摘要：由于强大的高质量图像生成能力,生成对抗网络在图像融合和图像超分辨率等计算机视觉的研究中得到了广泛关注。目前基于生成对抗网络的遥感图像融合方法只使用网络学习图像之间的映射,缺乏对遥感图像中特有的全锐化领域知识的应用。该文提出一种融入全色图空间结构信息的优化生成对抗网络遥感图像融合方法。通过梯度算子提取全色图空间结构信息,将提取的特征同时加入判别器和具有多流融合架构的生成器,设计相应的优化目标和融合规则,从而提高融合图像的质量。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法能够生成高质量的融合图像,在主观视觉和客观评价指标上都优于大多先进的遥感图像融合方法。

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：为了提高全色图像和多光谱图像的融合图像的质量,提出一种基于推广的intensity-hue-saturation(GIHS)变换和压缩传感的遥感图像融合方法.首先对低分辨率多光谱图像作GIHS变换得到低分辨率的亮度分量;然后在低分辨率的亮度分量、全色图像和理想的高分辨率亮度分量之间建立压缩传感模型;再利用压缩传感理论恢复出理想的高分辨率亮度分量,并用其代替GIHS变换方法中的全色图像,得到最终的融合图像.高分辨率亮度分量的应用,使得融合图像的光谱失真问题大为改善.以Geoeye-1和QuickBird卫星数据为例的实验结果表明,与传统方法相比,文中方法不仅能够提高多光谱图像的空间分辨率,而且对光谱信息的保持也具有更好的效果.

摘要：针对遥感图像中全色图像与多光谱图像融合问题,提出一种组合优化图像融合方法——COFM.通过HSI变换获取多光谱图像的亮度分量后,采用Contourlet变换对全色图像和多光谱图像的亮度分量进行分解,分别获取其高频和低频子图;对高频子图提取分形特征,采用取最大的融合规则进行融合;对低频子图提取能量特征后采用第二代非支配排序遗传算法选择融合权值;然后使用加权模型对其进行融合.实验结果表明,COFM的融合效果优于传统图像融合方法,能够在提升图像空间分辨率的同时较好地保留光谱信息.

摘要：设计了一种基于引导滤波增强的联合光谱尺度和空间尺度细节注入的自适应遥感图像融合方法。首先,将全色图像作为引导图像,利用引导滤波对多光谱图像分区域处理,锐化纹理丰富区域、平滑光谱丰富区域,得到增强多光谱图像。其次,利用经典成分替换法和多尺度分析法分别提取光谱尺度和空间差异的细节信息,通过互信息整合得到包含双尺度的细节图像。再次,以原始多光谱图像和亮度分量的光谱相关关系、增强光谱图像的边缘信息作为细节图像的注入约束条件,得到细节注入图像。最后,将多光谱图像与联合空间和光谱双尺度的细节注入图像相加得到融合的高分辨率多光谱图像。分别利用IKONOS、QuickBird、WorldView4和高分二号四类遥感数据进行实验,结果表明,与其他融合方法相比,所提方法在主观视觉效果和客观量化指标上均表现出良好的性能,验证了所提方法的有效性。

摘要：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。

摘要：曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析(MGA)方法,具有很强的方向性。结合HSI变换将其应用于全色图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征。首先对多光谱图像进行HSI变换,得到亮度分量I,对全色图像和I分量进行曲波变换得到粗尺度系数和细节尺度系数,对全色图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的全色曲波系数直方图,定义边缘有效因子,利用全色图像的特征信息对融合图像的粗尺度系数进行处理,对细节尺度系数采用函数对弱边缘进行增强,对新的曲波系数设计融合规则进行融合,逆变换后得到新的亮度分量Inew,用Inew替代原亮度分量I进行逆HSI变换得到最终融合结果,采用统计类指标对融合结果进行评价。实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果。

摘要：当前较多遥感图像融合算法主要通过独立像素点的像素特征来完成图像子带的融合,忽略了图像子带的区域相关性,导致融合图像存在不连续以及模糊效应等不足。因此,设计了IHS变换耦合自适应区域特征的遥感图像融合算法。引入IHS(intensity, hue, saturation)变换,对多光谱(MS)图像进行分解获取强度分量,将其与全色(PAN)图像进行融合。再通过非下采样Contourlet变换(NSCT)对PAN图像与强度分量进行子带分解,获取高、低频子带信息。并利用图像的区域能量以及区域空间特征,对低频子带融合模型的调节因子进行自适应整定,使得融合低频子带能够包含更多的空间信息。基于图像的区域方差特征来构建高频子带融合模型,使得融合高频子带能够包含更多的纹理信息。实验结果表明,与当前遥感图像融合算法相比,所提算法的融合图像具有更好地光谱特性以及空间特性。

摘要：为了解决当前较多遥感图像融合方法忽略了图像的对比度特征,使得融合图像存在振铃效应等问题,设计了基于非下采样轮廓波变换耦合对比度特征的遥感图像融合算法。引入HSV(hue,saturation,value)色彩模型,提取出多光谱(MS)图像的V因子。借助非下采样轮廓波变换(NSCT),计算出V因子与全色(PAN)图像的不同系数。随后,利用傅里叶变换来求取图像的显著性因子,并将其与图像的区域能量特征相结合,形成低频系数融合规则,实现低频信息的融合。通过利用图像的标准差信息对图像的对比度特征进行度量,并将其与图像的平均梯度信息相结合,形成高频系数融合规则,实现高频信息的融合。最后,通过逆NSCT对其进行重构,以更新V因子。将更新后的V因子,联合MS图像的H因子和S因子,通过逆HSV色彩模型进行重构,得到融合结果。通过实验发现,较当前遥感图像融合技术而言,所提算法的融合图像具备更高的光谱相关系数值以及信息熵值。

摘要：为了克服当前遥感图像融合方法存在的块现象和光谱扭曲等问题,引入了非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT),设计了一种通过能量相似制约的遥感图像融合算法。利用HSV(hue,saturation,value)变换来处理多光谱(multi-spectral,MS)图像,从MS图像中提取对应的V成分,并通过NSCT变换计算出V成分及全色(panchromatic,PAN)图像的不同图像系数。利用区域能量函数来测量图像所含能量信息,并以图像间能量的相似性为依据,构建低频系数的融合模型,获取具有较好光谱特征的融合低频系数。利用空间频率函数来测量图像所具有的细节特征,以构建高频系数融合模型,获取具有较好清晰度的融合高频系数。最后,借助HSV和NSCT的逆变换,输出融合结果。实验结果表明,较现有融合技术而言,所提算法具有更好的融合效果,输出图像具备更好的光谱特征,有效降低了块效应。