导读:本文包含了影像融合算法论文开题报告文献综述及选题提纲参考文献，主要关键词:Pan-sharpening,多光谱图像,全色图像,亮度-色度-饱和度
影像融合算法论文文献综述
陈应霞,陈艳,刘丛[1]（2019）在《遥感影像融合AIHS转换与粒子群优化算法》一文中研究指出Pan-sharpening是通过将低分辨率多光谱图像(LMS)与高分辨率全色图像(PAN)进行合成而获得高光谱高空间分辨率的多光谱图像(HMS)的过程。本文提出一种Pan-sharpening方法,称为PAIHS。该方法基于自适应亮度-色度-饱和度(AIHS)转换和变分Pan-sharpening框架以及两个假设(①Pan-sharpening图像和原始多光谱图像(MS)具有相同的光谱信息;②Pan-sharpening图像与全色图像(PAN)包含的几何信息保持一致),同时确定目标函数,然后用粒子群算法(PSO)进行优化,目的是得到最佳控制参数并求得目标函数最小值,此时对应着最好的Pan-sharpening质量。试验结果表明,本文提出的方法具有高效性和可靠性,获得的性能指标也优于目前一些主流的融合方法。(本文来源于《测绘学报》期刊2019年10期）
牛丽峰,李轶鲲,杨树文,李小军[2]（2019）在《无人机航片和卫星影像融合算法》一文中研究指出针对基于无人机影像和卫星影像彩色变换(hue-intensity-saturation,HIS)时,传统确定I分量的方法具有光谱信息缺失和难以精确确定的问题,提出一种选取最优波段替代I分量的方法,改进了HIS变换方法。该方法对无人机影像与卫星影像做相关分析,根据相关性为无人机影像各波段给一个权重系数,波段相互运算,从而确定替换HIS融合中的I分量,进行HIS逆变换获得融合影像。通过与原始HIS变换和主成分分析(principal components analysis,PCA)的比较,改进的HIS变换实现了无人机航片影像和高分辨率卫星影像融合,一定程度上克服了原始HIS变换和PCA变换融合效果不佳,光谱扭曲程度较大,空间信息丰富度小的缺点。基于高分二号影像和无人机影像进行实验验证。实验表明,使用改进HIS变换进行融合,其融合效果比较好,具有光谱扭曲小、空间信息丰富、细节表现良好等优点。(本文来源于《遥感信息》期刊2019年04期）
李小军,闫浩文,杨树文,牛丽峰[3]（2019）在《一种多光谱遥感影像与航拍影像融合算法》一文中研究指出无人机航拍影像空间分辨率高,纹理信息丰富,但其光谱信息匮乏,不利于遥感信息解译。为此提出一种基于脉冲耦合神经网络模型的融合算法,通过计算非规则区域的统计特性,将无人机航拍影像的亚米级高空间分辨率信息注入到遥感卫星多光谱影像中,以获取具有亚米级空间分辨率和高的光谱分辨率的遥感融合影像。通过定性和定量的对比实验,表明该算法优于经典的遥感影像融合方法,同时验证了其在减小光谱扭曲和空间纹理细节保持等方面的有效性。(本文来源于《遥感信息》期刊2019年04期）
蒋星详,肖莉[4]（2019）在《一种多特征融合的高分辨率遥感影像道路中心线提取算法》一文中研究指出高分辨率遥感影像道路提取对于地理信息库建设等方面具有重要的研究意义。提出了多特征融合框架下的高分辨率遥感影像道路中心线提取算法。首先,从影像分割的角度出发,分别提取道路的光谱与空间特征;然后,通过引入多特征融合算法对该两种特征进行有效融合,得到初始道路网络,并结合构建的形状特征进行道路网络优化,得到精细化道路网络;最后,通过引入计算机视觉中的张量投票算法完成道路网络的中心线提取。实验表明,算法精度更高,效果更为理想。(本文来源于《测绘地理信息》期刊2019年04期）
耿中元,袁继英,李英成,孙新博,朱祥娥[5]（2019）在《无人机视频影像的准实时融合算法》一文中研究指出针对无人机视频影像可以实时地融合到地理信息系统中,但是无人机的位置和姿态数据存在较大误差,导致相邻的视频影像的同名地物点并不重合的问题,该文提出准实时的无人机视频影像融合算法,采用基于滑动窗口的光束平差方法来优化相机的外方位元素,这种方法比全部视频影像做整体光束平差的延时更低,而且可以显着地改善无人机视频影像的融合效果。算法使用优化后的相机外方位元素对视频影像做正射纠正,再把纠正后的影像迭加到叁维大场景中。实验结果表明,这种方法可以在准实时的条件下融合无人机视频影像,并且相邻视频影像的同名地物点在融合结果中是重合的。(本文来源于《测绘科学》期刊2019年10期）
