摘要：针对传统全色图像的特征均衡增强系统一直存在增强处理效果差的问题,提出一种新的全色图像特征均衡增强系统设计方法。该方法首先对全色图像特征均衡增强系统进行硬件平台设计,硬件平台由串行接口、控制接口和以太网接口构建,利用SURF算法对全色图像进行特征提取,采用不同尺度的滤波器和图像卷积得出全色图像的尺度空间,构建全色图像的尺度空间检测图像特征点对其进行直方图均衡化处理,结合直方图均衡化的整体性和细节性优点,使均衡化后的直方图间实现均匀分布,从而完成对全色图像特征均衡增强系统设计。实验结果证明,利用直方图均衡方法能有效地增强全色图像特征均衡的效果,所设计的系统具有很高的应用性,为该领域的研究发展奠定了坚实基础。

摘要：针对全色图像云检测与雪检测的问题,文中提出了一种基于多种纹理特征的特征提取方法。首先,利用自适应的大津阈值分割算法提取云、雪区域。然后,通过分形维数、灰度共生矩阵、小波变换等方法提取云、雪区域的多种纹理特性。最后,利用径向基核函数的支持向量机(Support Vector Machine,SVM)分类器进行云雪自动检测。典型遥感数据的实验结果验证了本文算法的有效性。

摘要：为发挥遥感图像在国防军事、公共安全、环境监测等领域的重要作用,如何融合已配准的高分辨率全色图像与低分辨率多光谱图像的互补信息成为当前研究的重点。尽管近年来全色锐化方法已取得较大进步,但大多数方法仍受到以下限制:一方面,利用Wald协议退化生成不同尺寸图像时会造成信息损失;另一方面,受到网络结构和单一注意力的限制,无法同时利用全局和局部特征。为解决以上问题,本文提出了基于联合注意力的渐进式网络(Pan-sharpening based on multi-attention progressive network),称为MAPNet。在该网络中,首先采用多阶段训练以减小尺寸变化带来的光谱和细节损失。其次设计联合注意力模块,将自注意力、空间注意力和通道注意力结合,实现对全局特征和局部特征、空间特征和通道特征的多模态分析,进一步提高MAPNet对纹理细节的保留能力。在高分二号卫星上进行大量对比实验和消融实验,定性和定量结果表明,本文方法融合效果优于其他10种方法,能够改善光谱失真和细节纹理丢失等问题。

摘要：针对多光谱图像和全色图像融合问题,提出了一种基于稀疏表示的多光谱与全色遥感图像融合新方法。首先对多光谱图像进行IHS变换,得到I亮度分量,然后采用滑动窗口技术对I亮度分量和全色图像分块,利用过完备字典和正交匹配算法(OMP)得到I亮度分量和全色图像的稀疏系数,采用Sigmoid函数对稀疏系数进行融合。文中使用Quick Bird卫星数据验证本文提出方法的有效性。实验结果表明,相比于传统方法,本文方法得到的融合图像具有较好的光谱特性,保留了更多的空间细节信息。

摘要：针对当前遥感图像融合算法中存在的标签图像难获取和光谱畸变等问题,提出一种采用双胞胎结构的半监督遥感图像融合方法.采用了由生成器和鉴别器组成的生成对抗网络结构,其中生成器包含编码器和解码器.首先,对多光谱图像进行放大并转换到HSV空间;将多光谱图像的V通道和全色图像分别送入编码器中的双胞胎网络后,通过卷积层和多重跳层连接模型来提取图像特征;然后,将获得的特征送入解码器进行图像重构;再利用鉴别器对融合后的V通道图像进行鉴别,从而获得最优融合结果;最后,将融合后的V通道与多光谱图像的H,S通道拼接起来获得最终的融合图像.另外,设计了一种复合损失函数进行模型训练.在QuickBird卫星遥感图像数据集上的实验表明,该方法有效提高了融合图像中的空间细节信息和色彩信息,与对比算法相比,其融合图像在主观视觉质量和客观评价指标上都具有一定的优势.

