基于混合Contourlet变换和主成分变换的高光谱图像融合

针对高光谱图像波段多、存在噪声干扰等特点,提出了一种混合Contourlet和主成 分 分析（principal component analysis, 简称PCA）变换的高光谱图像融合方法。首先将多 个波段的高光谱图像进行Contourlet变换,得到系列多尺度、方向各异的子带系数,然后利 用PCA变换对各子带系数分别进行自适应融合处理。实验结果表明该算法可以有效地进行高 光谱图像融合,消除噪声干扰,获得比直接应用Contourlet变换和PCA变换更好的融合效果 。〖JP〗     

一种用于WorldView-2遥感图像的波段分组融合方法

针对WorldView-2卫星遥感图像,提出一种基于波段分组的多光谱图像与全色光图像融合新方法。该方法以全色光波段与多光谱各波段光谱响应的匹配特点为依据,首先将八波段多光谱图像分成两组,然后分别设计融合模型再进行分组融合,最终得到多光谱各波段的融合结果,分组策略简单、实用。实验结果表明,该方法在融合WorldView-2遥感图像时能够在提高空间分辨率和保持光谱信息方面达到更好的平衡,优于现有的几种融合方法。     

一种尺度感知型遥感图像融合新方法

针对在高分辨率星载遥感图像融合中容易出现的空间或光谱信息失真问题,提出一种基于滚动导向滤波的多光谱与全色光图像融合新方法。该方法采用主成分分析(PCA)设计融合模型,利用具有尺度感知特性的滚动导向滤波器准确地提取出多光谱图像第一主成分的大尺度结构信息和全色光图像的小尺度细节信息,然后将细节信息与结构信息相结合,经过主成分分析反变换得到融合结果。本文采用Geo Eye-1卫星数据进行试验,主观分析与客观评价表明,该方法能够在保持图像光谱信息的同时显著提高融合图像的空间分辨率,且融合质量优于现有的几种融合方法。     

“高分二号”卫星影像融合方法对比和评价

由于融合处理方法的原理以及获取影像的传感器特性不同,目前尚没有某种融合方法能适用于所有类型的影像。为了探究适用于"高分二号"(GF-2)卫星影像的融合方法,文章以GF-2卫星影像全色与多光谱数据为数据源,采用Brovey、PCA、GS、HPF、NNDiffuse五种融合方法对全色和多光谱数据进行融合处理,以主观评价和定量分析相结合的方式对影像融合结果进行综合对比和评价。试验结果表明,HPF变换法的融合影像光谱畸变最小,光谱信息保持最好;NNDiffuse变换法的综合效果最好,其在可见光波段的融合效果方面很突出;而在近红外波段的融合上,可以考虑PCA法和GS法。文章的研究成果可对GF-2卫星影像数据的融合处理及应用提供参考。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS: Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS:Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性.     

“资源一号”02C卫星PMS数据融合方法比较研究

遥感影像融合方法可以分为空间域、分量替换、多尺度分析三类。文章从空间域方法中选择Brovey比值法和高通调制滤波法,从分量替换方法中选择色彩变换法,从多尺度分析方法中选择梯度金字塔法,使用这四种常用的融合方法对"资源一号"02C卫星全色/多光谱相机(panchromatic and multispectral sensor,PMS)数据进行了融合处理试验,并从主观评价和定量分析两个方面对融合效果进行了综合评价。结果表明:与PMS数据中的全色高分辨率影像相比,四种方法均可以增加融合后影像的光谱信息;与PMS数据中的多光谱低分辨率影像相比,四种方法均可以增加融合后影像中的空间细节信息。其中,梯度金字塔法在亮度信息、信息量和清晰度方面明显优于其它三种方法,但是较多地丢失了PMS数据中多光谱图像的光谱信息,光谱保持能力较差。色彩变换法可以很好地保持PMS数据多光谱影像的光谱信息,光谱扭曲度较小,但是亮度信息和清晰度表现能力一般。     

