多时相MODIS数据融合效果的分析与评价

doi:10.3778/j.issn.1002-8331.2009.13.068

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (13): 231-233.DOI: 10.3778/j.issn.1002-8331.2009.13.068

多时相MODIS数据融合效果的分析与评价

王净¹,李亚春²

1.南京信息工程大学应用气象学院，南京 210044
2.江苏省气象局气象科学研究所，南京 210008

收稿日期:2008-03-10 修回日期:2008-05-26 出版日期:2009-05-01 发布日期:2009-05-01
通讯作者: 王净

Research and analysis on MODIS remote sensing multi-image fusion

WANG Jing¹,LI Ya-chun²

1.Nanjing University of Information Science and Technology，Nanjing 210044，China
2.Meteorological Institute of Jiangsu Province，Nanjing 210008，China

Received:2008-03-10 Revised:2008-05-26 Online:2009-05-01 Published:2009-05-01
Contact: WANG Jing

摘要/Abstract

摘要： MODIS是美国新一代地球观测卫星EOS计划中重要的传感器之一，其主要目标是实现对大气和地球环境变化的长期观测和研究，因此，充分挖掘并利用MODIS数据信息十分必要。采用IHS变换法、IHS_FFT法及IHS_WT法等多种方法对MODIS多时相数据进行融合比较，并从反映图像亮度、空间细节和光谱信息的三类统计参数给出客观评价分析结果。结果表明，IHS_WT方法的融合效果较优，特别是采用双正交小波基（bior6.8），而IHS和IHS_FFT法存在一定得光谱扭曲现象。

关键词: 中分辨率成像光谱仪, 图像融合, 散饱和变换法, 散饱和快速傅立叶变换法, 散饱和小波变换法

Abstract: MODIS is one of the most important sensors in American EOS projects.It aims at observing and investigating the atmosphere and earth climate changes for a long time.So it is necessary and important to explore the MODIS data information. In this paper，many kinds of improved methods，such as IHS，IHS_FFT and IHS_WT，are applied to MODIS multi-time image fusion.Also lots of subjective or impersonal evaluating indicators about light，spatial details and spectral information come to be used for evaluating the fusion images.IHS_WT method is also much better，especially using the biorthogonal wavelets bases（bior6.8），and IHS and IHS_FFT methods have spectral distortion phenomena.

Key words: moderate-resolution imaging spectroradiometer（MODIS）, image fusion, Intensity-Hue-Saturation（IHS）, Intensity-Hue-Saturation_Fast Fourier Transform（IHS_FFT）, Intensity-Hue-Saturation_Wavelate Transform（IHS_WT）

王净¹,李亚春². 多时相MODIS数据融合效果的分析与评价[J]. 计算机工程与应用, 2009, 45(13): 231-233.

WANG Jing¹,LI Ya-chun². Research and analysis on MODIS remote sensing multi-image fusion[J]. Computer Engineering and Applications, 2009, 45(13): 231-233.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[6]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[7]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[8]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[9]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[10]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[11]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.
[12]	王烈，罗文，陈俊鸿，秦伟萌. 自适应PCNN与信息提取的红外与可见光图像融合[J]. 计算机工程与应用, 2018, 54(4): 192-198.
[13]	付争方1，朱虹2. 多尺度细节融合的多曝光高动态图像重建[J]. 计算机工程与应用, 2018, 54(24): 182-187.
[14]	刘栋，聂仁灿，周冬明，侯瑞超，熊磊. 结合NSST与GA参数优化PCNN图像融合[J]. 计算机工程与应用, 2018, 54(19): 158-163.
[15]	崔丽群，张月，田鑫. 融合双阈值和改进形态学的边缘检测[J]. 计算机工程与应用, 2017, 53(9): 190-194.

多时相MODIS数据融合效果的分析与评价

Research and analysis on MODIS remote sensing multi-image fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics