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。     

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。     

改进的小波神经网络遥感图像融合算法的研究

本文改进了现有的小波遥感图像处理算法。用非线性小波基取代神经元非线性激励函数,提出一种新的最优小波神经网络的遥感图像融合算法。研究发现通过小波神经网络自适应算法进行图像滤波融合,具有网络结构小、收敛速度快的优点,同时新算法处理的遥感图像具有更高的清晰度和分辨率。     

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     

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。     

利用小波分析对合成孔径雷达图像分类

本文旨在提出一种利用小波变换获得的多分辨率图像表示对合成孔径雷达图像进行分类的方法。     

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。
     

一种多分辨率图像目标检测算法

为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,以分析图像中目标的分布和尺度信息。将算法在DOTA（Dataset for Object deTection in Aerial Images）数据集上进行了实验验证,在U-Net（一种基于卷积神经网络的语义分割算法）和ResNet-34（一种深度残差网络）两种不同的主干网络设置下,召回率和检测速度均超过了RPN（Region Proposal Network,区域提议网络）算法。提出的多分辨率图像目标检测算法能有效地提高检测精度,降低计算复杂度。     

资源三号卫星廊坊地区遥感数据的融合处理

本文以资源三号卫星河北省廊坊地区2A级全色遥感影像和多光谱影像数据为基础,采用遥感数字图像处理软件ERDASIMAGINE进行了研究区域的提取,并对提取的感兴趣区进行了几何校正,即图像配准处理,然后进行了融合处理,分别采用了空间增强的分辨率融合算法、改进IHS分辨率融合算法以及小波分辨率融合算法,通过和融合前的影像进行对比,融合后的影像既保留了多光谱影像的丰富的波谱信息,同时具有了全色影像的高空间分辨率的特征,最后对比三种融合算法,得出改进的IHS分辨率融合算法效果最佳。     

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。     

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。     

考虑小波数相关性的SAR图像去斑算法

SAR(合成孔径雷达)发射的相干信号之间会使图像产生相干斑点噪声,严重影响SAR图像的应用,需加以抑制。通过研究分析,一副图像小波分解之后的小波系数在幅度、符号之间具有强烈的相关性,由此提出了一种小波去斑算法,该算法考虑了小波系数幅度、小波系数符号之间的相关性。利用合成斑点噪声图像和实际SAR图像验证了该算法的有效性。结果表明:该算法在抑制SAR图像斑点噪声的同时,具有更好的边缘细节保持能力,提升了SAR图像后续应用效能。     

基于SIFT子图像融合的直角坐标FBP算法

针对合成孔径雷达实测数据成像算法计算数据量大的问题,提出一种基于SIFT子图像融合的直角坐标系下的FBP算法。算法首先在直角坐标系下对SAR子孔径信号进行后向投影成像得到对应的子图像,然后对各子图像进行相位梯度自聚焦实现相位补偿,最后采用基于尺度不变特性变换(SIFT)的SAR图像配准方法对聚焦后的子图像进行融合得到全孔径图像。算法计算量比传统极坐标系下的快速后向投影算法小,并且由于基于SIFT的融合是针对复图像的融合,因此融合后图像的分辨率较传统的融合方法有所提高。机载实测数据的处理结果验证了算法的有效性。     

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〗     

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.     

一种新的SAR图像目标检测方法

基于统计特性的恒虚警率(CFAR)算法和小波多分辨率分析方法很难检测到微弱的、小的和隐藏的目标。合成孔径雷达(SAR)成像机理是相干成像,相干相位信息为目标的检测提供了可能性。从相干成像机理出发,结合恒虚警率和背景杂波分布模型,提出了一种新的SAR图像目标检测算法,即相干性CFAR目标检测算法,并且针对图像相干源提出了亚像元空间域源算法。实验证明,该方法是可行的、有效的,有利于SAR图像的理解和应用。     

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。     

图像三要素与MTF的分析研究

中低分辨率在轨运行卫星遥感器的调制传递函数（Modulation Transfer Function，MTF）的监测一直是研究的难题。现提出的方法解决了中低分辨率在轨运行卫星遥感器MTF监测的关键技术。考虑到卫星遥感器的最终产物是遥感图像，从图像信息理解的三要素出发，即灰度、纹理和边缘，分析图像三要素与遥感器MTF的关系。在分析过程中，应用主成分分析方法，不仅对多组原始数据进行了简化，而且对图像参数进行了降维。通过与其它方法的比较，进一步验证了使用主成分分析方法降维的有效性；同时实验结果亦表明了主成分分析方法的可靠性。最后建立了图像单个综合参数与MTF的关系模型，拟合结果说明，此模型能较好地表达图像参数与MTF之间的关系，这将为在轨运行条件下的建模提供十分重要的技术支持。