1未來遙感圖像融合及質(zhì)量評價總結(jié)選擇，以及融合方法的選擇。后對多源影像進行影像匹配。譜差異大、可分性好的波段，進行波段組合，進行后續(xù)的圖像融合。融合方法的選擇方面除了常規(guī)方法以外，作者提出了2種改進型融合算法：在突出邊緣的融合方面采用將突出邊緣的特征級融合圖像與像素級融合圖像再融合的圖像質(zhì)量的評價這幾篇論文進采用主客觀相結(jié)合的評價方式，最終以評分的形式確定圖像的質(zhì)量。主要有S(1)基于HVS感興趣特性和對比度的遙感圖像無參考質(zhì)量評價方法在對比度計算時考慮視覺感興趣區(qū)域與背景區(qū)域權(quán)重系數(shù)，實現(xiàn)了一種基于HVS的感興趣特性和對比度的遙感圖像無參考質(zhì)量評觀評價的結(jié)果。(2)基于HVS掩蓋效應(yīng)和圖像模糊的遙感圖像無參考質(zhì)量評價方法系統(tǒng)對灰度具有差異的敏感性這一特性。實現(xiàn)了基于HVS和模糊的改進的遙感圖像無參考質(zhì)量評價體系。較大，結(jié)果相對精確。3、針對土地利用項目的各個階段質(zhì)量對應(yīng)控制的質(zhì)量評價方式。這種質(zhì)量控制方法從階段到整體對圖像處理的每一步均進行質(zhì)量檢驗，確保每一階段圖利用變更遙感監(jiān)測項目，針對性較強。2未來 331、遙感影像預(yù)處理1.1幾何校正論文列舉方法有最鄰近內(nèi)插法,雙線性內(nèi)插法及三次卷積內(nèi)插法。最鄰近內(nèi)插法的優(yōu)點是不破壞原來的像元值，處理速度快,但會使原影像中的某些線狀特征變粗成塊。雙線性與1.2基于影像直方圖的預(yù)處理1.2.1直方圖均衡化44直方圖均衡后每個灰度級的像元數(shù)理論上應(yīng)相等，但實際上為近似相等，直接從影像上看，1、各灰度級所占影像的面積近似相等，因為某些灰度級出現(xiàn)高的像素不可能被分割。2、原影像上出現(xiàn)頻率小的灰度級被合并，頻率高的灰度級被保留，因此可以增強影像上大面積地物與周圍地物的反差。3、如果輸出數(shù)據(jù)分段級較少，則會產(chǎn)生一些大類地物的近似輪廓。1.2.2直方圖匹配直方圖匹配是通過非線性變換使得一個影像的直方圖與另一個影像直方圖類似。直方圖差異的影像處理很有用，特別是對影像鑲嵌或變化檢測。為了使影像直方圖匹配獲得好的結(jié)果,兩幅影像應(yīng)有相似的特性:1、影像直方圖總體形狀應(yīng)類似。2、影像中明暗特征應(yīng)相同。3、對某些應(yīng)用，影像的空間分辨率應(yīng)相同。4、影像上地物分布應(yīng)相同,尤其是不同地區(qū)的影像匹配。如果一幅影像里有云，而另一幅沒有云，那么在直方圖匹配前，應(yīng)將其中一幅進行去云處理。的細(xì)節(jié)信息，增大信息量。1.3影像配準(zhǔn)配的處理過程。其中的一幅影像是參考影像數(shù)據(jù),其它影像則作為輸入影像與參考影像進行影像配準(zhǔn)是影像融合處理中最關(guān)鍵的一個步驟。在影像融合的各項預(yù)處理過程中，多幅影像的幾何配準(zhǔn)精度對融合影像的質(zhì)量影響最為顯著。主要有兩類像素層影像配準(zhǔn)算法：基于區(qū)域的配準(zhǔn)算法和基于控制點的配準(zhǔn)算法?；趨^(qū)域的影像配準(zhǔn)算法已廣泛的應(yīng)用于各種影像配準(zhǔn)領(lǐng)域，它運用的是整個區(qū)域的影像像素灰度值來進行配準(zhǔn)?；趨^(qū)域的像素層配準(zhǔn)5未來算法主要分為三類：灰度相關(guān)類算法、快速相關(guān)算法(如變灰度級相關(guān)算法、FFT相關(guān)法、序貫相似性檢測算法(SSDA)、變分辨率相關(guān)算法等、以及相位相關(guān)算法)。這類配準(zhǔn)技術(shù)目復(fù)雜的結(jié)構(gòu)畸變時，基于區(qū)域的配準(zhǔn)算法也很難得到正確的配準(zhǔn)結(jié)果。針對以上兩種情況，目前研究較多的是基于控制點的影像配準(zhǔn)算法。聲干擾大的影像中選取的控制點的精度都會有所降低。而影像配準(zhǔn)效果在很大程度上取決于控制點選取的好壞，因此，如何選取高精度的控制點是基于控制點的配準(zhǔn)算法的關(guān)鍵所在。