陈向东,邓江洪,安国成[6]（2019）在《融合算法在高空间分辨率影像中的应用研究》一文中研究指出为了分析非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)在高空间分辨率影像处理中的优势,对影像降噪处理的具体过程进行分析,得到二次采样Contourlet变换(Sampled Contourlet Transform,SCT)与NSCT算法之间的相关性以及互补性,给出了基于小波理论的Contourlet变换图像融合算法.分析结果显示,在该图像融合算法下,SCT及NSCT方法的标准差均高于原始光谱带,整体的空间及光谱分辨率都较高.(本文来源于《河南师范大学学报(自然科学版)》期刊2019年04期）
段延超[7]（2019）在《基于SIFT和小波变换的遥感影像配准融合算法研究》一文中研究指出遥感影像数据源源不断地被送回地面接收站,面对如此海量的遥感影像,影像配准和融合技术起了关键性的作用。遥感影像的配准是有效地进行数据融合的必要前提,不同几何特性和不同分辨率的影像之间必须进行严格地配准。遥感影像的融合是通过整合优势互补的遥感影像来提高数据的可用度,融合后的遥感影像要比源影像所包含的信息要丰富,从而为后续处理做好了准备。本文重点研究了遥感影像的配准和多光谱与全色影像的融合,针对配准和融合过程中出现的问题提出了相应的改进方法,并对其进行验证、评价、分析。本文主要工作分为以下叁个方面:(1)研究常用的遥感影像配准和融合算法的理论和方法,分别对遥感影像配准和融合算法进行比较,并对各个算法的优缺点进行客观分析。相较于其它配准算法,SIFT配准算法有着明显的优势,在不同尺度、旋转、光照等条件下均能检测到稳定的特征点进行配准,其缺点是运算时间长、出现边缘效应;相较于其它融合算法,小波变换融合算法可以进行多尺度融合,进而改善融合后影像的细节,其缺点是出现分块、光谱扭曲、边缘模糊等现象。(2)提出一种基于Canny和PCA改进SIFT遥感影像配准算法。对基准影像和待配准影像分别进行Canny算法检测边缘特征、SIFT算法检测特征点,通过剔除在边缘特征上的特征点减少边缘效应,然后利用PCA进行主成分分析特征点描述符进行降维,最后通过RANSAC剔除误匹配对的方法完成配准,从而剔除大量的边缘响应点,提高算法的运算效率。(3)提出一种基于PCNN的小波变换多光谱与全色遥感影像融合算法。对多光谱影像分别进行IHS变换和PCA变换,IHS变换后得到强度I、色度H、饱和度S叁个分量,PCA变换得后到多光谱影像的第一主成分PC1,将全色影像与第一主成分PC1进行直方图匹配得到PAN’,对I和PAN’进行小波变换得到低频分量和高频分量,对低频分量使用加权平均融合规则、高频分量使用改进PCNN的融合规则,然后生成I’,最后通过IHS逆变换生成融合结果。本算法有效地减少了光谱失真的现象也改善了融合的细节。通过大量实验,根据常见的客观评价指标做出比较,可以看出本文改进的算法可以有效地对遥感影像进行配准和融合。(本文来源于《河南大学》期刊2019-06-01）
周琳[8]（2019）在《基于改进SLIC算法的融合影像水体提取研究》一文中研究指出由于厄尔尼诺现象以及各种气候因素的变化,赣南地区洪涝灾害呈频发多发之势,给赣南带来较大的经济损失,利用SAR影像影像进行水体变化监测,并应用于洪涝灾害的防灾减灾有着非常重要的实际意义。当前提高水体提取精度的方法主要有:一是从影像质量入手,二是从提取方法的效率与精度入手。从影像质量方面来看,单一的遥感影像进行水体监测有时并不能满足人们的需求,如多光谱影像数据具有多谱段信息,但容易收到气候的干扰,雷达影像虽然可以弥补光学影像的不足,然而雷达影像中的噪声及阴影也会对结果造成影响;从提取方法方面来看,阈值法计算快捷,但是阈值选取较为困难,一些学者提出在阈值提取前进行超像素分割,提高阈值选取精度,但是结果并不让人满意。本文在以上两种方法基础上开展研究,将高分一号影像与高分叁号影像融合,并改进SLIC算法以实现更精确的水体信息提取。论文的主要研究工作与成果如下:(1)对研究区域的高分一号与高分叁号影像使用常用融合方法进行融合,包括Brovey变换法、Gram-Schmidt变换法、HSV变换法、PC Spetral sharpening以及小波变换法,并对融合结果进行分析评价,从结果分析可以得出,HSV变换法将高分一号与高分叁号SAR影像融合的更佳,融合的影像相比于其他融合影像具有更好的光谱信息与细节信息。(2)将两类影像的水体提取效果进行对比。对比原始影像与融合影像水体提取结果,使用NDWI方法提取的原始影像水体精度为78.23%,提取错误率达到了12.13%,使用NDWI方法提取的融合影像水体精度为85.94%,错误率为9.41%,结果表明融合影像水体提取效果要好于原始影像。(3)提出一种引入纹理特征的改进SLIC算法,使用该算法与经典的OTSU阈值法结合进行水体提取研究,并与经典的SLIC算法进行对比分析。从水体提取面积来看,经典方法水体提取精度只有85.10%,而改进方法水体提取精度达到90.50%,由此得出改进的SLIC水体提取效果要好于经典算法。(本文来源于《江西理工大学》期刊2019-05-30）
