CN109447922B - 一种改进的ihs变换遥感影像融合方法及*** - Google Patents

一种改进的ihs变换遥感影像融合方法及*** Download PDF

Info

Publication number
CN109447922B
CN109447922B CN201810749669.9A CN201810749669A CN109447922B CN 109447922 B CN109447922 B CN 109447922B CN 201810749669 A CN201810749669 A CN 201810749669A CN 109447922 B CN109447922 B CN 109447922B
Authority
CN
China
Prior art keywords
image
new
panchromatic
ihs
value
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.)
Active
Application number
CN201810749669.9A
Other languages
English (en)
Other versions
CN109447922A (zh
Inventor
易维
曾湧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Center for Resource Satellite Data and Applications CRESDA
Original Assignee
China Center for Resource Satellite Data and Applications CRESDA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Center for Resource Satellite Data and Applications CRESDA filed Critical China Center for Resource Satellite Data and Applications CRESDA
Priority to CN201810749669.9A priority Critical patent/CN109447922B/zh
Publication of CN109447922A publication Critical patent/CN109447922A/zh
Application granted granted Critical
Publication of CN109447922B publication Critical patent/CN109447922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • 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
    • G06T2207/10041—Panchromatic image
    • 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

一种改进的IHS变换遥感影像融合方法及***，包括步骤为(1)将多光谱影像进行重采样，达到全色影像的分辨率；(2)将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量；(3)模拟新全色影像；(4)以I分量影像直方图为参考，将新全色影像进行直方图匹配，得到匹配后的全色影像Inew；(5)直方图匹配后的全色影像Inew替换I分量进行IHS逆变换，从而完成遥感影像融合。本发明的目的是改进IHS变换融合规则，使全色图像与多光谱图像谱段范围一致，并使融合结果的亮度和对比度不低于融合前。

