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。     

SPOT5全色波段与ASTER多光谱影像融合方法的比较研究

多源遥感影像数据融合可以将不同来源数据包含的优势信息重构为新的信息载体,进而为解 决实际问题提供更丰富的信息。与TM,CBERS-1等影像数据相比,ASTER多光谱影像在短波红外波段具有更强的优势,因此将其与SPOT5全色波段进行融合可为解决实际问题提供更多的细微信息。本文选取主成分分析变换（Principal component analysis,PC A）、比值变换（Brovey）、格兰姆-施密特变换（Gram-Schmidt,GS）和小波变换4种融合方法进行对比研究,实验结果表明PCA变换和GS变换适用于这两种影像融合。     

基于CBERS-02B和SPOT-5全色波段的图像融合纹理信息评价研究

CBERS-02B是我国第一代传输型陆地资源遥感卫星,搭载的传感器可以获得2.36 m分辨率的全色波段数据。通过遥感影像融合技术,将CBERS-02B全色数据和SPOT-5全色数据与SPOT-5多光谱数据10 m分辨率的图像进行了多方法的融合处理,通过对融合后图像的空间纹理信息进行比较和评价,获得了纹理信息的特征参数值。通过目视评价和定量分析,认为用CBERS-02B全色数据融合的影像在空间纹理上比SOPT-5融合的影像有优势。因此,CBERS-02B的全色波段是一种较高质量的高分辨率数据,应用前景广阔。     

ETM影像融合的评价分析

针对Landsat-7 ETM影像，对采用HIS变换、Brovey变换、相关系数加权法、SFIM变换、ISVR变换5种方法实现的ETM全色波段与ETM多光谱波段融合结果进行分析，并以均值、标准差、信息熵、平均梯度及相对偏差作为评价指标，通过试验对融合影像进行综合定量评价。结果表明，HIS变换光谱失真最大；Brovey变换在光谱保真和保持空间分辨率方面都不理想；相关系数加权法的融合结果严重地依赖权系数的取值；基于SFIM变换的融合方法，能最大限度地保留光谱特征，但空间分辨率提高不明显；而基于ISVR变换的融合方法，光谱失真小，空间分辨率高，其最大优势是考虑了多光谱影像与全色影像间的波段关系，可作为ETM影像融合的最佳方法。
     

利用FIHS和BT的遥感影像融合改进算法

影像融合可以显著提高影像的空间分辨率,但融合时高频信息的注入势必会造成融合影像的光谱失真。在对FIHS（Fast Intensity-Hue-Saturation）算法和BT（Brovey Transformation）算法光谱失真原理研究的基础上,提出一种能有效减弱光谱失真和提高影像空间分辨率的FIHS-BT算法。该算法通过利用全色影像的低频信息和多光谱影像生成模拟全色影像,减弱全色影像低频信息对融合影像光谱信息的影响,削弱多光谱影像高频信息对融合影像高频信息的干扰;然后,采用FIHS和BT乘积的平方根生成融合影像,以减小饱和度在变换中被拉伸或压缩的程度。选取IKONOS影像为数据源,采用BT等九种融合算法与FIHS-BT算法进行融合比较实验,并对融合结果从光谱保真度和高频信息融入度两个方面进行定性和定量评价。实验结果表明,FIHS-BT算法在光谱保真度和高频信息融入度方面较FIHS算法和BT算法均有显著改善。     

基于影像融合的IKONOS影像阴影信息自动提取方法

高分辨率卫星影像中的地物阴影是其特有的组成部分，如何有效地提取和利用这些阴影信息对于高分辨率卫星影像的应用是一个具有重要意义和实际价值的问题。本文提出在对IKONOS全色波段与多光谱的2、3、4波段进行基于IHS色度空间的影像融合的基础上，运用波谱角度映射表分类方法，对IKONOS影像中的阴影进行自动提取。试验结果表明该方法提取效果良好，平均精度可达85．3％。该方法为高分辨率卫星影像的阴影信息自动提取提供了一种有效途径。     

一种利用卷积神经网络重建的遥感影像Curvelet融合方法北大核心CSCD

针对传统多光谱与全色影像融合方法容易产生畸变、忽略多光谱影像本身的空间细节特征等问题,提出了一种基于超分辨率卷积神经网络与Curvelet变换的影像融合方法,以提升多光谱影像的空间细节,加强其与全色影像的相关性,减少融合产生的畸变。该方法首先利用高分辨率全色影像进行超分辨率重建学习,利用学习得到的网络参数对多光谱影像进行超分辨率卷积神经网络重建,提升其空间细节特征;其次,在Gram-Schmid变换融合基础上,根据Curvelet变换具有保持影像空间细节的特点,将全色影像与替换分量进行融合;最后,通过逆变换得到高分辨率遥感影像。实验结果表明,该算法在影像光谱信息和空间细节表达能力上,整体优于其他传统算法,且对不同数据具有很好的适应性。     

