遥感图像中的多源信息融合技术研究

论文摘要

图像融合就是采用一定的算法，把两个或多幅具有互补特性的源图像融合成一幅新的图像，从而使融合后的图像具有更高的可信度和清晰度、更好的可理解性。近年来，随着遥感图像传感器技术的发展和数据源的不断丰富，遥感图像的多传感器信息融合技术得到了迅猛的发展，并且已经成为遥感图像处理和理解中的关键研究课题之一。从待处理数据的抽象层次上分，融合技术可分为像素级、特征级和决策级三种。本文主要是围绕像素级展开的，深入研究了多光谱图像与全色图像的融合技术。并提出了一些改进方法，取得了较好的效果。本文主要提出了如下两种新的融合算法：(1)基于PCA和小波包分析的融合算法首先，针对传感器自身存在的缺点，需要借助于融合算法来满足人们的需求，我们这种方法能提供满足人们需求的遥感图像。其次，在一定程度上克服了传统融合算法的一些缺陷，在充分分析传统融合算法缺点的基础上，避免了类似缺陷。另外，采用小波包对图像进行分解，更全面的对图像进行分析，最大程度上的保留了融合图像的高频分量(2)基于区域的SVM分类融合算法首先，按照像素级融合的特点，把图像融合问题转换为像素点的分类问题，从分类角度来看待图像融合。其次，根据遥感图像自身的成像特性和包含的对象内容，对遥感图像进行分割，按照不同的对象对遥感图像基于区域的融合，克服了单一融合准则带来的缺陷。另外，使用SVM这种机器学习方法，得到适合各个区域的融合准则，避免了在选择融合准则过程中使用不恰当的融合准则带来的缺点，这种通过学习得到融合准则的方法得到的准则更精确更有效，融合后的图像效果更好。基于上述论述，本文在介绍传统融合算法之后，着重解释两种新的融合算法，并给出实验结果用以证明本文中的一些理论分析，最后给出结论。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 多源遥感图像的定义
• 1.2 多源遥感图像的研究背景
• 1.3 多源遥感图像的研究现状
• 1.4 多源遥感图像的应用现状
• 1.5 多源图像融合的层次
• 1.5.1 像素级图像融合
• 1.5.2 特征级图像融合
• 1.5.3 决策级图像融合
• 第2章 图像融合预处理技术
• 2.1 SAR图像预处理技术
• 2.1.1 SAR图像成像机理
• 2.1.2 SAR图像去噪
• 2.2 TM图像预处理
• 2.2.1 噪声处理
• 2.2.2 校正处理
• 2.2.3 增强处理
• 2.3 图像配准
• 2.4 图像插值
• 2.4.1 最近邻域内插法
• 2.4.2 双线性内插法
• 2.4.3 双三次内插法
• 第3章 图像融合的一般方法
• 3.1 直接平均法融合
• 3.2 高通滤波融合法
• 3.3 基于HIS变换的融合方法
• 3.3.1 彩色空间模型
• 3.3.2 HIS变换的一般步骤
• 3.4 基于PCA变换的融合方法
• 3.4.1 主成分分析（PCA）理论
• 3.4.2 传统主成分分析方法进行图像融合的算法
• 3.5 多分辨率图像融合算法
• 3.5.1 基于金字塔分解的融合算法
• 3.5.2 小波变换的基本概念
• 第4章 基于PCA和小波包的遥感图像融合算法
• 4.1 传统算法存在的缺点
• 4.2 一般的改进算法
• 4.3 基于PCA和小波包的改进算法
• 4.3.1 小波包概述
• 4.3.2 基于PCA和小波包的融合改进算法
• 4.3.3 实验结果
• 第5章 基于SVM的区域融合算法
• 5.1 支持向量机（SVM）
• 5.2 遥感图像区域分割
• 5.2.1 地物波谱特性
• 5.3 基于边缘信息的区域分割
• 5.4 融合准则
• 5.5 实验结果
• 第6章 总结和展望
• 6.1 本文的主要工作及结论
• 6.2 工作展望
• 参考文献
• 作者在攻读硕士学位期间发表的学术论文
• 致谢