地球观测1号高光谱与全色图像融合的最佳方法

doi:10.11772/j.issn.1001-9081.2014.08.2365

计算机应用 ›› 2014, Vol. 34 ›› Issue (8): 2365-2370.DOI: 10.11772/j.issn.1001-9081.2014.08.2365

地球观测1号高光谱与全色图像融合的最佳方法

林志垒,晏路明

福建师范大学地理科学学院，福州350007

收稿日期:2014-02-26 修回日期:2014-04-12 出版日期:2014-08-01 发布日期:2014-08-10
通讯作者: 林志垒
作者简介:林志垒（1976-），女，福建长乐人，副教授，博士，主要研究方向：遥感与地理信息系统；晏路明（1951-），男，湖南浏阳人，教授，博士生导师，主要研究方向：自然地理、系统工程、地理信息系统应用。

Best fusion method of hyperspectral and panchromatic imagery based on Earth Observing-1 satellite

LIN Zhilei,YAN Luming

College of Geographical Sciences, Fujian Normal University，Fuzhou Fujian 350007, China

Received:2014-02-26 Revised:2014-04-12 Online:2014-08-01 Published:2014-08-10
Contact: LIN Zhilei

摘要/Abstract

摘要：

受制于成像原理及制造技术等因素，航天高光谱遥感图像的空间分辨率相对较低，为此提出将高光谱图像与高空间分辨率图像进行融合处理，设计最佳的增强高光谱遥感图像空间分辨率的融合算法。针对地球观测1号(EO-1)Hyperion高光谱图像和高级陆地成像仪（ALI）全色波段图像的特点，从9种具体遥感图像融合算法中选用4种融合算法开展山区与城市的数据融合实验，即Gram-Schmidt光谱锐化融合法、平滑调节滤波(SFIM)变换融合法、加权平均法（WAM）融合法和小波变换（WT）融合法，并分别从定性、定量和分类精度三方面对这些方法的融合效果进行综合评价与对比分析，从而确定适合EO-1高光谱与全色图像融合的最佳方法。实验结果显示：从图像融合效果看，在所采用的4种融合方法中，Gram-Schmidt光谱锐化融合法的效果最好；从图像分类效果看，基于融合图像的分类效果要优于基于源图像的分类效果。理论分析与实验结果均表明：Gram-Schmidt光谱锐化融合法是一种较为理想的高光谱与高空间分辨率遥感图像的融合算法，为提高高光谱遥感图像的清晰度、可靠性及图像的地物识别和分类的准确性提供有力的支持。

Abstract:

Subject to the imaging principle, manufacturing technology and other factors, the spatial resolution of spaceborne hyperspectral remote sensing imagery is relatively low. Therefore, the thesis proposed the image fusion of hyperspectral imagery and high spatial resolution imagery, and designed the best fusion algorithm to enhance spatial resolution of hyperspectral remote sensing imagery. According to the characteristics of Earth Observing-1 (EO-1) Hyperion hyperspectral imagery and Advanced Land Imager (ALI) panchromatic imagery, 4 kinds of fusion algorithms were selected to carry out a comparative study of the image fusion effect for the city and mountain regions from 9 kinds of remote sensing image fusion algorithms, namely Gram-Schmidt spectral sharpening fusion method, transform fusion method of Smoothing Filter-based Intensity Modulation (SFIM), Weighted Average Method (WAM) fusion method and Wavelet Transformation (WT) fusion method. And it carried out the comprehensive evaluation and analysis of the image fusion effect from 3 aspects of qualitative, quantitative and classification precision, which aims to determine the best fusion method for EO-1 hyperspectral imagery and panchromatic imagery. The experimental results show that: 1) from the image fusion effect, Gram-Schmidt spectral sharpening fusion method is the best in 4 kinds of fusion methods used; 2) from the image classification effect, the classification results based on the fusion image is better than the classification results based on the source image. The theoretical analysis and experimental results show that Gram-Schmidt spectral sharpening fusion method is an ideal fusion algorithm for hyperspectral imagery and high spatial resolution imagery, and it can provide powerful support to improve the clarity of hyperspectral remote sensing imagery, the reliability and the accuracy of the image object recognition and classification.

