基于光谱角和光谱距离评价指标的遥感影像融合方法比较研究——以QuickBird数据为例

遥感数据融合是一种得到具有较高空间分辨率和光谱分辨率数据的有效方法,而如何保持地物光谱特性是遥感数据融合的关键问题。QuickBird卫星数据是高空间分辨率遥感数据的典型代表,探讨QuickBird数据的融合方法对于促进该数据的广泛应用具有重要意义,同时也能为其他高分辨率数据的处理提供借鉴。以QuickBird高分辨遥感数据为例,比较研究了目前针对高分辨率遥感数据常用的高通滤波、小波变换、Gram\|Schmidt和Pan\|sharpening 4种融合方法,以反映光谱曲线变化程度的光谱角和光谱距离为指标,评价了4种融合方法对多光谱影像地物光谱信息的保持能力。结果表明:小波变换在显著提高空间分辨率的同时最大程度地保持了原始多光谱影像的光谱信息,是4种方法中最适合QuickBird遥感数据的融合方法。     

小波包信息熵特征矢量光谱角高光谱影像分类

目的 针对高光谱数据波段多、数据存在冗余的特点,将小波包信息熵特征引入到高光谱遥感分类中。方法 通过对光谱曲线进行小波包分解变换,定义了小波包信息熵特征矢量光谱角分类方法(WPE-SAM),基于USGS光谱库中4种矿物光谱数据的分析表明,WPE-SAM可增大类间地物的可区分性。在特征矢量空间对Salina高光谱影像进行分类计算,并讨论了小波包最佳分解层的确定,分析了WPE-SAM与光谱角制图(SAM)方法的分类精度。结果 Salina数据实例计算表明：小波包信息熵矢量能较好地描述原始光谱特征,WPE-SAM分类方法可行,总体分类精度(OA)由SAM的78.62%提高到WPE-SAM的78.66%,Kappa系数由0.769 0增加到0.769 5,平均分类精度(AA)由83.14%提高到84.18%。此外,通过Pavia数据验证了WPE-SAM分类方法具有较强的普适性。结论 小波包信息熵特征可较好地表示原始光谱波峰、波谷等特征信息,定义的小波包信息熵特征矢量光谱角分类方法(WPE-SAM)可增大类间地物可区分性,有利于分类。实验结果表明,WPE-SAM分类方法技术可行,总体精度及Kappa系数较SAM有一定的提高,且有较强的普适性。但WPE-SAM方法精度与效率有待进一步提高。     

一种基于Contourlet变换的高光谱图像压缩算法

提出了一种基于Contourlet变换的高光谱图像压缩算法,其将多尺度几何分析用于高光谱图像的空间去相关,在进行有损压缩时有效地保存了高光谱图像丰富的纹理信息.该算法首先对高光谱图像的每一个波段图像进行基于小波的Contourlet变换,然后用前一波段的变换系数预测当前波段,最后对预测误差进行SPIHT编码,形成嵌入式码流.实验结果表明,提出的基于Contourlet变换的高光谱图像压缩算法其压缩效果优于对比算法,且能较好地保留高光谱图像的纹理信息.     

基于HSV和红黑小波变换的多光谱图像融合

提出一种基于HSV和红黑小波变换的多光谱图像融合方法。对多光谱图像进行HSV变换,将得到的明度分量和全色图像做多尺度红黑不可分小波分解。采用不同的融合算子对高低频分量进行融合,对融合后的图像进行红黑重构和HSV逆变换得到融合结果,并采用客观性能指标对融合结果进行评价。实验结果表明,该方法对多光谱图像和高空间分辨率图像有较好的融合效果。     

