共查询到19条相似文献，搜索用时 109 毫秒
1.
高分二号卫星影像融合及质量评价 总被引：1，自引：0，他引：1
《国土资源遥感》2016,(4)
高分二号卫星(GF-2)是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星,配备有0.81 m空间分辨率的全色相机和3.24 m空间分辨率的多光谱相机。对比分析适合GF-2影像的融合方法对于提高其应用效果与扩大应用领域具有实际意义。针对东北地区2014年11月22日和27日成像的GF-2影像,分别采用主成分分析(principal component analysis,PCA)、GS(Gram-Schmidt)变换、modified-HIS(intensity hue saturation)变换、高通滤波方法(high pass filter,HPF)和超球体色彩空间变换(hyperspherical color space resolution merge,HCS)等5种融合方法对多光谱和全色数据进行融合。并对5种融合影像进行质量评价,首先采用目视分析方法进行定性评价,其次采用信息熵、平均梯度、相关系数和光谱扭曲度等统计学指标进行客观定量评价,最后对融合影像进行地物分类。结果表明,HCS与GS变换融合影像无论是在视觉还是在地物分类应用上都具有较好的效果,且没有波段数的限制,最适合GF-2影像融合;HPF方法对空间细节信息的增强仅次于HCS变换,但是其光谱保真度效果最差;PCA和modified-IHS变换融合效果比较适中,可以作为GF-2影像融合的候补方法。 相似文献
2.
针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基础框架,并进一步提出基于多分辨率分析的多传感器一体化融合方法,缓解现有方法因空间分辨率比率过大导致影像空、谱互补信息难以有效集成的问题。其中,提出的一体化融合方法基于调制传递函数MTF (Modulation Transfer Function)滤波对多传感器影像空间(高频)和光谱(低频)分量进行分解提取,并充分考虑多传感器高空间分辨率影像与高光谱分辨率影像之间的关系,以及高光谱分辨率影像波段间关系,设计合理的融合权重,最终可得到具有最高空间分辨率和最高光谱分辨率的融合影像。通过GF-1全色影像、GF-1多光谱影像、GF-5高光谱影像数据对提出方法进行实验验证,结果表明:本文方法可有效集成多传感器影像间的空、谱互补信息,得到较优融合结果。 相似文献
3.
《国土资源遥感》2017,(4)
图像融合过程中需要对遥感图像进行几何纠正、配准等预处理,在国土资源调查研究工作中是一项繁重工作。因此,提出利用改进的Welsh颜色迁移算法实现图像融合,以湖北省仙桃市GF-2高空间分辨率全色图像(简称高分图像)为研究数据进行实验,并将迁移结果与Gram-Schmidt(GS)和主成分(principal components,PC)融合结果进行定性和定量对比。结果表明,基于Welsh颜色迁移的融合算法在图像光谱和纹理的保真度上都比GS和PC融合算法有更好的效果;特别是在地物复杂区域,颜色迁移算法的纹理结构相似度远优于GS和PC融合算法。同时,颜色迁移的算法可以应用于不同区域的多光谱和全色波段图像融合,而无需先对图像进行几何纠正、配准等预处理。 相似文献
4.
为了探究适合国产高分卫星影像的融合方法,该文以国产亚米级高分辨率卫星BJ-2和GF-2影像为数据源,分别选取像素级影像融合方法中较为典型的GS、Pansharp、NND、HPF、PCA和PCA+Wavelet对2种影像进行处理,并采用定性和定量分析法对其融合效果进行评价.结果表明:对于BJ-2影像,Pansharp和GS的融合效果相对较好,光谱保真度较佳、清晰度较高、光谱扭曲度较小;对于GF-2影像,Pansharp融合效果相对较好,HPF次之,光谱保真度较佳、清晰度较高、光谱扭曲度较小;对于2种影像,PCA融合法的效果最差. 相似文献
5.
《遥感学报》2023,(8):1936-1950
高分五号(GF-5)是中国首颗实现对大气和陆地综合观测的全谱段高光谱卫星，其搭载的可见短波红外高光谱相机AHSI提供的遥感数据拥有极高的光谱分辨率。然而，AHSI数据的空间分辨率为30 m，较低的空间分辨率限制了应用场景。为实现GF-5数据的降尺度，本文通过融合10 m哨兵二号(Sentinel-2)多光谱数据，生成10 m GF-5高光谱数据。在方法上，针对现有先进的信息损失引导的图像融合方法ILGIF (Information Loss-Guided Image Fusion)在高光谱图像降尺度中计算时间成本高的问题，本文提出了其快速版本FILGIF (Fast ILGIF)。另一方面，在降尺度过程中，本文考虑并估计了30 m GF-5高光谱数据和10 m Sentinel-2数据之间的尺度转换点扩散函数PSF (Point Spread Function)，提高融合数据质量。实验结果验证了融合Sentinel-2数据用于GF-5高光谱数据降尺度的可行性。同时，结果表明：在获得与ILGIF相当精度的前提下，FILGIF大幅提高了运行效率；尺度转换PSF对降尺度过程有着重要影响，其准... 相似文献
6.
