遥感图像融合

摘要： 为了提高图像融合质量和融合效率,提出了一种新的遥感图像融合方法。该方法将二进小波变换与HSV变换相结合,将多光谱图像转换到HSV颜色空间,得到色调(H)、饱和度(S)和亮度(V)分量。对亮度分量和全色图像分别进行三层二进小波变换,分解为3个低频图像和多个高频图像,对分解后的图像系数进行相关运算,得到处理后的低频和高频图像。利用改进的融合规则进行低频图像和高频图像的融合,对融合后的图像作相应的逆变换重构。实验结果表明,该方法充分保留了原图像的光谱信息,去除了图像中的噪声,实现了高效的图像融合。除此之外,该方法还降低了融合过程中的计算量。

摘要： 为适应遥感影像高效融合的应用需求,提出了一种基于Atrous-HIS变换的多光谱与全色影像并行融合方法.首先设计了一种结合了Atrous和HIS变换的遥感影像串行融合算法,分析了它的详细处理步骤.随后在该算法中引入OpenMP并行技术,并且制定了并行策略,优化了处理流程,最终实现了一种高效的并行影像融合算法.实验结果表明,该方法可以实现多光谱与全色影像的快速融合,具有良好的加速比,可扩展性好,并行效率高.

摘要： 针对遥感图像融合中传统分量替换方法光谱失真严重问题,提出了一种基于联合卷积分析与合成稀疏表示的改进分量替换融合方法。与传统分量替换方法不同,该方法旨在改进融合过程中空间细节信息提取和注入策略,以生成具有更高光谱与空间质量的遥感图像。首先利用联合卷积分析与合成稀疏表示算法分别对强度分量和直方图匹配后的全色图像进行分解,获取二者的基础层和细节层;其次分别采用平均融合策略与最大值选择策略对基础层和细节层进行融合,将融合后的基础层和细节层求和并与强度分量相减以获取空间细节信息;然后将得到的空间细节信息与传统分量替换方法获取的空间细节信息进行加权平均;最后将最优空间细节注入到上采样多光谱图像中以获得最终融合图像。实验结果表明,与另外7种融合方法相比,所提方法得到的融合图像具有较低的光谱失真度和较高的空间分辨率,其光谱失真指标、空间失真指标、无参考质量评价指标在真实数据上明显优于对比方法。

摘要： 针对现有方法在海岛水边线分割时存在的效率低和精度差等问题,联合图像超分辨率重建(VDSR)模型和二值化高斯滤波水平集(SBGFRLS)模型,提出了一种海岛水边线的快速分割方法,该方法包括:①利用NDWI指数扩充及训练VDSR模型,构建用于海岛水边线分割的超分辨率遥感图像;②利用全局灰度密度分布函数优化符号压力函数,改进用于海岛水边线分割的SBGFRLS模型。与Otsu、C-V和SBGFRLS方法进行分析比较,发现本文方法的准确率、查全率、F1指标和总体精度4个评价指标均达到最佳,超过99%。结果表明,该方法提高了海岛水边线分割的精度和效率。

摘要： 为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法。首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构。金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息。最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法。

摘要： 针对现有的基于卷积自编码器的遥感图像融合方法存在光谱失真和部分细节信息丢失的情况,提出结合卷积自编码器、卷积注意模块和高斯滤波器的遥感图像融合算法。首先利用高斯滤波器获取用于模型训练的低分辨率高频图像、高分辨率高频图像和用于模型预测的低分辨率多光谱高频图像。然后用卷积自编码器学习低分辨率高频图像与高分辨率高频图像之间的非线性映射关系,将卷积注意模块引入模型训练中,使卷积自编码器更加关注图像中的关键信息。最后用训练完成的卷积自编码器获取多光谱图像缺失的细节信息,即高分辨率多光谱高频图像,并与原图像融合生成高分辨率多光谱图像。选取多组不同的卫星数据与8种融合算法进行对比实验,实验结果表明融合图像保留了更多的光谱信息和细节信息,在主观和客观上均表现出良好的性能。

