基于多尺度金字塔的多光谱图像Pan-Sharpening方法

针对传统高分辨率全色(high-resolution panchromatic,HRP)图像融合中发生的频谱失真等问题,提出了一种多尺度金字塔方法来锐化低分辨率多光谱(low-resolution multi-spectral,LRM)图像.该方法利用HRP图像中的冗余补丁重建高分辨率多光谱(high-resolution multi-spectral,HRM)图像.首先,从低分辨RP图像创建金字塔;然后,通过利用该金字塔作中同一层以及较低层的每个补丁之间的关系,重构上采样的LRM频带;最后,从上采样的多光谱带估计高分辨率强度分量.利用不同层次的相似结构更详细地重构HRM的波段特性.在多尺度过程中利用自相似性,从可用HRP和LRM图像中构建HRM图像,减少了空间失真.此方法在强度分量的重建中使用底层HRP图像来减小HRP和强度分量之间的不相似性,从而减少频谱失真.实验结果表明,此方法能有效地保留源图像的光谱和空间信息,且性能优于其他方法.

多光谱遥感影像与高分辨率全色影像融合研究

选取浙江省绍兴市作为研究区 ,探讨了IHS变换、PCA变换及Brovey变换等融合方法 ,发现Brovey变换更适合于多光谱数据与高分辨率全色数据之间的融合。

基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真

高空间分辨率全色遥感图像在军事侦察、地面监视等领域具有较高的应用价值.为模拟星载全色遥感图像,提出了一种由艇载遥感成像系统获取的低空遥感图像为数据源的高空间分辨率全色遥感图像仿真方法.首先将低空宽视场图像按典型地物类型进行监督分类,其次将低空宽视场图像与多光谱图像按不同地物类型分类拟合,并将多光谱拟合结果合成高空间分辨率全色仿真图像,最后对高空间分辨率全色仿真图像进行仿真精度评价.相比星载全色遥感图像,仿真图像同样具备高空间分辨率、全色波段、宽视场等特点.仿真方法可为星载全色遥感图像仿真提供较准确的数据支撑.

一种融合中分辨率多光谱与高分辨率全色图像的方法

针对中分辨率多光谱与高分辨率全色图像空间分辨率差异大,导致融合结果难以较好平衡光谱信息保持和空间信息保持能力的问题,该文分析了7种常用融合方法用于中分辨率多光谱与高分辨率全色图像融合的优缺点及其融合质量的影响因素,提出了一种组合融合方法。该方法在保留Gram-Schmidt方法的细节注入方式的基础上,综合利用高通滤波法和Gram-Schmidt方法的优势构造低分辨率全色图像,确保在提高融合图像空间分辨率的同时有效降低其光谱变形。通过CBERS-02多光谱和IRS-P5全色图像的实验,证明了新融合方法的有效性。

改进的基于稀疏表示的全色锐化算法

为了更有效地结合高分辨率全色(PAN)图像细节信息和低分辨率多光谱(MS)图像光谱信息,提出了一种改进的全色锐化算法。首先,对低分辨率MS图像的强度通道进行下采样再上采样获取其低频成分;其次,用强度通道减去低频成分获取其高频成分,在获取到的高低频成分中进行随机采样来构建字典;然后,用构建好的过完备字典对高分辨率PAN图像进行分块分解以获取高频信息;最后,将分解出的高频信息注入到低分辨率MS图像中以重建高分辨率MS图像。经多组实验后发现,所提出的算法在主观上保留了光谱信息,并注入了大量的空间细节信息。对比结果表明,相比其他诸如基于成分替换算法、基于多分辨率分析算法、基于稀疏表示算法,所提算法重建出来的高分辨率MS图像更加清晰,且在相关系数等多种客观评价指标上优于对比算法。

基于低空遥感系统的星载光学遥感器成像仿真

在星载光学遥感器设计过程中,利用计算机仿真技术模拟遥感器成像过程能够评估遥感系统设计可行性,并预测遥感器成像能力。针对高分辨率星载光学遥感器成像特点,提出一种基于低空遥感系统的成像仿真方法。以低空宽视场和多光谱图像数据为基础,利用图像分类、分类拟合等方法生成低空多光谱宽视场仿真图像,采用经验线性法进行反射率反演,结合星载光学遥感器空间分辨率、MTF、光谱响应等特性以及大气辐射传输理论得到遥感器入瞳处辐亮度仿真图像。将QuickBird卫星作为仿真对象,开展成像仿真实验,并评价仿真精度。实验结果表明仿真图像与卫星图像保持较高相似程度。

