学位论文 > 优秀研究生学位论文题录展示

多光谱遥感图像融合技术研究

作　者: 张易凡
导　师: 何明一
学　校: 西北工业大学
专　业: 信号与信息处理
关键词: 多光谱图像全色图像高光谱图像融合小波变换
分类号: TP751
类　型: 博士论文
年　份: 2007年
下　载: 2018次
引　用: 8次
阅　读: 论文下载

内容摘要

随着传感器技术的飞速发展，通过遥感手段获取的不同来源并具有不同特点的图像的数据量大幅度增长，给其存储、传输以及后续处理工作带来了沉重的负担。这些多源图像数据所包含的信息之间往往同时存在着互补性和冗余性，因此，着眼于从其中提取出更精炼、更有用、具有更高质量信息的图像融合技术受到了越来越多的关注。作为一类重要的遥感图像，多光谱遥感图像的融合技术研究已经成为图像融合技术研究的重点与热点，并在近二十年中涌现出了许多优秀的融合算法。本文结合国家自然科学基金以及973计划等资助的相关课题，主要开展了三个方面的多光谱遥感图像融合算法研究：多波段图像的融合算法研究，多光谱与全色图像的融合算法研究，多光谱与高光谱图像的融合算法研究。论文主要研究内容及成果如下：(1)基于正交小波变换的多波段图像融合技——AVA-RS算法通过对参与融合的源图像所含信息关系的分析与研究，建立了用于度量图像信息量和图像问信息冗余程度的新测度(绝对值活跃度AVA和区域相似度RS)，并在图像正交小波变换系数特性分析的基础之上，提出了基于AVA和RS的图像融合算法(AVA-RS算法)。该算法通过正交小波变换实现源图像空间高、低频特征的分离，并使用AVA和RS这两个新的测度准则分析源图像空间高频特征之间的信息互补性和冗余性，最终确定融合准则。实验表明，AVA-RS算法的融合结果质量优于同类经典融合算法，并且适用于多种类型的图像的融合处理，推广性较强。(2)基于冗余小波变换的多波段图像融合技术——RWT-IOTF-SCC算法对于多光谱遥感图像而言，纹理特征是除光谱特征之外的另一类重要的图像特征，因此，在其融合中应给予一定的重视。以纹理能量法为基础提出了综合有向纹理特征(IOTF)的概念，并建立了相应的计算方法，在此基础之上提出了一种新的多波段图像融合算法——基于冗余小波域综合有向纹理特征重要中心系数的图像融合算法(RWT-IOTF-SCC算法)。该算法将多光谱图像的光谱信息和形态信息进行了有机的结合，在保持源图像光谱特征的同时也考虑到了纹理特征对于融合效果的影响。实验表明，对于含有大量纹理特征的图像，该算法的融合结果优于同类经典算法，其融合结果能够更好地保持源图像的特征(尤其是纹理特征)。(3)多光谱和全色图像融合技术——X-LIE-LIEDP算法在对图像中的空间有效高、低频信息以及高频噪声信号的信息量及其分布特点的分析基础之上，定义了局部信息熵(LIE)及其分布特征值(LIEDP)两个新测度，并在此基础之上提出了一种新的多光谱与全色图像的融合算法——基于局部信息熵及其分布特性的多光谱和全色图像融合算法(X-LIE-LIEDP算法)。