摘要： 全色(Panchromatic, Pan)图像与多光谱(Multi-spectral, MS)图像融合的目的是生成具有高空间分辨率的多光谱图像。为了进一步提升融合图像的质量,提出一种基于细节信息提取的融合方法。首先,使用滚动引导滤波器与差值运算分别获取Pan与MS的高频分量。其次,采用自适应强度-色度-饱和度(AdaptiveIntensity-Hue-Saturation,AIHS)变换处理MS的高频分量与经像素显著性检测后Pan的高频分量,生成对应的强度分量(Intensity,Ⅰ),再将Pan与Ⅰ作差值运算获取细节图像。接着,采用引导滤波器计算Pan与MS的高频分量的差值,得到残差图像。最后,利用最速下降法将细节图像与残差图像注入到原始的MS图像中获得最终融合结果。实验结果表明,本文所提算法得到的融合图像能够取得较好的主观视觉效果,且客观定量评价指标较优。

摘要： 提出了一种基于多形态卷积神经网络的遥感图像融合方法:将局部离散余弦变换字典和曲波变换字典组合为形态成分分解字典,对全色图像和多光谱图像进行稀疏分解,通过调整阈值大小,分别从待融合的图像中提取出纹理成分和卡通成分,然后利用卷积神经网络进行融合,最终获得具有高分辨率的多光谱图像。通过形态成分分析把源图像视为多种成分对其进行处理,提取其卡通成分和纹理成分,考虑了不同源图像之间具有的差异性,降低了图像处理的复杂度,在避免源图像信息丢失的同时又加强了对输入图像细节的提取,最终将形态成分分解与卷积神经网络相结合,融合结果可获得更加丰富的原始图像信息。实验结果表明,在兼顾空间分辨率提高和光谱保真上,该方法在主观视觉质量和客观评价指标上都获得了比现有融合方法更好的结果。

摘要： 以广义细节注入(GDI)模型中光谱调制系数和亮度调制系数两参数为突破点,构建不同的GDI模型,通过在WorldView-2、QuickBird和Pleiades数据集上处理一系列仿真实验,采用主观和客观两种评价方式对不同方法融合得到的遥感图像的质量进行评价。实验结果证实,基于GDI模型的遥感图像融合方法具有强大的多光谱图像全色锐化能力,在有效减少融合图像空间和光谱失真方面表现出良好的性能。

摘要： 针对前馈卷积神经网络(CNN)感受野较小、获取上下文信息不足、其特征提取卷积层只能提取到浅层特征的问题,提出改进的基于通道注意力反馈网络的遥感图像融合算法.首先,通过两层卷积层分别初步提取全色(PAN)图像的细节特征和低分辨率多光谱(LMS)图像的光谱特征;其次,将提取的特征和网络反馈的深层特征相结合,并将其输入到通道注意力机制模块中以得到初步精细化特征;然后,经过反馈模块生成表征能力更强的深层特征;最后,将生成的深层特征经过含有反卷积的重建层,从而得到高分辨率多光谱(HMS)图像.在三个不同卫星图像数据集上的实验结果表明:所提算法能很好地提取PAN图像的细节特征和LMS图像的光谱特征,同时其恢复出来的HMS图像在主观视觉上更加清晰,并且在客观评价指标上优于对比算法,同时在均方根误差(RMSE)指标上,所提算法比传统算法降低了50％以上,比前馈卷积神经网络算法降低了10％以上.

摘要： 为了改善非下采样Contourlet变换(NSCT)在图像细节信息表达的缺失问题,本文提出了一种新的基于主成分分析(PCA)和非下采样Contourlet变换(NSCT)的遥感图像融合方法.该方法首先对低空间分辨率多光谱图像(MS)进行PCA变换,提取第一主分量PC1:其次,对PC1和高空间分辨率全色图像(PAN)进行NSCT变换,对二者的低频系数采用小波变换的融合规则,高频系数采用基于区域标准差自适应加权的融合规则:最后,经过PCA逆变换和NSCT逆变换得到融合图像.仿真实验结果表明,提出的方法不仅有效地融合了源图像的细节信息,而且得到了较好的视觉效果和较优的评价指标.

摘要： 随着遥感技术的发展,各种不同的传感器所获取的影像数据与日俱增,如何综合各种类型的遥感影像信息,已成为遥感应用的瓶颈问题。多源遥感数据融合技术是解决这一问题的有效手段。本文介绍了遥感图像融合的现状、融合层次以及具体融合方法，总结了常用的HIS变换、PCA变换和小波变换的特点、遥感图像融合精度评定的方法以及融合方法的应用情况。目前遥感图像融合的趋势是将几种算法进行结合应用，以求在提高空间分辨率的同时，尽量地提高图像的光谱信息。

摘要： 本文介绍了一种基于小波包的遥感图像融合方法，实验采用熵、光谱扭曲指数和边缘指数等作为评价融合质量的定量指标，表明了通过这一融合方法比传统的IHS、PCA、HPF以及小波融合具有更高的光谱信息保持和纹理信息增强能力。

摘要： 本文在总结了像素级图像融合方法的基础上,介绍了小波包变换的方法及其在遥感图像融合中的应用,讨论了基于小波包变换的遥感图像融合中的小波基选择.采用熵、联合熵、偏差指数和边缘指数等作为定量指标,对融合结果进行了质量评价.通过ETM+实验表明基于小波包的融合方法在光谱信息保持和纹理信息增强上相较于其他小波基方法有一定优势。

摘要： 提出了一种新的遥感图像融合方法,其基本思想是首先对多光谱遥感图像(MS)进行IHS变换得到IHS色彩空间的I、H、S分量;然后将高分辨率全色图像和MS的I分量进行三层小波变换,并采取基于区域特性选择的融合算了对小波系数进行选择,后经小波逆变换重构得到新的强度分量I';最后将I'、H、S进行IHS逆变换得到融合后的图像.此外,文中引入了相关系数,相对平均光谱误差指数(RASE),相对整体维数综合误差(ERGAS)对融合图像的光谱质量进行评价,使用将融合图像与高分辨率全色图像分别经过高斯滤波器的滤波以提取细节信息,然后计算相关系数的方法对融合图像的空间细节质量进行评价.实验结果表明,本文算法在光谱质量的改善方面明显优于IHS,WTR、WTM和WTS等经典遥感图像融合算法。

摘要： 多源遥感图像融合的一个重要步骤是对融合图像的效果进行评价,当前在图像融合的领域中缺乏对融合效果系统、全面的评价.不同的应用方面,对图像各项参数的要求不同,选取的评价方法不同.本文在研究多源遥感图像融合效果评价的各种方法的基础上,分析了不同评价指标的物理意义,并提出如何根据不同的融合目的有效选取评价融合效果指标。

摘要： 主成分分析PCA(Principal-component-Analysis)是一种经典的图像融合方法,但由于其运算量大、计算复杂度高,随着遥感图像数据量的不断加大,传统的单机处理模式已经无法满足一些应用的时效性要求.网格可以聚合广域分布的计算资源,已成为一种新型的协同计算平台.本文面向网格环境,研究并提出了一种高效实用的PCA融合并行算法PPCA-G(Parallel Principal-Component-Analysis for Grid),并进行了实验验证.此研究得到了国家教育部教育科研网格计划项目ChinaGrid的资助,研究成果已作为典型应用之一集成到图像网格的相关服务系统中.

摘要： 主成分分析PCA(Principal-component-Analysis)是一种经典的图像融合方法,但由于其运算量大、计算复杂度高,随着遥感图像数据量的不断加大,传统的单机处理模式已经无法满足一些应用的时效性要求.网格可以聚合广域分布的计算资源,已成为一种新型的协同计算平台.本文面向网格环境,研究并提出了一种高效实用的PCA融合并行算法PPCA-G(Parallel Principal-Component-Analysis for Grid),并进行了实验验证.此研究得到了国家教育部教育科研网格计划项目ChinaGrid的资助,研究成果已作为典型应用之一集成到图像网格的相关服务系统中.

摘要： 主成分分析PCA(Principal-component-Analysis)是一种经典的图像融合方法,但由于其运算量大、计算复杂度高,随着遥感图像数据量的不断加大,传统的单机处理模式已经无法满足一些应用的时效性要求.网格可以聚合广域分布的计算资源,已成为一种新型的协同计算平台.本文面向网格环境,研究并提出了一种高效实用的PCA融合并行算法PPCA-G(Parallel Principal-Component-Analysis for Grid),并进行了实验验证.此研究得到了国家教育部教育科研网格计划项目ChinaGrid的资助,研究成果已作为典型应用之一集成到图像网格的相关服务系统中.

