共查询到16条相似文献，搜索用时 146 毫秒
1.
应用IHS和小波变换结合的融合算法时,小波基的选取是影响融合图像质量的关键,而且包含不同地物信息的影像融合质量对小波基的响应特征有待深入探讨。该文以SPOT全色和多光谱影像为数据源,选取大量高、低密度建筑城市景观影像样本,用信息量、平均梯度和偏差指数3个指标定量评价融合质量,分析不同小波簇下两类融合图像之间的质量差异。研究表明:融合质量与影像所含地物特征密切相关;相对于其它小波簇,rbioNr.Nd表现出较强的变异性;两类融合图像在各小波簇上的波动性差异明显,并呈分段特征;根据质量需求和具体景观特征影像,可以在分解层数固定的情况下选取最佳小波基,以获取高质量融合图像。 相似文献
2.
基于Savitzky-Golay方法的遥感影像融合 总被引：1，自引：0，他引：1
把Savitzky-Golayr滤波方法拓展至二维,提出了基于Savitzky-Golay方法的遥感影像融合算法,并通过与HSI变换、PCA变换和小波变换融合等传统融合算法的比较,证明该方法性能最优.分析Savitzky-Golay滤波算子阶数和小波变换尺度对融合影像质量的影响,发现Savitzky-Golay滤波融合过程中Savitzky-Golay滤波算子阶数是决定融合质量的关键因素.算子阶数越高,融合后影像细节信息越丰富,但光谱信息损失也越严重;算子阶数越低,融合后影像光谱信息保持能力越好,但细节信息增强能力变弱.如何根据具体的遥感影像自动确定最佳的算子阶数是下一步要解决的问题. 相似文献
3.
具有更佳分辨率小波分解的遥感影像纹理分类* 总被引：8，自引：0，他引：8
首先提出了具有更佳分辨率的小波分解,然后研究了基于该小波分解特征的影像纹理分类,并对25类地貌遥感影像在两种不同分解方式、两种不同滤波器长度及三种不同分辨率下进行了分类试验,取得了较高的分类正确率。 相似文献
4.
基于小波变换的高分辨率影像纹理结构分类方法 总被引：17，自引：1，他引：17
该文提出了利用小波变换获取纹理结构子图像能量参数，并用这些参数进行高分辨率图像纹理结构分类的新方法。由阐述遥感影像纹理结构识别原理人手，提出影像纹理结构特征抽取的小波变换方法，构造了有明确的数学和物理意义的参数来描述影像纹理信息，在此基础上利用这些参数进行影像纹理结构分类。试验结果表明，小波变换方法适用于具有规则和较强方向性的纹理结构影像分类。 相似文献
5.
多传感器不同分辨率遥感数字图像的尺度转换 总被引：14，自引：0，他引：14
针对日益增多的多传感器不同分辨率的遥感数字图像数据,提出其综合利用和尺度转换的有效方法。其中,作为尺度上推 (scaling-up) 技术,本研究选择IHS和小波分解变换两种数据融合方法,应用Landsat ETM+数据和IRS-1C数据进行了实例研究。发现: IHS方法操作简单,对两种待融合的图像的像元大小和像元数 (bit数) 的依赖不是很高,而对原始图像光谱信息的依赖很高,因此适用于不同传感器之间的数据融合上,其缺点就是不能够更多的保留原始多光谱数据的光谱信息。小波分解变换 (WD) 方法可以很好地保留多光谱传感器的所有光谱信息,但是在重采样中对两种待融合的图像的像元配准的要求很高,因此比较适合于对同一传感器的多光谱数据与全色光谱数据的融合上。作为尺度下退 (scaling-down) 技术,通过探讨将札幌野外实验站点数据镶嵌到高时间分辨率遥感图像的问题,提出像元级尺度扩展的具体操作方法和对NDVI图像进行扩展时出现混合像元的识别方法。应用AVHRR, MODIS, ETM+和ASTER的NDVI图像数据进行了像元尺度的扩展研究。得出: 对不同传感器的不同分辨率的数据之间进行像元级的尺度扩展后,能够较好地识别出不同地物的分布边界,较好的分辨混合像元,因此其结果可用于对不同地物分布特征的分类研究或土地覆盖变化中的时间序列变化的研究中。 相似文献
6.
