CN112837268A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112837268A CN112837268A CN202110029868.4A CN202110029868A CN112837268A CN 112837268 A CN112837268 A CN 112837268A CN 202110029868 A CN202110029868 A CN 202110029868A CN 112837268 A CN112837268 A CN 112837268A
- Authority
- CN
- China
- Prior art keywords
- collapse
- fusion
- information
- house
- remote sensing
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 19
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000011158 quantitative evaluation Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 8
- 238000007499 fusion processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- 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
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种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，S1：获取倒塌损毁房屋灾体信息的遥感影像数据；S2：对所获取的遥感影像数据通过几何矫正模块以及噪声去除模块进行信息的几何校正以及噪声去除，S3：通过特征提取模块对倒塌损毁房屋灾害特征光谱特征进行提取，再通过影像融合模块对特征提取信息做进一步信息融合；S4：进行综合评价，达到评价效果则输出融合结果，未达到评价效果则重复S3，直到输出融合结果。本发明通过对倒塌损毁房屋灾体信息进行信息提取及分析，能够快速、精准、有效的得到所需分析信息，对倒塌损毁房屋的灾后损毁情况以及应急处理有着十分重要的指导意义。
Description
技术领域
本发明涉及灾害信息融合处理技术领域，具体是涉及一种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。
背景技术
地质灾害是指在自然或者人为因素的作用下形成的，对人类生命财产造成的损失、对环境造成破坏的地质作用或地质现象。地质灾害在时间和空间上的分布变化规律，既受制于自然环境，又与人类活动有关，往往是人类与自然界相互作用的结果。
对地质灾害进行评估常用的遥感影像方法有很多，而快速融合方法的选取主要依据不同的灾害类型，融合算法的复杂程度，影像融合效果这三方面因素。其中，在重大灾害发生时，融合方法的时间响应速度是最重要的考虑指标之一。
对于地质灾害的信息融合处理过程中，若能得到更为准确的处理信息对于灾后评估、应急响应等有着十分重要的意义，因此，现需要一种新型的灾体信息处理方法来进一步提高灾体信息的信息融合处理为灾后评估等提供更有力的指导。
发明内容
为解决上述技术问题，本发明提供了一种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。
本发明的技术方案是：一种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，包括：
S1：获取倒塌损毁房屋灾体信息的遥感影像数据；
S2：对所获取的遥感影像数据通过几何矫正模块以及噪声去除模块进行信息的几何校正以及噪声去除，
S3：通过特征提取模块对倒塌损毁房屋灾害特征光谱特征进行提取，再通过影像融合模块对特征提取信息做进一步信息融合，其中，所述影像融合模块为倒塌损毁房屋灾害融合模块；
S4：进行综合评价，达到评价效果则输出融合结果，未达到评价效果则重复S3，直到输出融合结果。
进一步地，倒塌损毁房屋灾害融合模块采用IDL语言进行设计，支持COM/ActiveX组件，可将IDL应用开发集成到与COM兼容的环境中，从Visual Basic、Visual C++等访问IDL，可通过动态连接库和COM组件方式在IDL程序里调用C、Fortran等程序。IDL的小波变换工具包，主要用于信号处理和图像处理、去除噪声、图像压缩、特征提取、提取图像等细节、其信息量损失比FFT小得多。
进一步地，所述步骤S1中遥感影像数据包括：光学遥感影像数据和雷达遥感影像数据。
