近期，中国测绘科学研究院《影像与数据融合国际期刊》出版了第13卷第三期。高光谱影像的融合一直以来都是影像与数据融合领域的研究热点，数据处理的每个环节都存在一定的技术难点。在这一期中，发表了多篇与高光谱影像融合相关的技术文章，从波段选取到分类融合，都提出了独特的影像融合方法。同时，这一期也包含了可见光遥感影像融合以及在土地变化监测方面应用的文章。

  ★ 摘要 ★

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.

异向扩散方法下的区域级遥感影像融合

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）