ALOS全色与多光谱影像融合方法的比较研究

以浙江省德清县ALOS影像为基础数据,探讨了利用乘积法、高通滤波法、小波变换、HIS变换、Brovey变换、PCA变换、Gram-Schmidt变换等七种影像融合方法,对ALOS全色与多光谱影像进行融合,对各方法的融合结果进行了定性和定量分析.实验结果表明,Gram-Schmidt变换在保持多光谱影像光谱信息的同时,显著提高了融合影像的空间分辨率,是最适合ALOS全色与多光谱影像的融合方法,为ALOS影像应用提供了参考.     

基于PCA变换和光谱补偿的遥感影像融合方法

针对传统PCA融合方法光谱失真较严重的问题,本文从分析传感器的光谱响应范围的不一致性入手,通过预判融合图的光谱失真区域,对失真和非失真区域采用不同的融合策略。在非失真区域,采用传统的PCA融合方法进行融合,在失真区域,对第一主成分与全色图像进行小波融合,然后替换第一主成分。并提出了新型的多层融合流程,改善了融合图像走样的问题。实验表明,本文方法可以实现全色与多光谱图像的高保真融合,且方法的适应性较好。     

基于IHS变换、小波变换与高通滤波 的遥感影像融合

基于IHS变换、小波变换与高通滤波的遥感影像融合方法。利用IHS变换法来增强结果影像的空间细节表现能力；利用小波变换法来保留多光谱影像的光谱特性；在使用小波变换法的同时，利用高通滤波法对小波变换的低频部分进行融合，以便尽量多保留全色影像的细节信息，避免融合后的影像出现细节模糊。新方法不仅很好地保留了多光谱影像的光谱信息，而且增强了结果影像的空间细节表现能力，提高了结果影像的信息量与清晰度。     

多光谱图像与全色图像融合

非下采样Contourlet 变换具有多尺度、多方向性、强大的稀疏表达能力,能够有效捕获图像中的纹理信息,文中提出了一种新的基于非下采样Contourlet变换和 HIS变换的遥感图像融合方法。对多光谱图像进行 H IS 变换,将得到的亮度分量和全色图像进行非下采样Contourlet变换,通过融合算法得到新的亮度分量,进行 HIS逆变换得到融合图像。实验结果表明,该方法在保留原图像的频谱信息的同时增强了融合图像的空间细节表现能力。     

基于小波变换的全色多光谱高空间图像数据双源融合算法处理技术研究

针对多光谱图像传感器数据与全色图像传感器数据进行了双源融合算法研究.在对现有的各种融合算法进行详细的归纳和总结的基础上,利用多光谱图像高光谱信息与全色图像高空间信息两者之间的互补性,研究了在尽可能保留原光谱信息的前提下,提高空间分辨率的像素级图像融合算法,并对多传感器遥感图像进行了仿真实验研究.     

基于HIS变换的多源遥感影像融合方法研究

HIS变换法是根据人眼的视觉特性,把RGB彩色变换到HIS域,并且建立这样的假设,即亮度分量反映原图的亮度信息,色调分量和饱和度反映原图的彩色信息。这样亮度分量直接被高分辨率图像替换,融合效果就会具有较高的空间分辨率。     

采用IHS变换和灰度值匹配进行多波段影像融合

论述一种基于IHS变换法原理实现的多波段影像融合技术及设计思路与算法,用VC＋＋实现了界面交互融合,提出了影像融合前的色调匹配技术,采用色调匹配可以得到色调、纹理信息都很丰富的遥感影像.     

基于PCA变换的多元遥感影像融合方法研究

基于PCA变换的融合方法是用于多波段遥感图像的第一主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第一主分量,这样会损失部分多波段遥感图像第一主分量中反映光谱特性的有用信息,使得融合结果图像的光谱分辨率受到较大影响。因此,在PCA变换融合算法基础上引入小波包变换融合算法,保留多波段遥感图像第一主分量中一些反映光谱特性的有用信息,提高融合后遥感图像的效果。     

基于PCA变换与小波变换的多源图像融合算法

在多尺度分解的框架下,针对像素级的多源图像融合,提出一种基于PCA变换与小波变换的图像融合算法。首先将低分辨率的多光谱图像进行主分量变换,得到各主分量;然后将高分辨率图像的信息与第一主分量进行融合,得到新的融合了高分辨率图像信息的第一主分量;最后新的第一主分量与其他主分量进行反变换,得到一幅具有高空间分辨率的多光谱图像。     

Landsat7卫星多光谱图像与全色图像的数据融合

随着遥感技术的发展，遥感图像的数据融合备受关注．本论述利用小波变换和IHS相结合的方法对Landsat7多光谱图像与全色图像进行数据融合．选取徐州市南郊铜山新区的图像进行试验，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法均优于颜色变换法．     

Fusion of multispectral image and panchromatic image based on NSCT and NMF

A novel fusion method of multispectral image and panchromatic image based on nonsubsampled contourlet transform(NSCT) and non-negative matrix factorization(NMF) is presented,the aim of which is to preserve both spectral and spatial information simultaneously in fused image.NMF is a matrix factorization method,which can extract the local feature by choosing suitable dimension of the feature subspace.Firstly the multispectral image was represented in intensity hue saturation(IHS) system.Then the I component and panchromatic image were decomposed by NSCT.Next we used NMF to learn the feature of both multispectral and panchromatic images’ low-frequency subbands,and the selection principle of the other coefficients was absolute maximum criterion.Finally the new coefficients were reconstructed to get the fused image.Experiments are carried out and the results are compared with some other methods,which show that the new method performs better in improving the spatial resolution and preserving the feature information than the other existing relative methods.     