中图分类号:

林志垒晏路明. 地球观测1号高光谱与全色图像融合的最佳方法[J]. 计算机应用, 2014, 34(8): 2365-2370.

LIN Zhilei YAN Luming. Best fusion method of hyperspectral and panchromatic imagery based on Earth Observing-1 satellite[J]. Journal of Computer Applications, 2014, 34(8): 2365-2370.

参考文献

［1］ZHANG B. Hyperspectral data mining supported by temporal and spatial information ［J］. Beijing: Chinese Academy of Sciences, Institute of Remote Sensing Applications, 2002.（张兵.时空信息辅助下的高光谱数据挖掘［D］.北京：中国科学院遥感应用研究所，2002.）
［2］ZHAO Y. Analysis principles and methods of remote sensing applications ［M］. Beijing: Science Press, 2003.（赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003.）
［3］EHLERS M. Multisensor image fusion techniques in remote sensing ［J］. ISPRS Journal of Photogrammetry and Remote Sensing, 1991, 46(1): 19-30.
［4］SIMONE G, FARINA A, MORABITO F C, et al. Image fusion techniques for remote sensing applications ［J］. Information Fusion, 2002, 3(1): 3-15.
［5］CLAYTON D G. Gram-Schmidt orthogonalization ［J］. Applied Statistics, 1971, 20(3): 335-338.
［6］LABEN C A, BROWER B V. Process for enhancing the spatial resolution of multispectral imagery using Pan-sharpening: USA, 6011875 ［P］. 2000-01-04.
［7］LI C, LIU L, WANG J, et al. Comparison of two methods of fusing remote sensing images with fidelity of spectral information ［J］. Journal of Image and Graphics, 2004, 9(11): 1376-1385.（李存军，刘良云，王纪华，等.两种高保真遥感影像融合方法比较［J］.中国图象图形学报，2004，9（11）：1376-1385.）
［8］LIU J G. Smoothing filter-based intensity modulation: a spectral preserve image fusion technique for improving spatial details ［J］. International Journal of Remote Sensing, 2000, 21(18): 3461-3472.
［9］XU H. Classification of fused imagery base on the SFIM algorithm ［J］. Geomatics and Information Science of Wuhan University, 2004, 29(10): 920-923.（徐涵秋.基于SFIM算法的融合影像分类研究［J］.武汉大学学报：信息科学版，2004，29（10）：920-923.）
［10］TONG Q, ZHANG B, ZHENG L. Hyperspectral remote sensing—principles, techniques and applications ［M］. Beijing: Higher Education Press, 2006.（童庆禧，张兵，郑兰芬.高光谱遥感——原理、技术与应用［M］.北京：高等教育出版社，2006.）
［11］QIN Q, YANG Z. Practical wavelet analysis ［M］. Xi'an: Xidian University Press, 1994.（秦前清，杨宗凯.实用小波分析［M］.西安：西安电子科技大学出版社，1994.）
［12］MAN W, YUAN Y, HUANG Y. A new remote sensing fusion algorithm based on curvelet transform ［J］. Journal of Yangtze University: Natural Science Edition, 2010, 7(2): 70-73.（满旺，袁莹，黄于同.一种基于曲波变换的遥感图像融合新算法［J］.长江大学学报：自然科学版，2010，7（2）：70-73.）
［13］U.S. Geological Survey. Earth Observing 1 (EO-1) ［EB/OL］. ［2011-11-13］. http://eo1.usgs.gov.
［14］WU P. From Earth Observing-1 satellite to see the new satellite technology in the 21st century ［J］. International Space, 2001(8): 10-16.（吴培中.从地球观测-1卫星看21世纪卫星新技术［J］.国际太空，2001（8）：10-16.）
［15］UNGAR S G, PEARLMAN J S, MENDENHALL J A, et al. Overview of the Earth Observing One (EO-1) mission ［J］. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(6): 1149-1159.
［16］TOET A. Multiscale contrast enhancement with applications to image fusion ［J］. Optical Engineering, 1992, 31(5): 1026-1031.
［17］LIU T, CHENG J. Remote sensing image fusion with wavelet transform and sparse representation ［J］. Journal of Image and Graphics, 2013, 18(8): 1045-1053.（刘婷，程建.小波变换和稀疏表示相结合的遥感图像融合［J］.中国图象图形学报，2013，18（8）：1045-1053.）
［18］DU P, LIU S. Change detection from multi-temporal remote sensing images by integrating multiple features ［J］.Journal of Remote Sensing, 2012, 16(4): 663-677.（杜培军，柳思聪.融合多特征的遥感影像变化检测［J］.遥感学报，2012，16（4）：663-677.）
［19］HAN B, ZHAO Y, GE L. Wavelet-domain HMT model based on iterative context fusion for remote sensing image segmentation ［J］. Acta Geodaetica et Cartographica Sinica, 2013, 42(2): 233-238.（韩冰，赵银绨，戈乐乐.遥感图像分割的迭代上下文融合小波域HMT模型［J］.测绘学报，2013，42（2）：233-238.）

