CN109146819A - 一种sar图像去噪及多源遥感数据融合算法 - Google Patents
一种sar图像去噪及多源遥感数据融合算法 Download PDFInfo
- Publication number
- CN109146819A CN109146819A CN201810991636.5A CN201810991636A CN109146819A CN 109146819 A CN109146819 A CN 109146819A CN 201810991636 A CN201810991636 A CN 201810991636A CN 109146819 A CN109146819 A CN 109146819A
- Authority
- CN
- China
- Prior art keywords
- image
- entropy
- fusion
- transformation
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 43
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000002156 mixing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000011160 research Methods 0.000 abstract description 3
- 241001269238 Data Species 0.000 abstract description 2
- 238000011161 development Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 abstract 1
- 238000007499 fusion processing Methods 0.000 abstract 1
- 230000004304 visual acuity Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003556 assay Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
随着遥感技术的发展,可见光、热红外和微波等大量不同卫星传感器对地观测***的应用,获取同一地区的多种遥感影像数据(多时相、多光谱、多传感器、多平台和多分辨率)越来越多,从而引发了世界范围内对多卫星遥感信息融合研究的普遍关注。许多发达国家己在一些重大研究项目中实施信息融合计划,并陆续开发出一些实用性***,一种SAR图像去噪及多源遥感数据融合算法,根据融合的目的选择合适的算法,按照各种算法的原理和步骤进行.在融合过程中每一步变换都有一系列参数的确定或选择,这些都影响着最终的融合结果。需要根据试验区影像的特点、经过一系列试验比较后方可确定,融合影像各分量的熵值都比未经融合处理的原多波段影像的熵值大;融合影像的联合熵值都比原多波段影像的联合熵值大,也就说明了融合使影像的信息量增加。
Description
技术领域
本发明涉及信息采集装置领域,尤其涉及一种SAR图像去噪及多源遥感数据融合算法。
背景技术
随着遥感技术的发展,可见光、热红外和微波等大量不同卫星传感器对地观测***的应用,获取同一地区的多种遥感影像数据(多时相、多光谱、多传感器、多平台和多分辨率)越来越多,从而引发了世界范围内对多卫星遥感信息融合研究的普遍关注。许多发达国家己在一些重大研究项目中实施信息融合计划,并陆续开发出一些实用性***.为追踪国际前沿,我国也不失时机地把信息融合技术列为“863”计划和“九五”规划的研究项目,作为发展计算机技术、空间技术等高新产业领域的关键技术之一。
在遥感应用领域中,单一传感器影像数据通常不能提取足够的信息来满足某些应用的需要,而多传感器***数据通过融合可以得到更多的信息,减少理解的模糊性,提高遥感数据的利用率。与单源遥感影像数据相比,多源遥感影像数据所提供的信息具有冗余性、互补性和合作性。冗余性经过融合处理后能减少***总的不确定性,增加提取特征的精确性,在部分传感器发生错误情况下仍然能保证数据的可靠性。
发明内容
本发明的目的在于克服现有技术存在的以上问题,提供一种SAR图像去噪及多源遥感数据融合算法。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:一种SAR图像去噪及多源遥感数据融合算法,包括采用熵和联合熵对图像的融合效果进行定量分析评价,一幅以8比特位表示的图像x的熵为:
H(x)=-6Pi Log2Pi
,利用KΟL变换矩阵K进行线性组合,而产生一组新的多光谱图像Y,表达式为:
Y=KX(1)式中:X为变换前的多光谱空间的像元矢量;Y为变
换后的主分量空间的像元矢量;K为变换矩阵,是X空间协方差矩阵S x的特征向量矩阵的转置矩阵,为客观地定量评价融合效果,计算了原始多波段图像、主成份变换融合图像和H IS变换融合图像的熵H(x)、联合熵H(x1,x2,x3),计算结果见表2,
TM图像PCA融合图像HIS融合图像
波段号234第一分量第二分量第三分量234
熵5.680 6.281 5.280 7.908 7.893 7.807 7.831 7.857 7.836联合熵14.08917.933 17.807
优选地,
无论采用那种方法进行融合,融合影像各分量的熵值都比未经融合处理的原多波段影像的熵值大;融合影像的联合熵值都比原多波段影像的联合熵值大,也就说明了融合使影像的信息量增加。
本发明的有益效果是:从影像空间分辨力、清晰度看,变换融合的影像
在分辨力、清晰度都较原始多波段图像有很大提高.在融合影像上能清晰分辨出田块边界、道路、居民地轮廓等线性地物和一些小的水体等,这些在原影像上就难以分辨.一些小的水体在原始图像上几乎无法辨认,在融合的图像上则可以清晰的辨认出.
