IJIDF第12卷第一期   摘要速递

    编者按：《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》明确提出，将“构建国家科研论文和科技信息高端交流平台”作为强化国家战略科技力量的任务之一。IJIDF（《International Journal of Image and Data Fusion》）国际期刊是我院主编搭建的一个国内外学术成果交流平台，承载着我院在影像和数据融合领域的学术话语权。今后，我院自然资源调查监测研究中心国际期刊编辑部将定期发布最新的每一期论文摘要供大家参考学习，进一步加强该期刊的宣传工作，促进期刊发展，提升我院学术影响力。

近期，我院IJIDF国际学术期刊出版了第12卷第一期。在这一期中，发表了多篇热门影像融合文章，有基于纹理分析以及上下文驱动的像素融合方法、基于迭代引导滤波和双通道自适应脉冲耦合神经网络的红外与可见光图像融合方法、基于支持向量机的多源数据分类方法、多变量直方图的光谱图像彩色波段融合与区域增强方法以及深度学习框架的多尺度信息融合方法。

摘要如下：

Article 1

A context-driven pansharpening method using superpixel based texture analysis

Hind Hallabia,Habib Hamam & Ahmed Ben Hamida

Pages: 1-22

To cite this article: Hind Hallabia, Habib Hamam & Ahmed Ben Hamida(2021). A context-driven pansharpening method using superpixel based texture analysis,International Journal of Image and Data Fusion,12:1,1-22,DOI: 10.1080/19479832.2020.1845244.

一种基于超像素纹理分析的上下文驱动的全色锐化方法

本文提出了一种上下文驱动的全色锐化注入方案，该方案通过应用于PAN图像纹理描述的改进简单线性迭代聚类(t-SLIC)技术获得的超像素段计算注入系数。t-SLIC算法可以根据光谱特性生成各种同质连接的组分。本文提出的全色锐化方法依赖于一个多分辨率框架，即用针对MS传感器调制传递函数(MTF)定制的广义拉普拉斯金字塔(GLP)来提取高频细节。首先，局部计算注入增益并将其作为上采样MS和低分辨率PAN区域在缩小尺度下的回归系数。然后，将它们乘以每个光谱波段计算的全局加权因子，并将其定义为扩展MS波段与PAN图像之间的方差比。最后，利用估计的全局-局部注入系数在超像素级别上对空间细节进行调制，以生成高分辨率的MS影像。评估验证使用IKONOS和WorldView-3卫星获取的两个数据集。实验结果表明，与目前最先进的全色锐化算法相比，该方法在视觉和定量上均具有良好的性能。

Article 2

A fusion method for infrared and visible images based on iterative guided filtering and two channel adaptive pulse coupled neural network

Qiufeng Fan, Fanbo Hou & Feng Shi

Pages: 23-47

To cite this article: Qiufeng Fan, Fanbo Hou & Feng Shi(2021). A fusion method for infrared and visible images based on iterative guided filtering and two channel adaptive pulse coupled neural network,International Journal of Image and Data Fusion,12:1,23-47,DOI: 10.1080/19479832.2020.1814877.

一种基于迭代引导滤波和双通道自适应脉冲耦合神经网络的红外与可见光图像融合方法

为了充分利用源图像的重要特征，本文提出了一种基于迭代引导滤波和双通道自适应脉冲耦合神经网络的红外与可见光融合方法。用迭代引导滤波将输入图像分解为基本层、小尺度层和大尺度层。将组合像素能量和梯度能量与基础层融合。再用双通道自适应脉冲耦合神经网络融合大尺度层和小尺度层。后通过逆混合多尺度分解的方法得到融合图像。实验结果表明：与其他多尺度分解方法相比，该方法能够更好地分离空间叠置特征，并在融合图像中保留了更详细的信息，有效抑制伪像。

Article 3

An ensemble method based on rotation calibrated least squares support vector machine for multi-source data classification

Iman Khosravi,Yury Razoumny, Javad Hatami Afkoueieh & Seyed Kazem Alavipanah

Pages: 48-63

To cite this article:Iman Khosravi, Yury Razoumny, Javad Hatami Afkoueieh & Seyed Kazem Alavipanah(2021). An ensemble method based on rotation calibrated least squares support vector machine for multi-source data classification,International Journal of Image and Data Fusion,12:1,48-63,DOI: 10.1080/19479832.2020.1821101.

