基于集成互补不变特征的多源遥感影像配准方法研究(王晓华 著)思维导图

遥感
卫星轨道参数 卫星姿态角
卫星相关数值
卫星分类
LandSat
Spot
CCD
其他
特点 分类
微波
各自特点 相互区别
分类
侧视雷达
遥感平台（卫星）
光学
仪器
传感器
雷达
光学 雷达
衡量分辨率
收集、探测遥感影像
遥感是啥
遥感的分类
按投影分 按颜色分
种类
描述方法
数字影像
大气成分
大气结构 大气影响
大气
大气窗口
波的特性
植物
波
岩石土 地物反射波谱特性
水
遥感基础 物理基础
基础知识
遥感
处理遥感影像
模拟图像与数字图像的区别
影像转换（通常是数字化） 图像采样
灰度级量化
标准
变形
几何变形 变形误差
数字图像校正
构像方程
几何变形原因
校正流程（通常是数字影像校正）
几何校正
流程
坐标变换
多项式变换 共线方程法
灰度值重采样
定义 方法
误差产生原因
辐射校正 目的
方法
所需工具
灰度直方图 滤波器
均衡 （规定化）匹配
空间域 卷积运算算子
数字影像增强
方法
频率域
滤波器分类 各自特点
四则运算
彩色增强
不同颜色赋予 流程
植被指数
多源信息复合
目的
流ቤተ መጻሕፍቲ ባይዱ 方法
平滑 锐化
反差增强？
图像预处理
建立标志 特征变换？
计算机解译
方法
监督 判别函数 非监督
流程 距离判别准则
原则

分辨率：采用线对/毫米
f
Rg
Rs f H
Rg 为地面分辨率
H
H 为航高
Rs 为系统分辨率 f 为摄影机焦距
IKONOS 图像，1m分辨率
由于地形起伏 引起的平面上 的点位在相片 位置上的移动， 这种现象称为 像点位移，其 位移量就是中 心投影与垂直 投影在同一水 平面上的“投 影误差”
9个一定 高度的柱 子，影像 中பைடு நூலகம்正射 投影，只 能看到顶； 其余成像 后放射状 的向外倒
影像面扫描的方式
➢不直接对地面扫描，而是先用光学系统将目标 的辐射信息在靶面上聚焦形成一幅影像，然后 对靶面扫描来获得数据
➢如SPOT卫星上的HRV
成像方式
➢成像方式的传感器把地物的电磁波能量强度用 图像的形式表示
➢航空摄影机、扫描仪、成像光谱仪和成像雷达 等
非成像方式
➢非成像方式的传感器把所探测到的地物电磁波 能量强度用数字或曲线图形表示
分辨率与比例尺 地形起伏引起的投影差 成像方式引起的变形 外方位元素 代表传感器 不足
中心投影类型成 像仪，通常称框 幅式成像仪
在成像瞬间直接 获取地面景物的 二维影像
特点：整幅影像 的所有像元是同 时成像的，图像 上所有像元的外 方位元素是一样 的
比例尺：1/m=f/H
（焦距/航高）
斜距投影成像仪： 侧视雷达等
大部分航天遥感采用扫描成像 两种扫描方式 1. 光/机扫描成像或掸扫式 2. 推扫式扫描或推帚式扫描 逐点或者逐列对地面作垂直飞行方向扫描
成像，随平台向前运动获得地面景物的二 维影像
扫描成像是依靠探测元件和扫描镜对目标 地物以瞬时视场为单位进行的逐点、逐行 取样，以取得目标地物电磁辐射特性信息， 形成一定谱段的图像

第40卷 第4期 JOURNAL OF XIDIAN UNIVERSITY V ol.40 No.4 ______________________________收稿日期： 网络出版时间： 基金项目：国家自然科学基金资助项目(61001202,61003199)；高等学校学科创新引智计划（111计划）资助项目(B07048)；国家教育部博士点基金资助项目(200807010003,20090203120016,20100203120008)；教育部“长江学者和创新团队发展计划”资助项目(IRT1170)作者简介：王凌霞（1983—），女，西安电子科技大学博士研究生，E-mail ：wanglingxia@网络出版地址： doi ：10.3969/j.issn.1001-2400.2013.04.018利用免疫克隆进行小波域遥感图像变化检测王凌霞1，焦李成1，颜学颖1，辛芳芳2(1. 西安电子科技大学 智能感知与图像理解教育部重点实验室，陕西 西安 710071；2. 西安微电子技术研究所，陕西 西安 710054)摘要：为了降低遥感图像变化检测中噪声对检测精度的影响，本文提出一种基于免疫克隆结合小波变换的新算法。

