标签: 遥感图像

介绍了多小波理论及对图像进行多小波分解和重构的方法,以全色(PAN)和多光谱(TM)遥感图像融合为例,提出了一种基于多小波变换的遥感图像融合方法.通过Matlab编程实验,比较了db4小波及Smooth、GHM和CL三种多小波的融合效果.多小波变换在遥感图像融合中的应用张丽丽，付炜，赵娜（燕山大学信息科学与工程学院，河北秦皇岛０６６００４）摘要：介绍了多小波理论及对图像进行多小波分解和重构的方法，以全色（ＰＡＮ）和多光谱（ＴＭ）遥感图像融合为例，提出了一种基于多小波变换的遥感图像融合方法。通过ＭａⅡａｂ编程实验，比较了ｄｂ４小波及Ｓｍｏｏｔｈ、ＧＨＭ和ＣＬ三种多小波的融合效果。关键词：多小波变换遥感图像图像融合融合算法遥感图像融合是指将不同传感器获得的同一区域１多小波变换的基础理论的不同空间分辨率图像的信息融合在一起，并利用它多小波的理论框架是基于ｒ（ｒ＞１）重多分辨分析建立们在时空上的相关性及信息熵的互补性来获得对地表的，是将单小波中由单个尺度函数生成的多分辨分析空景物更全面、清晰的描述，以便于遥感影像的解译与分间扩展为由ｒ个尺度函数分量生成，其尺度函数和小波析。通常在高空间分辨率的全色图像与低空间分辨率函数均是ｒ维的向量，即有：的多光谱图像之间进行。遥感图像融合分为三个层次：多（￡）＝［妒ｌ（ｆ），妒２（￡），…似（ｔ）ｒ基于像素级融合、基于特征级融合及基于知识和影像坝￡）＝［妒ｌ（￡），吵２（ｔ），…妒……

针对高分辨率遥感卫星在大幅宽成像时，由于扫描速度提高而导致遥感图像产生运动模糊的问题，提出用长积分时间模糊图像和短积分时间无模糊图像联合去除运动模糊，获得高信噪比无模糊图像的解决方案。该方案利用低信噪比清晰图像中的细节信息来进行模糊核的估计，通过带增益控制的残差RL去卷积算法，极大地减小了振铃效应的影响；通过引入联合双边滤波器算法，有效地复原了图像的细节信息。最后通过实验分析证明该方案的良好效果。

遥感图像具有丰富的光谱信息和空间信息，因此遥感图像分类被广泛的应用于气象预报、国防预警等多个领域。文中对遥感图像进行非监督分类，提出了基于区域合并的遥感图像分类方法。首先采用主成分首先采用主成分分析法（PCA）对高光谱遥感数据集进行降维处理，在尽可能保留图像信息的情况下滤除大部分的光谱维，接着利用灰度直方图将空间信息引入降维后的遥感图像，然后对于由此增加的空间信息维度进行第二次降维，再后采用高斯混合模型通过迭代收敛最终完成聚类。文章最后在PaviaUniversity数据集上进行遥感图像分类实验，通过比较总体分类精度与kappa系数发现，此算法在遥感图像分类的精确性与正确性提高了约40%。