2、多波段遙感影像最佳波段選擇2.1遙感影像最佳波段選擇指標(biāo)通常,波段選擇考慮三個方面的因素：(1)波段或波段組合信息含量的多少；(3)研究區(qū)內(nèi)欲識別地物的光譜響應(yīng)特征如何。選用下列指標(biāo)判斷最佳波段。2)標(biāo)準(zhǔn)差來6未來3)信息嫡總像素數(shù)之比。根據(jù)shamrnon信息論的原理，一幅圖像的信息嫡為4)聯(lián)合嫡兩幅圖像的聯(lián)合嫡為:來說聯(lián)合嫡值越大，圖像信息量越大。2.1.2相關(guān)系數(shù)及最佳指數(shù)1)相關(guān)系數(shù)融合圖像與源圖像的相關(guān)系數(shù)能反映兩幅圖像光譜特征的相似程度，其定義如下：式中，和a_分別為融合圖像與源圖像的均值。通過比較融合前后的圖像相關(guān)系數(shù)可以看出相關(guān)系數(shù)可以看出融合影像與高分辨率影像的空間分辨率改善程度。2)最佳指數(shù)出的最佳指數(shù)OIF的概念，即77可能三組合波段對應(yīng)的OIF。OIF越大，則相應(yīng)組合圖像的信息量越大。對OIF按照從大到小的順序進行排列，即可選出最優(yōu)組合方案。2.2分析試驗數(shù)據(jù)ICKBIRDONOS多少，信息嫡越大說明信息量越豐富。2.3試驗數(shù)據(jù)最佳波段選取一般來說,波段選擇有兩點原則：①所選擇的波段和波段組合的信息量最大；②所選的波段和波段組合使得某些地物類別之間最容易區(qū)分。對于論文中試驗數(shù)據(jù)做各個波段組合分8未來段的分析可知，最佳波段組合是Ⅰ、Ⅲ、Ⅳ。3、圖像融合方法3.1像素級融合處理方法論文中對于此類列舉了幾種常規(guī)算法并一種改進算法，包括：3.1.1影像代數(shù)運算融合方法1)加權(quán)平均融合方法2)乘積性融合方法3)比值融合方法4)高通濾波融合方法9未來3.1.2彩色空間變換融合方法1)HIS變換融合法3.1.3PCA變換融合方法3.1.4基于塔式分解和重建融合方法1)基于拉普拉斯塔形分解的影像融合方法。2)基于梯度塔形分解的影像融合方法。3.1.5小波變換融合方法3.1.6改進算法將HIS變換與小波變換結(jié)合算法其基本思想是:多光譜影像經(jīng)TROUS小波分解后生成不同尺度的近似影像和一組相關(guān)絕對值較大的系數(shù)對應(yīng)于原始影像中的顯著特征(如邊緣、線、區(qū)域邊界等)，它反映了原始影像中的豐富細(xì)節(jié)和空間結(jié)構(gòu)。多光譜影像的空間分辨率，同時又保持了多光譜影像的光譜信息。2)小波變換的改進算法該算法根據(jù)待融合影像分辨率之比來確定采用幾進制小波，將待融合的高分辨率影像進合后的影像最大限度地利用了待融合影像的信息，防止了影像信息的丟失。3.2突出邊緣信息的影像融合方法3.2.1經(jīng)典邊緣檢測算子3.2.2改進算法檢測分別得到邊緣影像1和邊緣影像2，然后將兩加，0未來其流程圖如下:總結(jié)1基于HVS的主客觀相結(jié)合的評價方法HVS：人類視覺系統(tǒng)，論文提出的所有方法均以HVS為依據(jù)，按盡量符合人眼觀察信計。1.1建立主觀評分?jǐn)?shù)據(jù)庫論文中選取10張原始遙感圖像，經(jīng)過4種失真方式處理，獲得了240張待評價圖像。人員對圖像打分(百分制)。該過程工作量較大。1未來1.2基于HVS和SSIM的遙感圖像全參考質(zhì)量評價方法該方法主要針對大部分圖像無法較準(zhǔn)確的評價包含嚴(yán)重失真的圖像的問題而設(shè)計。特征(包括空間位置、紋理復(fù)雜度以及亮度對比度等)。其次生成失真感知圖，該圖可通過計征顯著因素與失真嚴(yán)重因素這兩個方面進行考慮，分析該轉(zhuǎn)移影響了視覺感知的哪些方面,在考慮視覺注意焦點轉(zhuǎn)移的基礎(chǔ)之上，重新生成一幅視覺感知圖(焦點轉(zhuǎn)移后的)。最終圖像的客觀質(zhì)量可以通過將塊結(jié)構(gòu)相似度與兩幅視覺感知圖加權(quán)求和獲得。1.3基于HVS感興趣特性和對比度的遙感圖像無參考質(zhì)量評價方法考慮視覺感興趣區(qū)域與背景區(qū)域權(quán)重系數(shù)，實現(xiàn)了一種基于HVS的感興趣特性和對比度的遙感圖像無參考質(zhì)量評價方法。通過①計算圖像中感興趣區(qū)域與非感興趣區(qū)域的加權(quán)因子以及歸一化后的加權(quán)系數(shù)；②計算出圖像的原始對比度值以及添加HVS特性之后的對比度值。