首先利用小波多尺度和低通平滑的特性，构造多层差异影像，再通过免疫克隆算法修正小波变换插零和卷积操作带来的图像空域偏差，对运用瑞利高斯模型分割得到的初始结果进行二次线性插值的匹配，最后经图像融合得到变化检测结果。

仿真实验表明本文提出的算法不仅降低了图像噪声的影响，而且有效抑制了引入小波变换带来的图像偏移误差，显著地提高了变化检测精度。

关键词：变化检测 免疫克隆算法 小波变换中图分类号：TP391 文献标识码：A 文章编号：1001-2400(2013)04-0128-08Change detection in multi-temporal remote sensing images based on thewavelet-domain immune clonal optimazitionWANG Lingxia 1, JIAO Licheng 1, YAN Xueying 1, XIN Fangfang 2(1. Ministry of Education Key Lab. of Intelligent Perception and Image Understanding , Xidian Univ ., Xi’an 710071, China;2.Xi ’an Institute of microelectronics technology, Xi’an 710054, China)Abstract : In order to reduce the impact with noises in change detection for remote sensing images, a novel change detectionmethod is proposed in this paper ,which based on immune clone algorithm and wavelet transform. Firstly, the multi-scale andlow-pass smoothing characteristics of wavelet transform were utilized to construct multi-layered difference images. Secondlythe time domain deviations caused by operation of zero insertion and image convolution in wavelet transform were correctedby immune clonal algorithm that the initial segmentation results obtained using Rayleigh-Gauss model were matched by secondary linear interpolation operation. Finally, the change detection was accomplished by image fusion. Simulation resultsshow that the algorithm can not only reduce the image noises, and also suppress the image deviations caused by wavelet Key Words : change detection ；immune clonal algorithm ；wavelet transform1 引言遥感图像变化检测是对不同时间获取的同一地理区域的多时相遥感图像进行定性或定量的分析，来获得地表变化特征和过程的技术[1]。

多源遥感图像融合技术综述摘要：本文针对遥感图像分析的具体实践需要,论述了几种常用的基于像素级遥感图像融合方法的原理、特点、作用及限制条件,描述了其主要步骤,进行了定性分析,归纳并阐明了遥感数据融合效果定量评价指标及其意义,展望了遥感图像融合方法的发展与应用前景。

关键词：遥感图像融合、像素级、主成份分析法、小波变换分析法Abstract：According to the analytical practice of remotely sensed image, the paper introduces some popular fusion methods based on pixel-level, mainly discusses the principals,features, functions, conditions, qualitatively analyses the steps of the methods,generalizes and illustrates quantitative appreciation of the fusion effects, and explainthe development of image fusion techniques for remote sensing application, as well asit’s foregrounds in application.Key words: remote sensing image fusion, pixel-level,principal components analysis, wavelets analysis.0.引言遥感平台和传感器的发展，使得遥感系统能够为用户提供同一地区的多空间分辨率、多光谱分辨率、多时间分辨率的海量影像资料。

