ARSIS概念下的SAR与TM遥感图像融合技术研究

"基于ARSIS概念的SAR和TM遥感影像融合 (2010年)" 遥感技术在地球观测中扮演着至关重要的角色，它能够提供地理信息、环境监测和灾害评估等多方面的数据。SAR（Synthetic Aperture Radar，合成孔径雷达）图像和TM（Thematic Mapper）图像分别代表了主动和被动遥感技术的典型应用。SAR图像不受光照和云层条件限制，具有全天候、全天时成像能力，而TM图像则提供了丰富的光谱信息。然而，SAR图像的空间分辨率通常低于TM图像，因此将两者融合可以实现优势互补，提高整体的影像质量和分析能力。 本文提出的基于ARSIS（Adaptive Relevance Scale Image Segmentation，自适应相关尺度图像分割）概念的融合方法，利用"àtrous"冗余小波变换来处理SAR和TM图像。"àtrous"小波变换是一种特殊的小波变换形式，其通过扩大滤波器孔径来增加频域覆盖，从而在保持原始信息的同时增强细节提取。这种方法有助于捕获SAR图像的空间细节信息，同时结合TM图像的光谱信息，以获得更高质量的融合图像。 波段间结构模型IBSM（The Inter-Band Structure Model）被用来构建SAR图像和TM图像之间的空间细节关系。IBSM是用于分析不同波段之间结构相似性的模型，它能有效揭示不同波段间的共同特征和差异，帮助整合两者的空间和光谱特性。 在融合过程中，首先对SAR图像进行"àtrous"小波变换，提取其空间细节信息，然后结合TM图像的光谱信息。通过小波逆变换，可以将这两部分信息重新组合，生成既有高空间分辨率又有良好光谱特性的融合影像。这种方法的优势在于，它能够在保持图像光谱信息完整的同时，显著提升空间分辨率，从而提供更清晰、纹理特征丰富和光谱特性良好的图像。 在实验部分，研究人员选择了意大利罗马地区的TM和ERS-2 SAR数据进行验证。通过与传统的融合方法，如IHS（Intensity-Hue-Saturation）变换和彩色标准化（Brovey变换）进行比较，结果显示基于ARSIS概念的新方法在视觉效果上明显优于其他方法，具有更好的纹理清晰度和光谱特性。此外，通过定量评价指标，例如对比度、均方误差和信噪比等，进一步证明了新方法的优越性。 这篇论文介绍了一种创新的遥感影像融合技术，它利用ARSIS概念和特定的小波变换及波段间结构模型，实现了SAR和TM图像的有效融合。这种方法对于提高遥感数据分析的精度和效率具有重要意义，特别是在环境监测、城市规划和灾害响应等领域。通过实证研究，该方法展示出了在保留原始数据特性的同时，改善影像质量和提升信息提取能力的潜力。