多源空—譜遙感圖像融合方法作為兩路不完全觀測(cè)多通道數(shù)據(jù)的計(jì)算重構(gòu)反問(wèn)題,其挑戰(zhàn)在于補(bǔ)充信息不足、模糊和噪聲等引起的病態(tài)性,現(xiàn)有方法在互補(bǔ)特征保持的分辨率增強(qiáng)方面仍有很大的改進(jìn)空間。為了推動(dòng)遙感圖像融合技術(shù)的發(fā)展,本文系統(tǒng)概述目前融合建模的代表性方法,包括成分替代、多分辨率分析、變量回歸、貝葉斯、變分和模型與數(shù)據(jù)混合驅(qū)動(dòng)等方法體系及其存在問(wèn)題。從貝葉斯融合建模的角度,分析了互補(bǔ)特征保真和圖像先驗(yàn)在優(yōu)化融合中的關(guān)鍵作用和建模機(jī)理,并綜述了目前若干圖像先驗(yàn)建模的新趨勢(shì),包括:分?jǐn)?shù)階正則化、非局部正則化、結(jié)構(gòu)化稀疏表示、矩陣低秩至張量低秩表示、解析先驗(yàn)與深度先驗(yàn)的復(fù)合等。本文對(duì)各領(lǐng)域面臨的主要挑戰(zhàn)和可能的研究方向進(jìn)行了概述和討論,指出解析模型和數(shù)據(jù)混合驅(qū)動(dòng)將是圖像融合的重要發(fā)展方向,并需要結(jié)合成像退化機(jī)理、數(shù)據(jù)緊致表示和高效計(jì)算等問(wèn)題,突破現(xiàn)有模型優(yōu)化融合的技術(shù)瓶頸,進(jìn)一步發(fā)展更優(yōu)良的光譜信息保真和更低算法復(fù)雜度的融合方法。同時(shí),為了解決大數(shù)據(jù)問(wèn)題,有必要在Hadoop和SPARK等大數(shù)據(jù)平臺(tái)上進(jìn)行高性能計(jì)算,以更有利于多源數(shù)據(jù)融合算法的加速實(shí)現(xiàn)。 

【文章來(lái)源】：中國(guó)圖象圖形學(xué)報(bào). 2020,25(05)北大核心

【文章頁(yè)數(shù)】：13 頁(yè)

【文章目錄】：
0 引言
1 建模方法進(jìn)展
    1.1 成分替代的細(xì)節(jié)注入框架
    1.2 多分辨率分析方法的細(xì)節(jié)注入框架
    1.3 多變量參數(shù)回歸建模
    1.4 貝葉斯建模
    1.5 變分正則化建模
    1.6 模型與數(shù)據(jù)驅(qū)動(dòng)混合建模
2 圖像先驗(yàn)建模研究趨勢(shì)與展望
    2.1 整數(shù)階向分?jǐn)?shù)階、局部向非局部先驗(yàn)發(fā)展
    2.2 由標(biāo)準(zhǔn)稀疏至結(jié)構(gòu)化稀疏發(fā)展
    2.3 由矩陣低秩至張量低秩發(fā)展
    2.4 解析先驗(yàn)向深度先驗(yàn)發(fā)展
3 結(jié)語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]遙感數(shù)據(jù)融合的進(jìn)展與前瞻[J]. 張良培,沈煥鋒.  遙感學(xué)報(bào). 2016(05)
[2]基于深度支撐值學(xué)習(xí)網(wǎng)絡(luò)的遙感圖像融合[J]. 李紅,劉芳,楊淑媛,張凱.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[3]高分辨率對(duì)地觀測(cè)的若干前沿科學(xué)問(wèn)題[J]. 李德仁,童慶禧,李榮興,龔健雅,張良培.  中國(guó)科學(xué):地球科學(xué). 2012(06)



本文編號(hào)：3026234