TM与SPOT影像融合算法比较研究

随着遥感技术的发展,获取遥感数据的手段越来越丰富,各种不同的传感器所获取的影像数据与日俱增,在同一地区形成了多时相、多分辨率的影像序列金字塔。如何综合各种类型的遥感影像信息,提高遥感数据的利用效益已成为遥感应用的瓶颈问题。多源遥感数据融合技术是解决这一问题的有效手段,即将同一地区不同类型的影像数据进行空间配,然后采用一定的算法将各种影像数据中所含的信息优势或互补性有机的结合起来,产生新影像的过程。以Landsat和SPOT数据为例进行了这方面的探讨。为了充分利用TM丰富的光谱信息和SPOT较高的空间分辨率,研究中引入了4种影像融合算法：加权融合、K－L变换、K－T变换、基于信息特征的融合。通过信息量和分类精度的比较,表明基于信息特 的融合效果较好。     

多分辨率金字塔算法的遥感影像融合对比分析

采用拉普拉斯、对比度、梯度以及形态学4种金字塔分解算法,以区域特征选择为融合规则对IKONOS多光谱和全色波段影像进行融合,从空间信息和光谱特征两个方面对融合结果进行对比分析,探讨各种算法的遥感影像融合效果。实验结果表明:基于形态学金字塔算法影像融合的空间信息增强和光谱特征保留效果最好;Laplacian算法次之;对比度和梯度算法效果最差。     

基于GA-BP算法的基片图像边缘检测计算机应用

由于复杂噪声信号的影响,使得对基片边缘的检测较为困难,提出了一种基于改进的GA-BP算法的边缘检测方法.首先,对基片图像进行中值滤波,将选中的样本归一化.其次,根据样本使用改进的GA-BP算法建立神经网络模型.最后根据实验对该神经网络模型中的参数进行了修正,并利用此神经网络模型对基片图像进行边缘检测取得到了较好的效果.实验结果表明,该方法具有良好的泛化性,鲁棒性和自适应性,可以提高图像边缘检测的抗噪声能力.     

多尺度遥感影像融合技术及其算法研究进展

随着传感器光谱分辨率和空间分辨率的提高,现代遥感技术提供了金字塔状的可利用遥感数据。与此同时,也给遥感技术应用提出了挑战———如何充分、有效地利用多源、多尺度的遥感影像数据。影像融合技术为充分利用多源、多尺度的遥感影像数据提供了有效的途径。本文对目前多尺度影像融合技术及其算法的发展进行了系统分析,在此基础上,对影像融合技术的发展进行了简要的分析。     

基于自组织神经网络的多传感器遥感图像融合技术

多传感器遥感图像融合是一种遥感信息综合分析与处理的技术,其研究正成为遥感学科领域的热门课题之一。利用自组织特征映射神经网络具有较好的聚类特性,对多源遥感图像进行高水平的分类与融合。通过对GMS 5卫星图像融合前后性质的比较和融合质量的评估,不难发现:融合后的图像不论在视觉效果上还是在噪声特性上都有了很大的改善。     

利用分水岭分割的多分辨率遥感图像融合算法

对全色图像和多光谱图像进行融合可以获得更加清晰的图像信息。提出了一种基于分水岭分割和小波变换的多分辨率图像融合算法。利用正交小波变换得到原图像的小波金字塔表示。对近似图像进行分水岭分割,并且用小波逆变换把原始分割结果逐步映射回更高的分辨率层。通过联合区域分析,得到各层的联合区域分割图,并用此图来指导各层小波系数的融合。对融合系数进行小波逆变换,得到融合的图像。实验结果表明,该法对遥感图像的融合十分有效,能很好地兼顾融合图像的光谱质量和空间清晰度。     

基于WNN的BP算法的多传感器数据融合研究

小波神经网络（WNN）是将小波理论和神经网络理论结合起来的一种神经网络,有较强的函数学习能力和推广能力及广阔的应用前景。采用基于WNN的BP权值平衡算法对多传感器测量的结果进行特征级的数据融合,融合结果提供给决策级判断。该融合算法避免了BP网络收敛速度慢,易产生局部最优解等缺点,提高了学习的速度、精度。仿真结果表明了该方法的有效性。     

基于神经网络的多传感器融合技术研究

研究了基于神经网络的多传感器融合技术,并将其应用于自主吸尘机器人中.给出了神经网络传感器融合技术的基本原理,探索了改进的BP信息融合算法,使得改进后的算法在收敛速度上得到了很大的改善;介绍了传感器的监测系统和传感器特征的选择,构建了BP算法模型,并进行了仿真,得到了良好的实验结果.     