进一步地，所述倒塌损毁房屋灾害融合模块输出的融合结果都按低、中、高分辨率输出融合结果，且面向倒塌损毁房屋灾害信息提取的遥感影像融合结果的分辨率分为：30米以下为低分辨率融合结果、10-20米为中分辨率融合结果、不低于10米为高分辨率融合结果，其中，低分辨率融合结果用于确定倒塌损毁房屋灾害异常发生的位置，中分辨率融合结果用于提取倒塌损毁房屋灾害异常区的范围，高分辨率融合结果用于提取房屋倒塌和损毁子模块的数据。
进一步地，房屋倒塌和损毁灾害信息提取依据房屋倒塌和损毁子模块进行信息提取，所述房屋倒塌和损毁子模块采用IHS法。
进一步地，所述步骤S5中综合评价内容包括定性评价、定量评价：
所述定性评价包括：影像分辨率以及光谱特征，所述影像分辨率包括细节和边缘清晰度、线性地物凸出程度和极限放大倍数下的分辨力，所述光谱特征包括同类地物的颜色差异、局部色彩差异和整体色彩差异；
所述定量评价包括：亮度、空间细节信息以及光谱信息，所述亮度为均值，所述空间细节信息包括熵和平均梯度，所述光谱信息包括光谱扭曲值和均方根误差。
本发明的有益效果是：本发明方法通过对倒塌损毁房屋灾体信息进行信息提取及分析，能够快速得到更为准确的处理信息以及时应对倒塌损毁房屋灾后评估、应急响应等；并且所得数据快速、精准、有效，对倒塌损毁房屋的灾后损毁情况以及应急处理有着十分重要的指导意义。
附图说明
图1是本发明面向倒塌损毁房屋灾体信息提取的多源遥感数据快速融合方法流程图。
图2是本发明多源数据融合模块功能设计图。
图3是本发明融合实例的QuirkBird影像与航片原始影像，其中，a-QuirkBird影像，b-航片。
图4是本发明融合实例的面向倒塌房屋的QuirkBird影像与航片融合结果，其中，a-原始影像，b--IHS融合结果。
具体实施方式
如图1、2所示，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，包括：
S1：获取倒塌损毁房屋灾体信息的遥感影像数据，具体为：光学遥感影像数据和雷达遥感影像数据；
S2：对所获取的遥感影像数据通过几何矫正模块以及噪声去除模块进行信息的几何校正以及噪声去除，
S3：通过特征提取模块对倒塌损毁房屋灾害特征光谱特征进行提取，再通过影像融合模块对特征提取信息做进一步信息融合，其中，所述影像融合模块为倒塌损毁房屋灾害融合模块；
其中，房屋倒塌和损毁灾害信息提取依据房屋倒塌和损毁子模块进行信息提取，所述房屋倒塌和损毁子模块采用IHS法；
S4：进行综合评价，达到评价效果则输出融合结果，未达到评价效果则重复S3，直到输出融合结果；
其中，上述综合评价内容包括定性评价、定量评价：
所述定性评价包括：影像分辨率以及光谱特征，所述影像分辨率包括细节和边缘清晰度、线性地物凸出程度和极限放大倍数下的分辨力，所述光谱特征包括同类地物的颜色差异、局部色彩差异和整体色彩差异；
所述定量评价包括：亮度、空间细节信息以及光谱信息，所述亮度为均值，所述空间细节信息包括熵和平均梯度，所述光谱信息包括光谱扭曲值和均方根误差。
上述倒塌损毁房屋灾害融合模块采用IDL语言进行设计，支持COM/ActiveX组件，可将IDL应用开发集成到与COM兼容的环境中，从Visual Basic、Visual C++等访问IDL，可通过动态连接库和COM组件方式在IDL程序里调用C、Fortran等程序。IDL的小波变换工具包，主要用于信号处理和图像处理、去除噪声、图像压缩、特征提取、提取图像等细节、其信息量损失比FFT小得多；
倒塌损毁房屋灾害融合模块输出的融合结果都按低、中、高分辨率输出融合结果，且面向倒塌损毁房屋灾害信息提取的遥感影像融合结果的分辨率分为：30米以下为低分辨率融合结果、10-20米为中分辨率融合结果、不低于10米为高分辨率融合结果，其中，低分辨率融合结果用于确定倒塌损毁房屋灾害异常发生的位置，中分辨率融合结果用于提取倒塌损毁房屋灾害异常区的范围，高分辨率融合结果用于提取房屋倒塌和损毁子模块的相应数据；
选用CBERS HR全色(2.36米)数据和其CCD多光谱(20米)2,3,4波段数据，效果较好，波段选择过程已写入程序中，不用使用者选择。
融合方法
IHS融合法
在色度学中，把彩色影像由红(R)、绿(G)、蓝(B)彩色空间变换到明度(Intensity)、色别(Hue)、饱和度(Saturation)色度空间，称为IHS变换；而由I、H、S空间变换成R、G、B空间称为IHS反变换。由于IHS变换是一种图像显示、增强和信息综合的方法，具有灵活实用的优点，因此产生了多种IHS变换式。据此，无论何种IHS变换方法，其作用都是将一幅彩色图像的R、G、B成分分离成代表空间信息的明度(I)、光谱信息的色别(H)和饱和度(S)三个成分。因为I、H、S三个成分相互独立，因此可通过调节I、H、S来获得不同的显示效果。由于彩色图像的空间分辨率主要由明度影像的空间分辨率决定，同时人眼对明度的分辨率比对色别和饱和度的分辨率高，因此根据IHS变换的功能和人眼的视觉特性，对不同分辨率的遥感影像利用IHS进行融合，效果较好。但欲得到高空间分辨率的融合影像，就必须将已空间配准的具有高空间分辨率的影像数据当作明度分量I，与由光谱分辨率高、空间分辨率低的影像作IHS变换求得的H、S进行反变换，再将反变换后的R、G、B，进行复合(彩色合成)显示，就可得到既具有高空间分辨率，又具有高光谱分辨率的彩色影像。