Description

一种改进的IHS变换遥感影像融合方法及***
技术领域
本发明涉及一种改进的IHS变换遥感影像融合方法及***，属于遥感图像处理技术领域。
背景技术
遥感影像是空间信息获取的方式之一，空间分辨率和光谱分辨率是衡量遥感影像好坏的两个重要指标。受遥感卫星星上数据存储设备的限制，目前国产卫星光学相机普遍采用全色影像高空间分辨率，多光谱影像低空分辨的设置方式。全色影像无法显示地物色彩，美观度不够，而多光谱影像可以给不同波段赋予RGB颜色来得到彩色影像，但分辨率低，不能满足应用需求。为了获取高分辨率彩色影像，需要将高空间分辨率的全色影像和低空间分辨率的多光谱影像进行融合，有利于人眼识别和计算机的处理。按照影像数据抽象程度和融合应用层次不同，遥感影像融合可划分为像素级融合、特征级融合和决策级融合三个层次，各层次所采用的融合算法和使用范围都不一样。
IHS变换是像素级融合算法的一种，通过IHS变换可以将具有红(R)、绿(G)和蓝(B)的彩色图像变换到饱和度(S)、色度(H)和亮度(I)空间。但该算法有两个明显的缺点：一是只能处理红、绿、蓝3个波段的信息，而国产卫星多光谱波段设置普遍为4个及以上；二是如果全色波段的谱段覆盖范围与多光谱不一致时融合后的影像光谱扭曲较大。
发明内容
本发明的技术解决问题是：克服现有技术的不足，提供一种改进的IHS变换遥感影像融合方法，对IHS变换算法进行改进，能够得到优于传统IHS变化算法的融合结果。
本发明的技术解决方案是：
一种改进的IHS变换遥感影像融合方法，步骤如下：
(1)将多光谱影像进行重采样，达到全色影像的分辨率；
(2)将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量；
(3)模拟新全色影像；
(4)以I分量影像直方图为参考，将步骤(3)得到的新全色影像进行直方图匹配，得到匹配后的全色影像Inew；
(5)直方图匹配后的全色影像Inew替换I分量进行IHS逆变换，从而完成遥感影像融合。
采用双线性插值法对多光谱影像进行重采样。
所述步骤(2)将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量，具体为：
(2.1)将重采样后的多光谱影像进行二维图像灰度值到一维图像灰度值的转化；
(2.2)通过如下公式获取I、H、S分量：
Figure BDA0001725241110000021
Figure BDA0001725241110000022
Figure BDA0001725241110000023
式中，R、G、B分别为红、绿、蓝三个谱段的图像灰度矩阵，变换后的I反应了图像的空间细节，H和S反应了图像的光谱信息，V1和V2为中间变量。
所述步骤(3)模拟新全色影像通过如下方式进行：
Figure BDA0001725241110000024
式中，PANnew为新全色谱段的图像灰度矩阵，PAN为全色谱段的图像灰度矩阵，IR为近红外谱段的图像灰度矩阵。
所述步骤(4)以I分量影像直方图为参考，将新全色影像进行直方图匹配，具体为：
(4.1)首先求取I分量和新全色影像直方图的概率密度P(l)和p(k)；
(4.2)求取I分量和新全色图像的累积概率密度S(l)和V(k)；
(4.3)基于累积概率密度S(l)和V(k)生成查找表，将新全色图像中像素DN值由k替换为l或l+1，完成新全色影像的直方图匹配，得到匹配后的全色图像Inew。
I分量DN值为l的概率密度P(l)为
Figure BDA0001725241110000031
新全色影像DN值为k的概率密度p(k)为
Figure BDA0001725241110000032
其中，k＝0,1,2,…1023，ml为I分量DN值为l的像元个数，mk为新全色影像DN值为k的像元个数，N为像元总数。
I分量DN值为l的累积概率密度S(l)为
Figure BDA0001725241110000033
新全色影像DN值为k的累积概率密度V(k)为
Figure BDA0001725241110000034
所述步骤(4.3)将新全色图像中像素DN值由k替换为l或l+1具体为：
对新全色影像的任意为k的DN值来说，
如果|Vk-Sl|-|Vk-Sl+1|≤0，则用l代替新全色影像中DN值k；
如果|Vk-Sl|-|Vk-Sl+1|>0，则用l+1代替新全色影像中DN值k；
Sl≤Vk≤Sl+1。
所述步骤(5)直方图匹配后的新全色影像Inew替换I分量进行IHS逆变换，具体为：
(5.1)将IHS空间变换到RGB空间：
Figure BDA0001725241110000041
其中，Rnew、Gnew和Bnew分别为影像融合后的一维红、绿、蓝图像；
(5.2)将一维图像灰度值转化为二维图像灰度值，从而完成遥感影像融合。
所述步骤(1)中，重采样之前的多光谱影像分辨率为3.2米，全色影像的分辨率为0.8米。
一种改进的IHS变换遥感影像融合***，包括：
重采样模块：将多光谱影像进行重采样，达到全色影像的分辨率；
IHS变换模块：将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量；
新全色影像生成模块：模拟新全色影像；
直方图匹配模块：以I分量影像直方图为参考，将新全色影像生成模块生成的新全色影像进行直方图匹配，得到匹配后的全色影像Inew；
IHS逆变换模块：直方图匹配模块处理后得到的的全色影像Inew替换I分量进行IHS逆变换，从而完成遥感影像融合。
本发明与现有技术相比的有益效果是：
(1)可以充分利用国产卫星四个波段的信息，防止信息的浪费；
(2)根据谱段设置规律，重新生成全色影像，更加符合融合算法的要求，避免融合后谱段光谱扭曲；
(3)采用直方图匹配技术使融合后影像亮度和对比度与融合前基本保持一致，减少影像融合的信息量损失。
(4)用重新生成的全色影像替换亮度分量，有效保持影像的细节信息。
(5)采用本方法进行的数据融合实验证明，改进的IHS融合方法可以提高融合结果与原始多光谱图像的相关系数，减少光谱畸变。
附图说明
图1为本发明方法流程图；