角点测度在月球表面多光谱图像融合中的应用

根据Harris角点检测原理,提出角点测度的概念,并以角点测度响应值作为高频图像融合系数的选择依据,进而提出基于图像冗余小波域的角点测度重要中心系数算法。算法首先利用冗余小波变换把多光谱图像分解成小波平面和相似平面,然后利用角点测度响应函数来估计小波平面的角点测度,用基于角点测度响应值的重要中心系数融合规则融合小波平面。对相似平面则采取加权平均的融合规则,最后通过冗余小波逆变换得到融合图像。在实验中,用Clementine月球表面多光谱数据和SPOT5多光谱数据验证了算法的有效性,并和其他方法做了比较,除了基于视觉的主观比较以外,还引入了标准差、熵、清晰度和相关系数等客观评价指标对融合结果进行评价,结果表明,算法有效地保持了原图像的细节特征,如边缘、角点等。     

一种改进高光谱图像噪声评估的MNF变换算法

在光谱维变换法是高光谱图像特征提取和数据挖掘的重要工具,而最大噪声分数(MNF)变换更是应用于高光谱图像分类和混合像元分解当中最为常用的光谱维变换法之一.由于部分样本光谱特征可能被局部波段噪声淹没,在同类地物十分聚集的情况下,首先对高光谱图像做MNF变换处理会比做主成分(PC)变换处理的分类结果更优.但通过实验证明,如果不同类别地物混杂在一起,混杂程度对MNF变换结果的分类精度有着显著影响.随后文中从理论上阐明该影响存在的原因,并针对高光谱图像中地物混杂的情况,提出了一种改进噪声协方差矩阵(NCM)评估的MNF变换算法,并通过后续模拟数据和真实数据实验证明该变换法相对于经典MNF变换,特征提取效果明显改善,分类精度均有所提高.     

基于分类KLT的高光谱图像压缩

高光谱图像的有效压缩已经成为高光谱遥感领域研究的热点。提出了一种基于分类KLT（ Karhunen-Loeve Transform）的高光谱图像压缩算法。该算法利用光谱信息对高光谱图像进行地物分类,根据相邻波段的相关性对高光谱图像进行波段分组。在地物分类与波段分组的基础上,对每组的每一类地物数据分别进行KL变换,利用EBCOT（Embedded Block Coding with Optimal Trtmcation）算法对所有主成分进行联合编码。实验结果表明,该算法能够取得优于JPEG2000以及DWT-JPEG2000的压缩性能,适合实现高光谱图像的有效压缩。     

基于三维整数小波与自适应预测的高光谱图像压缩研究

高光谱图像作为一种三维图像,其海量数据给存储和传输带来极大困难,必须对其进行有效压缩。根据高光谱图像的特点,本文提出了一种基于三维整数小波与自适应预测的无损压缩算法。首先利用三维整数小波变换充分消除高光谱图像的谱间冗余和空间冗余,自适应预测编码可以进一步消除变换后低频子带之间的冗余,从而进一步提高压缩性能;最后利用JPEG-LS标准和SPIHT算法分别对数据进行无损压缩。通过改变小波基,也可实现有损压缩。实验结果表明,该算法可以取得较好的无损和有损压缩效果。     

基于主分量分析的高光谱遥感数据噪声消除方法

高光谱遥感数据是一种超维数据,噪声随机地存在于其多个通道图像上,而某些特征谱段图像的信噪比在很大程度上影响着具体的光谱特性分析的准确性,高信噪比意味着地物探测或识别的高准确性;提出了一种新颖的基于小波-PCA分析的高光谱遥感数据噪声消除方法,首先对高光谱各波段图像进行二维小波分解,然后将各小波子图像进行主分量分析,根据噪声特性自适应选取主分量进行PCA重构;得到去噪后小波图像,最后进行小波重构。通过对OMIS图像的实验结果表明,该方法不但可以有效地消除高光谱遥感数据中的噪声,改善图像的信噪比,还能比较完整地保留原有高光谱数据的空间和光谱特性,且性能上要优于PCA方法和小波分析方法。     

基于波段分组的3D-SPIHT高光谱图像

波段间隔为纳米级的高光谱图像具有很强的谱间相关性,但不同频谱波段图像之间的相关性不同,本文提出了一种基于波段分组的3D-SPIHT(set partitioning in hierarchical trees)高光谱图像无损压缩方法.对高光谱图像按照谱段类型进行分组,接着通过3维整型小波变换,对图像组去除空间相关性和光谱维相关性,最后以3DSPIHT的空间方向树组织方式来进行编码,去除小波变换后子带间系数的冗余.实验结果表明,该方法能够有效地去除空间和谱间相关性,在算法复杂度和计算时间上较整体处理有一定优势,同时可获得较好的无损压缩结果.     