房屋倒塌和损毁子模块
①面向倒塌房屋的融合方法
天气条件好的情况下优先利用光学影像，在天气条件差、影像质量差或光学影像数据紧缺的情况下，可采用相应空间分辨率雷达影像作为补充。
低分辨率融合结果用于确定房屋倒塌损毁灾害异常发生的位置，中分辨率融合结果用于提取房屋倒塌损毁灾害异常区的范围，高分辨率融合结果用于提取倒塌的房屋。其中，采用的高分辨率遥感数据较多。
高分辨率融合结果中，对单栋倒塌的房屋，所需的遥感数据的空间分辨率要求不低于5米，有QuickBird全色与多光谱、IKONOS全色与多光谱、SPOT-5全色、福卫二号全色、ALOS全色、北京一号全色、CBERS HR等；对大面积倒塌房屋的范围提取，所需的遥感数据的空间分辨率要求为5-10米，有福卫二号多光谱、SPOT-4多光谱、ALOS多光谱等。
表1倒塌房屋的低分辨率遥感数据融合方法列表
表2倒塌房屋的中分辨率遥感数据融合方法列表
表3倒塌房屋的高分辨率遥感数据融合方法列表
②面向倒塌房屋的融合实例
如图3所示，灾后QuirkBird全色与灾后航片融合
表4数据源信息
融合效果评价：
定性评价：
从影像空间分辨率、清晰度看，IHS融合影像清晰度高。融合后的房屋的细节和边缘清晰程度都提高，IHS融合影像效果较好。从线性地物突出程度和极限放大倍数看分辨率，IHS融合影像的增强效果较好。
从光谱特征，IHS融合的房屋色彩最接近原始影像，倒塌房屋信息得到突出显示，未倒塌的房屋也得到了很好的增强，局部色彩的差异大小即光谱特征扭曲程度小，整体的色彩效果差异小。
定量评价：
表5定量评价指标统计结果
| 影像 | 均值 | 熵 | 平均梯度 | 光谱扭曲度 | 均方根误差 |
| 原始航片 | 158.14 | 6.62 | 12.16 | --- | --- |
| IHS融合影像 | 157.57 | 7.10 | 10.12 | 14.36 | 36.94 |
通过比较，得到下面结论：
1)IHS融合影像的均值与原始影像相比较接近，同时IHS融合影像的熵值较高；
2)与原始影像相比，IHS融合影像的平均梯度都是降低的，光谱扭曲度IHS融合影像也较小；并且IHS融合影像的均方根误差较小；
3)通过定性比较，IHS融合影像的融合效果最佳，其均值较理想，熵值较高，平均梯度较理想，光谱扭曲度较小，均方根误差最小；
因此，通过定性和定量评价比较，对以QuirkBird全色(0.6米)与航片融合(2米)为数据源的面向倒塌房屋的融合，推荐IHS融合法，其融合效果最佳(效果见图4)。IHS融合提高了房屋的细节和边缘清晰程度，从线性地物突出程度和极限放大倍数看分辨率看增强效果都较好；房屋色彩最接近原始影像，倒塌房屋信息得到突出显示，未倒塌的房屋也得到了增强，局部色彩的差异大小即光谱特征扭曲程度小，整体的色彩效果差异小；其均值较理想，熵值最高，平均梯度较理想，光谱扭曲度较小，均方根误差最小。
Claims (6)
1.一种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，其特征在于，包括：
S1：获取倒塌损毁房屋灾体信息的遥感影像数据；
S2：对所获取的遥感影像数据通过几何矫正模块以及噪声去除模块进行信息的几何校正以及噪声去除，
S3：通过特征提取模块对倒塌损毁房屋灾害特征光谱特征进行提取，再通过影像融合模块对特征提取信息做进一步信息融合，其中，所述影像融合模块为倒塌损毁房屋灾害融合模块；
S4：进行综合评价，达到评价效果则输出融合结果，未达到评价效果则重复S3，直到输出融合结果。
2.如权利要求1所述的一种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，其特征在于，倒塌损毁房屋灾害融合模块采用IDL语言进行设计，支持COM/ActiveX组件，可将IDL应用开发集成到与COM兼容的环境中，从Visual Basic、Visual C++等访问IDL，可通过动态连接库和COM组件方式在IDL程序里调用C、Fortran程序；其中，IDL的小波变换工具包，主要用于信号处理和图像处理、去除噪声、图像压缩、特征提取、提取图像等细节。
3.如权利要求1所述的一种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，其特征在于，所述步骤S1中遥感影像数据包括：光学遥感影像数据和雷达遥感影像数据。