图2为本发明重采样示意图。
具体实施方式
IHS变换融合方法是像素级图像融合技术中常用的一种方法，由于融合算法本身的特点，需要全色图像的谱段范围与多光谱完全一致才能够获取较好的融合效果。目前国产卫星遥感图像多光谱谱段设置为近红外、红、绿、蓝4个波段，与IHS变换要求的红、绿、蓝相比多出一个近红外谱段，造成使用IHS变换时全色图像与多光谱图像谱段范围不一致。本发明的目的是改进IHS变换融合规则，使全色图像与多光谱图像谱段范围一致，并使融合结果的亮度和对比度不低于融合前。
参照附图1，改进的IHS变换遥感影像融合方法的步骤如下：
步骤一：将多光谱影像进行重采样，达到全色影像的分辨率；
多光谱影像分辨率低，全色影像分辨率高，首先需要将两者统一分辨率。以目前国产遥感卫星的分辨率设置，绝大多数卫星多光谱影像分辨率是全色影像的3-4倍，以高分二号卫星遥感影像为例，全色影像分辨率为0.8米，多光谱影像分辨率为3.2米，因此需要进行重采样。
本发明采用双线性插值法进行重采样，若为高分二号卫星影像，则将多光谱1个像素采样成16(4*4)个像素。采样后每个像素值的计算方法参照图2说明：在图2中，Q11、Q12、Q22、Q21四个点分别是采样前四个相邻的像素，现在需要在Q11到Q22之间生成16个新的像素，以P点为例说明灰度值的计算过程。
Q11、Q12、Q22、Q21、R1、R2、P点的坐标在图中已标识，f(*)函数表示像素灰度值，首先在x方向进行线性插值，得到：
Figure BDA0001725241110000061
Figure BDA0001725241110000062
然后在用方向进行线性插值，得到
Figure BDA0001725241110000063
步骤二：将多光谱影像进行IHS变换，分别获取I、H、S分量；
将RGB空间变换到IHS空间的计算公式如下：
Figure BDA0001725241110000064
Figure BDA0001725241110000065
Figure BDA0001725241110000066
式中，R、G、B分别为红、绿、蓝三个谱段的图像灰度矩阵，变换后的I反应了图像的空间细节，H和S反应了图像的光谱信息，V1和V2为中间变量。
计算公式中需要将各波段二维图像灰度值转化为一维图像灰度值，若图像大小为m行n列，则式中R、G、B都是1行m*n列的灰度向量，同理I、V1、V2、H、S都是1行m*n列的向量，其中V1和V2为并无实际意义，仅为中间结果。
步骤三：根据波段设置规律，模拟新全色影像；
新全色影像计算公式如下：
Figure BDA0001725241110000071
式中，PANnew为新全色谱段的图像灰度矩阵，PAN为全色谱段的图像灰度矩阵，IR为近红外谱段的图像灰度矩阵。
全色影像通常覆盖的谱段范围包括可见光的所有范围，以高分二号卫星遥感影像为例，全色影像光谱范围为0.45～0.90μm，多光谱中蓝波段影像为0.45～0.52μm、绿波段影像为0.52～0.59μm、红波段影像为0.63～0.69μm、近红外波段影像为0.77～0.89μm。步骤一中IHS变换采用的R、G、B三个谱段信息，IR谱段信息没有使用到，而实际全色谱段的覆盖范围包括四个谱段的覆盖范围，若以全色影像替代I分量后续IHS逆变换必然造成光谱扭曲。考虑到IHS变换只能使用三个谱段，此步将全色波段进行重新生成，使之尽量只包括三个谱段的信息。
步骤四：以I分量影像直方图为参考，将新全色影像进行直方图匹配；
(1)首先求取I分量和新全色影像直方图的概率密度。
I分量DN值为l的概率密度P(l)为
Figure BDA0001725241110000072
新全色影像DN值为k的概率密度p(k)为
Figure BDA0001725241110000073
其中，k＝0,1,2,…1023，ml为I分量DN值为l的像元个数，mk为新全色影像DN值为k的像元个数，N为像元总数。
(2)求取I分量和新全色图像的累积概率密度。
I分量DN值为l的累积概率密度S(l)为
Figure BDA0001725241110000081
新全色影像DN值为k的累积概率密度S(k)为
Figure BDA0001725241110000082
(3)生成查找表。
对新全色影像的任意为k的DN值来说，在I分量总能找到一个l，使得Sl≤Vk≤Sl+1。如果|Vk-Sl|-|Vk-Sl+1|≤0，则用l代替新全色影像中DN值k。如果|Vk-Sl|-|Vk-Sl+1|>0，则用l+1代替新全色影像中DN值k。
步骤五：直方图匹配后的新全色影像替换I分量进行IHS逆变换。
将IHS空间变换到RGB空间的计算公式如下：
Figure BDA0001725241110000083
计算完成后需要将各波段一维图像灰度值转化为二维图像灰度值，若图像大小为m行n列，则式中Rnew、Gnew、Bnew都是1行m*n列的灰度向量。
基于上述遥感影像融合方法，本发明还提出了一种改进的IHS变换遥感影像融合***，包括：
重采样模块：将多光谱影像进行重采样，达到全色影像的分辨率；
IHS变换模块：将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量；
新全色影像生成模块：模拟新全色影像；
直方图匹配模块：以I分量影像直方图为参考，将新全色影像生成模块生成的新全色影像进行直方图匹配，得到匹配后的全色影像Inew；
IHS逆变换模块：直方图匹配模块处理后得到的的全色影像Inew替换I分量进行IHS逆变换，从而完成遥感影像融合。
实施例：
以高分二号全色和多光谱图像为例进行融合实验，采用传统HIS融合和本发明提出的改进HIS融合方法进行对比实验，采用平均梯度、熵、相关系数和光谱扭曲度作为客观评价标准。结果评价见表1，可以看出本发明的技术效果。
表1融合评价结果
Figure BDA0001725241110000091
从表中可以看出，改进HIS和IHS融合方法生成的图像平均梯度和熵的变化不大，说明信息量和细节信息两种方法差别不大，但相关系数改进方法从0.58提高到了0.90，光谱扭曲从18.68降低到6.76。

