基于生物光学模型的水体多源遥感图像融合算法研究

针对内陆湖泊水环境遥感监测缺乏合适数据源这一问题,基于水体生物光学模型与传统图像融合算法,开发了一种适用于复杂内陆二类水体的生物光学融合(BOF)算法,用于融合多光谱数据和高光谱数据。利用Hyperion数据生成模拟数据集进行算法验证,并将实验结果与小波变换算法、Gram-Schmidt变换算法和色彩标准化算法分别进行对比,结果表明:从视觉效果来看,BOF算法较好地融合了高光谱数据的色彩信息和多光谱数据的空间细节信息;从图像精度指标来看,BOF算法不仅在多种分辨率差异下都得到最好的精度,且精度对分辨率差异不敏感;在叶绿素a浓度估算实验中,BOF算法也得到了最优的效果,均方根误差(RMSE)为9.817,其他三种算法的RMSE分别为18.841、15.913和15.655。新算法有较强的应用潜力,有望为内陆二类水体遥感监测提供更合适的数据源。     

浑浊二类水体的高分四号卫星大气校正效果分析

高分四号卫星是我国首颗高空间分辨率地球静止卫星,在浑浊二类水体的遥感定量监测方面应用潜力很大。为评价高分四号多光谱数据经大气校正后水体反射率的精度,以太湖为研究区,使用同步MODIS数据辅助的Gordon单次散射改进算法,对2016年7月21日和2016年8月17日两景高分四号多光谱数据进行大气校正,并通过与地面同步实测光谱数据、以及地球静止水色卫星GOCI数据大气校正结果的协同比对,验证高分四号多光谱数据的大气校正效果,为该卫星产品的水色遥感应用提供借鉴和参考。结果表明,红光B4波段校正精度最高,平均绝对误差(MAPE)为10.71%;绿光B3波段校正精度次高,MAPE为13.21%;近红外B5波段校正精度次低,MAPE为33.06%;蓝光B2波段校正精度最低,MAPE为53.55%。其中B3,B4和B5波段校正精度高于GOCI,主要原因在于高分四号的空间分辨率远高于GOCI,混合像元导致的精度误差相对较小,充分显示了高分四号作为一颗高空间分辨率地球静止卫星在水色遥感方面的优势;而B2波段低于GOCI,表明高分四号的蓝光波段尚有改进空间,今后有必要对该波段进行重新定标等处理;在未得到有效处理的情况下,水色遥感应用应尽量避开该波段。总体而言,高分四号多光谱数据校正精度较高,可以较好的应用于内陆二类浑浊水体的定量遥感监测。     

结合深度学习的非下采样剪切波遥感图像融合

遥感图像融合是指将不同传感器得到的具有不同观测特性的图像信息有选择、有策略地结合起来,以得到具有更优观测特性的新图像的方法。提出一种深度学习结合非下采样剪切波变换(NSST)的遥感图像融合算法,利用改进的超分辨率重建网络对多光谱图像(MS)进行空间分辨率增强,全色图像(PAN)参考重建后的多光谱图像的每个分量进行直方图匹配。将对应通道的图像进行NSST变换,分别得到低频子带和若干高频子带。低频子带通过使用基于梯度域的自适应加权平均规则来获得低频融合系数,高频子带采用局部空间频率最大值规则来获得高频融合系数,最后经逆NSST变换重构获得融合图像。对不同数据集中的City和Inland多光谱图像采用双三次插值方法进行上采样,作者提出算法的通用图像质量指数(UIQI)分别为0.988 6和0.932 1,光谱角映射(SAM)分别为1.872 1和2.143 2。实验结果表明,图像结构更加清晰,保存的光谱信息更加完整,融合图像质量优于对比算法,融合图像更利于人类视觉观察。     

基于Curvelet和2DPCA的遥感图像融合算法

根据图像处理不同算法模型的特点,提出了一种基于Curvelet和2DPCA变换相结合的遥感图像融合算法。首先,对多光谱图像进行2DPCA变换,获得其最佳投影轴集合U及特征向量矩阵Q,按照投影规则将多光谱图像投影到U上,得到各主成分分量Yk;再将与多光谱图像进行过直方图匹配的高分辨率图像投影到Q上,获得其主成分PanM及其它主成分分量,将PanM与Yk分别进行Curvelet变换,得到对应的高、低频系数;然后,根据相应的融合规则,对处理后的系数进行Curvelet逆变换,得到融合子图像;最后,将高分辨率图像的其他主成分分量与融合子图像进行2DPCA逆变换得到融合后图像。应用多光谱图像和高分辨率图像进行了融合实验,并将实验结果与其他方法进行比较。实验结果表明,该方法能够在保持源数据光谱特性的同时,较好的提高空间分辨率。     