为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河—库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象，采用小波变换与数学变换进行光谱数据预处理，分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异，通过相关分析确定最大小波分解层并筛选敏感波段，结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析，最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明：（1） 耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓，同时在水分吸收波段处，盐渍土壤光谱曲线吸收谷最深。（2） 小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势，在第6层中，特征光谱曲线与敏感波段数量变化趋于稳定，确定为小波变换最大分解层。（3） 随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期，按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。（4）在小波分解光谱中，中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱，同时基于L-MC建立的模型精度最高。研究表明：基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测，可以有效的减少噪声波段干扰，并提高特征波段的分类预测精度。 相似文献
7.
基于小波变换和局部相关系数改进IHS变换的图像融合方法 总被引：3，自引：0，他引：3
为得到分辨率高、光谱畸变小的融合图像,该文根据图像处理理论和小波变换的时频局部 特性,采用Quickbird数据,对多光谱波段经IHS变换的I分量和全波段图像分别进 行小波分解,用全波段图像经小波分解得到的高频系数替换I分量小波分解的高频系数, 替换时根据图像的地物光谱特性引入局部相关系数进行有选择的高频替换.经过IHS反变换得到空间分辨率高且没有光谱畸变的融合图像. 相似文献
8.
《地理与地理信息科学》2016,(1)
遥感图像纹理特征的提取和分析,可以弥补光谱特征在提取遥感图像信息特征方面的不足,提高遥感图像分类、识别的精度。为了得到遥感图像纹理特征中较重要的方向性特征,提出一种检测遥感图像纹理方向特征的新方法:先用改进后的二维集合经验模态分解算法(BEEMD)对原始图像进行处理;再对分解结果进行小波分解与Radon变换来检测图像纹理的方向性特征。实验结果表明,所提算法既能克服小波分解高频信息泄露的缺陷,增强小波分解的适用性;又能获得遥感图像纹理在低频、垂直和水平等部分较为准确、精细的方向特征检测结果,为遥感图像的识别与区分提供更有效的依据。 相似文献
9.
针对IHS融合法的融合影像相对于原多光谱影像光谱扭曲严重、小波变换融合法运算量大的缺点,依据影像成像时传感器像素间的对应关系,提出应用遥感影像空间分辨率比值关系对影像进行分块,采用离散余弦变换与IHS变换相结合的融合方法进行多光谱影像与全色影像融合,以提高遥感影像的应用能力。仿真实验表明,该方法融合结果的光谱保持性与小波变换方法相近,均优于IHS变换融合影像,对全色影像空间信息集成能力稍弱,但计算效率明显改善,适合于对大数据量的遥感影像融合。 相似文献
10.
ALOS融合影像质量评价及其土地盐渍化应用研究 总被引：2，自引：1，他引：1
将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。 相似文献
11.
ETM+影像IHS融合算法改进及其土地覆盖分类实验比较 总被引：5，自引：2，他引：3
在总结PCA、IHS融合算法优缺点的基础上,发展了一种改进的IHS融合算法。利用HPF、Brovery、PCA、IHS及改进的IHS融合算法对ETM+全色和多光谱影像进行了融合实验。通过定性、定量分析比较融合影像的质量,并分别对融合后影像和原始影像进行土地覆盖非监督分类实验。选取原始影像和非监督分类精度最高的一种融合影像进行监督分类实验与比较,发现无论是非监督分类还是监督分类,改进的IHS融合影像精度均较高。 相似文献
12.
应用“北京一号”遥感数据计算官厅水库库滨带植被覆盖度 总被引：7，自引：0，他引：7
“北京一号”卫星是拥有多方面技术优势的一颗对地观测小卫星。本文在运用“北京一号”、SPOT5、QuickBird遥感图像对官厅水库库滨带植被覆盖度进行综合监测的基础上,对三种不同分辨率的遥感图像进行基于统计的尺度转换,并应用尺度转换的结果修正了“北京一号”图像提取的植被覆盖度。经检验,运用SPOT5和QuickBird图像对“北京一号”图像进行像元分解,将统计结果与“北京一号”图像的提取信息建立统计模型,应用该统计模型可以有效地提高“北京一号”图像提取植被覆盖度的精度。对湿生植被进行样方调查,结果证明运用像元分解和统计模型的方法使“北京一号”提取植被覆盖度的精度较运用植被指数转换模型的计算精度提高了22.7%。应用该方法可以更有效地运用“北京一号”遥感数据进行连续、大面积的植被监测。 相似文献
13.