Claims (8)

1.一种改进的IHS变换遥感影像融合方法，其特征在于步骤如下：
(1)将多光谱影像进行重采样，达到全色影像的分辨率；
(2)将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量；具体为：
(2.1)将重采样后的多光谱影像进行二维图像灰度值到一维图像灰度值的转化；
(2.2)通过如下公式获取I、H、S分量：
Figure FDA0002812569000000011
Figure FDA0002812569000000012
Figure FDA0002812569000000014
式中，R、G、B分别为红、绿、蓝三个谱段的图像灰度矩阵，变换后的I反应了图像的空间细节，H和S反应了图像的光谱信息，V1和V2为中间变量；
(3)模拟新全色影像；
通过如下方式进行：
Figure FDA0002812569000000013
式中，PANnew为新全色谱段的图像灰度矩阵，PAN为全色谱段的图像灰度矩阵，IR为近红外谱段的图像灰度矩阵；
(4)以I分量影像直方图为参考，将步骤(3)得到的新全色影像进行直方图匹配，得到匹配后的全色影像Inew；
(5)直方图匹配后的全色影像Inew替换I分量进行IHS逆变换，从而完成遥感影像融合；具体为：
(5.1)将IHS空间变换到RGB空间：
Figure FDA0002812569000000021
其中，Rnew、Gnew和Bnew分别为影像融合后的一维红、绿、蓝图像；
(5.2)将一维图像灰度值转化为二维图像灰度值，从而完成遥感影像融合。
2.根据权利要求1所述的一种改进的IHS变换遥感影像融合方法，其特征在于：采用双线性插值法对多光谱影像进行重采样。
3.根据权利要求1所述的一种改进的IHS变换遥感影像融合方法，其特征在于：所述步骤(4)以I分量影像直方图为参考，将新全色影像进行直方图匹配，具体为：
(4.1)首先求取I分量和新全色影像直方图的概率密度P(l)和p(k)；
(4.2)求取I分量和新全色图像的累积概率密度S(l)和V(k)；
(4.3)基于累积概率密度S(l)和V(k)生成查找表，将新全色图像中像素DN值由k替换为l或l+1，完成新全色影像的直方图匹配，得到匹配后的全色图像Inew。
4.根据权利要求3所述的一种改进的IHS变换遥感影像融合方法，其特征在于：I分量DN值为l的概率密度P(l)为
Figure FDA0002812569000000022
新全色影像DN值为k的概率密度p(k)为
Figure FDA0002812569000000023
其中，k＝0,1,2,…1023，ml为I分量DN值为l的像元个数，mk为新全色影像DN值为k的像元个数，N为像元总数。
5.根据权利要求4所述的一种改进的IHS变换遥感影像融合方法，其特征在于：I分量DN值为l的累积概率密度S(l)为
Figure FDA0002812569000000031
新全色影像DN值为k的累积概率密度V(k)为
Figure FDA0002812569000000032
6.根据权利要求4所述的一种改进的IHS变换遥感影像融合方法，其特征在于：所述步骤(4.3)将新全色图像中像素DN值由k替换为l或l+1具体为：
对新全色影像的任意为k的DN值来说，
如果|Vk-Sl|-|Vk-Sl+1|≤0，则用l代替新全色影像中DN值k；
如果|Vk-Sl|-|Vk-Sl+1|>0，则用l+1代替新全色影像中DN值k；
Sl≤Vk≤Sl+1。
7.根据权利要求1所述的一种改进的IHS变换遥感影像融合方法，其特征在于：所述步骤(1)中，重采样之前的多光谱影像分辨率为3.2米，全色影像的分辨率为0.8米。
8.一种改进的IHS变换遥感影像融合***，其特征在于包括：
重采样模块：将多光谱影像进行重采样，达到全色影像的分辨率；
IHS变换模块：将重采样后的多光谱影像进行IHS变换，分别获取I、H、S分量；具体为：
将重采样后的多光谱影像进行二维图像灰度值到一维图像灰度值的转化；
通过如下公式获取I、H、S分量：
Figure FDA0002812569000000041
Figure FDA0002812569000000042
Figure FDA0002812569000000043
式中，R、G、B分别为红、绿、蓝三个谱段的图像灰度矩阵，变换后的I反应了图像的空间细节，H和S反应了图像的光谱信息，V1和V2为中间变量；
新全色影像生成模块：模拟新全色影像；
通过如下方式进行：
Figure FDA0002812569000000044
式中，PANnew为新全色谱段的图像灰度矩阵，PAN为全色谱段的图像灰度矩阵，IR为近红外谱段的图像灰度矩阵；
直方图匹配模块：以I分量影像直方图为参考，将新全色影像生成模块生成的新全色影像进行直方图匹配，得到匹配后的全色影像Inew；
IHS逆变换模块：直方图匹配模块处理后得到的的全色影像Inew替换I分量进行IHS逆变换，从而完成遥感影像融合；
具体为：
将IHS空间变换到RGB空间：
Figure FDA0002812569000000045
其中，Rnew、Gnew和Bnew分别为影像融合后的一维红、绿、蓝图像；
将一维图像灰度值转化为二维图像灰度值，从而完成遥感影像融合。
CN201810749669.9A 2018-07-10 2018-07-10 一种改进的ihs变换遥感影像融合方法及*** Active CN109447922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810749669.9A CN109447922B (zh) 2018-07-10 2018-07-10 一种改进的ihs变换遥感影像融合方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810749669.9A CN109447922B (zh) 2018-07-10 2018-07-10 一种改进的ihs变换遥感影像融合方法及***