基于小波双三次插值提高光学遥感图像空间分辨率的研究

为了尽可能的保持光学遥感图像的原始信息,提高图像的空间分辨率,有利于对图像的细节信息进行观察分析,本文提出了小波双三次插值方法,并将其应用于提高光学遥感图像空间分辨率.实验结果表明,该算法得到了比全小波插值和小波双线性插值更高的峰值信噪比和更好的图像细节效果,是一种适合提高光学遥感图像分辨率的有效算法.     

结合多元经验模态分解和加权最小二乘滤波器的遥感图像融合

为了提高多光谱图像的空间分辨能力的同时更大程度地保持光谱信息,提出了结合多元经验模态分解和加权最小二乘滤波器的遥感图像融合方法.多元经验模态分解解决了传统的基于单变量经验模态分解的遥感图像融合方法中多光谱图像的亮度分量和全色图像分解出的子图像频率不匹配导致融合图像空间细节信息缺失问题,加权最小二乘滤波器可以精确地估计出源图像的低频信息继而得到高频信息,减小了传统的经验模态分解方法估计的高频信息中混有低频成分而导致的光谱失真问题.将两者的优点结合,采用不同的融合规则得到的融合图像在空间细节和光谱信息的保持度较好.选取多组不同卫星数据进行仿真实验,并与结合多元经验模态分解和àtrous小波变换的方法以及基于加权最小二乘滤波器的遥感图像融合方法等方法进行比较,实验结果表明本文方法在光谱质量和空间分辨率方面都取得了很好的性能.     

基于非采样Contourlet变换的遥感图像融合算法

为了使融合后的多光谱图像在尽可能保持原始多光谱图像光谱特性的同时,显著提高空间分辨力,提出了一种基于非采样Contourlet变换(NSCT)的遥感图像融合算法。算法首先对全色波段图像进行非采样Contourlet变换,得到全色波段图像的低频子带系数和各带通方向子带系数;然后针对多光谱图像的每一个波段,将其进行双线性插值后作为融合后多光谱图像的低频子带系数,对全色波段图像的各带通方向子带系数采用基于成像系统物理特性的注入模型(调整系数)进行局部调整后,作为融合后多光谱图像的各带通方向子带系数,从而得到融合后多光谱图像的非采样Contourlet变换系数;最后再经非采样Contourlet逆变换得到该波段具有高空间分辨力的多光谱图像。采用IKONOS卫星遥感图像进行了仿真实验,实验结果表明,该算法在光谱保留和空间质量提高方面优于其它传统的遥感图像融合算法。     

基于方向金字塔框架变换的遥感图像融合算法

为了综合利用多光谱遥感图像与全色遥感图像之间的互补信息,提出了一种方向金字塔框架变换(SPFT),并基于此变换提出了一种遥感图像融合算法。具体融合过程是将多光谱图像的每个波段分别与高分辨力全色图像进行融合,首先将高分辨力全色图像与多光谱图像的待融合波段进行直方图匹配,然后对该波段图像以及直方图匹配后的高分辨力全色图像分别进行方向金字塔框架变换分解,融合过程就是对两图像方向金字塔框架变换分解后的系数进行组合,最后对组合后的系数进行方向金字塔框架逆变换即可得到该波段图像与高分辨力全色图像的融合图像。实验结果表明该算法在性能上优于基于亮度-色调-饱和度(1HS)的彩色空间变换以及基于离散小波框架变换(DWFT)的遥感图像融合方法,尤其对源图像之间存在配准误差的情况。     