应用整体结构信息分层匹配的红外与可见光遥感图像融合方法

现有红外与可见光图像融合方法,侧重于将可见光图像的空间细节注入红外图像,往往由于空间细节的不当注入导致融合图像中部分地物模糊不清。此外,航天器红外与可见光成像分辨率往往相差很大,现有方法未考虑其分辨率差异,生成的融合图像细节模糊不清。为此,文章从消除红外与可见光图像的整体结构信息差异角度,提出应用整体结构信息分层匹配的图像融合方法。利用融合方法对天宫一号(TG-1)目标飞行器的红外和可见光图像数据进行图像融合,并将获得图像与图像分解法、总体变分法和频率变换法获得图像进行比对,结果表明:文章提出的融合方法获得的图像光谱与细节保真效果好,优于对比方法。     

基于小波变换和自适应加权的无人机侦察图像融合

针对各种不同无人机侦察图像的特点,以区域能量为活性测度、区域平均能量的比值作为匹配测度,提出一种基于小波变换和区域平均能量对比度的自适应加权图像融合算法。首先选取多光谱图像的低频系数作为融合图像的低频系数,再通过小波变换和区域平均能量对比度的自适应加权图像融合算法得到高频系数,最后进行小波逆变换即可得到融合后图像。实验结果表明,针对TM多光谱低分辨率图像和SPOT全色高分辨率图像的融合,采用三层小波分解尺度,该算法的信息熵较大,分别是3.8917、4.4971和4.3635;光谱扭曲度较小,分别为12.7910、18.3332和21.1418;峰值信噪比较好,分别为51.9508、49.4961和49.6944;清晰度较高,分别为4.8975、8.8838和7.9902,证明该算法可实际应用于无人机侦察图像融合。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特笥的基础上，提出了一种新的基于波段排序的谱空间预测算法（BRSS：Band Reordering Spectral Spatial），结合Huffman编码完成了对多光谱图像的无失真压缩，和其它同种预测方法相经，BRSS有显著的优越性。     

星上高光谱图像无损压缩方法

针对星上高光谱图像压缩问题，本文从消除高光谱图像的谱间与谱内空间冗余信息入手，提出了基于KLT与自由无损图像格式(FLIF)算法的高光谱图像无损压缩算法。KLT用于去除图像的谱间冗余信息，FLIF算法的MANIAC决策树能够在压缩过程中动态更新上下文环境内容，实时调整上下文环境的数量，多上下文环境建模的设计大幅提升了压缩性能。仿真实验表明:在高分五号卫星上的高光谱数据集上，本方案取得了不错的压缩比特率结果。此外，针对KLT变换后图像的特点，本文提出了多压缩器灵活切换的加速方法，在可见光波段让压缩耗时缩短为未优化前的1/5。     

基于传感器几何特性和图像特征的影像配准方法

“天绘一号”卫星是我国第一代传输型立体测绘卫星,搭载有三线阵CCD相机、多光谱相机和2m分辨率全色相机。多光谱相机波段间影像的配准是保证多光谱影像质量和有效应用的前提,在现有配准方法的基础上,文章提出了基于传感器几何特性和图像特征的配准方法来改善影像配准效果。这种方法首先基于相机几何特性对待配准图像进行调整,然后对图像进行局部多点取图,采用尺度不变特征变换（Scale Invariant Feature Transform,SIFT）法提取图像特征并进行初步匹配,利用匹配点领域灰度相关性来进行精匹配和误匹配点的剔除,最后获得图像位移差,进而完成图像配准。实验结果表明,这种方法能够提高多光谱波段间影像的配准成功率,准确率达到95％以上,大幅改善了匹配精度。     

一种基于小波变换的全色遥感图像与彩色多光谱图像融合算法

小波分析是一种介于傅里叶分析和δ分析之间的，以具有一定时间和频率分辨率的基函数来进行的信号分析方法，是信号处理及数学界人士通过长期努力所得到的全新的目标，这种全新的分析方法在工程实践上已经取得了巨大进展。目前，以小波分析为工具的图像处理方法越来越丰富，也取得了良好的效果，本文介绍了一种基于多分辨率分析的小波变换图像融合算法，该算法使高空分辨率的全色遥感图像与彩色多光谱图像的融合达到了近乎完美的效果。     

