤波器设计方面需要做进一步的研究.

基于光谱响应函数的遥感图像融合对比研究

遥感图像融合是一个十分重要的问题,目前已出现了很多融合方法。一些现有方法可以从高空间分辨率全色数据中提取细节特征,并注入到低空间分辨率多光谱数据中,同时尽可能保持多光谱数据的光谱特性。现有方法一般都不能利用遥感成像系统的物理信息,因此可能导致融合结果发生严重的光谱扭曲。该文采用适当的遥感图像融合模型对图像融合问题进行分解,将融合问题归结为空间细节调制参数构建与空间细节信息提取两个子问题,在对传感器光谱响应函数(SRF)的分析基础上,构建合理的空间细节调制参数。依据对现有方法的分类,文章将三种基于SRF的空间细节调制参数构建方法,与高斯高通滤波提取的空间细节信息结合,产生三种基于SRF的遥感图像融合方法。这些方法在Ikonos数据上进行了试验和分析,并与GS和HPM方法进行了对比。

基于最小一乘的遥感图像融合

基于全色数据与多光谱数据之间的线性关系进行遥感图像融合是一种可行并被广泛应用的思路。本文利用GCOS模型对GS方法进行了分析,发现GS法可通过最小二乘法进行线性回归。由于最小一乘与最小二乘相比更为稳健,因此预期采用最小一乘法的融合方法具有更好的性能。本文提出了一种基于最小一乘融合方法的构建,并对IKONOS数据进行了对比试验。试验结果表明,基于最小一乘的融合方法是对GS方法的一种有效改进。