摄影测量与遥感学

CH20041160 一种基于小波系数特征的遥感图像融合算法=A Remotely Sensed Image Fusion Method Basedon Wavelet Coefficient Features/刘哲,郝重阳,冯伟(西北工业大学电子工程系)…∥测绘学报.-2004,33(1).-53-57多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域。在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法。通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较。证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率。图1表1参8     

Contourlet方向区域相关性的遥感图像融合

对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析,发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征,在此基础上,提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法,该算法首先对多光谱图像经IHS变换后的亮度分量和全色图像分别进行Contourlet变换,然后以多光谱图像亮度分量的低频信息作为融合图像亮度分量的低频信息,通过计算并比较全色图像的高频系数和对应的多光谱图像亮度分量的高频系数的方向区域匹配度确定融合图像亮度分量的高频信息;最后经过Contourlet逆变换和IHS逆变换获得融合图像。实验结果表明,该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息,与传统遥感图像融合算法相比,该算法具有较好的融合图像信息熵和清晰度,具有一定的实用性。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,提出了基于IHS变换和小波包变换的遥感图像融合新方法.该方法首先对多光谱图像作IHS变换得到3个分量:亮度I、色度H和饱和度S;其次利用小波包变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后作IHS反变换得到新的多光谱图像.实验分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法,在保留多光谱图像光谱信息的基础上,增强了融合图像的空间细节表现能力.     

基于小波变换的遥感图像融合研究——以黄河三角洲地区为例

针对黄河三角洲地区Landsat TM的多光谱影像和全色影像,提出了一种基于IHS变化和离散小波变换的遥感图像融合方法。该方法在IHS变换的基础上进行直方图均衡化;其次,利用离散小波变换的方法对多光谱图像的亮度分量I和全色影像进行融合;用融合后的图像代替多光谱图像的亮度分量I再进行IHS逆变换得到融合结果。实验证明,融合后的影像不仅保留Landsat TM多光谱图像的光谱特性,而且具有很高的空间细节表现能力。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一。基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法。该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果。利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(IHS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析。结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法。     

一种光谱信息保持的影像融合算法研究

在介绍遥感图像融合中IHS变换和小波包分析的基础上,提出了一种基于光谱特征保持的IHS变换与小波包分析相结合的图像融合算法。该方法可以最大限度地保留待融合图像的光谱信息,同时融合图像的清晰度和空间分辨率有了很大提高,图像纹理信息也得到了很好的保持。通过对SAR图像与Landsat(TM)多光谱图像的融合实验,证明了该方法的有效性。     

基于Contourlet变换的遥感图像融合方法研究

为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。     

QuickBird全色与多光谱数据融合方法用于土地覆盖分类中的比较研究

QuckBird提供的高分辨率卫星图像可以制作大比例尺城市土地覆盖分类图.图像融合可以充分利用全色图像的高空间分辨率和多光谱图像的光谱信息,提高目视和自动图像分类精度.在遥感领域应用较多的融合方法有IHS变换、主成分分析、颜色归一化和小波变换等多种方法,从光谱质量和图像分类两个方面进行比较研究,发现进行小波系数调整的小波变换融合方法光谱退化最小,土地覆盖分类精度最高.     

基于MTF滤波的北京一号小卫星遥感影像融合

北京一号小卫星提供4 m分辨率全色彩像和32 m分辨率多光谱影像,但其空间分辨率比值(1:8)较低,在对北京一号小卫星数据融合时存在空间信息损失问题.针对此问题首先从全色影像中提取成像系统的调制传递函数MTF(Modulate Transfer Function),根据MTF设计2维低通滤波器,通过对多光谱影像的亮度成分滤波估计低分辨率全色图像数据值,基于GIF(General Image Fusion)融合框架得到融合结果.实验证明本方法用于融合遥感影像的可行性,其空间信息的保持在视觉效果和定量指标上均优于IHS(Intensive-Hue-Saturation),BT(Brovey Transform)和GS(GramSchmidt)等传统的替换类融合算法,在空间信息和光谱信息的保持上亦有较好的折中.     

基于IHS变换与多进制小波变换的多源遥感影像融合

不同来源的遥感数据融合已经成为制约遥感数字图像处理技术发展的重要因素,文中基于IHS变换与改进的多进制小波变换相结合,对多源遥感图像进行数据融合,使融合后的数据既减少了IHS变换引起的图像光谱失真现象,又具有高空间分辨率的优点,同时也可广泛应用其它领域。     

Remote Sensing Image Fusion Based on Nonlinear IHS and Fast Nonsubsampled Contourlet Transform

The purpose of remote sensing image fusion is to inject the detail image extracted from the panchromatic (PAN) image into the low spatial resolution multispectral (MS) image. A novel remote sensing image fusion method based on fast nonsubsampled contourlet transform (FNSCT) and Nonlinear intensity-hue-saturation (IHS) is presented in this paper. Firstly, the Nonlinear IHS transform is performed on the multispectral image, and then the I-component representing the spatial resolution and the panchromatic image is transformed by NSCT to obtain the low frequency and high frequency. Finally, the coefficients are selected using the improved sum-modified-Laplacian (SML) method and the improved Log-Gabor filter in the low frequency and the high frequency, respectively. Experimental results show that the proposed method is the most advanced fusion method in subjective and objective evaluation, can provide more spatial information, and retain more spectral information compared with several other methods.     