该算法以HIS变换和多分辨分析相结合的融合模型为基础，根据源图像的LIE和LIEDP取值特点确定融合准则。实验表明，该算法适用于多种常用的多分辨分析方法，在无噪声条件下，其融合结果质量优于或等同于同类经典算法；在有噪声条件下，与同类经典算法相比，该算法能够在保证融合结果空间及光谱信息质量的前提下，有效地抵抗源全色图像中的噪声。(4)多光谱和全色图像融合技术——LSRM-MPF算法通过对同一场景不同空间分辨率遥感图像在空间上关系的分析，提出了局部空间退化／恢复模型(LSD／RM)的概念及其建立方法，并对多光谱和全色图像融合问题中所涉及的LSRM进行了探讨，在此基础之上提出了基于LSRM的多光谱和全色图像融合算法(LSRM-MPF算法)。该算法的主要思想是通过在相关图像间建立的LSRM对多光谱图像中的空间特征进行恢复。实验表明，与同类经典算法相比，该算法能够以较短的运算时间获得较优的融合结果。另外，该算法融合结果质量的可控性、融合结果在光谱和空间信息质量两方面的均衡性以及运算时间的合理性也使得它有着非常广泛的应用前景。(5)多光谱和高光谱图像融合技术——3D-IDWT-MHF算法通过分析多／高光谱图像数据的三维特征，指出三维分析方法更适合于此类数据的分析与处理。在对多／高光谱图像数据三维迷向离散小波变换系数特点的分析基础之上，提出了基于三维迷向离散小波变换的多光谱和高光谱图像融合算法(3D-IDWT-MHF算法)。该算法由多光谱图像谱间重采样和高光谱图像空间重采样、三维迷向离散小波分解、小波系数合并以及三维迷向离散小波重构四个主要步骤组成。此外，针对多光谱图像谱间重采样步骤，提出了基于比值图像的谱间重采样方法(RIBSR方法)；针对小波系数合并步骤，提出了AS融合准则。仿真实验表明，RIBSR方法能够合理有效地对缺失数据进行插值运算，从一定程度上保证了融合结果的质量；3D-IDWT-MHF算法能够有效地保持源图像中的光谱和空间特征，融合结果的质量优于采用二维分析的融合方法，尤其是采用AS融合准则时，能够获得质量更优的融合结果。(6)多光谱和高光谱图像融合技术——HSDWT-MHF算法基于多／高光谱图像数据三维特征所代表的空间及光谱信息各自的特点，提出了一种新的多光谱和高光谱图像融合算法(HSDWT-MHF算法)。该算法采用混合型三维离散小波变换(HSDWT)作为分析工具，分别将多／高光谱图像数据中的空间及光谱方向上的高、低频信息进行分离，并根据小波系数所属子带的数据特性确定融合准则。仿真实验表明，与二维小波域经典融合算法以及3D-IDWT-MHF算法(采用AS融合准则)相比，该算法在提高融合结果质量方面具有显著的优势，特别适用于参与融合的源多光谱图像的空间尺寸远大于源高光谱图像在光谱方向上尺寸的融合问题。

