共查询到14条相似文献，搜索用时 93 毫秒
1.
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
2.
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
3.
遥感信息融合（Fusion）是目前遥感应用领域的一个热点问题。高分辨率的全色影像与多光谱彩色低分辨率的遥感数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。融合中对同一地区长江流域秭归段的TM4、3、2多光谱和TM8高分辨率的遥感影像采用了IHS变换、分辨率（主成分分析）融合方法进行了数据融合，并对不同的融合方法所得到的融合影像进行目视和统计特征的分析与评价。 相似文献
4.
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
5.
提出一种基于差值权重和快速傅立叶变换的影像融合方法--DWF,对"北京一号"小卫星的全色和多光谱影像进行融合.该算法根据卫星影像的成像过程,通过傅立叶变换获取全色影像的高频、低频信息和多光谱影像在HIS颜色空间中分量的低频信息,由这3种信息通过基于差值权重的决策计算获得融合影像的空间信息.实验采用PCA、GS、DWF以及基于小波的HIS变换的融合方法,结果表明DWF方法优于其他融合方法,比较适合于"北京一号"卫星的全色与多光谱影像融合. 相似文献
6.
《地理与地理信息科学》2016,(2)
针对现有遥感图像融合算法存在的光谱失真及空间细节丢失的问题,提出一种非下采样Shearlet变换(NSST)与稀疏表示(SR)相结合的图像融合算法。该算法利用NSST多尺度、多方向及平移不变的特性对全色图像与多光谱图像亮度分量进行变换分解,并根据稀疏表示能够有效捕捉图像结构特征的特点,对低频分量采用基于结构相关性的稀疏表示加权融合规则,从而减少光谱失真,对高频分量则利用基于改进的拉普拉斯能量和的方法,以保留细节信息,最后通过NSST与IHS逆变换得到融合图像。实验以WorldView-2不同场景下的影像为数据源,与传统的IHS、AIHS、IHS-WV、IHS-WV-SR、IHS-NSST融合方法进行对比,结果表明:新的算法不论在视觉上还是指标参数上都得到了有效提高,光谱分辨率和空间分辨率更接近于融合参考图像。 相似文献
7.
多光谱与全色遥感影像像素级融合算法比较分析 总被引：1，自引：0，他引：1
简述了遥感影像融合的过程,并利用SPOT5的全色和多光谱影像在Envi软件里采用IHS、Gram-Schmidt、Brovey和Color Normalized （CN）的融合算法进行融合,然后对几种影像融合的结果进行定性定量的评价分析.分析的结果表明：与原多光谱相比,HIS融合方法的清晰度和信息的丰富度最高;Gram-Schmidt的光谱保真度和相关度最佳,清晰度和信息的丰富度也仅次于HIS融合结果;Brovey和CN的融合算法是最差的,但是在凸显植被和水体地物时Brovey和CN有优势.总而言之对于不同地物类型,每种融合方法具有各自的优势和限制,所以应根据不同的用途选择最佳的融合算法. 相似文献
8.
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
9.
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
10.
针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好. 相似文献
11.
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
12.
针对中分辨率多光谱与高分辨率全色图像空间分辨率差异大,导致融合结果难以较好平衡光谱信息保持和空间信息保持能力的问题,该文分析了7种常用融合方法用于中分辨率多光谱与高分辨率全色图像融合的优缺点及其融合质量的影响因素,提出了一种组合融合方法。该方法在保留Gram-Schmidt方法的细节注入方式的基础上,综合利用高通滤波法和Gram-Schmidt方法的优势构造低分辨率全色图像,确保在提高融合图像空间分辨率的同时有效降低其光谱变形。通过CBERS-02多光谱和IRS-P5全色图像的实验,证明了新融合方法的有效性。 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