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Contourlet区域对比度的遥感图像融合算法

为综合利用多传感器遥感图像之间的信息，提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具，比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换，在contourlet域完成图像信息的融合，最后通过逆变换得到融合结果。根据分解系数特性，首次提出了contourlet域的区域对比度作为高频子带的融合规则，系数选择更符合人类视觉系统的要求，使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则，在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法，且能够有效增强源图像的对比度和细节信息。     

基于非负最小二乘法的全色与高光谱图像融合

现有光学遥感图像融合方法主要针对全色与多光谱图像,直接将其用于全色与高光谱图像融合存在以下问题:高光谱图像波段数量远多于多光谱图像,通过高光谱波段加权合成低分辨率全色图像,容易出现灰度失真;高光谱图像与全色图像的空间分辨率相差很大,采用现有的加性变换融合方法,会导致融合图像中部分地物出现光谱或细节失真。为此,文章提出了基于非负最小二乘法的全色与高光谱图像融合方法。首先对高光谱图像进行波段压缩,得到波段压缩的高光谱图像;然后对波段压缩的高光谱图像及全色图像进行非负最小二乘拟合,得到低分辨率全色图像;最后,采用比值变换模型生成融合图像。试验表明该方法的光谱与细节保真效果好,优于对比方法。     

基于Contourlet变换和支持向量聚类的遥感图像融合方法

Contourlet变换作为新的多尺度分析方法比小波变换更适合分析二维图像的边缘特征,而支持向量聚类算法所获得的聚类效果不受聚类形状限制,也勿需预先给定聚类数目等参数。据此提出了一种基于Contourlet变换和支持向量聚类的遥感图像融合方法。首先对源图像进行Contourlet变换,再对其高频系数利用支持向量聚类进行融合,最后进行图像重构得到融合结果。给出了实验结果,采用均方差、信噪比、信息熵、空间频率、清晰度和相关系数等评价指标对融合效果进行了定量评价,并与加权平均法、现有的基于Contourlet变换的图像融合方法以及基于支持向量聚类的图像融合方法进行了比较。结果表明提出的基于Contourlet变换和支持向量聚类的遥感图像融合方法能取得更优越的融合效果。
     

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。     

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.     

基于小波变换的图像融合增强算法

针对当前高速摄影系统不能保证采集的高帧频图像中所有目标物体聚焦清晰的特点,提出了一种基于小波变换的图像融合算法,对快速小波变换后得到的低频系数与高频系数采用一种改进型的融合规则进行算法仿真实验,并与传统的图像融合规则对比分析。     

一种基于Contourlet变换的图像匹配算法

在高维情况下,小波分析方法不能充分利用数据本身特有的几何特征,并不是最优的 或者说“最稀疏的”函数表示方法。针对这一问题,提出了一种基于多尺度几何分析方 法—Contourlet变换的图像匹配算法。首先对图像进行Contourlet分解并获得低频子图像 和带通子图像,然后对低频子图像使用LTS-HD和投影熵计算得到粗匹配点,接着将粗匹配点 的位置反演计算到原始图像,并通过归一化积相关算法得到精匹配结果,仿真实验表明了算 法的高精度和快速性。     

基于Contourlet与HIS变换的SAR与多光谱影像融合方法

为了提高SAR影像的解译水平,本文利用Contourlet变换在影像表述上能够弥补小波变换不能有效捕捉二维空间实体的特点,提出了一种基于Contourlet与HIS变换的SAR与多光谱影像融合方法。实验选取了一组TM 多光谱影像与ERS-2 SAR影像进行融合研究,并将融合结果与基于HIS变换、DWT结合HIS变换融合方法的融合结果进行视觉比较与统计分析。结果表明,无论是目视比较还是统计分析,本文方法都很好的将SAR影像的空间细节与多光谱影像的色彩信息集成到了一起,显著地提高了SAR影像的解译水平,相对于基于HIS、DWT+HIS变换的融合方法获得了更好质量的融合影像。     

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。     

基于NMF、ICA和复Contourlet变换的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于非负矩阵分解(NMF)、独立分量分析(ICA)和复Contourlet变换的检测方法。首先通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复Contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像;最后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。针对红外小目标图像进行了大量实验,并与基于新型Top-hat变换、基于快速独立分量分析的目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

基于分布式信源编码的高光谱图像无损压缩研究进展

有效的高光谱图像压缩技术已经成为航天高光谱遥感领域研究的焦点之一。对基于分布式信源编码（Distributed Source Coding,DSC）的高光谱图像压缩技术研究进展进行了综述。首先介绍了DSC的理论基础、实现方式及其在高光谱图像无损压缩应用中的优势;然后总结了基于DSC的高光谱图像无损压缩研究进展,在此基础上给出了一种基于多波段预测的高光谱图像分布式无损压缩算法,实验结果表明,该算法具有较低的编码复杂度,其无损压缩性能优于现有的分布式无损压缩算法;最后指出了DSC在高光谱图像压缩中需要进一步研究的问题。     

雷达对抗侦察中基于广义似然比检测的子带频谱检测算法

根据雷达对抗侦察接收信号的特点,提出了基于动态非均匀信道化滤波的接收结构.重点研究了其中的频谱感知环节,提出了基于广义似然比检测的子带频谱检测算法.该算法首先假设至少含有K个子带不存在信号,再根据K个子带输出估计噪声方差,从而给出了基于广义似然比检测的子带频谱检测算法的检验统计量.对于具有频率先验信息的重点目标,论文给出了基于广义似然比检测快速频谱检测算法.理论分析和仿真表明了算法的有效性.     

星载高光谱成像仪数据地面预处理系统设计

环境与灾害监测预报小卫星星座A星(简称环境-1A卫星,HJ-1A)上搭载的高光谱成像仪(HSI)是我国第一个对地成像的干涉成像光谱仪,具有多谱段、高光谱分辨率的优点.针对高光谱成像仪的特点,设计了星载高光谱成像仪数据地面预处理系统.该系统由产品生产、质量检测和定标处理单元组成,集成了高光谱成像仪数据完整性处理、背景处理...