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。     

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。
     

遥感图像零树数据压缩方案

提出一种建立在多分辨分析小波时－－频二维变换上的改进型零树编码方案，首先给小波变换的机理，然后探讨了滤波器效应在变换中的影响，并给出了解决办法，接着提出一种改进型零树编码方案，获得了满意的结果。     

卫星遥感图像分块小波变换编码方案

提出一种分块小波变换，该数据压缩方案可节省存储时间，为星上应用提供了可能性；利用各基带之间的自相似性，对小波系数采用改进型零树编码，可有效地提高压缩比。     

CCSDS在遥感图像压缩中的应用研究

针对空间光学遥感数据特点,设计适合于星载光学遥感器数据压缩的算法目前仍然是一个研究热点。CCSDS压缩是适合于空间光学遥感数据压缩的最新标准。该标准由空间数据系统咨询委员会于2005年推出,从空间数据特点出发,可以有效解决数据压缩的问题。另外,利用该压缩标准可以更好的跟CCSDS的其他标准兼容。文章针对该压缩标准进行研究,对算法的实现过程进行了分析,并将该算法的实验结果跟其它的压缩算法做了比较,结果表明,该算法压缩效果与JPEG2000相当,但算法复杂度较低,易于硬件实现,符合星载压缩的实时处理要求。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

遥感图像云检测方法综述

遥感图像云检测是遥感数据处理过程中需首要解决的问题之一,在参考大量国内外文献的基础上,文章对遥感图像云检测方法的研究现状进行了分析,并对已有的遥感图像云检测方法进行了综述和分类,在此基础上对不同的云检测方法进行了比较,最后给出了云检测存在的问题和发展趋势.     

一种遥感图像建筑物检测新方法

遥感图像中的建筑物检测对于土地规划和地图绘制等具有重要意义。文章针对高分辨率全色遥感图像植被覆盖中隐蔽建筑物检测问题,提出了一种结合屋顶结构信息和纹理信息的快速房屋检测方法。首先利用屋顶边缘的几何关系寻找具有矩形屋顶的建筑物;然后使用形态学方法提取屋顶较亮的建筑物;最后利用局部二值模式（Local Binary Pattern,LBP）描述屋顶的纹理特征,并利用支持向量机（Support Vector Machine,SVM）排除误检区域。通过在全色遥感图像集上的试验证明,所提方法对高分辨率遥感图像植被覆盖区域中的建筑物目标具有较高检测率和较低误检率。     

实验室条件下IRMSS遥感器MTF与遥感图像参数的相关分析设计与性能评估

调制传递函数MTF(ModuleTransferFunction)在物理光学理论中 ,是光学系统成像性能的综合评价指标。遥感器MTF的性能变化会导致遥感图像的质量变化 ,遥感图像质量的变化则导致描述遥感图像的参数的变化。文章以CBERS - 1的 0 2星IRMSS遥感器为例 ,在实验室条件下模拟遥感器在轨运行的成像过程并获得图像数据 ,MTF可通过专业仪器直接测量 ,然后再进行MTF与遥感图像参数的相关分析 ,从而确定出与MTF相关性最强的图像参数。文章的相关分析采用SPSS统计分析软件完成     

基于Contourlet域Krawtchouk矩和改进粒子群的遥感图像匹配

为了进一步提高遥感图像匹配的精度和运算效率,提出了一种利用Contourlet变 换、Krawtchouk矩和改进粒子群的遥感图像匹配算法。在分别对参考图像和目标图像进行Co ntourlet分解的基础上,引入Krawtchouk矩来提取图像的局部特征,并利用改进的带极值扰 动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,然后逐级上推,
最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹 配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。