加权多分辨率图像融合的快速算法

快速、可靠的融合算法是图像融合技术实用化的关键,因此具有良好融合效果的快速融合算法的研究显得尤为重要。传统的加权多分辨率图像融合方法能够产生良好的融合效果,但是其计算复杂度却不能令人满意,为了降低算法的复杂度,基于定义的相关信号强度比,提出了一种加权多分辨率图像融合的快速算法。同传统加权多分辨率图像融合方法相比,算法具有较低的计算复杂度。实验结果表明,该算法同传统加权多分辨率图像融合方法一样,能够产生良好的融合效果。     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

基于多重网格的遥感影像融合方法研究

目前常用的遥感影像融合方法大都从离散角度出发,一定程度上失去图像本身的物理意义,得到图像的质量不高。本文从连续图像出发,将二阶偏微分算子应用于影像函数,利用多重网格算子能得到近似影像的性质,得出一种多分辨影像分解的方法,经过图像重建过程得到融合影像。试验表明本融合方法可应用于遥感影像融合。     

遥感图像融合评价方法研究

如何准确地评价融合效果是图像融合的一个重要组成部分。在遥感图像的融合研究中,对同一对象,不同的融合方法可以得到不同的融合效果,即可以得到不同的融合图像。系统地研究了遥感图像融合中的各种评价指标,在对已有的评价指标进行总结和分析时,还提出一些新的评价指标,并按使用条件和使用用途对遥感图像融合效果评价方法进行分类。     

一种新的基于Curvelet变换的遥感图像融合算法

Curvelet变换能充分利用原函数的几何正则性,可以达到用更少的系数来逼近奇异曲线的目的,因此相比小波变换而言,它更适合分析二维图像中的曲线或直线状边缘特征.综合分析Curvelet变换的特性,提出一种基于Curvelet变换的遥感图像融合算法.通过Curvelet变换将源图像分解到不同尺度、不同方向的频带范围内,然后分别对低频、高频分量采取不同的融合规则进行融合,最后进行Curvelet逆变换得到融合结果.实验结果表明该方法在增强空间特征和保留光谱信息方面均优于传统小波变换和传统Curvelet变换等方法.     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。     

基于多种变换的遥感图像新型融合方法

针对多光谱图像空间分辨率低这一特点,提出一种在PCA变换基础上,利用小波变换和高通滤波相结合的图像融合算法。实现了ETM+全色波段与ETM+多光谱波段图像的融合,并从空间纹理信息,光谱真实性两个方面进行定性和定量评价。研究表明,该融合算法产生的光谱失真较小,同时很大程度地保持了高分辨率全色波段的空间纹理细节信息,是一种较好的图像融合方法。     

一种构建多光谱全色波段与小波变换相结合的遥感影像融合方法

对于多光谱和全色波段遥感影像融合而言,影像问光谱响应范围的差异是造成融合结果光谱畸变的重要原因。方法通过对遥感影像成像过程中的参数进行合理地近似,将多光谱影像有机地结合为光谱响应范围与全色波段接近的、低分辨率的“多光谱全色波段”。利用特定的小波融合法则,将全色波段中适量的空间信息融入到“多光谱全色波段”中,并根据构建“多光谱全色波段”时各多光谱影像所占的权重,将融入的空间信息逐像元地分解到各个多光谱波段,从而较好地削弱了融合影像间光谱响应范围的差异所造成的光谱畸变。通过对IKONOS遥感影像进行融合实验,验证了本文方法较传统方法具有更高的性能。     

基于DCT的遥感图像融合*

将DCT应用于遥感图像中全色光学图像和多光谱图像的融合上。首先,对配准的两幅图像做DCT变换;在变换域内,通过灵活的选择全色光学图像的高频部分和多光谱图像的低频部分掺入,实现对融合结果的灵活控制。并分析了将清晰度作为判断最佳融合结果的标准。     

基于TM6的地热资源的热红外遥感探查模型研究

介绍了地热资源的用途,特点,以及现常规的地热资源探查方法,特别介绍了热红外技术在地热资源探测中的应用情况。结合热红外遥感的特点以及地热资源的特征,建立了基于TM6的地热资源的热红外遥感探查模型。该模型在南京地区得到了应用,同时也验证了该模型的专业性和价值。同时该模型也存在一些不足,随着遥感技术尤其是航空热红外技术的发展以及地质理论的发展,该模型的精度也一定会有很大的提高。     

基于区域小波统计特征的遥感图像融合方法

提出一种基于区域小波统计特征的遥感图像融合方法,对多光谱图像的I分量与直方图匹配后的高分辨率图像进行小波变换融 合。对分解后的低频分量采用加权平均的融合规则,高频分量则根据其区域的小波系数特征,采用基于区域方差匹配度的融合规则。对 SPOT多光谱图像和高分辨率图像进行融合实验,并利用信息熵和相关系数对融合结果进行客观评价与比较分析。仿真实验结果表明,基于区域小波统计特征的融合方法能达到较好的融合效果。     

一种基于局域统计特征的影像融合方法

通过将较低空间分辨率的多光谱影像和较高空间分辨率的全色波段影像融合产生兼具多光谱和高空间分辨率特征影像是提高资源环境监测精度的重要途径之一。本文提出了一种计算简单、光谱保真性好的影像融合算法。该方法根据影像局域统计特征,建立融合方程,以表征全色影像空间结构和多光谱影像光谱信息的统计量为约束,求解融合系数,实现影像融合。试验结果表明该方法光谱保真性好、适应性强,具有一定的应用潜力。