Citrus Recognition Methods of Hyperspectral Remote Sensing Image based on Spectral Unmixing Model

In order to monitor the citrus planting information timely and accurately,We take Huichang County of Jiangxi Province as the research area,using EO\|1 Hypersion hyperspectral remote sensing (HRS)image as a datasource to build a citrus recognition methods of hyperspectral remote sensing image based on spectral unmixing.First of all,the EO\|1 Hyperion hyperspectral remote sensing image has 242 bands,and it has a wide spectrum rang.It can extract the spectral curve of typical objects in the study area,which is based on the image pre\|processing including the band selection,the atmospheric correction and so on.Then,we use the fully constrained linear spectral mixture model of spectral unmixing to decompose the mixed pixels of the image,and then extract the abundance value of citrus.Finally,we construct the relationship between citrus abundance and the actual cultivation of citrus based on the high resolution remote sensing image.The results indicated that the unavoidable error in the extraction of the typical objects and the differences of the citrus canopy coverage can lead to the corresponding relationship between the citrus plant accurate identification and the citrus abundance threshold value.Under the condition of repeated experiments,the study area of citrus abundance thresholds in the range of 0.30~0.45,the overall accuracy can reach more than 90%,and it can meet the requirements of identification of citrus.     

一种基于à trous小波和联合稀疏表示的遥感图像融合方法

采用训练字典的稀疏表示方法能反映信号的本质特征和内在结构。针对遥感多光谱图像和全色图像融合存在的光谱失真问题,提出了一种基于àtrous小波和联合稀疏表示的融合方法。首先对多光谱图像进行IHS变换,然后对全色图像和变换后的多光谱亮度分量进行àtrous小波变换,对其低频分量进行字典训练,采用联合稀疏表示模型进行分解得到公共成分和独特成分,最后对稀疏系数进行融合。通过对山区和城区不同场景的IKONOS遥感数据进行实验,融合结果不仅在空间分辨率得到了提高,并且光谱分辨率保持较好,目视判读和量化分析表明其多数性能优于目前常用的传统算法。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自70年代形成后,由于其强调应用对象结果的信息优化,在许多方面比传统的信息处理方法有更大的优势,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上,揭示了高斯拉普拉斯金字塔（GLP）结构融合方法与传统的哈达玛变换（HT）之间的内在联系,提出了一种基于HT系数预测的多分辨融合方法。通过实验表明,这一算法对于光谱差异较大的遥感图像的融合,在几何分辨率改善的同时可获得较好的光谱保真度。     

波段自适应细节注入的高分五号与Sentinel-2遥感影像空谱融合

目的 针对当前空谱融合方法应用到高光谱图像融合时,出现的空间细节信息提升明显但光谱失真,或者光谱保真度高但空间细节信息提升不足的问题,本文提出一种波段自适应细节注入的高分五号（GF-5）高光谱图像（30 m）与Sentinel-2多光谱图像（10 m）的遥感影像空谱融合方法。方法 首先,为了解决两个多波段图像不便于直接融合的问题,提出一种波段自适应的融合策略,对多光谱图像波谱范围以外的高光谱图像波段,以相关系数为标准将待融合图像进行分组。其次,针对传统Gram-Schmidt （GS）融合方法用平均权重系数模拟低分辨率图像造成的光谱失真问题,使用最小均方误差估计计算线性拟合系数,再将拟合图像作为第1分量进行GS正变换,提升融合图像的光谱保真度。最后,为了能同时注入更多的空间细节信息,通过非下采样轮廓波变换将拟合图像、空间细节信息图像和多光谱图像的空间、光谱信息融入到重构的高空间分辨率图像中,再将其与其他GS分量一起进行逆变换,最终得到10 m分辨率的GF-5融合图像。结果 通过与当前用于高光谱图像空谱融合的典型方法比较,本文方法对于受时相影响较小的城镇区域,在提升空间分辨率的同时有较好的光谱保真度,且不会出现噪点;对于受时相变化影响大的植被密集区域,本文方法融合图像有较好的清晰度和地物细节信息,且没有噪点出现。本文方法的CC （correlation coefficient）、ERGAS （erreur relative globale adimensionnelle de synthèse）和SAM （spectral angle mapper）相比于传统GS方法分别提升8%、26%和28%,表明本文方法的光谱保真度大大提高。结论 本文方法的结果空间上没有噪点且光谱曲线与原始光谱曲线基本保持一致,是一种兼具高空间分辨率和高光谱保真度的高光谱图像融合方法。     