一般来说，多光谱图像的光谱分辨率较高，但空间分辨率比较低，即空间的细节表现能力比较差；全色图像具有较高的空间分辨率，但光谱分辨率较低。

∗ 浙江省自然科学基金 (批准号: LY13F020044, LZ14F030004) 和国家自然科学基金 (批准号: 61171152) 资助的课题. † 通信作者. E-mail: lxr@
© 2015 中国物理学会 Chinese Physical Society 124204-1
[17]
2 QPSO 算法
不同于基本 PSO, 在 QPSO 中, 每个粒子只有 位置信息, 没有速度信息. 假设粒子规模为 M , 目 标搜索空间为 d 维, t 时刻、 第 i 个粒子的位置记为
t t t t = (Xi Xi 1 , Xi2 , · · · , Xid ), 1
i
M , 其最优位置
[8]
问题; 文献 [19] 提出一种混沌粒子群优化算法对控 制器进行参数寻优设计, 通过混沌序列初始化粒子 的位置和速度, 不判断粒子群迭代是否早熟收敛而 直接引入混沌映射对粒子进行混沌优化, 并通过映 射和逆映射保证粒子取值的合理性, 但前提是粒子 的合理取值范围必须已知; 文献 [20, 21] 提出的混 沌粒子群算法则是通过一定的方法判断粒子早熟 收敛后对粒子进行混沌优化, 改善粒子群优化性 能, 摆脱局部极值点. 但如何判断早熟收敛及如何 利用混沌序列跳出早熟有待进一步研究. 基于上述分析, 设计了一种新的混沌量子粒 子群优化 (chaos quantum-behaved particle swarm optimization, CQPSO) 算法, 并用于 SIFT 结合区 域互信息优化的多源遥感图像配准. 基于 SIFT 算 法实现多源遥感图像的初配准, 对匹配特征点坐标 扰动构造初始粒子, 用 CQPSO 算法迭代优化区域 互信息, 求得最优匹配参数.
关键词: 遥感图像配准, 区域互信息, 混沌量子粒子群优化, 尺度不变特征变换 PACS: 42.30.Va, 42.68.Wt, 05.45.Gg, 42.30.Kq DOI: 10.7498/aps.64.124204

二、现状与发展

近年来，随着多源数据的不断丰富和提供，多源遥感数 据融合的研究发展很快。在传统数据融合模型方法的基础 上，许多学者将一些新的技术和边缘科学的理论引入进来， 发展形成了不少新的模型算法。如，遗传算法在影像融合 中的应用；小波变换在影像融合中的应用方法，等等。 遥感数据融合的算法有很多，目前还没有统一的数据融 合模型和有效的融合结果评价方法，选用何种算法有效在 很大程度上与遥感数据源的种类和融合的目的有关。在近 几年开展的全国土地利用动态遥感监测中，数据源主要为 SPOT全色和TM多光谱影像。影像融合的目的是解决影像 判读分析困难、数据冗余以及存储管理的问题，以突出反 映土地利用类型要素信息，增强影像可判读性，提高监测 精度。根据不同的应用目的，数据融合可分为两种：
4.3 线性加权乘积


多传感器遥感影像融合的主要优点是减少信息冗余、增加 信息互补、扩大时限和降低成本。为了将不同特性的多传 感器影像信息进行融合，线性加权乘积是最直观的一种影 像融合手段。影像波段之间的某些复合可以达到对影像进 行锐化的效果。因此，为了增强影像的细节反差，可采用 影像间的线性复合和乘积相结合的融合方法，其表达式为： R=a1+b1 ×（P+3×SX3）/4 G=a2+b2 ×SQRT（P×SX2） B=a3+b3 ×SQRT（P×SX1） 其中ai，bi(i=1,2,3)为加常数和比例系数，P、SX1.2.3 为全 色和多光谱数据灰度值，R，G，B为融合后的三个分量。
最佳波段组合
（1）
可见光=蓝，中红外=红，近红外=绿， 模拟真彩色组合，适合于非专业人员使用。 （2） 可见光=蓝，中红外=绿，近红外=红， 假彩色组合，利于信息判读。 另外，不同的地区和季节多光谱的组合方 式也不同，下面分别根据不同的地区和不 同的目的列出相应的波段组合。