全文目录

摘要  4-6
Abstract  6-9
目录  9-12
图目录  12-14
表目录  14-15
第一章绪论  15-27
  1.1 课题研究背景和意义  15-16
  1.2 课题研究的历史与现状  16-24
    1.2.1 图像融合技术  16-20
    1.2.2 多光谱遥感图像融合技术  20-22
    1.2.3 多光谱遥感图像融合结果的质量评价  22-24
  1.3 本文的主要工作及内容安排  24-27
第二章基于正交小波变换的多波段图像融合  27-43
  2.1 引言  27
  2.2 小波变换  27-30
    2.2.1 小波变换  28-29
    2.2.2 多分辨分析与Mallat算法  29-30
  2.3 图像的二维离散小波变换  30-33
    2.3.1 二维离散小波变换的类型  30-31
    2.3.2 图像的二维离散小波分解和重构  31-32
    2.3.3 图像在二维离散小波变换域的数据特征  32-33
  2.4 基于绝对值活跃度和区域相似度的图像融合算法  33-36
    2.4.1 绝对值活跃度(AVA)和区域相似度(RS)  33-34
    2.4.2 AVA-RS算法描述  34-36
  2.5 实验结果与分析  36-42
    2.5.1 AVA和RS测度有效性验证  36-37
    2.5.2 AVA-RS算法有效性验证  37-42
  2.6 小结  42-43
第三章基于冗余小波变换的多波段图像融合  43-56
  3.1 引言  43
  3.2 图像的冗余小波变换  43-46
    3.2.1 “à trous”算法  43-44
    3.2.2 图像在冗余小波变换域的数据特征  44-46
  3.3 综合有向纹理特征(IOTF)  46-48
    3.3.1 图像的纹理特征  46
    3.3.2 综合有向纹理特征  46-48
  3.4 基于冗余小波域IOTF重要中心系数的图像融合算法  48-51
    3.4.1 基于冗余小波变换的图像融合模型  48-49
    3.4.2 重要中心系数算法(SCC算法)  49
    3.4.3 RWT-IOTF-SCC算法描述  49-51
  3.5 实验结果与分析  51-55
  3.6 小结  55-56
第四章基于局部信息熵及其分布特性的多光谱和全色图像融合  56-76
  4.1 引言  56
  4.2 HIS图像融合模型  56-61
    4.2.1 HIS彩色系统  56-57
    4.2.2 HIS变换  57-58
    4.2.3 基于HIS变换的图像融合模型  58-59
    4.2.4 源图像中的噪声模型与处理方法  59-61
  4.3 域变换  61-66
    4.3.1 高斯-拉普拉斯塔型结构  61-62
    4.3.2 对比度塔型结构  62-63
    4.3.3 有向梯度塔型结构  63-65
    4.3.4 空间高、低频信息划分  65-66
  4.4 基于局部信息熵及其分布特性的MS与Pan图像融合  66-68
    4.4.1 局部信息熵及其分布特征值  66-67
    4.4.2 X-LIE-LIEDP算法描述  67-68
  4.5 实验结果与分析  68-75
    4.5.1 LIE和LIEDP测度有效性验证  68-70
    4.5.2 融合实验  70-75
  4.6 小结  75-76
第五章基于局部空间模型的多光谱和全色图像融合  76-91
  5.1 引言  76-77
  5.2 局部空间模型  77-80
    5.2.1 空间退化/恢复模型  77
    5.2.2 局部空间退化/恢复模型  77-78
    5.2.3 MS和Pan图像融合问题中所涉及的LSRM  78-80
  5.3 最小二乘法  80
  5.4 基于局部空间恢复模型的多光谱与全色图像融合  80-84
    5.4.1 求解空间退化图像的自适应算法  81-82
    5.4.2 LSRM-MPF算法描述  82-84
  5.5 实验结果与分析  84-90
    5.5.1 LSRM-MPF算法参数选取实验  84-87
    5.5.2 比较实验  87-90
  5.6 小结  90-91
第六章基于三维迷向离散小波变换的多光谱和高光谱图像融合  91-105
  6.1 引言  91-92
  6.2 三维离散小波变换的类型  92-94
    6.2.1 三维迷向离散小波变换  92-93
    6.2.2 三维张量积离散小波变换  93
    6.2.3 多/高光谱图像在3D-IDWT域的数据特性  93-94
  6.3 基于3D-IDWT的多光谱和高光谱图像融合算法  94-98
    6.3.1 实验数据的创建  95
    6.3.2 3D-IDWT-MHF算法描述  95-98
  6.4 实验结果与分析  98-103
    6.4.1 RIBSR方法的有效性验证  98-100
    6.4.2 融合实验结果与分析  100-103
  6.5 小结  103-105
第七章基于混合型三维离散小波变换的多光谱和高光谱图像融合  105-116
  7.1 引言  105
  7.2 适用于高光谱图像数据的三维离散小波变换  105-107
    7.2.1 高光谱图像数据的特点  106-107
    7.2.2 混合型三维离散小波变换  107
  7.3 高光谱图像在HSDWT域的数据特征  107-109
  7.4 基于HSDWT的多光谱和高光谱图像融合算法  109-111
  7.5 实验结果与分析  111-115
    7.5.1 融合结果综合质量评价  111-113
    7.5.2 空间及光谱信息质量分析  113-115
  7.6 小结  115-116
第八章总结与展望  116-119
  8.1 总结  116-117
  8.2 展望  117-119
参考文献  119-125
攻读博士学位期间取得的成果  125-127
致谢  127-128

多光谱遥感图像融合技术研究

内容摘要

全文目录

相似论文