高分辨率全色遥感图像多级阈值分割

针对模糊熵多级阈值分割方法存在模糊特性不足、计算量大、自动性差等问题,提出一种基于区间二型模糊熵的高分辨率全色遥感图像多级阈值分割方法。首先,利用岭型模糊隶属度函数构造区间二型模糊集,由构造的模糊集和阈值个数,在多级图像分割场景中定义区间二型模糊熵。然后,利用量子比特将其模糊参数集编码为量子染色体,设置若干量子染色体构成初始种群,并以定义的区间二型模糊熵作为适应度评价函数,对种群中的个体进行适应度评价,保留和记录最优个体。在提出的进化策略中,利用量子旋转门的动态旋转角机制使种群以更好的适应性和效率自动确定模糊参数的最优组合,据此,以最大模糊性原则得到多级阈值,实现图像最优多级阈值分割。在实验中选取基于最大熵和模糊熵的多级阈值分割方法作为对比算法,对具有不同地物的高分辨率全色遥感图像进行了分割实验。实验平均评价结果表明本文方法能在减少计算时间的同时获得更好的分割结果,面积加权方差降低了39.7%,Jeffries-Matusita距离降低了14.7%,运行时间为6.403 s。可满足高分辨全色遥感图像分割结果对空间连续且光谱均匀的要求且具有高实时性。

基于图割模型的高分全色影像自动云检测

针对高分全色卫星影像场景复杂、波段单一、波谱范围有限的特点,提出了一种基于图割模型的自动云检测方法。该方法首先通过亮度双阈值和Gabor纹理特征将影像分为云区、非云区和不确定区域;再计算像素点的能量项和平滑项;然后通过图割模型确定不确定区域像素点的类别,从而检测出精确的云区。结果表明,该方法能有效检测高分全色影像上的云区范围,且无需人工干预,可满足自动化生产需求。

基于小波纹理和基元合并的高分影像居民地提取

由于高分辨率全色影像(简称"高分影像")中的信息高度细节化,再加上噪声的影响,会导致传统基于纹理特征的居民地提取方法效果不理想。为此,提出一种基于小波纹理和基元合并的居民地提取方法。首先,利用结合小波变换(wavelet transform,WT)的分形网络进化算法(fractal net evolution approach,FNEA)获取初始基元,并对基元的多尺度小波纹理进行分析;然后,在人工给定种子基元的基础上合并具有相似纹理的基元;最后,对基元合并的结果进行数学形态学修整,得到居民地区域。利用天绘一号(TH-1)全色影像对所提方法进行验证及对比分析的结果表明,该方法对高分影像中的街区式居民地可取得较高的提取精度和计算效率。

高分辨率光学卫星图像目标运动信息提取研究综述

目标运动信息提取技术是指利用卫星遥感检测地面移动目标并估计其运动参数,在智能交通、军事遥感等方面应用广泛,是遥感图像应用的重要方向之一。高分辨率光学卫星图像中动目标的纹理特征更明显,包含的信息更丰富,是大范围目标运动特征研究的良好数据。首先,总结了光学卫星图像动目标研究进展;然后,将高分辨率光学卫星图像目标运动信息提取过程分为动目标检测和运动参数估计2部分,并分别进行算法综述;除已有算法外,还介绍了基于序列全色卫星图像的新型动目标检测方法的原理与思路;最后,分析了已有研究在数据源和算法方面的不足,指出目标运动信息提取向自动化、智能化、实时化发展的趋势。

基于多特征的全色遥感影像区域化能量分割

为了精确分割高分辨率全色遥感影像,提出一种基于多特征的区域化能量分割算法。利用曲波变换提取高分辨率全色遥感影像的边缘特征和纹理特征,结合原有的光谱特征构成特征集合;利用规则划分技术划分影像域,在划分的影像域上,利用能量函数和非约束Gibbs概率分布建立基于多特征的区域化能量分割模型;利用MCMC算法求解该分割模型,以实现高分辨率全色遥感影像分割。为了验证提出算法,以Worldview2全色遥感影像为实验数据进行分割,并对其分割结果进行定性及定量评价。

基于Visual C++编程的高分辨率影像和多光谱影像融合技术算法研究

本文采用加权融合算法对高分辨率影像和多光谱影像进行融合,利用Visual C++编程实现数据间的计算,并通过实验数据对融合效果进行验证。结果表明,该项融合计算法实验效果理想,可有效抑制图像噪声,大大提高了图像分辨率和信息量,未来可广泛应用在土地利用变更调查工作中。