【摘要】：針對基于壓縮感知(Compressed Sensing,CS)理論的傳統(tǒng)遙感圖像融合算法未能考慮源圖像信息相關(guān)性的特點(diǎn),該文提出一種基于分布式壓縮感知(Distributed Compressed Sensing,DCS)的遙感圖像融合改進(jìn)算法。通過DCS的第1聯(lián)合稀疏模型(Joint Sparsity Model-1,JSM-1)提取源圖像低頻信息的公共部分和獨(dú)有部分,再利用獨(dú)有特征添加(UFA)的融合規(guī)則進(jìn)行融合,從而提高融合精度。選取Quick Bird衛(wèi)星實測圖像數(shù)據(jù)對該文方法和多個傳統(tǒng)融合方法進(jìn)行仿真實驗并進(jìn)行評價指標(biāo)的對比,結(jié)果表明該文方法融合性能相對傳統(tǒng)遙感圖像融合方法都有不同程度的提高。
[Abstract]:In view of the fact that the traditional remote sensing image fusion algorithm based on compressed sensing (Compressed Sensing,CS) theory fails to consider the correlation of source image information, an improved remote sensing image fusion algorithm based on distributed compressed sensing (Distributed Compressed Sensing,DCS) is proposed in this paper. The common part and the unique part of the low frequency information of the source image are extracted by the first joint sparse model (Joint Sparsity Model-1,JSM-1) of DCS, and the fusion rules of the (UFA) are added by using the unique features to improve the fusion accuracy. The Quick Bird satellite image data are selected to simulate the proposed method and several traditional fusion methods, and the evaluation indexes are compared. The results show that the performance of the proposed method is improved in varying degrees compared with the traditional remote sensing image fusion method.
【作者單位】： 西安交通大學(xué)電子與信息工程學(xué)院;西安衛(wèi)星測控中心宇航動力學(xué)國家重點(diǎn)實驗室;
【基金】：CAST創(chuàng)新基金(J20141110) 國家自然科學(xué)基金(61573276) 國家973計劃項目(2013CB329405)~~
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李江;劉輔兵;;基于小波包的遙感圖像融合方法[J];測繪與空間地理信息;2007年05期

2 周宏軍;李江;蔡志剛;;一種小波包遙感圖像融合方法[J];現(xiàn)代測繪;2008年01期

3 陳超;江濤;劉祥磊;;基于纓帽變換的遙感圖像融合方法研究[J];測繪科學(xué);2009年03期

4 柴勇;何友;曲長文;;遙感圖像融合最新進(jìn)展及展望[J];艦船電子工程;2009年08期

5 朱衛(wèi)綱;周蔭清;徐華平;李春升;;遙感圖像融合效果客觀評價[J];火力與指揮控制;2010年02期

6 孫洪泉;竇聞;易文斌;;遙感圖像融合的研究現(xiàn)狀、困境及發(fā)展趨勢探討[J];遙感信息;2011年01期

7 付和;;遙感圖像融合的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報;2011年09期

8 阮濤;那彥;王澍;;基于壓縮感知的遙感圖像融合方法[J];電子科技;2012年04期

9 吳連喜,梁波,劉曉梅;保持光譜信息的遙感圖像融合方法研究(英文)[J];測繪學(xué)報;2005年02期

10 王艷;陳波;;遙感圖像融合技術(shù)及其在土地資源動態(tài)監(jiān)測中的應(yīng)用[J];影像技術(shù);2005年Z2期

相關(guān)會議論文 前7條

1 馬艷軍;石愛業(yè);徐立中;;基于區(qū)域特性選擇的遙感圖像融合方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

2 梁波;吳連喜;陳竹安;段彩蓮;蘇小霞;;光譜銳化的遙感圖像融合方法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

3 葛雯;高立群;;基于非分離小波變換及形態(tài)學(xué)的遙感圖像融合算法[A];2007'儀表，，自動化及先進(jìn)集成技術(shù)大會論文集（一）[C];2007年

4 成功;鄧小青;;基于MATLAB的小波變換遙感圖像融合研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

5 雷宏宇;鐘廣軍;;基于Curvelet變換的快速遙感圖像融合[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

6 趙鵬濤;劉剛;胡岑;王明昊;彭接力;;基于Laplace-PCA的遙感圖像融合算法[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

7 石愛業(yè);徐立中;黃風(fēng)辰;;一種改進(jìn)的基于小波變換的遙感圖像融合方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前5條

1 陳志剛;基于Contourlet遙感圖像融合與壓縮技術(shù)研究[D];長春理工大學(xué);2009年

2 郭立萍;基于支持向量機(jī)遙感圖像融合分類方法研究[D];中國地質(zhì)大學(xué)（北京）;2010年

3 田養(yǎng)軍;基于提升小波分解曲波變換的多源遙感圖像融合方法研究[D];長安大學(xué);2009年

4 劉帆;基于小波核濾波器和稀疏表示的遙感圖像融合[D];西安電子科技大學(xué);2014年

5 徐彤陽;基于抗混疊Contourlet變換的遙感圖像融合研究[D];上海大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 肖洋;基于貝葉斯網(wǎng)絡(luò)及進(jìn)化算法的遙感圖像融合方法研究[D];華東師范大學(xué);2016年

2 張曉;基于結(jié)構(gòu)組稀疏表示的遙感圖像融合方法研究[D];華南農(nóng)業(yè)大學(xué);2016年

3 王婷;遙感圖像融合算法研究[D];浙江大學(xué);2016年

4 胡曉婷;基于Shearlet變換的多源遙感圖像融合算法研究[D];天津理工大學(xué);2016年

5 萬偉國;應(yīng)急物流道路識別中的遙感圖像融合方法研究[D];江西財經(jīng)大學(xué);2016年

6 瞿戰(zhàn)偉;基于改進(jìn)經(jīng)驗?zāi)Ｊ椒纸獾倪b感圖像融合[D];浙江工商大學(xué);2017年

7 李園園;基于多分辨分析的遙感圖像融合技術(shù)研究[D];青島大學(xué);2009年

8 黃海東;基于多分辨率分析的遙感圖像融合算法研究[D];復(fù)旦大學(xué);2008年

9 羅俊;遙感圖像融合方法及其在目標(biāo)波譜反演中的應(yīng)用研究[D];華中科技大學(xué);2007年

10 姚媛;基于小波支持向量機(jī)的遙感圖像融合[D];安徽大學(xué);2010年

本文編號：2430000