【文章內(nèi)容簡介】 方法。2)基于梯度塔形分解的影像融合方法。 改進算法1)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)分辨率的小波面，不同尺度下的近似影像及每一小波面的尺寸都與原影像的尺寸相同。在不同尺度下的近似影像中，低頻分量集中了絕大部分能量，它與多光譜影像中的光譜信息相對應(yīng)。高分辨率全色影像經(jīng)TROUS小波分解得到一組不同分辨率的小波面，在每一小波面中，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)。因而在高分辨率全色影像與多光譜影像融合時，盡可能保留高分辨率全色影像的小波面系數(shù)；另一方面保持多光譜影像的近似數(shù)據(jù)，并抑制高分辨率全色影像的近似數(shù)據(jù)，以達到融合影像既保留原始影像中的豐富細(xì)節(jié)和空間結(jié)構(gòu)，又不改變原多光譜影像的光譜信息。因此將高分辨率影像經(jīng)小波分解得到的各小波面疊加到低分辨率多光譜影像中，從而既提高了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行多進制小波變換，然后把高分辨影像經(jīng)小波變換后獲得的低頻成分和低分辨率影像依據(jù)一定的關(guān)系進行相互替換，以形成新的高分辨影像的低頻成分，經(jīng)過多進制小波逆變換獲得融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。 突出邊緣信息的影像融合方法常用的邊緣檢測算子有Sobel算子、Prewitt算子、Roberts算子、Laplacian算子和Canny算子。首先對高分辨率全色影像與多光譜影像選取適當(dāng)?shù)姆椒ㄟM行像素級融合，同時，對邊緣信息豐富的全色影像進行不同算子的邊緣檢測分別得到邊緣影像1和邊緣影像2，然后將兩幅邊緣影像進行特征融合，融合后的邊緣影像與前面生成的像素級融合影像用下列公式進行疊加，其中，N（x,y）、F（x,y）、L（x,y）分別為邊緣增強影像、像素級融合影像及邊緣影像；K為權(quán)系數(shù)。其流程圖如下:二 質(zhì)量評價階段總結(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息時的生理特點而設(shè)計。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。選擇3個專家人員以及15個非專家人員參加圖像主觀質(zhì)量評價。按照ITUR ，評分系統(tǒng)采用雙刺激連續(xù)質(zhì)量測量法的設(shè)計，為評價人員展示圖像對。評分人員對圖像打分（百分制）。該過程工作量較大。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。具體實現(xiàn)的過程如下，首先生成相應(yīng)的視覺感知圖，生成過程使用到圖像的空間域視覺特征(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，該圖可通過計算塊結(jié)構(gòu)相似度得到。接著通過視覺感知圖計算獲得相應(yīng)的視覺特征顯著區(qū)域，同時通過失真感知圖計算獲得相應(yīng)的失真嚴(yán)重區(qū)域，再進而計算視覺注意焦點的轉(zhuǎn)移，要分別從視覺特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。實際為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)性和單調(diào)性都高于傳統(tǒng)方法。這就意味著，在添加了 HVS特性之后,圖像的評價值與其主觀評價值更為相似，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)實生活中對圖像所進行的評價。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、亮度掩蓋模型引入到圖像質(zhì)量評價過程中，并對人眼灰度敏感度進行建模，建模過程依據(jù)人類視覺系統(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。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。論文中實驗驗證結(jié)果為：，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)果的相關(guān)度：%，%，說明本文的方法與主觀評價結(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特性的影響。根據(jù)評價分析可以看出，三幅圖像的基于HVS的掩蓋特性的質(zhì)量評價結(jié)果(HB)與主觀評價結(jié)果的相關(guān)度：%， %，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。根據(jù)以上兩組實驗，可以推斷，引入了 HVS的掩蓋特性的質(zhì)量評價方法更加符合人眼的視覺特性。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)量時選取若干個相應(yīng)參數(shù)，用這些參數(shù)確定圖像的模糊度，再將模糊度代入隸屬函數(shù)，確定圖像的質(zhì)量等級。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臨 經(jīng)Kappa分析所得的圖像合格臨界值（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（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：具體得分細(xì)則如下：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：整體 信噪度 分辨率 清晰度 圖像精度局部 局部信噪度 局部分辨率 局部清晰度 局部精度特征說明文件完整性元數(shù)據(jù)完整性元數(shù)據(jù)正確性主觀因素性評分項目列表如下：多位評分人員計算上述評分參數(shù)，建立評分矩陣，與對應(yīng)權(quán)重矩陣相乘，將結(jié)果代入對應(yīng)一級模糊度隸屬函數(shù)出區(qū)間值模糊綜合評判矩陣，計算最終模糊度。根據(jù)模糊度劃分一級，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?；谀：脑u價方法步驟多，而且每個參數(shù)的計算量較大，由參數(shù)代入隸屬函數(shù)計算模糊度時也比較多，但結(jié)果精確。針對不同融合目的的圖像，應(yīng)選擇不同的模糊度評價參數(shù)，保證計算結(jié)果的合理性。3階段性與整體性圖像質(zhì)量控制方法這種質(zhì)量控制方法是對圖像處理的每一步均進行質(zhì)量檢驗，確保每一階段圖像質(zhì)量均在可接受范圍之內(nèi)，最后再對結(jié)果進行整體檢驗，確定圖像質(zhì)量。其針對的是土地利用變更遙感監(jiān)測項目，針對性較強。操作流程如下圖：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 所接收到的數(shù)據(jù)大致包括：基礎(chǔ)底圖、原始影像、DOM 數(shù)據(jù)、2010 年度的土地調(diào)查 數(shù)據(jù)庫及年度疑似新增的建設(shè)用地數(shù)據(jù)庫等。接收數(shù)據(jù)檢查及處理表： 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。 圖像融合階段該階段論文針對的是土地變化進行的檢測。 整體性圖像質(zhì)量檢驗該階段針對提交前成果按監(jiān)理組相關(guān)標(biāo)準(zhǔn)，對提