基于分块DCT的遥感图像融合方法

本文提出了用DCT变换处理全色光学图像和多光谱图像的融合方法。该方法的基本思想:首先将配准的图像分块,对图像子块进行DCT变换;在DCT变换域内,对全色光学图像子块的高频部分和对应的多光谱图像子块的低频部分进行融合;最终,将融合子块组合得到融合图像。实验表明:该方法是可行有效的,取得了理想的融合效果。     

基于分块DCT的遥感图像融合方法

本文提出了用DCT变换处理全色光学图像和多光谱图像的融合方法.该方法的基本思想首先将配准的图像分块,对图像子块进行DCT变换;在DCT变换域内,对全色光学图像子块的高频部分和对应的多光谱图像子块的低频部分进行融合;最终,将融合子块组合得到融合图像.实验表明该方法是可行有效的,取得了理想的融合效果.     

基于离散余弦变换和聚类算法的遥感图像融合

本文将二维离散余弦变换(DCT)应用于多光谱图像与全色光学图像融合问题的研究中。首先,对全色光学图像和多光谱图像的亮度分量(Y)作DCT变换;根据变换矩阵DCT系数分布特点,对DCT系数进行聚类,通过统计不同类的DCT系数的数目,将DCT变换矩阵分为低频分量和高频分量;用Y分量的低频分量代替全色光学图像的低频分量,保留全色光学图像的高频分量,反DCT变换,得到最终的融合结果。实验表明,融合图像在空间细节信息的表现能力和光谱特性保持性能上均是比较优良的,说明该方法是可行有效的。     

基于Directionlets和PCA的多光谱与全色图像融合

基于数字化线段理论和整数栅格理论的Directionlets不仅继承了小波变换维数可分性的特点,而且通过选择变换方向和队列方向来获得灵活的多方向性,从而得到能够更好地捕获图像方向信息的方向各向异性的基函数。首先基于Directionlets和PCA的全色和多光谱图像融合方法,对多光谱图像进行线性PCA变换,并提取出其主分量;然后使用Directionlets提取高空间分辨率的全色图像的空间细节信息,将其"注入"到多光谱图像的主分量中。因此,得到的融合图像具有更多的多光谱图像的光谱信息和全色图像的空间信息。实验结果表明,在UIQI指数、整体图像质量指数Q4、平均梯度等主观视觉效果和客观评价指标上,新方法均优于基于小波变换的方法。     

结合小波变换的梯度场图像渐进融合算法

基于梯度场的图像融合算法只适用于尺度差异不大于1∶4的多光谱图像与全色图像。针对尺度差异为1∶8的北京一号卫星多光谱图像及高分辨率全色图像的融合问题,提出一种结合小波变换的梯度场图像尺度渐进融合算法。利用小波变换方法将多光谱图像与高分辨率全色图像尺度差异倍数缩小,得到基于小波变换的初级融合,再进行基于梯度场的Poisson图像融合。实验结果表明,渐进融合图像与多光谱图像的平均颜色差异值为23.5,与高分辨率全色图像的平均梯度差异值为2.1,多尺度纹理特征值差异值分别为3.98、10.2、18.9,渐进融合图像与高分辨率全色图像的空间细节和纹理细节吻合程度更好。     

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。     

混合多尺度分析和改进PCNN相结合的图像融合方法

为了更好地融合全色图像中的空间细节信息和多光谱图像中的光谱信息,提出一种基于混合多尺度分析和改进脉冲耦合神经网络(PCNN)的多光谱与全色图像融合方法.首先对全色图像和多光谱图像进行非下采样剪切波变换(NSST),并结合不同多尺度分析方法的互补特性,利用平稳小波变换(SWT)对低频分量部分进行二次分解,在混合多尺度域进行系数融合及SWT逆变换;然后采用基于PCNN的融合规则对高频分量部分进行融合;最后对融合后的高低频系数进行NSST逆变换,得到融合图像.在2组卫星拍摄的多光谱和全色图像上的实验结果表明,在主观视觉与客观评价指标的总体效果上,该方法优于其他8种经典以及流行方法.     

一种新的基于HIS和小波变换的图像融合方法*

针对遥感图像影像分辨率低的问题,提出了一种新的基于HIS和小波变换的低分辨多光谱和高分辨全色图像的融合方法.该方法通过对高分辨全色图像小波分解后的低频分量进行低通滤波,将全色图像的低频信息中的高频分量融入到多光谱图像HIS空间的亮度信息的低频中;再将这个融合后的低频和高分辨全色图像的细节信息进行小波反变换,得到融合后的图像.该图像很大程度地保留了多光谱的光谱特性和高分辨图像的空间分辨率.仿真结果表明了本方法的有效性.     

基于IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合，本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换，得到亮度I，色度H，饱和度S三个分量；其次，利用小波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。主观视觉效果分析和客观统计参数评价分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法，不仅较大地增强了融合图像的空间细节表现能力，而且很好地保留了多光谱图像的光谱信息。     

多光谱遥感图像与高分辨率全色图像融合研究

介绍了遥感图像融合的一般过程和特点,研究了像素级融合的常用算法,归纳了融合图像的基本步骤,采用四种融合方法对高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级融合实验,发现基于小波变换的图像融合提供更多细节信息,Brovey变换法融合全色图像与多光谱图像目视效果最好,速度最快。     