4.如权利要求1所述的一种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，其特征在于，所述倒塌损毁房屋灾害融合模块输出的融合结果都按低、中、高分辨率输出融合结果，且面向倒塌损毁房屋灾害信息提取的遥感影像融合结果的分辨率分为：30米以下为低分辨率融合结果、10-20米为中分辨率融合结果、不低于10米为高分辨率融合结果，其中，低分辨率融合结果用于确定倒塌损毁房屋灾害异常发生的位置，中分辨率融合结果用于提取倒塌损毁房屋灾害异常区的范围，高分辨率融合结果用于提取房屋倒塌和损毁子模块的数据。
5.如权利要求1所述的一种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，其特征在于，房屋倒塌和损毁灾害信息提取依据房屋倒塌和损毁子模块进行信息提取，所述房屋倒塌和损毁子模块采用IHS法。
6.如权利要求1所述的一种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，其特征在于，所述步骤S5中综合评价内容包括定性评价、定量评价：
所述定性评价包括：影像分辨率以及光谱特征，所述影像分辨率包括细节和边缘清晰度、线性地物凸出程度和极限放大倍数下的分辨力，所述光谱特征包括同类地物的颜色差异、局部色彩差异和整体色彩差异；
所述定量评价包括：亮度、空间细节信息以及光谱信息，所述亮度为均值，所述空间细节信息包括熵和平均梯度，所述光谱信息包括光谱扭曲值和均方根误差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110029868.4A CN112837268A (zh) | 2021-01-11 | 2021-01-11 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110029868.4A CN112837268A (zh) | 2021-01-11 | 2021-01-11 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112837268A true CN112837268A (zh) | 2021-05-25 |
Family
ID=75929557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110029868.4A Pending CN112837268A (zh) | 2021-01-11 | 2021-01-11 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112837268A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN102609929A (zh) * | 2012-01-12 | 2012-07-25 | 河南大学 | 一种自适应独立信息遥感影像融合方法 |
| CN109447922A (zh) * | 2018-07-10 | 2019-03-08 | 中国资源卫星应用中心 | 一种改进的ihs变换遥感影像融合方法及*** |
| CN111402194A (zh) * | 2019-12-17 | 2020-07-10 | 核工业北京地质研究院 | 适用于花岗岩铀成矿区出露和隐伏断裂构造识别的方法 |
-
2021
- 2021-01-11 CN CN202110029868.4A patent/CN112837268A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN102609929A (zh) * | 2012-01-12 | 2012-07-25 | 河南大学 | 一种自适应独立信息遥感影像融合方法 |
| CN109447922A (zh) * | 2018-07-10 | 2019-03-08 | 中国资源卫星应用中心 | 一种改进的ihs变换遥感影像融合方法及*** |
| CN111402194A (zh) * | 2019-12-17 | 2020-07-10 | 核工业北京地质研究院 | 适用于花岗岩铀成矿区出露和隐伏断裂构造识别的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 国土资源部中国地质调查局 * |
| 薛东剑等: "多源遥感影像融合技术在地质灾害调查中的应用", 《多源遥感影像融合技术在地质灾害调查中的应用》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Single image defogging based on multi-channel convolutional MSRCR | |