从光谱特征看,融合后的彩色合成图像的色彩整体同原多光谱彩色合成影像相似,但植被在采用主成份变换融合的影像上比采用H IS融合的影像上更容易识别.总体来说,融合后的影像更利于目视解译。
具体实施方式
一种SAR图像去噪及多源遥感数据融合算法,包括采用熵和联合熵对图像的融合效果进行定量分析评价,一幅以8比特位表示的图像x的熵为:
H(x)=-6Pi Log2Pi
,利用KΟL变换矩阵K进行线性组合,而产生一组新的多光谱图像Y,表达式为:
Y=KX(1)式中:X为变换前的多光谱空间的像元矢量;Y为变
换后的主分量空间的像元矢量;K为变换矩阵,是X空间协方差矩阵S x的特征向量矩阵的转置矩阵,为客观地定量评价融合效果,计算了原始多波段图像、主成份变换融合图像和H IS变换融合图像的熵H(x)、联合熵H(x1,x2,x3),计算结果见表2,
TM图像PCA融合图像HIS融合图像
波段号234第一分量第二分量第三分量234
熵5.680 6.281 5.280 7.908 7.893 7.807 7.831 7.857 7.836联合熵14.08917.933 17.807
优选地,
无论采用那种方法进行融合,融合影像各分量的熵值都比未经融合处理的原多波段影像的熵值大;融合影像的联合熵值都比原多波段影像的联合熵值大,也就说明了融合使影像的信息量增加。
本发明的有益效果是:从影像空间分辨力、清晰度看,变换融合的影像
在分辨力、清晰度都较原始多波段图像有很大提高.在融合影像上能清晰分辨出田块边界、道路、居民地轮廓等线性地物和一些小的水体等,这些在原影像上就难以分辨.一些小的水体在原始图像上几乎无法辨认,在融合的图像上则可以清晰的辨认出.
从光谱特征看,融合后的彩色合成图像的色彩整体同原多光谱彩色合成影像相似,但植被在采用主成份变换融合的影像上比采用H IS融合的影像上更容易识别.总体来说,融合后的影像更利于目视解译。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (2)
1.一种SAR图像去噪及多源遥感数据融合算法,其特征在于:采用熵和联合熵对图像的融合效果进行定量分析评价,一幅以8比特位表示的图像x的熵为:
H(x)=-6Pi Log2 Pi,
利用KΟL变换矩阵K进行线性组合,而产生一组新的多光谱图像Y,表达式为:
Y=KX(1)式中:X为变换前的多光谱空间的像元矢量;Y为变换后的主分量空间的像元矢量;K为变换矩阵,是X空间协方差矩阵Sx的特征向量矩阵的转置矩阵,为客观地定量评价融合效果,计算了原始多波段图像、主成份变换融合图像和HIS变换融合图像的熵H(x)、联合熵H(x1,x2,x3),计算结果见表2,
TM图像PCA融合图像HIS融合图像
波段号234第一分量第二分量第三分量234
熵5.680 6.281 5.280 7.908 7.893 7.807 7.831 7.857 7.836联合熵14.08917.933 17.807。
2.根据权利要求1所述的一种SAR图像去噪及多源遥感数据融合算法,其特征在于:无论采用那种方法进行融合,融合影像各分量的熵值都比未经融合处理的原多波段影像的熵值大;融合影像的联合熵值都比原多波段影像的联合熵值大,也就说明了融合使影像的信息量增加。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810991636.5A CN109146819A (zh) | 2018-08-29 | 2018-08-29 | 一种sar图像去噪及多源遥感数据融合算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810991636.5A CN109146819A (zh) | 2018-08-29 | 2018-08-29 | 一种sar图像去噪及多源遥感数据融合算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146819A true CN109146819A (zh) | 2019-01-04 |
Family
ID=64828905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810991636.5A Pending CN109146819A (zh) | 2018-08-29 | 2018-08-29 | 一种sar图像去噪及多源遥感数据融合算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146819A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886904A (zh) * | 2019-01-25 | 2019-06-14 | 北京市遥感信息研究所 | 一种sar图像与低分辨率多光谱图像融合方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853498A (zh) * | 2009-03-31 | 2010-10-06 | 华为技术有限公司 | 图像合成方法及图像处理装置 |
CN101887581A (zh) * | 2010-06-17 | 2010-11-17 | 东软集团股份有限公司 | 图像融合方法及设备 |
CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
CN102194221A (zh) * | 2011-04-14 | 2011-09-21 | 西北工业大学 | 一种用于WorldView-2遥感影像的图像融合方法 |
CN102521815A (zh) * | 2011-11-02 | 2012-06-27 | 薛笑荣 | 影像快速融合***及快速融合方法 |
US20170315203A1 (en) * | 2016-04-29 | 2017-11-02 | Ohio State Innovation Foundation | PERFORATOR PHASE CONTRAST ANGIOGRAPHY (pPCA) |
-
2018
- 2018-08-29 CN CN201810991636.5A patent/CN109146819A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853498A (zh) * | 2009-03-31 | 2010-10-06 | 华为技术有限公司 | 图像合成方法及图像处理装置 |
CN102063710A (zh) * | 2009-11-13 | 2011-05-18 | 烟台海岸带可持续发展研究所 | 一种遥感图像融合增强的实现方法 |