7.
针对高分二号(GF-2)卫星全色遥感影像与哨兵二号(Sentinel-2)卫星多光谱遥感影像空间分辨率相差较大且传感器不同导致的光谱或空间信息丢失问题,结合快速离散Curvelet变换对HSV融合方法的分量替换过程进行改进,利用GF-2的高空间分辨率和Sentinel-2的多光谱特性分别设计高、低频系数融合规则,并且与... 相似文献
8.
结合Gram-Schmidt变换的高光谱影像谐波分析融合算法 总被引：1，自引：0，他引：1
针对高光谱影像谐波分析融合(HAF)算法在影像融合时不顾及地物光谱曲线整体反射率这一缺陷,提出了结合Gram-Schmidt变换的高光谱影像谐波分析融合(GSHAF)改进算法。GSHAF算法可在完全保留融合前后像元光谱曲线波形形态的基础上,将高光谱影像融合简化为各像元光谱曲线的谐波余相组成的二维影像与高空间分辨率影像之间的融合。它是在原始高光谱影像光谱曲线被谐波分解为谐波余项、振幅和相位后,首先将其谐波余项与高空间分辨率影像进行GS变换融合,这样便可有效地修正融合后像元光谱曲线的反射率特征,随后再利用该融合影像与谐波振幅、相位进行谐波逆变换,完成高光谱影像谐波融合。本文最后利用Hyperion高光谱遥感影像与ALI高空间分辨率影像对GSHAF算法进行可行性分析,再以HJ-1A等卫星数据对其进行普适性验证,试验结果表明,GSHAF算法不仅可以完全地保留光谱曲线波形形态,而且融合后影像的地物光谱曲线反射率更接近真实地物。 相似文献
9.
10.
高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR（Light Detection and Ranging ）数据。通过将高光谱数据与多源遥感数据进行融合,可以弥补高光谱数据空间分辨率相对较低,空间特征不够丰富的缺点。近年来,基于深度学习的方法已经在遥感数据分类研究中取得了一定的进展。然而,由于深度网络的特征提取过程是一个自主的过程,往往无法精确的获取最有利于遥感数据分类的特征;同时,深度学习方法具有复杂的网络结构和大量的参数,往往会在分类训练过程中造成参数拟合困难。以上这些因素会导致分类效果不佳。针对这些问题,本文提出了一种将卷积神经网络CNN（Convolutional Neural Network）和纹理特征相结合的多源遥感数据特征级融合分类框架。该方法共3个步骤,首先,对高光谱数据或多源遥感数据提取纹理特征;然后,构造CNN,分别将原始高光谱遥感数据、原始多源遥感数据和第一步中获得的纹理特征作为深度网络的输入进行深度特征提取;最后,将分别提取到的深度特征拼接,并利用Softmax分类器进行分类。为了验证本文提出方法的分类效果,本文在休斯顿和塞特福德矿地区公开数据集上进行实验,并将该分类框架与支持向量机分类方法、像素级融合分类方法和特征级融合分类方法进行对比。由此可以分析得出,本文提出的基于深度学习的融合分类方法可以获得较高的分类精度。 相似文献
11.
高分二号影像融合方法质量评价 总被引：9，自引：0，他引：9
针对实际应用中因融合方法选择不恰当而无法充分发挥高分二号数据优势的问题,对常用影像融合算法进行了分析评价,旨在寻找最适用于高分二号数据的影像融合方法。采用Brovey变换、改进IHS变换、PCA变换、GS、HPF、小波PCA、Ehlers、Subtractive、HCS、NND 10种影像融合方法对高分二号影像进行融合处理,并从定性和定量两方面对融合结果进行质量评价。结果表明,针对高分二号数据,综合考虑光谱保真度和空间细节表达以及目视效果,HCS和NND方法的融合效果最佳。 相似文献
12.
云遮挡对高光谱影像的应用造成了不可忽视的影响。现有云去除方法通常利用时域近邻的同源影像提供辅助信息。然而,高光谱影像(如GF-5和EO-1高光谱影像)较低的时间分辨率导致同源辅助影像中可能存在较大的地物覆盖变化。时间分辨率更高的多光谱影像(如Landsat 8 OLI影像)能提供时间上更接近于高光谱云影像的辅助信息,从而减少地物覆被变化带来的影响。为应对高光谱和多光谱波段之间差异较大的问题,本文基于空谱随机森林(spatial-spectral-based random forest,SSRF)方法,提出一种利用多光谱影像(Landsat 8 OLI影像)对高光谱影像进行厚云去除的方法,将其简记为SSRF_M。SSRF_M较强的非线性拟合能力使其能够综合利用多光谱影像所有波段的有效数据对各个高光谱波段进行重建。本文使用GF-5和EO-1高光谱影像进行模拟云去除试验,视觉和定量评价结果均表明,与利用时间间隔更长的同源辅助影像的方法相比,本文方法能获得更高精度的云下信息重建结果。 相似文献
13.
一种保持光谱特征的图像融合方法——高通滤波融合法 总被引：5，自引：4，他引：5
探讨了一种新的光谱保持型的高通滤波融合(HPFF)算法。该算法先对参与融合的全色波段图像进行高通滤波,然后用滤波后的全色波段图像替换IHS正变换后的强度分量,再进行IHS逆变换,便得到HPFF融合图像。该图像色彩与TM图像一致,优于常规IHS变换法所得的图像。 相似文献
14.
基于分辨率退化模型的全色和多光谱遥感影像融合方法 总被引：7，自引：0，他引：7
从影像成像的频率特性出发，提出了一种影像分辨率退化模型，并在此基础上提出了一种新的全色和多光谱遥感影像融合方法。 相似文献
15.
将高光谱图像与高空间分辨率图像融合后,由于融合图像空间分辨率提高,改变了混合像元内地物组分比例,像元光谱信息较原高光谱图像光谱信息会出现“失真”现象。针对这种情况,考虑混合像元内成分变化进行图像融合,首先利用投影方法模拟多光谱图像得到高光谱图像,并将模拟高光谱图像与原高光谱图像利用小波方法进行融合,融合图像不仅增强了空间信息,而且对光谱信息进行一定的修正,从而提高了环境异常探测等一系列应用的精度。利用Hyperion图像和SPOT-5图像进行融合实验,融合图像能够识别出87.2%目标区域。 相似文献
16.
Comparison Between Four Methods for Data Fusion of ETM＋ Multispectral and Pan Images 总被引：2，自引：0，他引：2
PouranBehnia 《地球空间信息科学学报》2005,8(2):98-103
Four data fusion methods, principle component transform (PCT), brovey transform (BT), smoothing filter-based intensity modulation(SFIM), and hue, saturation, intensity (HSI), are used to merge Landsat--7 ETMq- multispectral bands with ETM panchromatic band. Each of them improves the spatial resolution effectively but distorts the original spectral signatures to some extent. SFIM model can produce optimal fusion data with respect to preservation of spectral integrity. However, it results the most blurred and noisy image if the coregistration between the multispectral and pan images is not accurate enough. The spectral integrity for all methods is preserved better if the original multispectral images are within the spectral range of ETM pan image. 相似文献
17.
Pouran Behnia 《地球空间信息科学学报》2013,16(2):98-103
Four data fusion methods, principle component transform (PCT), brovey transform (BT), smoothing filter-based intensity modulation (SFIM), and hue, saturation, intensity (HSI), are used to merge Landsat—7 ETM+ multispectral bands with ETM+ panchromatic band. Each of them improves the spatial resolution effectively but distorts the original spectral signatures to some extent. SFIM model can produce optimal fusion data with respect to preservation of spectral integrity. However, it results the most blurred and noisy image if the coregistration between the multispectral and pan images is not accurate enough. The spectral integrity for all methods is preserved better if the original multispectral images are within the spectral range of ETM+ pan image. 相似文献
18.
H. Pande Poonam S. Tiwari Shashi Dobhal 《Journal of the Indian Society of Remote Sensing》2009,37(3):395-408
Image fusion is the combination of two or more different images to form a new image by using a certain algorithm. Despite
the fact that the number and kind of satellite imagery are daily increasing, using fusion techniques, in a proper way, to
eliminate the redundancy in data and increase the quality of data is an important challenge in Remote Sensing Image Processing.
Fusion of multispectral images with a hyperspectral image generates a composite image which preserves the spatial quality
from the high resolution (MS) data and the spectral characteristics from the hyperspectral data. For the present study three
fusion algorithms (Principal Component Transformation, Colour Normalized and Gram-Scmidt Transformation) were analysed for
Hyperion and IKONOS MSS data. Their ability to preserve the spectral quality of fused data, in comparison with original hyper-spectral
image, has been investigated. 相似文献
19.
An Improved Synthetic Variable Ratio (ISVR) fusion method is proposed to merge high spatial resolution panchromatic (Pan) images and multispectral (MS) images based on a simulation of the panchromatic image from the multispectral bands. Compared to the existing SVR (Synthetic Variable Ratio) family methods, the ISVR method manifests two major improvements: a simplified and physically meaningful scheme to derive the parameters necessary as required by SVR, and less computing power. Two sets of IKONOS Pan and MS images: one in urban area and another one in a forest area, were used to evaluate the effectiveness of classification-oriented ISVR method in comparison to the Principal Component Substitution (PCS), Synthetic Variable Ratio (SVR) and Gram-Schmidt Spectral Sharpening (GS) methods that are available in the ENVI software package. Results indicate the ISVR method achieves the best spectral fidelity to facilitate classification compared to PCS, SVR, and GS methods. 相似文献