一种基于IHS变换的改进型图像融合的算法

常用的遥感图像融合的方法如IHS变换法、Brovey变换法和主成分变换法实施图像融合时，均会有不同程度的光谱扭曲的现象，该文探讨了一种新的光谱保持型的DFF融合算法。DFF融合法先对参与融合的全色波段进行方向滤波，而后将滤波后的全色波段替换IHS正变换后的明度分量，再进行IHS逆变换便得到融合图像。DFF融合后的图像色彩与TM影像一致，光谱保持性能也优于IHS变换法，DFF融合图像的分类精度也高于IHS融合图像。     

一种改进的RS图像融合方法用于土地利用调查

常用的遥感图像融合的方法如IHS变换法在实施图像融合时,会产生色彩扭曲现象,本文探讨了一种新的光谱保持型的高通滤波融合算法(HPFF融合法)。HPFF融合法先对参与融合的全色波段进行高通滤波,尔后将滤波后的全色波段替换多光谱经IHS正变换后的强度分量,再进行IHS逆变换便得到融合图像。HPFF融合法的光谱保持性能优于IHS变换法,HPFF融合后的图像的色彩与TM影像相近,HPFF融合后图像的分类精度高于IHS融合后的图像,HPFF融合法是一种能较好地保持光谱特性的融合方法。     

四种用于雷达遥感图像融合的空间分量提取方法

使用光学多光谱遥感图像对雷达图像进行空间增强,需要从光学多光谱图像中提取其空间分量。提取空间分量的基本方法有两种：主成分分析(PCA)和IHS变换法,PCA法可以对多光谱图像的所有波段进行分析,得到的第一主成分PC-1代表原始多光谱图像的空间信息,而IHS法只能输入多光谱图像的3个波段,经IHS变换得到的I分量代表原图像的空间信息;将用两种方法提取的PC-1和I分量直接与雷达遥感图像融合,发现PCA法的空间增强效果更为显著,而IHS法的色调保持效果更好。将PC-1和I分量分别进行0～255线性拉伸,然后与雷达遥感图像融合,发现二者对雷达图像的空间增强效果都显著增加,而色调保持水平均有所下降,但PCA法的空间增强效果仍然优于IHS法,而IHS法的色调保持水平仍然优于PCA法。该项研究为用户进行雷达图像融合提供了四种可供选择的提取空间分量的方法。     

基于改进小波变换的地物类型提取研究

在多源遥感图像融合过程中,为充分利用高分辨率影像的低频信息,从而提高对影像的解译能力,本研究尝试对传统的小波融合算法进行了改进,以SPOT5的多光谱波段和全色波段为数据源,借助MatLab与ENVI等工具,实现改进后小波变换的遥感影像融合,该融合方法跟传统融合方法相比,信息熵和清晰度都有所提高.分别以传统融合图像及改进小波变换融合后图像为分类底图,实施了监督分类,完成地物类型的提取,结果表明:改进的小波变换融合后图像分类效果更好,分类精度和Kappa系数都有所提高,其中利用小波变换融合为基础的马氏距离法和决策树算法相结合的分类效果最佳.     

多源卫星生态环境遥感数据的融合方法比较

运用厦门本岛的SPOT-5全色波段数据和LANDSAT-7多光谱数据、德化地区的JERS-1雷达数据和LANDSAT-7多光谱数据，通过对两组多源遥感数据融合方一IHS变换和主成分分析(PCA)进行试验和比较分析。试验表明，PCA变换的结果保留更多ETM图像的色彩信息，但纹理细节被光滑，图像清晰度低于IHS变换的结果。而IHS变换则更好地保留SPOT图像的纹理信息，但色彩信息不如PCA方法来得丰富。在实际的遥感数据融合中，应根据不同的目的和需求，从具体领域出发，选择合适的融合方法，才能取得好的效果。     

面向GF-1数据不同融合方法对扰动地块的提取

以GF-1影像为数据源,采用HPF变换(High-Pass fusion,高通滤波变换)、Ehlers变换(空间滤波变换)、Brovey变换(彩色标准变换)、GS变换(Gram-Schmidt,正交化变换)、PC变换(Principle Components,主成分变换)等5种常用融合算法,根据视觉分析和数理统计分析对融合后的影像进行质量评价,并通过面向对象分类方法对扰动图斑信息进行提取,研究适用于生产建设项目集中区扰动地表信息提取的融合算法。结果表明:基于PC和GS算法的融合结果影像视觉效果好,细节清晰,色调自然,纹理增强明显,较好的融合了多光谱影像的光谱信息和全色影像的空间信息。通过定量分析可知,PC变换最大程度地保持原多光谱影像的光谱特性,GS融合算法在增益效果上具有优势,融合影像信息量最大,纹理最为细致。总体而言,PC变换和GS变换影像融合算法在生产建设项目扰动图斑信息提取上具有很大的优势,在煤炭覆盖区提取正确率均为100%,在裸露地表和在建建筑用地混合区大于80%,较原始多光谱影像分类精度提高了约10%。该研究为推进国产高分遥感数据在生产建设项目水土保持监管中的高效应用奠定数据基础,对提升生产建设项目水土保持监管效率和信息化水平具有非常重要的意义。     

基于GF-2的沙地区域影像融合方法与评价——以内蒙古自治区正蓝旗北部典型沙地为例

[目的]以内蒙古自治区正蓝旗北部典型沙地为例,以国产高分卫星(GF-2)影像为数据源,找出沙地区域的最佳影像融合方法,以期为沙地区域影像融合方法研究提供技术支撑。[方法]应用HSV(Hue,Saturation,Value)、Brovey,Gram-Schmidt,PC(principal components)融合等4种融合方法对GF-2影像的全色波段和多光谱波段进行融合;选取平均梯度、联合熵、相对偏差和标准差等4种统计方法,对影像融合进行效果评价及分析。[结果] 4种融合方法均提高了比原多光谱影像的4倍空间信息辨别度,同时较好地保存了影像的原多光谱信息,并增强了图像信息的分辨能力。其中,Brovey融合方法的相对偏差最小,PC融合方法的融合效果最不明显,而HSV融合方法的联合熵和平均梯度最大,并且其对影像融合效果最佳。[结论] HSV融合是沙地区域影像融合的最佳方法。HSV融合能对沙地区域的目视解译等工作提供清晰的空间和光谱分辨率影像数据。     

用基于IHS变换的SPOT-5遥感图像融合进行作物识别

遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的“万能”的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合的融合模型。SPOT-5图像是一种较新的高空间分辨率遥感图像,目前已用于运行化农情遥感监测,以弥补传统低空间分辨率遥感图像应用的不足。该文将SPOT-5多光谱和超模式全色图像进行融合,以进行中国东北地区大豆识别。对实验数据分别做基于IHS变换和PCA变换的融合处理,通过比较得出,基于IHS变换的融合     

基于多进制小波变换及多维纹理特征的遥感影像融合方法

探讨了基于多进制小波变换与多维纹理特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行多进制小波分解,再联合提取局部方差、局部梯度、局部能量和局部信息熵4维纹理特征,将高分辨率影像的高频分量分别与多光谱影像的高频分量以多维纹理特征进行多判据联合方法融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经 RGB合成为彩色影像。试验选取淮南矿区SPOT 10 m与TM 30 m空间分辨率影像,从目视判读（定性评价）、地物光谱曲线分析、定量评价指标三方面对融合方法进行了评价。结果表明,该方法既保留了原影像的光谱信息,同时也改善了影像的清晰度和分辨率,利用融合后的影像进行矿区土地利用变化监测,效果明显提高。     

基于多光谱图像融合和形态重构的图像分割方法

一些成熟的瓜果果实在单一的光谱图像中,果与叶的灰度值只存在微小差异,常用的图像分割方法不足以把果与叶区分开,为此,提出一种基于多光谱图像融合的形态学重构分割方法.首先,采集同一目标的可见光彩色图像和近红外图像,对此多光谱图像分别采用主成分分析(PCA)、小波变换以及可见光图像H分量与近红外图像NIR的算术组合(NIR/H)等方式进行融合处理:然后,对融合图像进行形态学重构分水岭分割.多幅苹果和番茄图像的同标提取试验结果表明,对可见光图像和近红外图像的PCA和小波变换融合图像进行形态学重构分水岭分割,可以得到较好的分割效果,尤其是小波变换融合图像的形态学重构分水岭分割效果更具有自适应性.     

一种新的辨别土地利用/覆被的遥感图像融合方法

In China, accelerating industrialization and urbanization following high-speed economic development and population increases have greatly impacted land use/cover changes, making it imperative to obtain accurate and up to date information on changes so as to evaluate their environmental effects. The major purpose of this study was to develop a new method to fuse lower spatial resolution multispectral satellite images with higher spatial resolution panchromatic ones to assist in land use/cover mapping. An algorithm of a new fusion method known as edge enhancement intensity modulation (EEIM) was proposed to merge two optical image data sets of different spectral ranges. The results showed that the EEIM image was quite similar in color to lower resolution multispectral images, and the fused product was better able to preserve spectral information. Thus, compared to conventional approaches, the spectral distortion of the fused images was markedly reduced. Therefore, the EEIM fusion method could be utilized to fuse remote sensing data from the same or different sensors, including TM images and SPOT5 panchromatic images, providing high quality land use/cover images.     

