主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈豪,俞能海,刘政凯,张荣.面向提高图像分辨率的遥感数据融合新算法.软件学报,2001,12(10):1534-1539
面向提高图像分辨率的遥感数据融合新算法
A New Data Fusion Algorithm for Improving Remote Sensing Images Resolution
投稿时间:2000-05-23  修订日期:2000-07-31
DOI:
中文关键词:  数据融合  小波变换  主分量变换(principal component analysis)  AWPCA(addingwavelet coefficients principal component analysis)
英文关键词:data fusion  wavelet transform  PCA (principal component analysis)  AWPCA (adding wavelet coefficients principal component analysis)
基金项目:国家“九五”重点科技攻关资助项目(96-B02-01-05)
作者单位
陈豪 中国科学技术大学电子工程与信息科学系,安徽合肥 230027 
俞能海 中国科学技术大学电子工程与信息科学系,安徽合肥 230027 
刘政凯 中国科学技术大学电子工程与信息科学系,安徽合肥 230027 
张荣 中国科学技术大学电子工程与信息科学系,安徽合肥 230027 
摘要点击次数: 3237
全文下载次数: 2456
中文摘要:
      在遥感应用研究中,数据融合技术有着非常广泛的应用.主分量分析方法(principalcomponentanalysis,简称PCA)是一种经典的遥感数据融合技术,在主分量分析方法的基础上,将小波变换与其结合起来,提出了一种新的基于小波叠加的PCA融合算法(addingwaveletcoefficientsprincipalcomponentanalysis,简称AWPCA).实验证明,与原来的PCA和IHS方法相比,基于小波叠加的PCA融合算法进一步提高了融合信息的质量,并能应用于其他需要高分辨率图像的场合中.
英文摘要:
      Data fusion has been widely applied in the remote sensing research field. Principal component analysis (PCA) is one of the standard methods for data fusion. In this paper, a new algorithm--adding wavelet coefficients principal component analysis (AWPCA) is presented, which is based on principal component analysis (PCA) and is gotten from combining PCA and wavelet transform. The experimental results demonstrate that the higher quality image is obtained by AWPCA than by IHS and PCA mergers. AWPCA can be also applied in other fields where the high-resolution image is required.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利