一种基于旋转校正最小二乘支持向量机的多源数据分类集成方法

针对多源光学雷达数据的分类问题，本文提出了一种基于旋转的扩展集成方法。所提出的方法实际上受到基于旋转的支持向量机集成(RoSVM)的启发，并进行了一些重要的改进。第一个改进是采用了最小二乘支持向量机代替传统支持向量机，因为该方法具有更快的速度。第二个改进是应用Platt校准版本而非经典的非概率版本，以便考虑更适合各类的概率。第三个改进是使用了基于滤波的特征选择算法来替代包装算法，以进一步增强该方法。最后的改进是使用一种性能更好、模糊度更低的客观多数投票法而不是传统的多数投票法来融合单一分类器。因此，将本文所提出的方法命名为旋转校正最小二乘支持向量机(RoCLSSVM)。然后，将RoCLSSVM与其他基于SVM的方法包括RoSVM进行了比较。结果表明，对于本文数据集的分类RoCLSSVM的准确性，效率和多样性高于RoSVM。此外，与RoSVM相比RoCLSSVM对训练量的敏感度更低。

Article 4

Colour band fusion and region enhancement of spectral image using multivariate histogram

Dhiman Karmakar, Rajib Sarkar & Madhura Datta

Pages: 64-82

To cite this article: Dhiman Karmakar, Rajib Sarkar & Madhura Datta(2021). Colour band fusion and region enhancement of spectral image using multivariate histogram,International Journal of Image and Data Fusion,12:1,64-82,DOI: 10.1080/19479832.2020.1870578.

基于多变量直方图的光谱图像彩色波段融合与区域增强

多光谱卫星遥感影像具有多种应用，包括物体探测、根据绿化量或水量等来辨别陆地表面区域。光谱图像的增强有助于空间和光谱特征的提取和可视化。本文从遥感光谱或卫星图像中识别出地表的一些特定感兴趣区域。感兴趣区域的提取和识别是主要部分，通常采用单变量直方图阈值法对灰度图像进行分割。而对于彩色图像，多变量直方图是一种有效的彩色条带控制方法，且有助于为聚类目标强调颜色信息。本文用二维和三维直方图对像素进行聚类以提取感兴趣区域。利用RGB彩色波段和红外波段信息组成多变量直方图并使用两个数据集进行实验。第一个是人工设计的数据集，第二个是印度遥感卫星(IRS-1A)图像。本文证明了所提出的数学含义在人工数据集上的正确性，并因此在LandSat光谱数据上进行了应用。测试结果令人满意。

Article 5

Multiscale information fusion-based deep learning framework for campus vehicle detection

Zengyong Xu & Meili Rao

Pages: 83-97

To cite this article:Zengyong Xu & Meili Rao(2021). Multiscale information fusion-based deep learning framework for campus vehicle detection,International Journal of Image and Data Fusion,12:1,83-97,DOI: 10.1080/19479832.2020.1845245.

基于多尺度信息融合的校园车辆检测深度学习框架

车辆检测是遥感图像分析领域的研究热点。特别是校园车辆检测可以评估一个地区的交通密度，为学生提供安全保障。在车辆密集区域或复杂背景区域，检测精度较低。本文针对校园车辆的特点，提出了多尺度信息融合方法，构建了新的校园车辆检测深度学习框架。该方法基于Single Shot MultiBox Detector (SSD)，结合了轻量级的深度神经网络MobileNet来提取特征信息，连接一个由多个卷积层组成的子网络来检测和定位目标。该方法在多个层次上融合特征信息。在去除重叠对象候选区域时，采用非最大抑制方法设置阈值，消除冗余候选区域。因此，减少了生成的负样本，保证了模型的稳定性。实验表明，本文所提出的车辆检测方法具有较快的检测速度。该模型的鲁棒性和准确性均优于其他相关的车辆检测方法。

    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、封雅静、吴东清）

**********************************博主按****************

文中“我院”为中国测绘科学研究的简称。