田振坤,傅莺莺,刘素红[9]（2019）在《基于异构机器学习算法融合的遥感影像分类》一文中研究指出针对信息获取与处理过程中的不确定性导致的遥感数据分类精度难以满足土地覆盖变化、环境监测、专题信息提取等应用方面的需求,提出了一种基于机器学习的分类融合算法。采用6种异构分类器,以查准率及查全率矩阵为先验知识,依据分类器差异性指数AD对单分类器进行优化组合,结合叁维概率矩阵分别得到抽象级、排序级和度量级的分类融合结果输出,并以北京地区Landsat 8遥感影像的典型区域为研究对象进行分类预测。结果表明,从6个单分类器中选取3个进行组合时的效果较好,其中AD值最大的(NB,KNN,SVM)分类器组合是综合效果最好的分类器组合;所提算法的抽象级输出比单分类的平均精度高12.28%,比分类效果最好的单分类器SVM高2.24%;所提算法对多个"强成员分类器"进行融合仍然能有效提高分类精度,比常用融合算法RF,Bagging和Boosting分别高出11.23%,7.56%和11.36%,对各种地物的分类精度有显着的提高。(本文来源于《计算机科学》期刊2019年05期）
王相海,白世夫,李智,宋若曦,陶兢喆[10]（2019）在《基于PST相位约束和稀疏表示的MS和PAN影像融合算法》一文中研究指出在基于多光谱(MS)影像和全色(PAN)遥感影像融合中,提高融合影像质量的一个关键问题是如何有效提取PAN影像的纹理特征信息,并有针对性地对MS影像进行信息注入.因此,文中提出基于相位拉伸变换(PST)相位约束的MS和PAN影像稀疏融合算法.首先对MS和PAN影像进行高斯滤波.对于中低频信息,基于PST相位差对影像中边缘和纹理区域的敏感性,通过高频信息PST的相位差获得融合权重约束.对于高频信息,通过学习PAN影像的高频信息获得训练字典,并利用字典对MS和PAN影像的高频信息进行稀疏表示和融合,提高融合高频信息的准确度.算法在一定程度上克服传统融合方法对边缘纹理区域融合效果较差和光谱信息扭曲等现象,取得更好的融合效果.大量仿真实验验证算法的有效性.(本文来源于《模式识别与人工智能》期刊2019年05期）
影像融合算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对基于无人机影像和卫星影像彩色变换(hue-intensity-saturation,HIS)时,传统确定I分量的方法具有光谱信息缺失和难以精确确定的问题,提出一种选取最优波段替代I分量的方法,改进了HIS变换方法。该方法对无人机影像与卫星影像做相关分析,根据相关性为无人机影像各波段给一个权重系数,波段相互运算,从而确定替换HIS融合中的I分量,进行HIS逆变换获得融合影像。通过与原始HIS变换和主成分分析(principal components analysis,PCA)的比较,改进的HIS变换实现了无人机航片影像和高分辨率卫星影像融合,一定程度上克服了原始HIS变换和PCA变换融合效果不佳,光谱扭曲程度较大,空间信息丰富度小的缺点。基于高分二号影像和无人机影像进行实验验证。实验表明,使用改进HIS变换进行融合,其融合效果比较好,具有光谱扭曲小、空间信息丰富、细节表现良好等优点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
影像融合算法论文参考文献
[1].陈应霞,陈艳,刘丛.遥感影像融合AIHS转换与粒子群优化算法[J].测绘学报.2019
[2].牛丽峰,李轶鲲,杨树文,李小军.无人机航片和卫星影像融合算法[J].遥感信息.2019
[3].李小军,闫浩文,杨树文,牛丽峰.一种多光谱遥感影像与航拍影像融合算法[J].遥感信息.2019
[4].蒋星详,肖莉.一种多特征融合的高分辨率遥感影像道路中心线提取算法[J].测绘地理信息.2019
[5].耿中元,袁继英,李英成,孙新博,朱祥娥.无人机视频影像的准实时融合算法[J].测绘科学.2019
[6].陈向东,邓江洪,安国成.融合算法在高空间分辨率影像中的应用研究[J].河南师范大学学报(自然科学版).2019
[7].段延超.基于SIFT和小波变换的遥感影像配准融合算法研究[D].河南大学.2019
[8].周琳.基于改进SLIC算法的融合影像水体提取研究[D].江西理工大学.2019
[9].田振坤,傅莺莺,刘素红.基于异构机器学习算法融合的遥感影像分类[J].计算机科学.2019
[10].王相海,白世夫,李智,宋若曦,陶兢喆.基于PST相位约束和稀疏表示的MS和PAN影像融合算法[J].模式识别与人工智能.2019
标签：Pan-sharpening; 多光谱图像; 全色图像; 亮度-色度-饱和度;