| Amolins et al. | Wavelet based image fusion techniques—An introduction, review and comparison | |
| US8879865B2 (en) | Panchromatic sharpening method of spectral image based on fusion of overall structural information and spatial detail information | |
| CN110544212B (zh) | 基于层级特征融合的卷积神经网络高光谱图像锐化方法 | |
| Diao et al. | ZeRGAN: Zero-reference GAN for fusion of multispectral and panchromatic images | |
| CN107958450B (zh) | 基于自适应高斯滤波的全色多光谱影像融合方法及*** | |
| US11763432B2 (en) | Multi-exposure image fusion method based on feature distribution weight of multi-exposure image | |
| CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
| CN107169946B (zh) | 基于非负稀疏矩阵与超球面彩色变换的图像融合方法 | |
| CN112819737A (zh) | 基于3d卷积的多尺度注意力深度卷积网络的遥感图像融合方法 | |
| US20150326878A1 (en) | Selective perceptual masking via scale separation in the spatial and temporal domains using intrinsic images for use in data compression | |
| CN111008936A (zh) | 一种多光谱图像全色锐化方法 | |
| US20160241884A1 (en) | Selective perceptual masking via scale separation in the spatial and temporal domains for use in data compression with motion compensation | |
| CN114266957A (zh) | 一种基于多降质方式数据增广的高光谱图像超分辨率复原方法 | |
| CN113554739A (zh) | 重光照图像的生成方法、装置及电子设备 | |
| Liu et al. | Remote sensing image fusion method based on discrete wavelet and multiscale morphological transform in the IHS color space | |
| CN106780423B (zh) | 一种基于少数波段高分辨率图像的光谱重建方法 | |
| CN112734636A (zh) | 一种多源异构遥感影像的融合方法 | |
| CN112837268A (zh) | 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 | |
| Cakir et al. | Pixel level fusion of panchromatic and multispectral images based on correspondence analysis | |
| US8897378B2 (en) | Selective perceptual masking via scale separation in the spatial and temporal domains using intrinsic images for use in data compression | |
| CN111563866A (zh) | 一种多源遥感图像融合方法 | |
| CN113191970B (zh) | 一种正交色彩传递网络及方法 | |
| CN116109535A (zh) | 一种图像融合方法、设备及计算机可读存储介质 | |
| CN113066030B (zh) | 一种基于空谱融合网络的多光谱图像全色锐化方法及*** |
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 |