Publications (2)

Publication Number Publication Date
CN109447922A CN109447922A (zh) 2019-03-08
CN109447922B true CN109447922B (zh) 2021-02-12

Family

ID=65532618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810749669.9A Active CN109447922B (zh) 2018-07-10 2018-07-10 一种改进的ihs变换遥感影像融合方法及***

Country Status (1)

Country Link
CN (1) CN109447922B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111476746A (zh) * 2020-03-19 2020-07-31 航天信德智图（北京）科技有限公司 一种基于ihs变换与自适应区域特征的遥感图像融合方法
CN112330581B (zh) * 2020-11-02 2022-07-12 燕山大学 一种sar和多光谱影像的融合方法及***
CN112837268A (zh) * 2021-01-11 2021-05-25 黄河勘测规划设计研究院有限公司 面向倒塌损毁房屋灾体信息提取的多源遥感数据融合方法
CN113343871B (zh) * 2021-06-17 2022-03-18 哈尔滨工业大学 基于泊松融合+直方图匹配的高分四号多光谱遥感影像中舰船目标的仿真方法及***
CN113870110B (zh) * 2021-09-10 2023-06-13 深圳市魔方卫星科技有限公司 遥感影像的图像融合方法、装置、电子设备和存储介质
CN114331936B (zh) * 2021-12-24 2024-04-16 郑州信大先进技术研究院 基于小波分解和改进ihs算法的遥感影像融合方法
CN116309497B (zh) * 2023-03-26 2023-10-03 湖南医药学院 基于图像识别的癌细胞计数及预后预测的辅助分析方法
CN117058053B (zh) * 2023-07-18 2024-04-05 珠江水利委员会珠江水利科学研究院 基于均值滤波的ihs空-谱融合方法、***、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103186893A (zh) * 2012-12-19 2013-07-03 中国科学院对地观测与数字地球科学中心 一种普适的高分辨率遥感图像融合方法
US20140301659A1 (en) * 2013-04-07 2014-10-09 Bo Li Panchromatic Sharpening Method of Spectral Image Based on Fusion of Overall Structural Information and Spatial Detail Information
CN105160647A (zh) * 2015-10-28 2015-12-16 中国地质大学（武汉） 一种全色多光谱影像融合方法
US9342760B1 (en) * 2011-04-22 2016-05-17 Exelis Inc. System and method for combining color information with spatial information in multispectral images
CN106327455A (zh) * 2016-08-18 2017-01-11 中国科学院遥感与数字地球研究所 一种改进的遥感多光谱与全色图像融合方法
US20170076456A1 (en) * 2015-09-16 2017-03-16 Raytheon Company Systems and methods for digital elevation map filters for three dimensional point clouds
US20170084008A1 (en) * 2015-09-17 2017-03-23 Raytheon Company Systems and methods for sharpening multi-spectral imagery
CN107958450A (zh) * 2017-12-15 2018-04-24 武汉大学 基于自适应高斯滤波的全色多光谱影像融合方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9342760B1 (en) * 2011-04-22 2016-05-17 Exelis Inc. System and method for combining color information with spatial information in multispectral images
CN103186893A (zh) * 2012-12-19 2013-07-03 中国科学院对地观测与数字地球科学中心 一种普适的高分辨率遥感图像融合方法
US20140301659A1 (en) * 2013-04-07 2014-10-09 Bo Li Panchromatic Sharpening Method of Spectral Image Based on Fusion of Overall Structural Information and Spatial Detail Information
US20170076456A1 (en) * 2015-09-16 2017-03-16 Raytheon Company Systems and methods for digital elevation map filters for three dimensional point clouds
US20170084008A1 (en) * 2015-09-17 2017-03-23 Raytheon Company Systems and methods for sharpening multi-spectral imagery
CN105160647A (zh) * 2015-10-28 2015-12-16 中国地质大学（武汉） 一种全色多光谱影像融合方法
CN106327455A (zh) * 2016-08-18 2017-01-11 中国科学院遥感与数字地球研究所 一种改进的遥感多光谱与全色图像融合方法
CN107958450A (zh) * 2017-12-15 2018-04-24 武汉大学 基于自适应高斯滤波的全色多光谱影像融合方法及***

