Please wait a minute...
 
国土资源遥感  2001, Vol. 13 Issue (3): 30-35    DOI: 10.6046/gtzyyg.2001.03.07
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
SAR和TM图像主成分变换融合中不同主分量替换的比较
杨存建1, 许珺2, 张增祥1
1. 中国科学院遥感应用研究所再生室, 北京 100101;
2. 中国科学院地理所资源与环境信息系统国家重点实验室, 北京 100101
COMPARISON OF SUBSTITUTING THE DIFFERENT PRINCIPLE COMPONENT IN THE FUSION OF TM AND SAR IMAGE PRINCIPLE COMPONENT CHANGE
YANG Cun-jian1, XU Jun2, ZHANG Zeng-xiang1
1. Institute of Remote Sensing Applications, CAS, Beijing 100101, China;
2. LREIS, Institute of Geography, CAS, Beijing 100101, China
全文: PDF(337 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 常用的主成分变换融合方法是将一种遥感图像数据代替主成分变换后的第一主成分并进行反变换,从而得到融合信息的方法。但是,信息量较高的第一主成分被替换,往往造成一定的信息损失。本文对TM2、TM3、TM4、TM5和TM7进行主成分变换,然后用RadarsatSAR影像分别替换各主成分,并对其进行反变换。研究表明,与替换第一主成分或原始图像相比,替换第四和第五主成分的结果在信息量上有很大提高,且信息增强,类别间分离度增大,分类精度提高。但是,替换第四、第五主成分的融合结果相差不大.
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
黄树春
张苑平
姜锋
关键词  张家界市 水土流失 遥感 调查监测    
Abstract:Principal component analysis(PCA) is one of the commonly_used methods to fuse Multisensor image data. Its procedure is to replace the first component with the high_resolution image, then to get the fused image by reversing PCA transform. Nevertheless, the first component contains more information than other components, and there will be much information lost if it is replaced. In this paper,TM2,TM3,TM4,TM5 and TM7 were analyzed by principle component transform, Radarsat SAR was used to replace the first, second, third, forth and fifth component of PCA respectively. Five different results were acquired by reversing PCA transform. The standard deviation and information entropy of five images were applied to analyze the fusion effect. The result shows that the fused images by replacing the fourth and fifth component contain more information than that by replacing the first component and can raise the separability between different types or classifications. But the difference between the fused images by replacing the fourth and the fifth component is not remarkable.
Key wordsZhangjiajie city    Soil erosion    Remote sensing    Investigation and monitoring
收稿日期: 2001-01-11      出版日期: 2011-08-02
基金资助:

国土资源背景遥感研究的知识创新项目(CX000009)

作者简介: 杨存建(1967-),男,博士,现主要从事遥感和地理信息系统方面的应用研究,已经发表论文多篇.
引用本文:   
杨存建, 许珺, 张增祥. SAR和TM图像主成分变换融合中不同主分量替换的比较[J]. 国土资源遥感, 2001, 13(3): 30-35.
YANG Cun-jian, XU Jun, ZHANG Zeng-xiang . COMPARISON OF SUBSTITUTING THE DIFFERENT PRINCIPLE COMPONENT IN THE FUSION OF TM AND SAR IMAGE PRINCIPLE COMPONENT CHANGE. REMOTE SENSING FOR LAND & RESOURCES, 2001, 13(3): 30-35.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2001.03.07      或      https://www.gtzyyg.com/CN/Y2001/V13/I3/30


[1] 游先祥,杨晓明.应用遥感信息复合方法的森林分类和动态监测研究[J].环境遥感,1995,10(2):97-106.





[2] 唐伶俐,江平,潘京明,等.SAR与TM图像复合处理技术的初步研究[J].遥感信息,1995,9(4):15-16.





[3] 方红亮,杨晓梅,杜云艳.运用主成分变换-逆变换对ADOES AVNIR XS和PAN进行复合的研究[J].遥感技术与应用,1998,13(3):48-53.





[4] Wald I, Ranchin T, Mangolini M. Fusion of Satellite Images of Different Spatial Resolutions:Assessing the Quality of Resulting Images[J]. PE&RS, 1997,63(6):691-699.





[5] 孙家柄,刘继琳,李军.多源遥感影像融合[J].遥感学报,1998,2(1):47-50.





[6] Pohel C, Van Genderen J L. Multisensor Image Fusion in Remote Sensing: concepts, methods and applications[J]. INT. J. Remote Sensing, 1998, 19(5): 823-854.





[7] Zhou J, Civcot D L, Silander J A. A Wavelet Transform Method to Merge Landsat TM and SPOT panchromatic Data[J]. INT. J. Remote Sensing, 1998, 19(4): 743-757.





[8] 刘同明.基于证据理论模糊推理的多传感器信息融合海上目标识别[J].模糊识别与人工智能,1999,12(1):25-31.





[9] 贾永红,李德人,等.四种HIS变换用于SAR与TM影像复合的比较[J].遥感学报,1998,2(2):103-106.





[10] 贾永红.TM和SAR影像主分量变换融合法[J].遥感技术与应用,1998,13(1):46-49.
[1] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[2] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[3] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[4] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[5] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[6] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[7] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[8] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[9] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[10] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[11] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[12] 于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[13] 李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[14] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[15] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发