基于Shearlet变换的自适应图像融合算法

针对多聚焦图像与多光谱和全色图像的成像特点,结合Shearlet变换具有较好的稀疏表示图像特征的性质,提出了一种新的图像融合规则.并基于此融合规则,提出了基于Shearlet变换的自适应图像融合算法.在多聚焦图像的融合算法中,分别对聚焦不同的图像进行Shearlet变换,并基于本文提出的融合规则,对分解后的高低频系数进行融合处理. 通过与多种算法的比较实验证明了本文提出的算法融合的图像具有更高的清晰度和更加丰富的细节信息.在多光谱和全色图像的融合处理中,提出了一种基于Shearlet变换与HSV变换相结合的图像融合方法.该算法首先对多光谱图像作HSV变换,将得到的V分量与全色图像进行Shearlet分解与融合,在融合过程中对分解系数选用特定的融合准则进行融合,最后将融合生成新的分量与H、S分量进行HSV逆变换产生新的RGB融合图像. 该算法在空间分辨率和光谱特性两方面达到了良好的平衡,融合后的图像在减少光谱失真的同时,有效增强了空间分辨率. 仿真实验证明,本文算法融合的图像与传统的多光谱和全色图像融合算法相比,具有更佳的融合性能和视觉效果.     

多光谱与高分辨率图像融合算法研究

提出了一种多光谱与高分辨率图像融合的新算法.该方法将小波的多分辨分解与IHS变换相结合,它首先利用高分辨率图像各小波面叠加的边缘信息进行区域划分,再通过融合算子实现分区域融合,最后对融合后的强度分量进行IHS反变换,得到一幅同时具有较好空间分辨率和光谱信息的融合图像.实验结果表明,该方法得到的融合图像优于IHS变换法和小波变换法(WT法).     

基于离散余弦变换的无人机耀斑图像恢复算法

针对当前遥感图像耀斑恢复算法存在的耀斑增益计算误差大,需要近红外波段信息辅助以及自身信息利用不足等缺陷,提出基于水体指数与色度分离法的耀斑检测算法以及基于离散余弦变换的耀斑图像恢复算法。首先使用色度分离法提取图像中疑似耀斑的高亮区域,再通过水体指数结合面积阈值和形态学滤波去除散点和孤立区域,进而实现耀斑区域的精准定位和提取。然后依据图像的保真度和局部平滑度构建优化函数,利用离散余弦变换对遥感图像耀斑区域内部的像元进行迭代求解,最终得到恢复后的图像。最后开展现场飞行实验,实验结果表明所提算法能够精确提取和恢复图像水体耀斑区域,并且恢复后的图像在纹理特征和光谱特征两个方面的效果得以改进。     

基于二代曲波变换与清晰度加权的遥感图像融合算法

为了克服遥感图像融合算法主要是利用单一的能量特征对图像信息实施融合,忽略了光谱特征,导致其存在光谱扭曲等缺陷,提出了基于二代曲波变换与清晰度加权的遥感图像融合算法.利用IHS(Intensity,Hue,Satura-tion)变换对多光谱(MS)图像计算,分割出MS图像的强度(I)成分.利用二代曲波变换(Curvel...     

基于成像系统物理特性的多光谱图像与全色波段图像融合

提出了一种基于成像系统物理特性的多光谱图像与全色波段图像融合算法。该算法采用àtrous小波变换提取全色波段图像的空间细节信息,并将提取的空间信息按照一定的注入模型调整后添加到各波段多光谱图像中去,得到具有高空间分辨力的多光谱图像。注入模型充分考虑了各波段成像传感器的相对光谱响应函数、地表物体对各波段的光谱反射率以及各波段的辐射调整系数等成像系统的物理特性,使融合后的多光谱图像在显著提高空间质量的同时,最大可能地保留了原始多光谱图像的光谱特性。对IKONOS卫星遥感影像的融合实验结果表明,该算法在光谱保留和空间质量提高方面较其它基于小波变换的融合算法都具有更高的性能。     

小波包变换与遥感图像融合

探讨了遥感多光谱与全色波段图像的融合问题.分析了多光谱与全色波段成像机理,提出了一种基于小波包变换的遥感图像融合方法,实验结果表明,该方法可有效综合多光谱与全色波段图像的优点,从而获得具有较高空间分辨率的多谱图像.     

基于清洁水体像元法的环境-1A卫星CCD水体图像大气校正

环境卫星(HJ-1A/B)的CCD图像数据在内陆水环境遥感监测中具有很大的潜力,但它的大气校正的精度是影响其定量化应用的重要因素.文章以上海淀山湖地区HJ-1A卫星搭载的CCD1多光谱数据为应用实例,首先实现了瑞利散射的精确计算,在气溶胶散射的计算中,由于内陆湖泊Ⅱ类水体的光学特性,致使环境星CCD数据的近红外波段的离...     