CN101887581A (zh) * | 2010-06-17 | 2010-11-17 | 东软集团股份有限公司 | 图像融合方法及设备 |
CN102194221A (zh) * | 2011-04-14 | 2011-09-21 | 西北工业大学 | 一种用于WorldView-2遥感影像的图像融合方法 |
CN102521815A (zh) * | 2011-11-02 | 2012-06-27 | 薛笑荣 | 影像快速融合***及快速融合方法 |
US20170315203A1 (en) * | 2016-04-29 | 2017-11-02 | Ohio State Innovation Foundation | PERFORATOR PHASE CONTRAST ANGIOGRAPHY (pPCA) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886904A (zh) * | 2019-01-25 | 2019-06-14 | 北京市遥感信息研究所 | 一种sar图像与低分辨率多光谱图像融合方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Hyperspectral and SAR image classification via multiscale interactive fusion network | |
Li et al. | Coastal wetland loss and environmental change due to rapid urban expansion in Lianyungang, Jiangsu, China | |
CN103218796B (zh) | 一种全色—多光谱遥感图像融合方法 | |
CN103049898B (zh) | 带有薄云的多光谱和全色图像融合方法 | |
Liu et al. | Deep multi-level fusion network for multi-source image pixel-wise classification | |
CN103116881A (zh) | 基于PCA与Shearlet变换的遥感图像融合方法 | |
CN103489193A (zh) | 基于融合策略的面向对象的高分辨率遥感影像变化检测方法 | |
CN105513060A (zh) | 一种视觉感知启发的高分辨率遥感图像分割方法 | |
CN109146819A (zh) | 一种sar图像去噪及多源遥感数据融合算法 | |
Li et al. | Crossgeonet: A framework for building footprint generation of label-scarce geographical regions | |
Li et al. | MFFSP: Multi-scale feature fusion scene parsing network for landslides detection based on high-resolution satellite images | |
Yue et al. | SCFNet: Semantic correction and focus network for remote sensing image object detection | |
Gao et al. | Complementing Onboard Sensors with Satellite Map: A New Perspective for HD Map Construction | |
Gao et al. | Cross-modality features fusion for synthetic aperture radar image segmentation | |
Gueguen et al. | A new built-up presence index based on density of corners | |
CN112991186B (zh) | 一种无人机大视场高光谱图像生成方法及*** | |
Zhang et al. | Adaptive wasserstein hourglass for weakly supervised hand pose estimation from monocular RGB | |
Fu et al. | Research on image translation between SAR and optical imagery | |
Li et al. | HyperMLP: Superpixel Prior and Feature Aggregated Perceptron Networks for Hyperspectral and Lidar Hybrid Classification | |
Cui et al. | Feature fusion network model based on dual attention mechanism for hyperspectral image classification | |
CN110992413A (zh) | 机载遥感影像的高精度快速配准方法 | |
Chen et al. | FTDN: Multispectral and hyperspectral image fusion with diverse temporal difference spans | |
Guo et al. | Multisource Feature Embedding and Interaction Fusion Network for Coastal Wetland Classification With Hyperspectral and LiDAR Data | |
Zhang et al. | A Novel SAR Images Change Detection Method Based on Dynamic TUNET-CRF Model | |
Wang et al. | Summator-Subtractor Network: Modeling spatial and channel differences for Change Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190104 |
|
WD01 | Invention patent application deemed withdrawn after publication |