A New Fusion Technique of Remote Sensing Imagesfor Land Use／Cover

In China, accelerating industrialization and urbanization following high-speed economic development and populationincreases have greatly impacted land use/cover changes, making it imperative to obtain accurate and up to date informationon changes so as to evaluate their environmental effects. The major purpose of this study was to develop a new methodto fuse lower spatial resolution multispectral satellite images with higher spatial resolution panchromatic ones to assistin land use/cover mapping. An algorithm of a new fusion method known as edge enhancement intensity modulation(EEIM) was proposed to merge two optical image data sets of different spectral ranges. The results showed that the EEIM image was quite similar in color to lower resolution multispectral images, and the fused product was better able topreserve spectral information. Thus, compared to conventional approaches, the spectral distortion of the fused images wasmarkedly reduced. Therefore, the EEIM fusion method could be utilized to fuse remote sensing data from the same ordifferent sensors, including TM images and SPOT5 panchromatic images, providing high quality land use/cover images.     

OLI与HSI影像融合的土壤盐分反演模型

土壤盐渍化问题是黄河三角洲地区主要的土地退化问题,借助遥感技术快速、准确地掌握土壤盐渍化信息,对农业可持续发展具有重要意义。该文以黄河三角洲垦利县为研究区,利用超球体色彩空间变换算法,将环境一号卫星HSI高光谱影像与Landsat 8 OLI多光谱影像进行融合,选择土壤盐分的特征波段,结合土壤盐分的实测数据,建立统计分析模型(多元线性回归、偏最小二乘回归)和机器学习模型(BP神经网络、支持向量机和随机森林),对土壤盐分进行遥感反演。结果表明:OLI影像的统计分析模型和机器学习模型精度均较低,精度最高的随机森林模型相关系数仅为0.570;HSI影像的反演模型精度高于OLI,BP神经网络模型相关系数为0.607;融合影像反演模型精度明显高于HSI影像和OLI影像,土壤盐分含量的实测值与机器学习模型预测值具有良好的相关性,BP神经网络模型、支持向量机模型和随机森林模型的决定系数R~2分别达到0.966、0.821和0.926,模型反演精度较高。研究表明,多光谱和高光谱影像融合能显著提高土壤盐分遥感反演精度,机器学习模型的反演效果明显优于统计分析模型。研究结果对黄河三角洲典型地区的土壤盐分反演具有积极的理论和实践意义。     

基于高光谱技术的猪肉肌红蛋白含量无损检测

为充分利用猪肉光谱与图像信息,实现猪肉肌红蛋白含量的在线检测,该研究提出一种基于深度学习模型的猪肉肌红蛋白含量无损检测方法。采用高光谱设备采集冷藏过程中猪肉高光谱图像,通过ENVI5.3选择图像感兴趣区域（Region Of Interest,ROI）,分别提取ROI平均光谱信息与主成分图像信息。利用卷积自动编码器（Convolutional Auto Encoder,CAE）提取光谱与图像信息深度特征,分别建立光谱特征、图像特征及图-谱融合特征与肌红蛋白含量之间关系的卷积神经网络（Convolutional Neural Network,CNN）预测模型。其中基于融合深度特征CNN预测模型准确度较高,该模型对脱氧肌红蛋白（DeoMb）、氧合肌红蛋白（OxyMb）、高铁肌红蛋白（MetMb）含量预测集决定系数分别为：0.964 5、0.973 2、0.958 5,预测集均方根误差 RMSEP分别为：0.015 8、0.226 6、0.381 6。为进一步验证图-谱融合特征与猪肉肌红蛋白存在对应关系,分别建立偏最小二乘回归（Partial Least Squares Regression,PLSR）、支持向量机回归（Support Vector Regression,SVR）预测模型。结果表明：CAE能充分提取图像与光谱特征;基于融合特征建立回归模型能提高肌红蛋白含量预测精度,相比于光谱信息与图像信息,以MetMb为例其分别提高5.42%、16.12%。该检测方法为肉类质量在线检测提供参考,具有好的应用前景。     

CBERS-02B星HR高分辨率遥感数据融合研究分析

在阐述遥感影像融合原理的基础上,以贵州省贵阳市部分区域为研究区,应用PCA,Brovey,SVR,IHS共4种融合方法对CBERS-02B星HR数据与CCD数据进行融合实验。从光谱信息和空间信息两个方面对融合效果进行分析,对比4种融合方法对CBERS-02B星影像数据的适用程度,同时与SPOT-5融合数据进行对比分析。研究表明:(1)4种融合方法中,SVR变换法最适合CBERS-02B星遥感数据的融合,融合数据的各评价指标均高于其他融合方法,空间信息丰富,图像细节效果良好;(2)CBERS-02B星同源遥感数据融合影像的质量低于SPOT-5影像融合数据;(3)CBERS-02B星CCD数据的质量低是导致融合影像质量不高的主要原因,所以在CBERS-02B星HR数据的使用过程中应尽量寻求其他来源的多光谱数据进行融合。