摘要速递 | IJIDF 第13卷 第三期
发布日期：2022-10-18来源：浏览次数：0次【字号 大 中 小】
A region based remote sensing image fusion using anisotropic diffusion process
Bikash Meher, Sanjay Agrawal, Rutuparna Panda & Ajith Abraham
Pages: 219-243
<文献引用>: Bikash Meher, Sanjay Agrawal, Rutuparna Panda & Ajith Abraham (2022). A region based remote sensing image fusion using anisotropic diffusion process, International Journal of Image and Data Fusion, 13:3, 219-243, DOI: 10.1080/19479832.2021.2019132.
遥感影像融合的目的是利用全色影像高空间分辨率的特点，融合高光谱分辨率的MS影像，从而获得高空间分辨率的多光谱影像。传统像素级的融合技术面临光晕效应以及gradient reversal等因素的影响。为了解决此问题，本文提出一种基于异向扩散（AD）的区域级遥感影像融合方法，其基本思路是利用MS影像中的‘Y’分量与PAN影像融合，通过异向扩散处理方法获取输入影像的基本层和细节层，使用fuzzy c-means(FCM)算法对数据进行分割，然后根据其不同的空间频率进行合并。融合实验采用三组实验数据。该方法有如下特点：1）有效解决了融合过程中的色度缺失问题；2）首次将AD滤波器的区域级融合技术运用到遥感应用中；3）合理保留了输入影像的边缘信息。通过与经典的融合算法进行定性与定量的比较，该方法可以达到更好的实验融合效果。
Unsupervised hyperspectral band selection with deep autoencoder unmixing
Menna M. Elkholy, Marwa S. Mostafa, Hala M. Ebeid & Mohamed Tolba
Pages: 244-261
<文献引用>: Menna M. Elkholy, Marwa S. Mostafa, Hala M. Ebeid & Mohamed Tolba (2022). Unsupervised hyperspectral band selection with deep autoencoder unmixing, International Journal of Image and Data Fusion, 13:3, 244-261, DOI: 10.1080/19479832.2021.1972047.
基于深度自动编码技术的非监督高光谱影像波段选取方法
高光谱影像作为一种独特的信息源可以在众多领域中应用，但其高维度和强相关的特性也限制了高光谱影像的分类效果。波段选择是为了以最小的计算代价选择最具信息量的波段，从而消除冗余信息。本文基于当前主流的深度学习框架，提出了一种新的非监督波段选择方法。该方法包含两个连续阶段，即分离和聚类。在分离阶段，我们利用一种非线性深度自动编码技术提取精确的重要波谱；在聚类阶段，我们计算每个获得的端元的方差，并构建一个方差向量。然后，采用经典K-MEAN算法聚类方差向量。最后，对每个聚类选取一个波段，从而获得最优波段子集。文章采用三个高光谱数据集进行实验，以测试所提方法的可行性和普适性。实验结果表明，就总体精度而言，该方法精度超越其它方法四个百分点。
Spectral-spatial classification fusion for hyperspectral images in the probabilistic framework via arithmetic optimization Algorithm
Reza Seifi Majdar & Hassan Ghassemian
Pages: 262-277
<文献引用>: Reza Seifi Majdar & Hassan Ghassemian (2022). Spectral-spatial classification fusion for hyperspectral images in the probabilistic framework via arithmetic optimization Algorithm, International Journal of Image and Data Fusion, 13:3, 262-277, DOI: 10.1080/19479832.2021.2001051.
基于AOA算法在概率框架下的高光谱影像分类融合方法研究
光谱数据和空间信息，如形状特征和纹理特征，可用于提高高光谱影像的分类应用中。本文基于概率框架提出一种新的光谱和空间特征（纹理特征和形状特征）融合的方法。首先，Gabor滤波器用于获取纹理特征，morphological profiles (MPs)形态分析算法用于获取形状特征。应用支持向量机（SVM）将这些特征分别进行分类，以此来估算每个像元的概率。然后，本文采用一种称为Arithmetic Optimization Algorithm（AOA）的meta-heuristic优化方法进行像元概率的权重组合运算中。 三个参数α, β 和γ决定了组合中每个特征的权重。通过AOA算法计算这些参数的最优值。 本文使用三个区域的高光谱数据集评估该方法；Indian Pines区域, Pavia University区域 以及Salinas区域。试验结果表明，该方法可有效在高光谱影像分类中应用，特别是在仅拥有少量标记样本的数据中。同时，对比部分光谱空间分类方法，本文所提方法具有更高的精度。
Method of urban land change detection that is based on GF-2 high-resolution RS images
Zhongbin Li, Ping Wang, Meng Fan & Yifan Long
Pages: 278-295
<文献引用>: Zhongbin Li, Ping Wang, Meng Fan & Yifan Long (2022). Method of urban land change detection that is based on GF-2 high-resolution RS images, International Journal of Image and Data Fusion, 13:3, 278-295, DOI: 10.1080/19479832.2020.1845246.
基于高分二号高分辨率遥感影像的城市土地变化检测方法
随着中国高空间分辨率卫星高分二号（GF-2）的成功发射，高分辨率卫星影像用于土地变化检测逐渐成为热点研究领域。本文基于高分二号卫星影像，提出了一种主成分分析和光谱特征组合的变化检测方法，用于识别不同色彩影像块下的土地变化情况。文章同时构建三个决策树分类模型自动检测地块目标变化，包括人工目标如建筑物、机场数量的增加，以及植被覆盖的增加或减少。此外文章还采用分层随机采样法选择同时期Quick Bird影像的一致性区域，以验证该方法的精度。结果表明变化检测所提取信息的总体精度为98.21%，Kappa系数为0.9604。因此，证明了本文所提出的变化检测及变化信息提取方法的有效性。
期刊主页：http://www.tandfonline.com/tidf
投稿网址：http://mc.manuscriptcentral.com/tidf
（文 / 谢文寒、孙晓霞）