高光谱图像融合最佳波段选择方法

针对高光谱图像高数据维给图像处理带来的困难和影响,本文构造了高光谱图像融合的最佳波段选择新模型-联合偏度-峰度指数(Joint Skewness-Kurtosis figure,JSKF)模型,利用JSKF指数进行自适应子空间的分解和波段选择,降低高光谱数据维数;并将选择出的最佳波段组合进行了融合,实验结果表明,该方法所选择的波段信息差异较大、互补特征明显,融合后图像包含的信息量丰富,效果优于传统的自适应波段选择方法和主成分分析累计贡献率方法.     

基于加权小波变换及MTFC的多光谱影像融合方法

IHS(intensity-hue-saturation)变换是影像融合实际生产中使用最多的一种方法,而小波变换是近几年来影像融合中的热门研究方向。但是现有方法存在纹理畸变和光谱畸变的现象,尤其是当地物光谱特性在全色和多光谱中存在较大差异的时候,融合后光谱畸变将会十分突出。为了解决上述问题,在分析现有小波变换方法的基础上提出了一种基于加权小波变换及调制传递函数补偿(MTFC)的多光谱影像融合方法,通过引入多相位小波变换的方式来抑制小波变换产生的纹理畸变,同时通过引入MTFC的方法来恢复影像融合中丢失的纹理信息。文章选用"高分二号"卫星影像来验证算法的有效性,试验结果表明,与现有的融合方法相比,文章中提出的算法能够很好地抑制影像中的光谱畸变,同时保留更多的有效纹理信息。     

基于小波包变换的Quick Bird全色影像和多光谱影像的融合

为了能够更好地将迄今为止在商业领域内空间分辨率最高的Quick Bird卫星遥感影像的高空间分辨率特性和多光谱特性结合起来,以提高对影像信息的分析和提取能力,笔者在研究了小波包图像分析法之后,提出了一种基于小波包变换(WPT)的Quick Bird遥感影像融合方法,在此基础上,对同一地区Quick Bird全色影像和多波段影像进行了融合实验,获得了满意的实验结果。     

基于UDWT的高性能多光谱遥感图像融合算法

无抽取离散小波变换 (UDWT)具有移不变性的优良性质 ,它在遥感多光谱图像增强以及双通道图像融合应用中获得了很好的效果。文中研究一种基于UDWT的适用于多光谱图像的融合算法 ,该算法利用UDWT的多尺度表示方法和文献 [4 ]算法最佳保留光谱信息的特点 ,融合结果同时精确保留了多光谱图像的光谱信息和高频细节特征 ,为目标的检测、定位、识别等图像的进一步处理提供很好的特征信息     

一种具有高保真度光谱的遥感图像快速融合法

针对全色和多光谱遥感图像的融合,本文提出了一种基于快速IHS融合技术的小波融合新方法。为提高融合结果图像的光谱保真度,采用了基于改进主成分分析的低频小波系数智能自适应算法融合策略,其主观视觉分析和客观评价结果显示,与传统加权平均、以及平均与选择相结合的低频融合规则相比,本算法在保证能够大幅度提高融合图像清晰度的同时,较大程度地降低了它的光谱畸变度;另外,由于将快速IHS融合技术引入了基于小波分解的融合方法中,大大降低了程序的运行时间,因此本算法在实时性方面也得到了显著提高。将其应用到更大尺寸的巨幅遥感图像的融合中,它的实时性效果更显著。     

一种基于非采样Contourlet变换的图像融合算法

非采样Contourlet变换(Nonsubsampled Contourlet transform,NSCT)是 一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效的表示图像的边 沿与轮廓。提出了一种基于非采样Contourlet变换的图像融合方法。首先用NSCT对已配准的 源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数利用均匀度进 行系数选择,针对各带通子带系数提出了基于区域特征的系数选择方案,得到融合图像的NS CT系数;最后经过NSCT逆变换得到融合图像。实验结果表明该算法可获得较理想的融合图
像,取得了优于小波变换和Contourlet变换的融合效果。
     

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。