所得結(jié)果作為評價標(biāo)準(zhǔn)。論文中實驗結(jié)果為此方法計算結(jié)果表明添加了HVS特性之后的對比度值與圖像的主觀評價值相關(guān)性和單2未來更為相似，即加入了HVS特性之后的圖像評價值的結(jié)果更為符合人類在現(xiàn)實生活中對圖像1.4基于HVS掩蓋效應(yīng)和圖像模糊的遙感圖像無參考質(zhì)量評價方法該方法以盲測量圖像模糊算法作為理論基礎(chǔ)，將HVS的空間復(fù)雜度掩蓋模型、亮度掩系統(tǒng)對灰度具有差異的敏感性這一特性。實現(xiàn)了基于HVS和模糊的改進的遙感圖像無參考該方法通過對圖像進行掩蓋后確定圖像的邊緣，則使用邊緣檢測算子計算出邊緣結(jié)果，然后計算該邊緣點的灰度敏感度s(g)，由s(g)求出所有邊緣點基于HVS的模糊度HB，取其最大結(jié)果作為該圖像的模糊度。如表5.5，在第一組實驗中,引入了HVS的掩蓋特性的質(zhì)量評價結(jié)果(HB)與主觀評價結(jié)主觀評價結(jié)果更加具有一致性。在第二組實驗中，雖然三幅圖像均使用同樣的模糊半徑進行模糊,但由于亮度不同，評價人員從視覺感知上對他們的打分顯然有所不同，而評分也反映出它們的質(zhì)量是依次下降的。對于原始的模糊度值(B)得出的評分確實完全相同的，根因也是其并未考慮人眼灰度敏感度n表明本文方法所得到的模糊程度評價結(jié)果與主觀評價結(jié)果更加具有一致性。HVS法更加符合人眼13未來2基于模糊集理論的主客觀相結(jié)合評價方法模糊集合是將普通集合論中元素x對于集合A隸屬關(guān)系體征函數(shù)的取值范圍從{0，1}拓展到了[0，1]。從而導(dǎo)出了模糊集合(也稱模糊子集)的概念。檢測圖像質(zhì)量時選取若干個2.1評價參數(shù)選取客觀質(zhì)量的評價的元素，應(yīng)該具備①靠元素的一個數(shù)值便能在一定程度上說明質(zhì)量的優(yōu)劣；②數(shù)值的大小應(yīng)與質(zhì)量和分?jǐn)?shù)都應(yīng)呈線性關(guān)系(無論正反比)，便于建立函數(shù)為宜。因此經(jīng)過分析，在客觀評價方面采用影像幾何精度、調(diào)制傳遞曲線、分辨率、信噪比、元數(shù)據(jù)和說明文件正確性以及完整性、為評價標(biāo)準(zhǔn)。評價是采用10分制模式。其中影(1)像幾何精度采用Kappa度量模型，K經(jīng)Kappa分析所得的圖像合格臨界值臨(2)調(diào)制傳遞曲線采用MTF度量建模，(3)分辨率采用(4)信噪比4未來(5)元數(shù)據(jù)和說明文件正確性以及完整性另外再加一項(6)主觀因素這里采用傳統(tǒng)的描述方式，由專業(yè)人員先按五分制打分，再轉(zhuǎn)化成十分制，其標(biāo)項有：影像的清晰度、影像的色彩、影像的亮度、對比度以及色差、色斑等分別列表如下：2.2建立基于模糊集的評分系統(tǒng)此論文運用模糊集原理將遙感圖像質(zhì)量劃分為五大級，每一大級再細(xì)分為五級，共25級，并從整體，局部，特征三方面評分：5未來信噪度分辨率清晰度局部信噪度局部分辨率局部清晰度局部精度說明文件完整性元數(shù)據(jù)完整性元數(shù)據(jù)正確性主觀因素性6未來2.3評分并評級然后再代入二級模糊度評分函數(shù)，確定二級區(qū)間，劃分二級等級。保證計算結(jié)果的合理性。3階段性與整體性圖像質(zhì)量控制方法均在感監(jiān)測項目，針對性較強。操作流程如下圖：7未來3.1圖像接收階段數(shù)據(jù)接收階段是數(shù)據(jù)質(zhì)量問題最早出現(xiàn)的階段，在對接收到的各種數(shù)據(jù)進行生產(chǎn)和加工之前就需要對所接收到的各種數(shù)據(jù)進行數(shù)據(jù)質(zhì)量的檢查。針對該項目在該階段數(shù)據(jù)庫及年度疑似新增的建設(shè)用地數(shù)據(jù)庫等。8未來3.2圖像預(yù)處理階段該階段檢測針對的是預(yù)處理中的幾何校正和正射校正。3.3圖像融合階段該階段論文針對的是土地變化進行的檢測。3.4整體性圖像質(zhì)量檢驗2、數(shù)學(xué)基礎(chǔ)(坐標(biāo)是否統(tǒng)一、投影是否正確)9未來4、鑲嵌塊信息文件5、檢測圖斑6、邏輯一致性最后按這8