基于高/多光谱图像空天一体融合仿真方法

提出了一种基于高/多光谱图像的空天一体融合仿真方法. 以航空高光谱数据为基础, 根据航天多光谱遥感相关参数, 通过空天一体光谱维变换、尺度空间变换、辐射强度变换、混合像素变换和噪声变换将 航空高光谱图像中的地物目标进行空天一体映射到航天多光谱图像中, 得到特定地物目标的航天多光谱融合模拟仿真图像. 仿真实验表明该方法简便易行, 有效地减少了地物目标的三维建模和探测器响应建模的巨大工作量, 较好地实现了对特定地物目标航天多光谱图像的模拟, 开拓了遥感图像仿真模拟方法的新领域, 具有重要的研究和应用价值. 关键词： 遥感图像 空天一体 融合仿真 光谱维变换     

基于生物光学模型的水体叶绿素浓度反演算法

文章提出了一种基于生物光学模型的二类水体叶绿素浓度反演算法.本算法根据生物光学模型,利用一系列已知各组分浓度的反射光谱计算各组分的吸收和后向散射系数,然后采用非负最小二乘法解得叶绿素浓度.研究是在实验室内进行了绿藻的培养,且在暗室内测定了具有不同叶绿素和非藻类悬浮物浓度的水体样本的反射光谱.并把实验室测得的反射光谱重采样到Landsat TM对应的波段以检验该算法在TM数据中的适用性,同时比较了利用不同TM波段组合反演叶绿素浓度和非藻类悬浮物浓度的精度.结果表明,对于绿藻而言,利用TM第二、三、四波段反射率数据的组合反演时的效果最好,叶绿素浓度反演结果的均方根误差为4.7 ug·L-1,其精度明显优于传统的回归分析算法.     

基于二代Curvelet变换耦合显著判定机制的遥感图像融合算法北大核心CSCD

为了解决遥感图像融合方法在信息融合过程中因忽视了图像中的显著内容而导致融合图像的空间特征不理想的问题,提出了二代Curvelet变换耦合显著内容判定机制的遥感图像融合算法。借助HSV变换,计算多光谱(MS)图像的明度(V)分量;再采用二代Curelet变换对全色图像以及V分量进行计算,输出二者对应的频域子带。采用图像的幅度谱特征,计算出图像的显著信息,通过对图像进行分块,以分块图像的显著信息为依据,建立显著内容判定机制,根据分块图像的显著值,采用不同的方法来融合低频子带。最后,利用图像的梯度值,构造细节测度因子,以计算出图像的细节信息,实现高频系数的融合。实验结果显示,相对于已有的遥感融合方案而言,所提算法的融合图像拥有更好的光谱等特征,呈现出更高的标准差和相关系数值。     

近红外波段二类水体悬浮物生物光学反演模型研究

通过野外高光谱仪对二类混浊水体进行光谱测量,分析了400～1 200 nm范围内的水体光谱特性。显示高浓度悬浮物含量对水体总的反射率贡献较大,在近红外波段处的808和1 067 nm存在较为明显的悬浮物反射峰。基于对水体固有光学特性参数在近红外波段范围内的简化条件,建立了反演悬浮物浓度的生物光学模型经验公式,并通过与线性和指数反演公式的对比,进行了模型反演精度评价。分析结果表明,基于近红外波段的生物光学模型反演精度较高,可有效地提取二类混浊水体的悬浮物浓度信息。     

基于双正交小波变换耦合区域梯度特征的遥感图像融合算法

当前较多遥感图像融合算法是利用主成分分析方法来完成遥感图像的融合,由于主成分分析方法融合后的图像会产生光谱畸变,易导致所融合图像存在光谱失真的问题。对此,设计了一种采用双正交小波变换耦合区域梯度特征的遥感图像融合算法。对多光谱图像进行色调-饱和度-亮度变换,以获取多光谱图像的亮度分量,引入双正交小波变换将该亮度分量与全色图像进行小波域分解,以获取图像的低频与高频子带;通过低频子带中像素点的区域梯度特征构造均值梯度模型,用于求取低频子带融合系数,利用高频子带中像素点对应的区域方差构造相似度因子,用于求取高频子带融合系数;通过色调-饱和度-亮度与双正交小波的逆变换获取所融合遥感图像。仿真实验结果显示,所设计方法与当前遥感图像融合方法相比,融合的遥感图像具有更好的视觉效果。