共查询到20条相似文献,搜索用时 46 毫秒
1.
陈丹 《赤峰学院学报(自然科学版)》2011,27(3):44-46
在多尺度分解的框架下,对像素级的多源图像融合,提出一种基于低通滤波与小波变换的图像融合算法.先将低空间分辨率的多光谱图像插值,使之具有与高空间分辨率全色图像相同的分辨率,然后再对多光谱图像低频分量和全色图像低频分量进行融合处理,得到一幅具有高空间分辨率的多光谱图像.将全色图像的低频分量和多光谱图像的低频分量进行融合,以达到增强光谱图像的低频分量空间特性效果. 相似文献
2.
以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级融合为例,详细地总结了小波分析在卫星多源遥感图像融合领域的融合模型及其优缺点,重点分析了各种常见小波变换融合方法的原理和应用条件,并归纳了用小波变换融合图像的基本步骤及其结果的主客观评价标准,最后讨论了小波分析在像素级融合目前存在的问题和结论。 相似文献
3.
为了将低分辨率多光谱图像和高分辨率全色图像有效地融合,提出了主成分分析(PCA)变换和提升小波相结合的融合方法。小波提升后选用不同的融合规则对高低频成分进行融合,并与PCA+DWT和HSV+LWT融合法进行了比较,实验结果表明,该方法较好地保留了多光谱图像的光谱特性,提高了空间分辨率。 相似文献
4.
给出了基于压缩感知的全色和多光谱图像融合方法.分块压缩感知实现速度快、存储需求小,为海量遥感数据的压缩测量提供了有效策略.同时,利用小波变换的多分辨率特性,实现了压缩采样的多尺度融合.最后采用全变分技术重构融合图像.实验结果表明,与传统小波融合方法相比较,所提方法融合结果具有更高的空间分辨率和更好的光谱相关性. 相似文献
5.
针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替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。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。 相似文献
6.
Contourlet变换比小波变换更适宜表达图像的各向异性的直线、曲线和边界特征,能有效地捕捉图像的几何结构信息。与Contourlet变换相比,非下采样Contourlet变换不仅具有多尺度、多方向特性,同时还具备平移不变性。本文提出了一种新的基于Contourlet变换和IHS变换的全色影像与多光谱影像的融合方法,并将IKONOS影像数据应用于融合实验来验证方法的有效性,结果表明本文方法在较好地保持多光谱影像光谱信息的同时增强了融合图像的空间细节表现能力,优于IHS和基于小波变换的IHS融合方法。 相似文献
7.
对比HIS变换,小波变换结合HIS变换方法对一景WorldView 2多光谱图像进行像素级融合。对WorldView 2多光谱图像进行HIS变换,对亮度分量I和全色波段图像进行3层小波分解,并用全色波段图像第3层的3个高频小波系数图像替换亮度分量I第3层的3个高频小波系数图像。再通过小波逆变换重构亮度分量I,利用HIS逆变换得到融合图像,最后采用目视判读评价融合效果。结果表明,相较于HIS变换方法,采用小波变换结合HIS变换方法能使WorldView 2多光谱图像在融合后实现多光谱信息保真,同时融入全色波段图像空间纹理结构特征,提高图像细节表达能力,改善目视判读效果。 相似文献
8.
图像超分辨率是一种采用软件算法提高图像空间分辨率的技术,由于传统超分辨率方法超清程度有限,基于深度学习的图像超分辨率方法成为研究者们近年来的研究重点。基于生成对抗网络(GAN)的图像超分辨率方法,在其网络模型结构基础上增加批处理归一化(BN)层以提升网络收敛速度、加强网络训练稳定性,更改上采样层网络并对损失函数作相应修改。在网络训练过程中,选择当前比较通用的Adam优化器。实验结果表明,该方法具有很好的超分辨率图像重建能力,且在训练过程中训练稳定性得到提升,收敛速度也有所加快。 相似文献
9.
10.
提出一种基于深度学习的高光谱图像多标签分类算法。采用深度学习算法中的堆叠降噪自动编码器方法对每个像素的深层特征进行抽取,该方法可以有效表现高维特征空间中的非线性混合像素。使用多标签逻辑回归方法为每个像素预测并分配多个类标签。通过对合成数据和实际高光谱数据的大量对比实验,实验结果表明:该算法能够有效地为高光谱图像的像素精确地分配多类标签。 相似文献
11.
特征-决策层多分类器融合的知识发现方法 总被引:1,自引:0,他引:1
为进一步提高多分类器系统的分类性能,提出了一种基于知识发现的特征决策层多分类器融合新方法.各分类器工作于具有互补分类信息的不同特征空间且其类型由不同的类间可分性度量决定.各分类器输出的不确定性度量从建立的多个决策表中导出,并具有条件mass函数的形式.进而基于广义粗集模型和Dempster-Shafer理论(DST)构造了一种新颖的特征决策层融合框架.高光谱遥感图像的分类实验表明,与多数表决融合(PV)相比,所提出的方法可有效提高多分类器系统的分类性能. 相似文献
12.