WT方法首先对参与融合的遥感图像数据进行小波正变换，将图像分解 为高频信息和低频信息。分别抽取来自高空间分辨率影像分解后的高频信 息和低空间分辨率的低频信息进行小波逆变换，生成融合图像。 特点：可以对任意波段融合 缺点：小波基选择比较麻烦，融合速度不理想 小波变换示意图见下图
可编辑课件PPT
23
LL3 H L3 LH 3H H 3
定的算法，生成一幅新的、更能有效表示该目标的图像信息。
可编辑课件PPT
12
遥感数据融合发展和应用
Data Fusion
数据融合（data fusion）最早被应用于军事领域。
融合数据的特点：融合产生的数据具有原始影像的优点，其可以 减少识别目标的模糊性和不确定性，提高遥感图像整体质量和综 合分析精度同时又能满足定量遥感需要更多的光谱信息和空间纹 理信息的要求。
可编辑课件PPT
6
Sensor two：SPOT
Multi-sensor data
RGB432
可编辑课件PPT
7
Sensor three： CBERS
Multi-sensor data
CBERS系列卫星：即中巴资源卫星（ China-Brazil Earth Resource Satellite ）
特征级融合
特征级融合是一种中等水平的融合。其先是将各遥感影像数据进行特征提取， 提取的特征信息应是原始信息的充分表示量或充分统计量，然后按特征信息 对多源数据进行分类、聚集和综合，产生特征矢量，而后采用一些基于特征 级融合方法融合这些特征矢量，作出基于融合特征矢量的属性说明。
决策级融合
决策级融合是最高水平的融合，融合的结果为指挥、控制、决策提供依据。 在这一级别中，首先对每一数据进行属性说明，然后对其结果加以融合，得 到目标或环境的融合属性说明。决策级融合的优点时具有很强的容错性，很 好的开放性，处理时间短、数据要求低、分析能力强。而由于对预处理及特 征提取有较高要求，所以决策级融合的代价较高。

二、多源遥感图像融合的未来展 望
随着计算机技术、人工智能和遥感技术的不断发展，多源遥感图像融合技术 也将迎来更多的发展机遇和挑战。未来，多源遥感图像融合技术将朝着以下几个 方向发展：
1、技术创新：未来的多源遥感图像融合技术将更加注重智能化和自动化。 通过引入深度学习、强化学习等人工智能技术，实现遥感图像的自动配准、特征 提取和分类分割等功能。同时，还将探索新的融合算法和模型，以提高融合效率 和精度。
3、在集成建模方面，采用卷积神经网络（CNN）建立的集成模型在多源遥感 图像数据与GIS的集成应用中具有较好的性能。同时，通过增加模型的深度和宽 度能够有效提高模型的精度和泛化能力。
结论与展望
本研究在多源遥感图像数据与GIS集成应用方面取得了一定的成果，提出了 一些有效的数据融合、预处理和集成建模方法。然而，仍存在一些不足之处，如 数据融合算法的选择和优化、数据预处理中复杂地形和气候条件下的处理方法以 及集成建模中模型的鲁棒性和可解释性等问题需要进一步研究和改进。
多源异构数据集成技术是一种跨学科的技术，它涉及到计算机科学、数据库 技术、人工智能等多个领域。这种技术的主要特点是将不同来源、不同格式、不 同类型的数据进行有效的整合，形成一个统一的数据集合。这个数据集合不仅包 含了各种数据的共性，还保留了各种数据的个性，从而能够更好地满足各种应用 的需求。
多源异构数据集成技术的基本原理是：首先对各种数据进行预处理，包括数 据清洗、格式转换等，以保证数据的完整性和一致性；然后利用数据融合技术将 各种数据进行融合，得到一个较为全面的数据集合；最后利用数据挖掘技术对数 据集合进行深入分析，挖掘出其中有价值的信息。
3、构建统一的实验平台和评估标准，以便更好地比较和评估不同方法的性 能。可以通过搭建公开可用的实验平台，吸引更多研究者参与，共同推动多源遥 感图像舰船目标特征提取与融合技术的发展。