摘要： 主成分分析PCA(Principal-component-Analysis)是一种经典的图像融合方法,但由于其运算量大、计算复杂度高,随着遥感图像数据量的不断加大,传统的单机处理模式已经无法满足一些应用的时效性要求.网格可以聚合广域分布的计算资源,已成为一种新型的协同计算平台.本文面向网格环境,研究并提出了一种高效实用的PCA融合并行算法PPCA-G(Parallel Principal-Component-Analysis for Grid),并进行了实验验证.此研究得到了国家教育部教育科研网格计划项目ChinaGrid的资助,研究成果已作为典型应用之一集成到图像网格的相关服务系统中.

摘要： 本发明公开了一种基于Treelet图像融合的遥感图像变化检测方法，主要解决现有技术中差值法抑制噪声能力差和对数比值法对边缘等细节信息保持不好的问题。其实现过程是：用不同方法提取变化前后图像的4幅差异图；然后用Treelet对4幅差异图构成的矩阵像进行降维，在降维时每一幅差异图数据作为待降维数据的一维；最后用FCM对降维后的数据进行聚类分割，得到变化监测的结果。本发明克服了差值图对噪声敏感和比值图边缘信息丢失的缺点，降低了错误率，更好的保存了细节信息，可用于森林资源的动态监测、土地覆盖和利用的变化监测、自然灾害评估。

摘要： 本发明公开了一种基于图像融合的SAR图像变化检测方法，主要解决现有技术中细节信息丢失和检测精度低的问题。其实现过程是：提取变化前后图像的差值差异图和比值差异图，并提取差值图像的方差矩阵；用KI阈值分割法，得到最佳阈值T；根据最佳阈值T和方差矩阵将差值图与比值图融合，得到融合后的最终差异图D；对所得的最终差异图D的灰度值进行类别数为2的模糊C均值聚类分割，将聚类中心取值较大的一类作为变化类，另一类为非变化类，得到变化监测结果。本发明克服了差值图对噪声敏感和比值图边缘信息丢失的缺点，降低了错误率，更好的保存了细节信息。

摘要： 本发明公开了一种基于图像融合的SAR图像变化检测方法，主要解决现有技术中细节信息丢失和检测精度低的问题。其实现过程是：提取变化前后图像的差值差异图和比值差异图，并提取差值图像的方差矩阵；用KI阈值分割法，得到最佳阈值T；根据最佳阈值T和方差矩阵将差值图与比值图融合，得到融合后的最终差异图D；对所得的最终差异图D的灰度值进行类别数为2的模糊C均值聚类分割，将聚类中心取值较大的一类作为变化类，另一类为非变化类，得到变化监测结果。本发明克服了差值图对噪声敏感和比值图边缘信息丢失的缺点，降低了错误率，更好的保存了细节信息。

摘要： 本发明公开了一种基于丰度图像锐化重构的高光谱遥感图像融合方法，通过采用ASD光谱仪在特定时段内实地测量各端元的野外光谱数据，从野外光谱数据中提取端元光谱数据，对第一Hyperion高光谱遥感图像数据空间重采样，得到第二高光谱重采样图像并与基准图像几何配准，依据各端元的野外光谱数据对配准后的第三高光谱重采样图像进行混合像元分解，按最小二乘原理解算得到各端元的第一丰度图像，将基准图像与第一丰度图像通过加权线性计算方法重构锐化的第二丰度图像，利用第二丰度图像及各端元的端元光谱数据计算融合图像，得到与全色波段空间分辨率相同的高光谱遥感图像，可以实现高光谱图像数据与全色波段数据的融合。

摘要： 本发明提供一种无参考图像的遥感图像融合性能评价方法，主要解决在没有高分辨率参考图像的情况下，如何有效地对遥感图像融合性能进行有效评价的问题，以及评价指标的有效性问题。本发明的核心机制是，将图像融合性能分解为光谱保持度、空间平滑度和细节保持度三个维度，通过对融合图像进行子带分解，并对每一子带与参与融合的多光谱图像和全色图像分别进行比对，计算以相关系数为基础的指标，最后进行指标综合，获得最终评价指标。本发明的方法对融合图像性能评价结果与专家经验一致，可以很好地表现融合算法的不同性能方面，运算速度快，适用于遥感图像融合评价。