卫星遥感器在成像过程中受到大气和成像系统的光学、探测器和电子学子系统等的影响,引起成像退化作用,造成图像模糊,降低了图像中信息的提取能力。图像恢复技术可以改善图像的质量,提高图像信息提取能力。其中,高精度成像系统调制传递函数(MTF)是高质量图像恢复的基本条件。本文介绍了成像过程中系统MTF在轨运检测方法及图像退化模型的构建机理,从空间域和频率域两个角度计算MTF并将其应用于退化图像暨全色和对应的多光谱影像复原试验,试验结果验证了两种方法的可行性。但是,从另一角度考虑暨根据图像的退化方程,又考虑到成像过程中系统所产生的噪声的影响,基于调制传递函数MTF并结合频率域维纳滤波的算法是更为有效的复原方法。 相似文献
13.
提出了基于直方图配准基础上的高分辨率影像融合.以QUICKBIRD全色0.6 m分辨率影像为准,对IKONOS多光谱4 m分辨影像进行几何配准,裁剪出相同区域的影像.对IKONOS影像进行IHS变化,以变化后的I成份影像灰度直方图为准,对QUICKBIRD影像灰度直方图进行配准.将IKONOS多光谱影像的H、S成份和配准后的QUICKBIRD全色影像进行逆IHS变化融合.实例结果表明经过直方图配准后的影像融合更清晰,融合效果更好. 相似文献
14.
为提升水下退化图像的质量,提出了一种基于两阶段注意力机制的快速水下图像增强算法.首先,在特征内采用自注意力机制来加强网络对重要信息的关注.然后,通过交叉注意力机制,将基于物理先验的水下传输图融入网络,以增强网络对质量退化区域的特征表达.最后,从主观和客观标准出发,设计了多项联合损失函数,引导网络获得更好的视觉增强效果.3个基准数据集上的实验结果表明,与5种水下图像增强方法相比,所提方法的峰值信噪比和结构相似性分数更高,性能明显更优.该方法不仅能有效恢复图像颜色和纹理细节,而且具备实时高效的处理速度. 相似文献
15.
为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。 相似文献
16.
高光谱图像具有光谱分辨率高的特点,包含了大量可区分不同地物的光谱信息,在异常目标探测领域具有独特的优势.高光谱的光谱维度较高,容易导致信息冗余,使高光谱图像异常目标与背景不容易被区分出来.为了解决这个问题,提出了一种改进的基于密度峰值背景纯化的高光谱图像异常目标检测算法.通过一个极限学习网络,获得一个低维的特征空间;计算双窗内像元的局部密度,滤除背景中的异常目标获得纯背景集;用协同表示算法进行异常检测,避免对背景进行假设及估计.实验表明该方法AUC值更高,能更好地实现异常目标和背景的分离,有效地对高光谱图像进行异常目标检测,同时部分数据集的检测时间也得到了一定程度的缩短. 相似文献
17.
采用了一种利用HPF滤波进行图像融合的新方法.首先对多光谱图像进行IHS变换,从RGB空间变换到IHS空间,然后在其亮度分量和高分辨率图像之间引入HPF滤波进行直方图的调整,把调整后得到的新亮度分量进行IHS逆变换,最后回到RGB空间.实验结果表明,文中提出的新方法更适于进行多光谱图像和高分辨率图像的融合. 相似文献
18.
高光谱图像是一种具有高光谱分辨率的遥感图像,相比于多光谱图像,具有较多的波段数.这些波段之间存在较强的相关性,因而波段间也存在着冗余性.如何合理减少高光谱图像波段间的相关性,有效去除冗余,就成为高光谱图像处理研究的一个关键问题.基于此,对高光谱图像的相关特性进行了分析和研究. 相似文献
19.
道路作为构成城市格局的骨架,是城市发展过程中更新最快的要素之一,因此,基于数学形态学的ETM+遥感影像的道路信息提取具有重要的现实意义.以合肥市某一地区的ETM+影像为例,提出一种基于HPF融合与数学形态学的方法.首先对原始影像进行预处理,对原始影像的多波段与全色波段影像进行HPF融合,预处理结果得到的RGB图像转换为灰度图像,再转换为二值化图像,然后根据道路的线性特征,运用数学形态学对图像进行去噪(独立斑块及粘连斑块两部分)、膨胀腐蚀、开运算、细化等运算处理,应用此方法能够较完整的得到道路提取的结果,并对该方法进行了验证.实验结果证明:该方法可以较准确、完整地从分辨率遥感影像中提取主干道路网络,剔除非道路地物的影响,具有简单、实用性特点. 相似文献