耦合边缘检测与优化的多尺度遥感图像融合法

为了使融合图像在显著提高空间分辨率的同时,最大限度地融入多光谱图像的光谱信息,提出了一种结合Canny算子与非下采样Contourlet变换的粒子群优化的遥感图像融合方法。首先在IHS变换的基础上,利用Canny算子对全色图像进行边缘提取,根据边缘分布特征对全色图像和多光谱图像[I]分量进行边缘特征融合得到边缘加强的全色图像,然后对新的全色图像和多光谱图像[I]分量分别进行非下采样Contourlet变换,并在低频子带采用有选择性的加权求和融合规则,对于高频方向子带先利用粒子群优化算法寻找结构相似度的最优阈值[p],再采用基于区域结构相似度的融合规则,最后经NSCT和IHS逆变换获得融合图像。仿真实验结果表明：提出的算法能很好地兼顾全色图像细节信息的保留和多光谱图像光谱信息的保持。     

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。     

基于局部学习的遥感图像融合

本文提出了一种基于局部学习的遥感图像融合方法。兵基本思想是在局部区域划融合图像与全色图像建立对应的局部线性关系。由于图像数据在局部区域相对简单,因此局部模型相比全局模型更为合理。在局部学习的基础上,将全色图像与融合图像的全局回归误差表示为图拉普拉斯的形式,其本质是利用局部学习使得融合图像保持全色图像的流形结构。同时为了保持多光谱图像的性质,通过图像的尺度空间表示,建立融合图像与多光谱例像之间的尺度关系。最后通过集成融合图像的二次拉普拉斯形式和足度空间表示,构建图像融合的全局目标函数。为了优化目标函数,本文提出了闭合求解法和快速迭代求解法。实验结果表明：本文所提出的融合方法比传统融合方法具有更好的效果。     

Effects of spatial resolution ratio in image fusion

In image fusion, the spatial resolution ratio can be defined as the ratio between the spatial resolution of the high‐resolution panchromatic image and that of the low‐resolution multispectral image. This paper attempts to assess the effects of the spatial resolution ratio of the input images on the quality of the fused image. Experimental results indicate that a spatial resolution ratio of 1 : 10 or higher is desired for optimal multisensor image fusion provided the input panchromatic image is not downsampled to a coarser resolution. Due to the synthetic pixels generated from resampling, the quality of the fused image decreases as the spatial resolution ratio decreases (e.g. from 1 : 10 to 1 : 30). However, even with a spatial resolution ratio as small as 1 : 30, the quality of the fused image is still better than the original multispectral image alone for feature interpretation. In cases where the spatial resolution ratio is too small (e.g. 1 : 30), to obtain better spectral integrity of the fused image, one may downsample the input high‐resolution panchromatic image to a slightly lower resolution before fusing it with the multispectral image.     

遥感融合图像分类精度的研究

把不同空间分辨率的TM和IRS遥感图像进行融合,综合了不同传感器数据所提供的信息,增强了图像的清晰度,改善了解译效果。对遥感融合图像进行分类,分类精度达97.90%,效果优于TM图像(分类精度为89.39%)。     

用低通滤波器改进Brovey融合法*

针对遥感图像融合Brovey变换法存在颜色失真的现象,提出了一种低通比值融合法。该融合法首先对高几何分辨率的全色波段进行低通滤波,然后将低分辨率多光谱图像与全色波段图像相乘,再除以滤波后的全色波段图像,便得到融合图像。从辐照的角度证明了该低通比值融合法具备理论基础,并从目视评价、定量分析、分类精度证实了该低通比值融合法优于Brovey变换法。该低通比值融合法能较好地保全低分辨率多光谱图像颜色的融合方法。     

Fusion and registration of THEOS multispectral and panchromatic images

This article presents a new method for the fusion and registration of THEOS (Thailand Earth Observation Satellite) multispectral and panchromatic images in a single step. In the usual procedure, fusion is an independent process separated from the registration process. However, both image registration and fusion can be formulated as estimation problems. Hence, the registration parameters can be automatically tuned so that both fusion and registration can be optimized simultaneously. Here, we concentrate on the relationship between low-resolution multispectral and high-resolution panchromatic imagery. The proposed technique is based on a statistical framework. It employs the maximum a posteriori (MAP) criterion to jointly solve the fusion and registration problem. Here, the MAP criterion selects the most likely fine resolution multispectral and mapping parameter based on observed coarse resolution multispectral and fine resolution panchromatic images. The Metropolis algorithm was employed as the optimization algorithm to jointly determine the optimum fine resolution multispectral image and mapping parameters. In this work, a closed-form solution that can find the fused multispectral image with correcting registration is also derived. In our experiment, a THEOS multispectral image with high spectral resolution and a THEOS panchromatic image with high spatial resolution are combined to produce a multispectral image with high spectral and spatial resolution. The results of our experiment show that the quality of fused images derived directly from misaligned image pairs without registration error correction can be very poor (blurred and containing few sharp edges). However, with the ability to jointly fuse and register an image pair, the quality of the resulting fused images derived from our proposed algorithm is significantly improved, and, in the simulated cases, the fused images are very similar to the original high resolution multispectral images, regardless of the initial registration errors.     

基于离散余弦变换的多聚焦图像融合

文章根据可见光多聚焦图像的成像机理,提出了基于离散余弦变换的融合算法。该方法先利用DCT将图像分解为不同空间频率的分量,然后利用方向对比度的融合规则得到融合图像的DCT域矩阵,最后通过DCT逆变换得到融合图像。实验结果表明,该算法可以有效综合多聚焦图像,从而得到同一场景中所有物体都清晰的图像。与小波融合算法相比,融合后的图像质量都很好,但计算时间缩短了。