Fusion of multi-spectral image and panchromatic image based on support vector regression

In our study,support vector value contourlet transform is constructed by using support vector regression model and directional filter banks.The transform is then used to decompose source images at multi-scale,multi-direction and multi-resolution.After that,the super-resolved multi-spectral image is reconstructed by utilizing the strong learning ability of support vector regression and the correlation between multi-spectral image and panchromatic image.Finally,the super-resolved multi-spectral image and the panchromatic image are fused based on regions at different levels.Our experiments show that,the learning method based on support vector regression can improve the effect of super-resolution of multi-spectral image.The fused image preserves both high space resolution and spectrum information of multi-spectral image.     

多尺度图像增强可见光与红外图像融合

针对同一场景在可见光和红外传感器得到的图像其高频细节部分存在着较大差异这一特点,首先对已经配准的红外传感器和可见光得到的图像进行小波变换,在多尺度下对两幅图像进行边缘提取。然后以局部模方为活性测度,局部模方的比值为匹配测度,并且利用图像的边缘特征指导融合策略,经过合成模块和多尺度逆变换得到融合图像。最后对融合后的图像进行图像增强,并对其进行客观评价,证明了本文方法的有效性。     

Matching method for multispectral images based on improved hough transformation with disparity constraint

To overcome the problems of image matching caused by different charactors and the grey-level in every spectrum of the airborne filter multispectral imager for the same target, a matching method for multispectral images based on improved Hough transformation with disparity constraint is presented. Firstly, we get the N layer pyramid images of the two multispectral images for registration by down-sampling, and then calculate the transformation parameters of each layer between the left and right images progressively. In this progress, the transformation parameters of the two adjacent top Pyramid images can be calculated by using the feature points extracted by the SIFT operator, and the transformation parameters of the other adjacent Pyramid images can be calculated by using the transformation parameters of their upper images and the improved Hough transformation. At the same time, the attitude parameters and the geometric transform relation calculated from the upper layer between the images can be used to improve the matching speed and reliability. By processing two airborne flight multispectral images with 1415×1415 pixels, this approach only takes 78 secends, and its registration accuracy can reach 065 pixels.     

Assessment of the fused image of multispectral and panchromatic images of SPOT5 in the investigation of geological hazards

The investigated area in this paper is located on the northern mountain in Guangzhou City.It is characterized by high relief and inaccessibility.Multispectral and pan Images of SPOT5 were used as the remote sensing data source,and high-pass filtering(HPF),Brovery transform(BT),intensity-hue-saturation(IHS),principal component analysis(PCA) and the modified IHS(MIHS) methods were adopted for image fusion.Here,a comparison has been made between the entire fused images and the original multispectral images.Sub...     

基于经验数据分解的干涉多光谱图像压缩算法

针对干涉多光谱图像数据的非平稳特性,提出一种经验数据分解的图像压缩算法．经验数据分解利用干涉曲线数据的局部特性和变化规律,将其分解为局部区域数据和值以及差值数据,从而实现对非平稳数据的多分辨率分析．本压缩算法首先利用经验数据分解方法去除干涉多光谱图像数据的相关性,并提出对应的二维多级分解结构．最后对分解系数采用改进的EBCOT算法进行编码．实验结果表明,与JPEG2000标准相比,本算法在无损压缩时输出码率平均下降0.15比特／像素,而有损压缩的重建图像质量提高1.1~2.5dB,同时降低恢复光谱的相对二次误差,有效的保护了光谱信息．     

多光谱与高分辨率图像融合的新算法

提出了一种多光谱与高分辨率图像融合的双树复数小波分维算法．充分利用双树复数小波变换良好的方向选择性,对多光谱的I分量和全色图像进行小波分解,进而在不同子带中进行图像融合,低频采用基于区域能量的融合算法,高频定义不同的分形分维作为权系数进行融合,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,得到最终的融合图像．实验结果表明,与经典的IHS变换和小波变换相比,该算法光谱扭曲度仅为前两者的30.31％和50.66％．     

基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。     

基于经验小波的太阳能电池缺陷图像融合

为解决太阳能电池的弱缺陷检测问题,提出一种基于二维张量经验小波的多光谱图像融合算法。使用一组特定波长的光源采集太阳能电池片图像信息,对图像进行顶帽变换抑制背景噪声;使用经验小波变换对预处理图像进行分解,分别对获得的高低频子带图像采用基于极大值的显著性融合规则进行融合,将融合后的高低频子带图像进行小波反变换获得最终的融合图像。在相同的采集条件下获取五类色差电池片图像,进行算法测试试验,并从图像视觉效果和客观评价指标两方面与其他算法分析比较。试验结果表明,此算法不仅具有良好的适应性,而且在保持光谱信息和抑制噪声等方面均取得良好的效果。