【摘要】：對遙感圖像融合算法的研究有著重要的意義。有了這些算法,我們就能融合一個衛(wèi)星拍攝所得的低空間分辨率的多光譜圖像和高空間分辨率的全色圖像來生成一個高空間分辨率的多光譜圖像,從而有助于目標(biāo)識別等遙感任務(wù)的完成。現(xiàn)在流行的遙感圖像融合算法可以大致分為四種:分量替換法,多分辨率分析法,基于變分模型的方法以及基于神經(jīng)網(wǎng)絡(luò)的方法。本文的主要工作是,在已知的遙感圖像融合算法的基礎(chǔ)上提出了一些新的算法。這是依據(jù)兩條思路來實(shí)現(xiàn)的。一方面,受到框架小波正則化技巧和一種利用了再生核希爾伯特空間(RKHS)的變分模型類的遙感圖像融合算法的啟發(fā),提出了一種新的變分模型。在模型中,我們假設(shè)了對所求圖像施行框架小波變換后得到的系數(shù)是稀疏的,并考慮了已知的多光譜圖像和全色圖像與所求圖像的關(guān)系。此模型可用交替方向乘子法(ADMM)高效地求解。為提升算法表現(xiàn),我們又將一種外迭代策略與模型結(jié)合了起來。數(shù)值實(shí)驗(yàn)表明,該方法在獲得許多全色圖像中的空間細(xì)節(jié)的同時很好地保持了原多光譜圖像的光譜特性,且其表現(xiàn)超越了一些已知的流行算法。在運(yùn)行時間方面,它較RKHS方法有較大的優(yōu)勢。另一方面,本文考慮了遙感圖像融合中的經(jīng)典框架(分量替換法和多分辨率分析法的統(tǒng)一框架),將它與一種原本用于圖像平滑的基于高斯函數(shù)之商(RoG)的濾波方法相結(jié)合,提出了另一種新的算法。在算法中,這種濾波方法既被用于從全色圖像中提取空間細(xì)節(jié),又被用于修正上采樣過后的多光譜圖像以使其更匹配那些注入的細(xì)節(jié)。數(shù)值實(shí)驗(yàn)證實(shí),和同樣遵循經(jīng)典框架的幾種流行的遙感圖像融合算法相比,此算法能得到很有競爭力的結(jié)果。
【圖文】：

非線性明度-色調(diào)-飽和度的遙感圖像融合算法（簡稱 NIHS 方法）以及基于再生核希爾伯特空間的遙感圖像融合算法（簡稱 RKHS 方法）。下面的圖4-1到圖4-3分別展示了在三個數(shù)據(jù)集上各種遙感圖像融合算法的實(shí)驗(yàn)結(jié)果。從這些視覺效果圖中可以看出，不管是就光譜保真度還是空間細(xì)節(jié)方面而言，，其他遙感圖像融合算法都明顯地優(yōu)于基于 PCA 的遙感圖像融合算法。GS 方法在保持光譜方面表現(xiàn)得不夠穩(wěn)定，這一問題在 Quickbird 數(shù)據(jù)集和 Pleiades 數(shù)據(jù)集上都體現(xiàn)得很明顯。PHLP 方法和 NIHS 方法能夠較好地保持光譜，但它們傾向于去掉過多的空間細(xì)節(jié)，使得生成的圖像跟真實(shí)圖像比較起來過于光滑。HPF 方法和 MTFGLP 方法看上去沒有多少光譜失真，也能給出很多空間細(xì)節(jié)。但如果放大圖片仔細(xì)觀察，會發(fā)現(xiàn)它們能給出的空間細(xì)節(jié)不如 3.1 節(jié)中的方法給出