针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。 相似文献
14.
Salman Ashraf Lars BrabynBrendan J. Hicks 《Applied geography (Sevenoaks, England)》2012,32(2):619-628
Remote sensing based mapping of diverse and heterogeneous freshwater environments requires high-resolution images. Data fusion is a useful technique for producing a high-resolution multispectral image from the merging of a high-resolution panchromatic image with a low-resolution multispectral image. Given the increasing availability of images from different satellite sensors that have different spectral and spatial resolutions, data fusion techniques that combine the strengths of different images will be increasingly important to Geography for land-cover mapping. Different data fusion methods however, add spectral and spatial distortions to the resultant data depending on the geographical context; therefore a careful selection of the fusion method is required. This paper compares a technique called subtractive resolution merge, which has not previously been formally tested, with conventional techniques such as Brovey transformation, principal component substitution, local mean and variance matching, and optimised high pass filter addition. Data fusion techniques are grouped into spectral and spatial centric methods. Subtractive resolution merge belongs to a new class of data fusion techniques that uses a mix of both spatial and spectral centric approaches. The different data fusion techniques were applied to a QuickBird image of a semi-aquatic freshwater environment in New Zealand. The results were compared both qualitatively and quantitatively using spectral and spatial error metrics. This research concludes that subtractive resolution merge performed better than all the other techniques and will be a valuable technique for enhancing images for freshwater land-cover mapping. 相似文献
15.
An important new development in hydrological data analysis in the last decade is the application of wavelet analysis. Here, wavelet
theory is used to study the complexity and multi-scale periodicity of the hydrological time series of the Dalai Lake Basin in Inner
Mongolia. Two large rivers, the Kelulun and the Wurxun, are the main inflows to Dalai Lake, which is currently shrinking.
The annual and monthly flows of the Kelulun River are shown to vary more than those of the Wurxun River, and the monthly
flows of the two rivers vary much more than their annual flows. Db5 wavelets are shown to be more suitable for annual flow calculations,
whereas Db4 wavelets are more suitable for monthly flow calculations. Multi-scale wavelet analysis of the annual and
monthly flows of the Kelulun and Wurxun rivers shows that the variation of the two rivers is similar and has a 25-year cycle, 12
years of wet and 12 years of drought periods, and our results show that both rivers are expected to transition into a wet period beginning
in 2012. Therefore, the Dalai Lake Basin, which has been in a drought period since 2000, is expected to gradually transit
into a wet period from 2012 onward. 相似文献
16.
土壤盐渍化的遥感监测依赖于高时空分辨率影像,但受经费预算、卫星回访周期及天气的影响,高时空分辨率的遥感影像较难获取,这就限制了根据采样时间来获取对应时期遥感影像进行土壤盐渍化监测反演的应用。为此,提出融合MODIS和Landsat影像生成高时空分辨率影像来提取土壤盐渍化信息,为时空影像进行土壤盐渍化监测研究提供数据参考。以渭干河—库车河绿洲为研究区,利用增强型时空自适应融合率反射模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和灵活的时空融合模型（Flexible spatiotemporal data fusion,FSDAF）,对MODIS和Landsat影像进行时空融合,并基于融合影像数据构建了关于土壤电导率（EC）的随机森林（RF）预测模型,对比分析时空融合影像应用于土壤盐渍化遥感监测的适用性。结果表明：ESTARFM融合影像的特征波段反射率与Landsat验证影像对应波段反射率一致性决定系数R2（Red）=0.8066、R2（SWIR2）=0.8444;FSDAF融合影像的特征波段与Landsat验证影像对应波段反射率一致性决定系数R2（Red）=0.6999、R2（SWIR2）=0.7493;基于ESTARFM融合影像构建的EC值预测模型精度最高,R2=0.9268,基于FSDAF融合影像构建的EC值预测模型精度良好,R2=0.8987,基于验证影像构建的EC值预测模型R2=0.9103; ESTARFM模型的融合精度高于FSDAF模型,并且基于融合影像构建的EC值预测模型效果良好。 相似文献