一种基于物理机理的高光谱遥感图像真彩色校正模型

针对高光谱遥感影像由于各波段光谱范围窄,难以获得符合人们视觉效果的真彩色合成影像问题,提出一种基于物理机理的高光谱遥感图像真彩色校正模型。该模型充分利用高光谱影像在红、绿、蓝反射区的所有谱段信息,通过插补波段并进行波段加权积分重建真彩色合成图像,进而结合实测地物反射率光谱,利用辐射传输模拟的方式,构建具备普适性的真彩色校正模型。利用航空高光谱遥感影像进行色彩校正实验的结果表明,所构建的真彩色校正模型能够很好地应用于高光谱遥感影像真彩色校正。     

Use of Fourier and Karhunen-Loeve decomposition for fast patternmatching with a large set of templates

We present a fast pattern matching algorithm with a large set of templates. The algorithm is based on the typical template matching speeded up by the dual decomposition; the Fourier transform and the Karhunen-Loeve transform. The proposed algorithm is appropriate for the search of an object with unknown distortion within a short period. Patterns with different distortion differ slightly from each other and are highly correlated. The image vector subspace required for effective representation can be defined by a small number of eigenvectors derived by the Karhunen-Loeve transform. A vector subspace spanned by the eigenvectors is generated, and any image vector in the subspace is considered as a pattern to be recognized. The pattern matching of objects with unknown distortion is formulated as the process to extract the portion of the input image, find the pattern most similar to the extracted portion in the subspace, compute normalized correlation between them at each location in the input image, and find the location with the best score. Searching for objects with unknown distortion requires vast computation. The formulation above makes it possible to decompose highly correlated reference images into eigenvectors, as well as to decompose images in frequency domain, and to speed up the process significantly     

异源、同源传感器影像融合的比较研究

遥感影像的融合是遥感界的一个研究热点。根据数据源的不同,影像融合可分为异源传感器影像融合和同源传感器影像融合。以TM与SPOT作为异源影像融合的例子,以IKONOS的MS与Pan作为同源影像融合的例子,用5种算法对两种融合类型进行实验与比较。结果表明,同源传感器影像的融合效果好于异源传感器影像的融合效果;不同的融合算法在异源和同源传感器影像融合中的表现不尽相同。SVR变换可同时应用于异源及同源传感器影像的融合,且在提高影像空间分辨率、信息量和清晰度的同时能很好地保持原始多光谱影像的光谱特征。SFIM虽然也可以在两种数据源的融合实验中获得较好的融合效果,但其高频信息融入度最差。MB虽然提高了融合影像的高频信息融入程度,但光谱保真度、信息量和清晰度却不理想。Ehlers适用于异源传感器影像间的融合,而WT则适用于同源传感器影像的融合。     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

A maximum noise fraction transform with improved noise estimation for hyperspectral images

Feature extraction is often performed to reduce spectral dimension of hyperspectral images before image classification. The maximum noise fraction(MNF) transform is one of the most commonly used spectral feature extraction methods. The spectral features in several bands of hyperspectral images are submerged by the noise. The MNF transform is advantageous over the principle component(PC) transform because it takes the noise information in the spatial domain into consideration. However,the experiments describ...