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光G近红外多光谱波段的基础上,新增加的８个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5％。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

IRS-P6卫星影像在水土保持生态工程初步设计中的应用研究——以刘家峡库区岘子沟流域为例

在水土保持生态工程初步设计中引进印度IRS-P6卫星LISS-4MN（全色）5.8 m影像,并对影像在MN模式下波段合成、影像纠正及与ETM+影像融合等技术进行了探索。利用IRS-P6卫星影像进行了刘家峡库区岘子沟流域土地利用、植被覆盖、水土流失与水土保持现状调查,配合人工勾绘图斑等方式,全面掌握流域水土流失的特征,提出合理有效的水土流失防治体系,提高了水土保持生态工程设计的工作效率。      

WorldView卫星16波段影像光谱特征分类

传统的高分辨率遥感卫星光谱分辨率较低,WorldView卫星在8个可见光-近红外多光谱波段的基础上,新增加的8个短波红外(short wave infrared,SWIR)影像,有助于提高影像提取地物信息能力。分析了WorldView卫星的16波段影像上各种地物的光谱特征和分类性能,提出了新的植被指数、水体指数和建成区指数。实验表明,相比于8波段影像,使用16波段影像分类能够显著提高各类地物特别是裸地、建筑物和道路的分类精度,总体精度提高约5.5%。基于16波段设计的新地物特征指数能更好地避免干扰地物,通过简单阈值提取地物,取得较高的提取精度。     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

一种基于ASR和PAPCNN的NSCT域遥感影像融合方法

针对稀疏字典的高冗余性和脉冲耦合神经网络（PCNN）参数设置的主观性问题,提出一种结合自适应稀疏表示（ASR）和参数自适应脉冲耦合神经网络（PAPCNN）的非下采样轮廓波变换（NSCT）域遥感影像融合方法。该方法将多光谱影像通过YUV空间变换得到的亮度分量Y与全色影像进行NSCT分解为高低频子带。对低频子带采用基于ASR的融合规则,根据影像块的梯度信息实现自适应稀疏表示。对高频子带采用PAPCNN模型,以选择PCNN的最优参数,再经过相应逆变换得到融合结果。实验结果表明：该方法对不同卫星影像在定性和定量评价上的总体效果均优于其他8种方法。     

Cover. ERS-1 SAR interferogram of Mount Vesuvio (Italy)

A pixel block intensity modulation (PRIM) method has been developed to add spatial detail to Landsat Thematic Mapper (TM) thermal band TM6 images in regions with sufficient topography. The method uses 30 m resolution TM reflective spectral band images (TM1-5 and 7) to modulate the relevant TM6 image on the basis of its 120m resolution thermal pixel blocks. Topographic detail in each 120m resolution pixel block of the TM6 image is thus recovered, without altering the average thermal digital number level of the block, by the spatial information recorded in the reflective spectral bands at 30m resolution. Tests confirm that the PBIM can effectively integrate topographic spatial detail from reflective spectral bands with TM6 images while retaining the fidelity of the original thermal spectral information. PBIM is also applicable, as a general method, for data fusion of multispectral and panchromatic images with different spatial resolutions. Bearing in mind that, for space-borne remote sensing, the spatial resolution of the thermal band will continue to be lower than that of VISSWIR and panchromatic bands in the multispectral sensor systems of the next generation, such as Enhanced Thematic Mapper Plus, the PBIM method will remain a useful technique for enhancing thermal imagery data for some time.     

对称分数B样条小波的PCA图像融合

有良好逼近能力的对称分数B样条小波,在刻画图像纹理方面优于传统小波,为图像融合提供了有利条件。将其与PCA（Principal Component Analysis）变换相结合之后对高分辨率全色图像和低分辨率多光谱图像进行融合,提出了一种新的图像融合算法。对两幅源图像应用PCA变换,得到的两个第一主分量分别进行对称分数B样条小波变换,再对产生的两组高、低频小波系数采取不同的规则进行融合,生成两组新的高、低频系数,对其进行小波反变换得到新的第一主分量,与多光谱图像的其他主分量进行PCA反变换,得到最终的融合图像。实验结果表明,该方法使融合图像既提高了分辨率又保留了丰富的光谱信息。     