摘要： 本发明公开了一种基于差值图像稀疏表示的遥感图像融合方法，主要解决现有遥感图像融合方法光谱失真的问题。其实现步骤为：输入图像集并分别进行取块，获得图像块数据集；根据图像块数据集构造高低分辨率差值图像训练集；利用半对称字典训练方法对高低分辨率差值图像训练集进行训练得到训练字典；输入待融合低分辨率多光谱图像和高分辨率全色图像，计算待融合低分辨率差值图像；根据半对称字典图像超分辨方法对待融合低分辨率差值图像进行超分辨处理得到高分辨率差值图像，并对其进行逆变换，得到高分辨的多光谱图像。本发明与经典遥感图像融合方法相比，由于采用了基于差值图像的融合模型，减小了光谱失真，可用于目标识别。

摘要： 本发明公开了一种基于压缩全色光图像的遥感图像融合方法。主要包括以下步骤：在DCT域以局部宽激活残差块组为主要构建单元，在像素域以高通滤波跳跃连接的残差模块为主要构建单元，搭建联合双域学习的用于去压缩图像块效应的网络模型；训练该网络模型，压缩质量因子为60；利用训练好的网络进行压缩图像恢复，输出去除压缩效应后的全色光图像；搭建基于多尺度空洞残差块组的遥感图像融合网络模型；利用训练图像数据集，训练该融合网络；输入去除压缩效应后的全色光图像和多光谱图像，输出最终的融合结果。本发明所述的融合方法能获得很好的主客观效果。因此，本发明是一种有效的针对压缩全色光图像的遥感图像融合方法。

摘要： 本发明公开了一种基于丰度图像锐化重构的高光谱遥感图像融合方法，通过采用ASD光谱仪在特定时段内实地测量各端元的野外光谱数据，从野外光谱数据中提取端元光谱数据，对第一Hyperion高光谱遥感图像数据空间重采样，得到第二高光谱重采样图像并与基准图像几何配准，依据各端元的野外光谱数据对配准后的第三高光谱重采样图像进行混合像元分解，按最小二乘原理解算得到各端元的第一丰度图像，将基准图像与第一丰度图像通过加权线性计算方法重构锐化的第二丰度图像，利用第二丰度图像及各端元的端元光谱数据计算融合图像，得到与全色波段空间分辨率相同的高光谱遥感图像，可以实现高光谱图像数据与全色波段数据的融合。

摘要： 本发明提供一种无参考图像的遥感图像融合性能评价方法，主要解决在没有高分辨率参考图像的情况下，如何有效地对遥感图像融合性能进行有效评价的问题，以及评价指标的有效性问题。本发明的核心机制是，将图像融合性能分解为光谱保持度、空间平滑度和细节保持度三个维度，通过对融合图像进行子带分解，并对每一子带与参与融合的多光谱图像和全色图像分别进行比对，计算以相关系数为基础的指标，最后进行指标综合，获得最终评价指标。本发明的方法对融合图像性能评价结果与专家经验一致，可以很好地表现融合算法的不同性能方面，运算速度快，适用于遥感图像融合评价。

摘要： 本发明公开了一种基于差值图像稀疏表示的遥感图像融合方法，主要解决现有遥感图像融合方法光谱失真的问题。其实现步骤为：输入图像集并分别进行取块，获得图像块数据集；根据图像块数据集构造高低分辨率差值图像训练集；利用半对称字典训练方法对高低分辨率差值图像训练集进行训练得到训练字典；输入待融合低分辨率多光谱图像和高分辨率全色图像，计算待融合低分辨率差值图像；根据半对称字典图像超分辨方法对待融合低分辨率差值图像进行超分辨处理得到高分辨率差值图像，并对其进行逆变换，得到高分辨的多光谱图像。本发明与经典遥感图像融合方法相比，由于采用了基于差值图像的融合模型，减小了光谱失真，可用于目标识别。