多光谱与全色遥感图像融合算法研究

论文摘要

随着各种新型遥感卫星传感器的不断涌现，可用的多光谱、高空间分辨率的遥感图像数据日益剧增。如何从这些遥感图像数据中合理的提取和整合出有效信息，以克服单一图像数据本身的局限性，最终实现对观测目标的准确表达，成为研究的热点。遥感图像融合技术是满足此要求的一种有效手段，得到了广泛的应用与发展，并且对图像后期进一步的分析、处理以及目标对象的识别、检测起着关键性的作用。本文在基于像素级融合的基础上，以遥感图像中多光谱图像和全色图像为例，研究如何在尽可能降低光谱信息损失的前提下，提高多光谱图像空间特征的融合算法。论文的主要内容包括以下三个方面：首先，系统介绍了遥感图像融合技术的研究背景、意义及现状，指出了目前融合算法存在的问题和未来的研究方向。进而对融合评价准则和几种常见的融合方法做了概述，并通过仿真实验定性、定量地分析了这几种方法的优缺点及适用场合。其次，在分析小波多分辨率特性和优势的基础上，针对现有àtrous小波融合算法存在的不足和有待改进之处，研究了一种结合àtrous小波变换和多目标粒子群优化的融合算法。实验结果表明，该算法在增强空间几何特征和保持光谱辐射特性方面有了很好的改善。最后，利用非下采样轮廓波变换中具有多方向性、平移不变性的非下采样方向分解，结合àtrous小波变换的优点，得到一种基于àtrous小波和非下采样轮廓波变换的遥感图像融合方法。针对两幅原图像变换所得的高频分量，提出一种新的细节提取方法。通过实验仿真，验证了该算法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 遥感图像融合技术的发展现状分析
• 1.2.1 遥感图像融合技术发展现状
• 1.2.2 存在的问题及发展方向
• 1.3 多光谱和全色图像融合介绍
• 1.4 研究内容和论文结构
• 第2章 常见的多光谱与全色图像融合算法及评价
• 2.1 融合算法概述
• 2.2 融合质量评价标准
• 2.2.1 主观评价
• 2.2.2 客观评价
• 2.3 常见的融合算法介绍
• 2.3.1 IHS 彩色空间变换融合法
• 2.3.2 PCA 变换融合法
• 2.3.3 Brovey 变换融合法
• 2.3.4 高通滤波融合法
• 2.4 实验结果分析
• 2.5 本章小结
• 第3章 基于àtrous 小波和 MOPSO 的多光谱与全色遥感图像融合
• 3.1 小波多分辨率分析融合原理
• 3.1.1 图像的 Mallats 小波变换
• 3.1.2 图像的àtrous 小波变换
• 3.1.3 àtrous 小波变换融合
• 3.2 多目标粒子群优化理论
• 3.2.1 多目标优化问题
• 3.2.2 粒子群优化算法
• 3.2.3 多目标粒子群优化算法
• 3.3 改进的àtrous 小波变换融合算法
• 3.3.1 基于àtrous 小波和 MOPSO 的多光谱与全色图像融合
• 3.3.2 实验结果及性能分析
• 3.4 本章小结
• 第4章 基于àtrous 小波-NSCT 算法的多光谱与全色遥感图像融合
• 4.1 非下采样轮廓波变换
• 4.1.1 非下采样金字塔分解
• 4.1.2 非下采样方向滤波器组分解
• 4.2 àtrous 小波-NSCT 变换
• 4.3 基于àtrous 小波-NSCT 变换的遥感图像融合
• 4.3.1 细节抽取判决准则
• 4.3.2 融合步骤
• 4.3.3 实验结果及其性能分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介