混沌蜂群优化的NSST域多光谱与全色图像融合

为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。     

Spectral and Spatial Quality Analysis in Pan Sharpening Process

Image fusion is a process to obtain new images containing more information by combining images obtained same or different sensors. With most of the earth observation satellites, high spatial resolution panchromatic images and low spatial resolution multispectral images are obtained. As an example of image fusion ??pan sharpening?? is a process of combining of high spatial resolution panchromatic images and low spatial resolution multispectral images. At the end of the fusion process both high spatial and spectral resolution new images are obtained. In this study, panchromatic and multispectral images gathered from Ikonos were used. Panchromatic and multispectral images belonging to the same sensor were combined by using different image fusion methods. As pan sharpening methods Brovey transform, Modified IHS, Principal Component Analysis (PCA), Wavelet PC transform and Wavelet A Trous transformation methods were used. Quality of fused products was evaluated from the point of view of both visual and statistical criteria. While wavelet based methods are succesfull in terms of protection of spectral quality of original multispectral images, the colorbased and statistical methods are giving better results within the improvement of spatial content.     

基于区域统计特性的IHS-小波遥感影像融合

在遥感影像融合过程中,为了更好地避免经典IHS算法造成的光谱扭曲,文章提出了一种基于统计特性的IHS和提升小波结合的影像融合方法。该方法对小波变换后的1分量和高分辨率影像的高频和低频系数,根据不同的区域统计特性分别选取不同的融合策略进行融合,然后进行小波逆变换和色彩空间转化,得到融合影像。实验表明,此方法与IHS变换、高通滤波法和小波变换等传统算法相比,在提高多光谱影像空间分辨率的同时,能更好地保持影像的光谱质量。     

IHS变换和小波变换相结合的遥感影像融合

本文针对低分辨率多光谱影像与高分辨率全色影像的融合，提出了一种IHS变换和小波变换相结合的遥感影像融合方法。方法首先对多光谱影像作IHS正变换，得到亮度I、色度H和饱和度S三个分量：然后利用小波变换融合方法，融合多光谱影像的亮度分量与全色影像，并用融合后的影像替代多光谱影像的亮度分量；最后，利用IHS反变换得到新的多光谱影像。试验结果分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法，在增强融合影像的空间细节表现能力的同时，很好地保留了多光谱影像的光谱信息。     

利用最优估计理论进行多光谱与全色影像融合

应用小波变换分解遥感影像,利用遥感影像自身的先验信息——空间分辨率确定高频域融合过程中的权值,使用最小二乘估计与小波重构完成影像融合。实验结果表明,相对于参考的其他融合方法,此方法在注入全色影像空间细节和保持多光谱影像的光谱信息方面性能更佳。     

IKONOS图像的线性回归波段拟合融合方法

讨论基于线性回归波段拟合的空间细节信息提取方法的可行性。首先通过全色与多光谱图像构造线性回归方程,根据全色图像的高频成分设置最小二乘求解的权系数,然后利用回归系数构造低分辨率的全色图像,提取空间细节信息,最后将空间细节注入多光谱图像中进行融合。通过IKONOS全色和多光谱图像的融合实验,比较了本文方法与基于光谱响应函数的方法,结果表明:采用本文方法提取的空间细节信息进行融合,能达到甚至超过基于光谱响应函数方法的融合质量;相对于与FastIHS融合方法,本文方法的融合质量也有较大的提高。     

基于频率缓冲区模型的全色与多光谱遥感影像融合算法

分析了全色与多光谱遥感影像融合的难点,提出了频率缓冲区模型,实现了基于频率缓冲区模型的多特征联合的融合算法。     

一种保持光谱特征的图像融合方法——高通滤波融合法

探讨了一种新的光谱保持型的高通滤波融合(HPFF)算法。该算法先对参与融合的全色波段图像进行高通滤波,然后用滤波后的全色波段图像替换IHS正变换后的强度分量,再进行IHS逆变换,便得到HPFF融合图像。该图像色彩与TM图像一致,优于常规IHS变换法所得的图像。     

A GIHS-based spectral preservation fusion method for remote sensing images using edge restored spectral modulation

High spatial resolution and spectral fidelity are basic standards for evaluating an image fusion algorithm. Numerous fusion methods for remote sensing images have been developed. Some of these methods are based on the intensity–hue–saturation (IHS) transform and the generalized IHS (GIHS), which may cause serious spectral distortion. Spectral distortion in the GIHS is proven to result from changes in saturation during fusion. Therefore, reducing such changes can achieve high spectral fidelity. A GIHS-based spectral preservation fusion method that can theoretically reduce spectral distortion is proposed in this study. The proposed algorithm consists of two steps. The first step is spectral modulation (SM), which uses the Gaussian function to extract spatial details and conduct SM of multispectral (MS) images. This method yields a desirable visual effect without requiring histogram matching between the panchromatic image and the intensity of the MS image. The second step uses the Gaussian convolution function to restore lost edge details during SM. The proposed method is proven effective and shown to provide better results compared with other GIHS-based methods.