摘要：针对张量积小波不具有对称性,在图像融合中难以获得高空间分辨率图像的问题,文中提出了伸缩矩阵为[2,0;0,2],且具有紧支撑、对称性和正交性的不可分小波的一种构造方法,并把此类小波应用于多光谱图像与高分辨率图像的融合中.利用矩阵扩充方法设计了4通道6×6对称的不可分小波滤波器组,并构造出多组滤波器组,利用此类滤波器组中的低通滤波器对图像进行加性分解与重构;对QuickBird及其它类多光谱图像与高分辨率图像的融合进行了研究,提出了3种融合模式NAWS、NAWRGB和NAWL.对这些模式进行了实验研究,并采用客观性能指标对融合结果图像进行了客观评价.实验结果表明,该方法对多光谱图像与高分辨率图像的融合有较好的融合效果,与张量积小波的融合方法、可分的加性小波融合方法和二通道不可分加性小波融合方法相比,该方法在保持图像的高空间分辨率方面有优越的性能,能从原图像中获得更多的信息.同时该方法又能保持较好的多光谱信息.

摘要：针对基于非下采样不可分小波图像融合方法空间分辨率不高、基于张量积小波融合方法会出现方块效应的不足,提出了一种基于伸缩矩阵为[1,1;1,-1]的二通道采样不可分小波的多光谱图像和全色图像融合方法.利用矩阵扩充方法,构造了一组新的不可分低通滤波器和高通滤波器组,利用所设计滤波器组分别对多光谱图像的亮度分量和全色图像作下采样的多尺度不可分小波分解,分别对分解后的低频子图像和高频子图像按不同的融合规则进行融合.实验结果表明,其保持光谱信息的能力和保持空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法、基于IHS-DWT的融合方法、基于IHS-Contourlet变换的融合方法、基于IHS-Curvelet变换的融合方法、SRF方法都强,与基于非下采样的二通道不可分正交小波和不可分双正交小波融合方法相比,该方法能保持较好的整体光谱信息和较高的空间分辨率信息.

摘要：提出了一种伸缩矩阵为[1,1;1,-1]的二通道不可分小波滤波器组的构造方法,并把它应用于多光谱图像与高分辨图像的融合中.设计出多组不可分4×4小波滤波器组,并提出了一种基于该类小波的多光谱图像融合算法.利用所设计滤波器分别对多光谱图像的亮度分量和全色图像作多尺度小波分解,选取参数对分解后的低频分量进行调节融合.实验结果表明,该方法能较好地保持多光谱信息和高分辨率信息,其保持光谱信息的能力和保持高分辨率信息的能力比基于张量积离散小波帧变换(DWFT)的融合方法和基于改进的IHS变换的融合方法都强,当t值较大时,融合结果图像含有较丰富的光谱信息.与基于4个通道小波的图像融合方法相比,该方法可节约一半的运算量.

摘要：为了保持高光谱（HS）超分辨率重建过程中的频谱一致性和边缘锐度，提出一种基于空间谱结合非局部相似性的超分辨率重建算法。首先，使用HS图像生成模型，采用稀疏正则化解决全色（PAN）图像和HS图像重建的病态问题求逆；然后分析了从高空间分辨率到低空间分辨率数据生成的丰度系数映射；最后利用非局部相似性，设计空间谱联合正则化项。使用机栽可见光／红外成像光谱仪（AVIRIS）和Hyperion图像测试该算法，实验结果表明，提出的算法重建图像在PSNR，SSIM和FSIM方面明显高于其他优秀算法，在SAM和ERGAS方面明显低于其他优秀算法，在光谱失真方面丢失最少，仪有2％～3％，低于其他算法30％左右，且重建效果更加清晰自然。

摘要：多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法。利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切波逆变换和亮度-色度-饱和度逆变换得到融合图像。与6种典型融合方法通过9种包含光谱和空间质量评价的指标进行比较,实验结果表明:本文方法在主观视觉效果和客观评价方面都达到了极好效果,在提升空间分辨率的同时有效的保留了光谱信息。