共查询到20条相似文献，搜索用时 15 毫秒
1.
为较好地保留多光谱、高分辨率遥感影像融合时的光谱信息和高分辨率信息,在小波变换基础上提出了一种基于模糊积分的融合算法,其基本思想是在IHS空间,对强度分量Ⅰ及高分辨率图像进行小波分解后,保留Ⅰ分量的低频系数,对于高频细节特征,将局部窗口内的方差、平均梯度和能量当作单因素指标,应用Choquet模糊积分综合各单因素指标得到一个综合指标,并据此来选取小波系数.实验结果表明,该算法在光谱质量改善方面明显优于IHS以及一些经典的小波变换遥感图像融合算法,是一种有效的遥感图像融合算法. 相似文献
2.
针对传统小波变换融合方法易导致空间纹理信息丢失的缺陷,结合局部方差和局部差异加权算法的优点,提出了一种基于局部算法改进的小波变换融合方法。采用该方法对IKONOS多光谱与全色波段图像进行融合实验,分别从基于视觉效果、数理统计以及面向对象分类精度3个方面分析评价该方法的融合效果。结果表明:改进的融合方法综合了小波变换和局部算法的优点,显著地改善了图像的融合效果,是一种高效的图像融合方法。应用该方法融合后图像的方差由原来的98.28提高到164.32,信息熵由5.30增加到7.85,平均梯度从1.972提高到8.807,图像分类精度提高了10.24%。 相似文献
3.
段伟 《测绘与空间地理信息》2021,44(9):12-16,21
针对现有的图像融合评价方法存在受地物的影响较大、评价结果过于笼统、实用性不强的问题,提出使用局部特征点进行图像融合评价的方法,首先定量地确定图像中的高频特征点,然后以高频特征点为依据提取图像中高频区域和低频区域,最后通过空间信息获取程度和光谱信息保留程度两个方面对融合图像进行评价.实验结果表明,本文中提出的评价方法要优于已有的图像融合评价方法,能更好地体现不同融合方法之间的差异. 相似文献
4.
5.
针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题,提出了一种综合利用NSCT(non-subsampled contourlet transform)分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先,借助NSCT分解图像,获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后,基于侧扫声呐图像中目标及其阴影伴随出现的特点,计算低频图像的局部标准差与均值的组合特征,获得分别突显目标及其阴影的特征图,使用多重分形分割方法分割特征图,获得低频图像分割结果;利用图像差分和非极大值抑制方法分割高频方向子带图像,获得高频分割结果;融合高低频分割结果获得目标及其阴影的精细边缘。最后通过试验验证了本文方法的有效性。 相似文献
6.
Contourlet方向区域相关性的遥感图像融合 总被引：2，自引：0，他引：2
对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析,发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征,在此基础上,提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法,该算法首先对多光谱图像经IHS变换后的亮度分量和全色图像分别进行Contourlet变换,然后以多光谱图像亮度分量的低频信息作为融合图像亮度分量的低频信息,通过计算并比较全色图像的高频系数和对应的多光谱图像亮度分量的高频系数的方向区域匹配度确定融合图像亮度分量的高频信息;最后经过Contourlet逆变换和IHS逆变换获得融合图像。实验结果表明,该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息,与传统遥感图像融合算法相比,该算法具有较好的融合图像信息熵和清晰度,具有一定的实用性。 相似文献
7.
针对多尺度局部匹配中出现边缘信息被过度平滑导致误匹配的现象，该文利用图像多尺度信息，提出多尺度引导滤波加权聚合的立体匹配算法以提高匹配精度。在代价计算阶段，改进了Census方法，并结合图像多尺度特征信息，融合绝对差值算子和零均值归一化算子，获取稳定的初始匹配代价。在代价聚合阶段，根据图像多尺度信息构建多尺度模型，在多尺度模型中引入邻域方差，提高多尺度模型的边缘保持能力，提高视差图质量。实验结果表明，该文利用图像的多尺度信息可以更好地对图像特征进行匹配，相比单尺度引导滤波算法以及传统多尺度算法整体匹配精度有明显提高，且在非边缘区域视差过渡更加平滑，验证该文提出的多尺度立体匹配算法的可行性。 相似文献
8.
一种基于小波融合的多时相遥感图像去云方法 总被引：1，自引：0，他引：1
云层对遥感图像的处理和分析带来一定的困难,采用小波融合的方法,组合不同时相获取的卫星遥感图像给出一种有效去除云层的方法.依据云层信息为低频特征,应用基于归一化低频指数来实现对云层低频分量的抑制,同时从高频分量中提取更高的地物高频信息,从而重构出去除云层后的图像.根据实际两幅图像的处理,验证方法的可行性. 相似文献
9.
介绍了基于小波包变换和区域方差的遥感影像融合方法.利用IHS变换和小渡包变换把全色影像和多光谱影像的相应分量分解为低频部分和高频部分,并分别采用加权平均法和区域方差法融合低频部分和高频部分,然后通过小波包重构和IHS逆变换得到最终的融合影像;最后采用MATLAB语言实现了这种方法.实验结果表明,这种方法在提高影像的清晰度、突出影像细节信息以及保留原始影像的光谱特征方面效果较好. 相似文献
10.
11.
12.
针对水下特殊环境的声图像特点,提出了一种基于梯度金字塔的图像融合算法。首先,对已经配准的源图像进行梯度金字塔分解;然后,在多分辨率下对两幅图像构建基于局部邻域的显著性量测和匹配性量测。在构建显著性量测中,针对高分辨率层采用局部梯度,低分辨率层采用局部方差;在构建匹配性量测中,针对高分辨率层利用局部相关性,低分辨率层利用局部方差比,并且利用图像的局部特征指导融合策略。最后,经过合成模块和多分辨率逆变换得到融合图像。声纳图像融合实验结果证明了所提方法的有效性. 相似文献
13.
基于特征的遥感图像信息融合模式研究 总被引：5，自引：4，他引：1
基于图像特征的遥感图像信息融合是在突出目标地物的空间结构和纹理特征情况下的信息融合。本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨率遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合。在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像。该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息。本文最后通过融合实验验证了上述结论。 相似文献
14.
一种基于小波系数特征的遥感图像融合算法 总被引：20，自引：2，他引：18
多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像.为了更充分地发挥这两类遥感图像数据的价值,人们利用两类数据的互补性,将多传感器融合技术引进了遥感图像处理领域.在IHS彩色空间变换和小波多分辨率分析的基础上,利用图像高频小波系数的多个特征来定义特征量积,并利用特征量积作为依据提出了一种图像融合新算法.通过一组多光谱图像和全色图像数据进行融合仿真试验,并将该算法与IHS,HPF等算法和归一化矩算法作了比较.证明该方法能在保留多光谱图像光谱信息的基础上,有效地提高多光谱图像的空间分辨率. 相似文献
15.
16.
17.
为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。 相似文献
18.
19.
薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。 相似文献
20.
为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。 相似文献