24(g) (h) (i)圖 4-2 各種遙感圖像融合算法在 Pleiades 數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果(a)Wald’s protocol 下的真實(shí)圖（原始 MS 圖）；(b)PCA 方法的結(jié)果；(c)G方法的結(jié)果；(d)HPF 方法的結(jié)果；(e)MTFGLP 方法的結(jié)果；(f)PHLP方法的結(jié)果；(g)NIHS 方法的結(jié)果；(h)RKHS 方法的結(jié)果；(i)本文 3.節(jié)方法的結(jié)果
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁宏毅;周致迎;李開端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國設(shè)備工程;2017年04期

2 丁宏毅;周致迎;李開端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國設(shè)備工程;2017年01期

3 徐建英;;基于小波變換的遙感圖像融合技術(shù)研究[J];長江工程職業(yè)技術(shù)學(xué)院學(xué)報;2017年01期

4 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

5 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

6 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

7 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

8 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

9 趙澤星;王顯珉;;遙感圖像融合效果定向控制[J];計算機(jī)應(yīng)用;2017年S1期

10 古麗米熱·米吉提;吐爾洪江·阿布都克力木;;基于二進(jìn)小波變換的遙感圖像融合方法[J];科技視界;2017年18期

相關(guān)會議論文 前10條

1 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

2 李建云;李瑋;;小波變換在衛(wèi)星遙感圖像融合中的應(yīng)用進(jìn)展[A];中國氣象學(xué)會2006年年會“災(zāi)害性天氣系統(tǒng)的活動及其預(yù)報技術(shù)”分會場論文集[C];2006年

3 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

4 馬丹;鄭鍇;涂振前;;遙感圖像融合綜述[A];2007年福建省土地學(xué)會年會征文集[C];2007年

5 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

6 曲家慧;李云松;董文倩;鄭毓軒;謝衛(wèi)瑩;;基于邊緣保持濾波和結(jié)構(gòu)張量的遙感圖像融合[A];2018軟件定義衛(wèi)星高峰論壇會議摘要集[C];2018年

7 張永梅;馬禮;白文樂;;基于多傳感器遙感圖像融合的目標(biāo)識別[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 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

9 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

10 齊同軍;曹曉航;常鵬飛;晏陽;向哲;;基于IHS-NSCT變換的并行遙感圖像融合算法[A];衛(wèi)星導(dǎo)航系統(tǒng)應(yīng)用與繁榮2011[C];2011年

相關(guān)博士學(xué)位論文 前9條

1 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

2 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

3 王金玲;基于多分辨率分析的遙感圖像融合算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2011年

4 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

5 方發(fā)明;基于變分法的遙感圖像融合方法研究[D];華東師范大學(xué);2013年

6 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

7 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

8 姚為;像素級和特征級遙感圖像融合方法研究與應(yīng)用[D];大連理工大學(xué);2011年

9 胡建文;基于多尺度濾波和稀疏表示的圖像融合方法研究[D];湖南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 章自堯;遙感圖像融合高性能算法的研究[D];電子科技大學(xué);2019年

2 葉發(fā)杰;基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像融合算法[D];吉林大學(xué);2019年

3 張言;像素級圖像融合方法研究[D];吉林大學(xué);2019年

4 馬馮;基于NSCT變換的遙感圖像融合算法研究[D];長安大學(xué);2019年

5 王翔;遙感圖像融合質(zhì)量提升算法研究[D];南華大學(xué);2019年

6 胡鑫;基于變分法的自適應(yīng)遙感圖像融合方法研究[D];重慶郵電大學(xué);2018年

7 宋璐;基于多尺度變換的遙感圖像融合[D];吉林大學(xué);2019年

8 費(fèi)奕繁;基于顯著性檢測和邊緣決策的多尺度遙感圖像融合算法[D];吉林大學(xué);2019年

9 余楚平;基于變分的多尺度遙感圖像融合研究與實(shí)現(xiàn)[D];合肥工業(yè)大學(xué);2018年

10 張康;基于NSST變換的遙感圖像融合算法研究[D];北方民族大學(xué);2018年

本文編號：2698492