用信息的增加以及噪声误差的增加，因此对多种遥感数据 作出合理的选择。 – 几何配准，即解决遥感图像的几何畸变，解决空间配准问 题。
只有对地学规律、影象特征、成象机理这三者有深 刻的认识，并把它们有机地结合起来，信息复合才 能达到更好地效果。
（二）多源遥感信息复合的应用案例
遥感信息的复合 （1）不同传感器的遥感数据的复合， （2）不同时相的遥感数据的复合 （3）遥感与非遥感信息的复合
遥感图象处理：信息复合
信息复合的概念和简介 信息复合的应用举例
-不同传感器的遥感信息复合 -不同时相的遥感数据复合 遥感数据复合前处理—几何纠正和空间配准 常用的数据复合方法 遥感信息与非遥感信息的复合
（一）信息复合的概念和简介
定义：多源信息的复合是将多种遥感平台， 多时相遥感数据以及遥感数据与非遥感数据 之间的信息组合匹配的技术。
透 明 叠 加 检 查
（四）常用的数据融合方法—彩色合成
数据融合方法：彩色变换、 K-L 变换，比值变换； 基于小波理论的特征融合、基于贝叶斯法则的分 类融合等
诸多复合方案中，彩色合成方法的效果比较明显。 所以应尽可能生成三幅新图像，分别赋予红、绿、 蓝色，进行假彩色合成。
具体做法举例：
将TM与SPOT复合，选取TM三个波段4，3，2 和 SPOT全色波段共4个波段， 复合方法1：每幅TM图像均与SPOT图像作逐点运 算，如相加、相减或相乘，或其他运算方案，生 成三幅图像，进行彩色合成，生成复合图像。
（四）常用的数据融合方法—彩色合成
具体做法举例：
复合方法2：设 LRTM、 LGTM、 LBTM分别为TM4,3,2 波段的亮度值， LSPOT为SPOT全色波段的亮度值， A为权函数，则生成三幅新图像亮度值L复为： LR复＝A·LSPOT·LRTM/（LRTM +LGTM +LBTM） LG复＝A·LSPOT·LGTM/（LRTM +LGTM +LBTM） LB复＝A·LSPOT·LBTM/（LRTM +LGTM +LBTM） 将新生成的图像LR复、LG复、LB复分别赋予红、绿、 蓝色，合成后生成复合图像。

基于差异图组合的遥感图像变化检测姜欢欢;杨学志;董张玉;胡志勇【摘要】针对传统差异图抗噪性差、检测精度低的缺点,文章提出了一种基于差异图组合的遥感图像变化检测算法.该方法通过傅里叶变换得到差值图的相位和对数比值图的幅值,对其组合后进行傅里叶反变换生成新差异图,最后用模糊C均值(fuzzy C-means,FCM)进行聚类.该文采用全色图像和合成孔径雷达(synthe tic aperture radar,SAR)图像进行验证,并与使用单一类型的差异图对比,结果表明,该方法由于利用差值图相位保留了图像中的弱变化信息,提高了检测准确率,且由于利用对数比值图幅值抑制了图像中的噪声,具有一定的抗噪性能.%In view of the fact that the traditional difference image has poor noise immunity and low de-tection accuracy ,a change detection algorithm based on combined difference image(CDI) is presented for remote sensing images .The subtraction operator and the log ratio operator are used to generate two kinds of difference images .Then the combination of the phase of the subtraction difference image and the amplitude of the log ratio difference image obtained by Fourier transform is processed by in-verse Fourier transform to generate CDI .Finally ,the change detection image is achieved by clustering CDI using fuzzy C-means(FCM ) clusteringalgorithm .Experiments on panchromatic image and synthe tic aperture radar(SAR) image are conducted and the results show that the proposed method has cer-tain anti-noise performance and improves the detection accuracy when compared with those based on single difference image ,forthat the phase of the subtraction operator can preserve the w eak change signals and the amplitude of the log ratio operator can combat noise .【期刊名称】《合肥工业大学学报（自然科学版）》【年(卷),期】2017(040)012【总页数】6页(P1614-1618,1665)【关键词】遥感图像;变化检测;相位;差值图;比值图;模糊C均值(FCM)聚类【作者】姜欢欢;杨学志;董张玉;胡志勇【作者单位】合肥工业大学计算机与信息学院,安徽合肥 230009;合肥工业大学计算机与信息学院,安徽合肥 230009;合肥工业大学计算机与信息学院,安徽合肥230009;合肥工业大学计算机与信息学院,安徽合肥 230009【正文语种】中文【中图分类】TP751.1遥感是在远离目标和非接触目标物体条件下探测目标地物,获取其反射、辐射或散射的电磁波信息(如电场、磁场、电磁波、地震波等信息),并进行提取、判定、加工处理、分析与应用的一门科学和技术。

基于形态学纹理特征的高分辨率遥感影像变化检测丁海勇;罗麒杰;王晓英【摘要】由于高分辨率遥感影像数据可以提供更加精细和准确的地表类别信息,它已经成为土地利用覆盖变化研究的主要数据源之一。