[1]	宋中山, 梁家锐, 郑禄, 刘振宇, 帖军. 基于双向门控尺度特征融合的遥感场景分类[J]. 计算机应用, 2021, 41(9): 2726-2735.
[2]	孙潇, 徐金东. 基于级联生成对抗网络的遥感图像去雾方法[J]. 计算机应用, 2021, 41(8): 2440-2444.
[3]	李学明吴国豪周尚波林晓然. 基于分数阶网络和强化学习的图像实例分割模型[J]. 计算机应用, 0, (): 0-0.
[4]	陶冶许文海徐鲁强郭富城蒲海波陈广同. 基于人工欠曝光融合和白平衡技术的水下图像增强[J]. 计算机应用, 0, (): 0-0.
[5]	吴蕾, 杨晓敏. 改进的基于通道注意力反馈网络的遥感图像融合算法[J]. 计算机应用, 2021, 41(4): 1172-1178.
[6]	王新生孙润德姚统. 基于相位一致性的遥感图像匹配方法[J]. 计算机应用, 0, (): 0-0.
[7]	周思羽, 包国琦, 刘凯. 低通滤波下约束对数强度熵的图像渐晕校正[J]. 计算机应用, 2020, 40(6): 1812-1817.
[8]	张凯琳, 阎庆, 夏懿, 章军, 丁云. 基于焦点损失的半监督高光谱图像分类[J]. 计算机应用, 2020, 40(4): 1030-1037.
[9]	徐景中王佳荣. 一种基于线特征及ICP算法的地基建筑物点云自动配准方法[J]. 计算机应用, 0, (): 0-0.
[10]	牟琦, 唐洋, 李占利, 李洪安. 基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法[J]. 计算机应用, 2020, 40(1): 239-244.
[11]	王文卿, 刘涵, 谢国, 刘伟. 改进空间细节提取策略的分量替换遥感图像融合方法[J]. 计算机应用, 2019, 39(12): 3650-3658.
[12]	李登刚, 陈香香, 李华丽, 王忠美. 基于超像素的流形正则化稀疏约束NMF混合像元分解算法[J]. 计算机应用, 2019, 39(10): 3100-3106.
[13]	张宇波, 张亚东, 张彬. 基于灰度梯度共生矩阵的桌面灰尘检测算法[J]. 计算机应用, 2019, 39(8): 2414-2419.
[14]	王玉龙, 蒲军, 赵江华, 黎建辉. 基于生成对抗网络的地面新增建筑检测[J]. 计算机应用, 2019, 39(5): 1518-1522.
[15]	吴宗骏, 吴炜, 杨晓敏, 刘凯, Gwanggil Jeon, 袁皓. 改进的基于稀疏表示的全色锐化算法[J]. 计算机应用, 2019, 39(2): 540-545.

地球观测1号高光谱与全色图像融合的最佳方法

Best fusion method of hyperspectral and panchromatic imagery based on Earth Observing-1 satellite

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics