共查询到10条相似文献，搜索用时 351 毫秒
1.
探讨了遥感多光谱与全色波段图像的融合问题，分析了基于IHS变换的小波包变换分解的遥感图像融合方法，提出了基于最优树分解的融合方法。此方法首先将多光谱图像进行IHS变换，然后对I分量和全色图像进行小波包分解和最优树分解，再进行融合，最后进行IHS 逆变换得到融合图像。此方法不仅得到较好的图像主观视觉效果，而且兼顾了客观上熵最大的原则。 相似文献
2.
针对多光谱图像与全色图像的融合,提出了基于IHS变换和小波包变换的遥感图像融合新方法.该方法首先对多光谱图像作IHS变换得到3个分量:亮度I、色度H和饱和度S;其次利用小波包变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后作IHS反变换得到新的多光谱图像.实验分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法,在保留多光谱图像光谱信息的基础上,增强了融合图像的空间细节表现能力. 相似文献
3.
基于小波包变换与IHS变换的遥感图像融合 总被引：10，自引：0，他引：10
针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。 相似文献
4.
5.
本文讨论了IHS彩色变换和主成分变换在苏州市TM多波段图像信息提取研究中的应用效果。研究表明,地物在多波段数据的彩色合成图像上具有较为稳定、特征的色调信息。利用苏州市水体、植被、城镇三大类地物的色调特征对TM_3(红)、TM_4(绿)、TM_5(蓝)彩色合成图像的色调成分H作了伪彩色密度分割,准确地反映了它们的分布状况。在主成分图像的IHS反变换彩色合成图像上,主成分的信息内容得到了定量、形象直观的反映,苏州市新旧城区的光谱差异、该市现状以及现代城市规划特点得到了清晰的显现。水稻、菜地、山地之间的光谱差异也得到明显的增强。主成分变换和彩色变换相结合,为多波段数据信息提取提供了一种新的方法。 相似文献
6.
7.
为了提高多光谱图像和全色图像的融合质量, 提出一种基于推广的IHS(Generalized Intensity-Hue-Saturation,
GIHS)变换与最大后验概率MAP(Maximum a Posteriori)相结合的遥感图像融合算法。该算法首先经过GIHS 变换,
由多光谱图像得到强度分量; 其次针对强度分量和全色图像, 通过MAP 构建高分辨率图像的成像模型, 采用最速下
降优化算法得到富含光谱信息的高分辨率全色图像; 进而依据GIHS 变换得到融合图像。实验中分别以IKONOS 卫
星、Quickbird 卫星的多光谱图像和全色图像为例, 进行融合算法验证, 并与GIHS 融合算法、传统的小波变换融合
算法、小波变换结合IHS 变换的融合算法等进行比较分析, 实验表明, 新的融合方法具有更好的融合效果。 相似文献
8.
针对SAR图像和多光谱图像提出了一种基于NSCT与IHS变换的图像融合方法。首先对多光谱图像进行IHS变换;然后对SAR图像和多光谱图像的I分量分别进行NSCT分解,在不同频域子带系数选择时,针对高频系数和低频系数分别采用不同准则进行融合得到新的I分量;最后经IHS逆变换得到融合图像。为验证算法性能,分别选用2组不同空间分辨率比的SAR与多光谱图像开展融合实验,采用信息熵、平均梯度、相关系数等客观指标与主观评价相结合的方式,对融合结果进行分析。结果表明,该方法优于传统融合方法。 相似文献
9.
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