面向云覆盖的遥感影像时空融合深度学习方法及其应用

遥感影像时空融合是一种获取高时空分辨率数据的有效手段,但现有方法在选定基础数据对时要求预测时间低分辨率数据无云覆盖影响,这极大地限制了其应用潜力。为此,提出一种面向云覆盖的遥感影像时空融合方法,即在深度学习框架下,构建重建子网络恢复预测时刻云下缺失信息,将重建后的低分辨率影像与前后相邻时刻高、低分辨率数据对构建时空融合子网络,得到最终的融合影像。以安徽淮南采煤沉陷区Landsat和MODIS反射率数据为例,对预测时刻MODIS数据模拟不同缺失率的云污染;利用所提方法进行时空融合实验,进而比较深度学习与传统方法融合数据对水体信息的提取效果。结果表明：该方法融合结果各波段的RMSE和SSIM均取得较好的定量评价效果,且总体优于传统方法;沉陷区水体提取实验表明本方法水体提取结果更加接近真实观测影像。因此,该方法降低了时空融合对数据的限制要求,且具有更高的融合精度和更有效的应用性。     

改进空间细节提取策略的分量替换遥感图像融合方法

针对多光谱图像与全色图像间的局部空间差异引起的空谱失真问题,提出了一种改进空间细节提取策略的分量替换遥感图像融合方法。与传统空间细节提取方法不同,该方法旨在合成高质量的强度图像,用其取代空间细节提取步骤中全色图像的位置,以获取匹配多光谱图像的空间细节信息。首先,借助低分辨率强度图像与高分辨率强度图像的流形结构一致性,利用基于局部线性嵌入的图像重建方法重构第一幅高分辨率强度图像;其次,对低分辨率强度图像与全色图像分别进行小波分解,保留低分辨率强度图像的低频信息与全色图像的高频信息,利用逆小波变换重构第二幅高分辨率强度图像;然后,将两幅高分辨率强度图像进行稀疏融合,获得高质量强度图像;最后,将合成的高分辨率强度图像应用到分量替换融合框架,获取最终融合图像。实验结果表明,与另外11种融合方法相比,所提方法得到的融合图像具有较高的空间分辨率和较低的光谱失真度,该方法的平均相关系数、均方根误差、相对整体维数合成误差、光谱角匹配指数和基于四元数理论的指标在三组GeoEye-1融合图像上的均值分别为：0.9439、24.3479、2.7643、3.9376和0.9082,明显优于对比方法的相应评价指标。该方法可有效地消除局部空间差异对分量替换融合框架性能的影响。     

基于影像融合和面向对象技术的植被信息提取研究

高分辨率影像具有丰富的光谱信息和空间信息。采用不同的图像融合技术融合GeoEye影像全色波段和多光谱波段,用建立的参考多边形和对应多边形残差法评价分割质量,以确定研究区各地物类型的最优分割参数组合,选择目标地物分类特征,建立分类规则,在此基础上实现研究区内不同地物类型的面向对象信息提取。结果表明:Gram-Schmidt(GS)融合法具有最优的融合效果,所选特征能够很好地实现目标地物信息提取,并且具有明确的地学意义,面向对象信息提取总体精度达到90.3%,Kappa系数为0.86,该研究为高精度植被信息的提取提供了有效的方法。     

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。     

The effect of fusing Sentinel-2 bands on land-cover classification

The Sentinel-2 satellite currently provides freely available multispectral bands at relatively high spatial resolution but does not acquire the panchromatic band. To improve the resolution of 20 m bands to 10 m, existing pansharpening methods (Brovey transform [BT], intensity–hue–saturation [IHS], principal component analysis [PCA], the variational method [P + XS], and the wavelet method) required adjustment, which was achieved using higher resolution multispectral bands in the role of a panchromatic band to fuse bands at a lower spatial resolution. After preprocessing, six bands at lower resolution were divided into two groups because some image fusion methods (e.g. BT, IHS) are limited to a maximum of three input bands of a lower resolution at a time. With respect to the spectral range, the higher resolution band for the first group was synthesized from bands 4 and 8, and band 8 was selected for the second group. Given that one of the main remote sensing applications is land-cover classification, the classification accuracy of the fusion methods was assessed as well as the comparison with reference bands and pixels. The supervised classification methods were Maximum Likelihood Classifier, artificial neural networks, and object-based image analysis. The classification scheme contained five classes: water, built-up, bare soil, low vegetation, and forest. The results showed that most of the fusion methods, particularly P + XS and PCA, improved the overall classification accuracy, especially for the classes of forest, low vegetation, and bare soil and in the detection of coastlines. The least satisfying results were obtained from the wavelet method.