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。     

多源遥感图像数据融合技术综述

针对具体实践需要，对现有应用最广泛的卫星遥感图像数据融合算法进行了介绍，描述了其主要步骤，进行了定性分析，给出了图像融合效果评价的准则，指出了遥感图像数据融合的发展方向。     

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。     

基于小波包分析的图像融合算法

研究了小波包变换的基本原理及特点 ,提出了一种基于小波包分解的图像融合新算法。     

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。
     

离散余弦变换及小波变换在遥感图像数据压缩中的应用

研究了ＤＣＴ及小波变换在遥感图像数据压缩中的应用。在ＤＣＴ应用中，提出了分类ＤＣＴ编码方案，有效地解决了方块效应，获得了良好的恢复图像。在小波变换应用中，结合小波分解后数据的特点，提出改进型零树编码方案；为了实际的应用，提出了分块小波编码方法，为了满足遥感图像压缩的要求，提出ＤＣＴ＋小波编码方案，并分析了其优缺点。最后总结全文，得出了一些有益的结论，为星载数据压缩的工程实现提供了理论根据。     

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。     

卫星多源遥感图像融合研究

卫星多源遥感图像融合技术可以综合利用多源信息,从而获得对同一目标更全面、更清晰、更准确的认识。文中简介卫星多源遥感图像融合系统所包含的三个过程,即预处理、图像融合、综合评价及应用;详细分析像素层、特征层和决策层三个不同融合层次的融合原理和方法;归纳融合效果的主客观评价标准和熵、平均梯度等六种评价指标;最后从空间配准模型、建立统一的数学融合模型、关联的二义性、数据融合方法与融合系统实施存在的问题、有效的评价准则等方面讨论了卫星多源遥感图像融合目前存在的问题,并对今后的发展趋势作出展望。     

基于小波和支持向量回归的高光谱遥感图像压缩

高光谱遥感成像技术能够获取探测对象丰富的空间信息和光谱信息,但所得图像海量数据的存储与传输制约了其应用。为此,提出了一种基于三维整数小波变换和小波支持向量回归的高光谱遥感图像压缩方法。首先采用三维整数小波变换把高光谱遥感图像分解成不同尺度的多个子带。然后对低频子带直接进行DPCM编码,而对高频子带则利用小波支持向量回归学习其小波系数之间的相关性,并采用小部分训练样本即支持向量来稀疏表示小波系数,以此达到压缩高频小波系数的目的。最后对支持向量及其相应的权重进行熵编码。文中给出了实验结果,并与基于3D SPIHT和JPEG2000的高光谱遥感图像压缩方法进行了比较,结果表明：所提出的方法在相同比特率下能够获得更高的峰值信噪比。     

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〗     

引入图像复原技术的遥感卫星图像压缩解码算法

针对遥感卫星基于小波变换的光学图像有损压缩算法,提出了一种引入图像复原技术思路的算法,对遥感图像解码处理过程中获得的低频信息进行复原,可以获得更多的用于在频域范围内描述图像结构信息的高频分量增益,从而提升整个解码图像的质量。通过此算法与传统的小波压缩算法进行对比,结果表明:压缩恢复图像的峰值信噪比(PSNR)较传统算法有0.1~0.3dB的改善,压缩恢复图像表现出更为丰富的纹理特性,可降低对遥感卫星图像数据处理和天地链路数据传输的要求。     

基于多重集典型相关分析的图像融合方法

提出了多重集典型相关分析在图像融合中应用.多重集典型相关分析能够最大化多组图像之间的互信息量,从而提升融合后图像的信息量.在对图像进行小波分解后,多重集典型相关分析应用于低频系数的融合.实验表明,该方法能够同时获取多组图像融合所需的权重参数,并使得融合后图像信息量得到提升.     

基于卫星图像的CDF9/7提升小波变换硬件实现

研究JPEG2000标准中CDF9/7提升小波的硬件实现问题,提出一种适合大尺寸卫星图像实时处理的FP GA设计,并对其进行仿真验证。该设计使用VHDL语言进行描述,并以XiLinxVirtexII系列中的xc2v1000-4bg575器件 为基础,在ise6.1下完成综合,用Modelsim5.8进行后仿真。综合器件最高工作时钟110MHz。分析表明,该设计在功耗 和资源敏感的场合具有优势。     

一种适合于遥感图像的逐行扫描压缩算法

在ChristosChrysafis基于逐行小波变换编码的基础上,提出了一种低复杂性基于逐行扫描的图像压缩算法。该算法不需要对图像分块,在对小波系数进行均匀量化之后,根据不同子带的上下文统计特征进行概率建模,采用改进的低复杂性Golomb Rice算法进行熵编码。试验表明,采用这种算法,在对大幅面图像压缩时存储器需求远小于基于SPIHT等算法的存储器需求的同时,其熵编码复杂性也大幅降低,特别适合于功率和空间受限的遥感图像压缩系统中。     

一种基于角点提取的遥感影像地面控制点自适应匹配算法

提出基于特征角点的控制点自适应匹配算法：依据图像数据灰度特征自动确定相应阈值，从基准影像上提取控制点。采用动态模板进行不等距搜索，确定潜在目标控制点；构建三角网，利用等角变换判别目标控制点；构建仿射变换方程来筛选目标控制点。该算法无需设定灰度相关系数最大值阈值即可判别目标控制点。选取ASTER和TM两种成像差异显著的图像数据，对该算法进行试验，结果表明。该算法可以准确提取有价值的特征角点，具有较高的控制点识别精度和运算效率，具有较强的适应性和应用价值，较之传统匹配算法有明显优势。