本文以15米空间分辨率的遥感影像为数据源,利用数学形态学运算得到了高分辨率遥感影像的纹理特征图像序列,进行了决策树分类,得到了土地利用变化前后期的图像类别信息,采用图像变化轨迹法来进行变化检测。

实验结果证明了本文提出算法的有效性,为更加实用的变化检测研究打下了基础。

【期刊名称】《测绘科学技术》【年(卷),期】2017(005)003【总页数】10页(P143-151)【关键词】高分辨率遥感影像;数学形态学滤波;决策树;土地利用变化【作者】丁海勇;罗麒杰;王晓英【作者单位】[1]南京信息工程大学地理与遥感学院,江苏南京;;[1]南京信息工程大学地理与遥感学院,江苏南京;;[1]南京信息工程大学地理与遥感学院,江苏南京【正文语种】中文【中图分类】TP7由于高分辨率遥感影像数据可以提供更加精细和准确的地表类别信息，它已经成为土地利用覆盖变化研究的主要数据源之一。

本文以15米空间分辨率的遥感影像为数据源，利用数学形态学运算得到了高分辨率遥感影像的纹理特征图像序列，进行了决策树分类，得到了土地利用变化前后期的图像类别信息，采用图像变化轨迹法来进行变化检测。

实验结果证明了本文提出算法的有效性，为更加实用的变化检测研究打下了基础。

高分辨率遥感影像，数学形态学滤波，决策树，土地利用变化High Resolution Remote Sensing Image, Mathematical Morphological Filtering,Decision Tree, Land Use Change随着航天、航空技术的迅速发展，现代遥感技术已经发展到一个具有动态性的、能快速提供多平台、多时相高分辨率影像的新阶段，对于国家地理国情监测具有重要意义。

基于移不变全方向角提升的遥感图像降噪王晓甜;石光明;牛毅;矫恒浩【期刊名称】《测绘学报》【年(卷),期】2011(040)005【摘要】在分析遥感图像结构特征及其与噪声之间主要区别的基础上，利用图像信号的方向信息，提出基于移不变全方向角提升小波（TI—OL）抑制遥感图像噪声的方法。

该方法在方向提升小波变换的基础上并利用循环平移，Gabor小波滤波器和图像旋转技术改进了方向提升小波在图像去噪过程中存在的三个弊端：缺乏移不变性质，图像局部方向信息判方法断缺乏噪声鲁棒性和变换方向分布有限。

消除去噪结果中的吉布斯效应，提高图像方向信息判断的准确性并保证图像纹理方向始终落在方向提升能最优表示的方向区间内。

试验结果证明所提方法在处理遥感图像的过程中能在去噪的同时保留图像的细节和边缘信息，对遥感图像中的边缘信息如道路和桥梁有较好的刻画性能，较传统方法去噪性能（PSNR）和主观视觉效果（SSIM）均有较大提高。

【总页数】8页(P555-562)【作者】王晓甜;石光明;牛毅;矫恒浩【作者单位】西安电子科技大学电子工程学院智能感知与图像理解教育部重点实验室,陕西西安710071;西安电子科技大学电子工程学院智能感知与图像理解教育部重点实验室,陕西西安710071;西安电子科技大学电子工程学院智能感知与图像理解教育部重点实验室,陕西西安710071;西安电子科技大学电子工程学院智能感知与图像理解教育部重点实验室,陕西西安710071;大唐移动通信有限公司产品测试部,陕西西安710071【正文语种】中文【中图分类】TP391【相关文献】1.基于提升改进方向波变换的浮选泡沫图像降噪方法 [J], 李建奇;阳春华;朱红求;曹斌芳2.基于移不变抗混叠轮廓波变换的混合统计模型图像降噪 [J], 闫河;余永辉;赵明富3.基于非冗余平移不变小波变换的磁共振图像降噪 [J], 石宏理;罗述谦4.基于卷积神经网络的遥感图像降噪 [J], 潘凯;侯亮5.基于旋转不变稀疏表示和流形学习的图像降噪 [J], 汤一彬;徐宁;姚澄;朱昌平;周琳因版权原因，仅展示原文概要，查看原文内容请购买。