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"A Fast Intensity–Hue–Saturation Fusion Technique With Spectral Adjustment for IKONOS Imagery";Te-Ming Tu等;《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS,》;20041031;第1卷(第4期);全文 *
"CBERS-01/02卫星CCD图像相对辐射校正研究";郭建宁等;《中国科学 E辑 信息科学》;20051231;第15-16页 *
"基于IHS变换与直方图匹配法的遥感影像融合";伍娟等;《武汉理工大学学报》;20040229;第28卷(第1期);全文 *
"基于IHS变换的多光谱和全色图像融合算法研究";王华伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170115;第8-13页 *

Also Published As

Publication number Publication date
CN109447922A (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN109447922B (zh) 一种改进的ihs变换遥感影像融合方法及***
KR100944462B1 (ko) 위성 영상 융합 방법 및 시스템
CN107123089B (zh) 基于深度卷积网络的遥感图像超分辨重建方法及***
Imai et al. High-resolution multi-spectral image archives: a hybrid approach
CN104867124B (zh) 基于对偶稀疏非负矩阵分解的多光谱与全色图像融合方法
CN109754375B (zh) 图像处理方法、***、计算机设备、存储介质和终端
CN107958450B (zh) 基于自适应高斯滤波的全色多光谱影像融合方法及***
CN108961325A (zh) 多/高光谱遥感图像波段间配准方法
CN107016641B (zh) 一种基于改进比值变换的全色与高光谱图像融合方法
Bi et al. Haze removal for a single remote sensing image using low-rank and sparse prior
CN112104847B (zh) 一种基于残差和高频替换的sony-rgbw阵列彩色重构方法
CN106875370B (zh) 一种全色图像和多光谱图像的融合方法及装置
CN109859153B (zh) 一种基于自适应光谱-空间梯度稀疏正则化的多光谱图像融合方法
CN113570536A (zh) 基于cpu和gpu协同处理的全色和多光谱影像实时融合方法
CN111563866B (zh) 一种多源遥感图像融合方法
Kumar et al. A Robust Approach for Image Super-Resolution using Modified Very Deep Convolution Networks
CN108765361A (zh) 一种自适应的全色与多光谱图像融合方法
CN114897706A (zh) 一种全色多光谱影像融合的绿色植被增强方法
CN111476746A (zh) 一种基于ihs变换与自适应区域特征的遥感图像融合方法
CN110084774B (zh) 一种增强的梯度传递和总变差最小化融合图像的方法
CN116205958A (zh) 一种基于特征耦合的可见与中波红外图像配准与融合方法
CN110163830A (zh) 基于Riesz-Lap变换及PCNN的图像融合方法
KR20210096925A (ko) 대용량 항공정사영상의 효율적인 색상보정 방법
CN113284067A (zh) 基于深度细节注入网络的高光谱全色锐化方法
Zheng A channel-based color fusion technique using multispectral images for night vision enhancement

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
GR01 Patent grant
GR01 Patent grant