隨著遙感技術(shù)的普及,如今在災(zāi)害預(yù)警,軍事偵測等眾多領(lǐng)域都需求具有高空間分辨率的多光譜圖像,然而單一傳感器獲得的遙感圖像在光譜信息和空間信息上都具有局限性,將多光譜圖像和全色圖像融合以獲得高空間分辨的多光譜圖像就成為近年來研究的一個熱點。近年來隨著人工智能技術(shù)的發(fā)展,各類深度學(xué)習(xí)模型在圖像處理領(lǐng)域表現(xiàn)突出。由于強(qiáng)大的高質(zhì)量圖像生成能力,生成對抗網(wǎng)絡(luò)在圖像融合和圖像超分辨率等計算機(jī)視覺的研究中得到了廣泛關(guān)注。本文主要研究利用生成對抗網(wǎng)絡(luò)進(jìn)行多光譜圖像和全色圖像的融合,在增加遙感圖像中特有的領(lǐng)域知識后提高融合圖像空間分辨率和光譜質(zhì)量。文主要研究內(nèi)容如下:（1）研究適用于遙感圖像特征級融合的生成對抗網(wǎng)絡(luò)框架。該多流融合框架是一個端對端的網(wǎng)絡(luò)框架,首先將初始的多光譜圖像和全色圖像根據(jù)特定的規(guī)則提取特征圖,生成器利用子網(wǎng)絡(luò)分別提煉輸入的多源圖像,然后在特征域上疊加特征后通過生成器的主網(wǎng)絡(luò)進(jìn)行融合。根據(jù)遙感領(lǐng)域中多光譜圖像和全色圖像在波段上的特性,在判別器中引入MTF系數(shù)同時判別融合圖像的光譜信息和空間結(jié)構(gòu)信息。實驗表明多流融合生成對抗網(wǎng)絡(luò)框架能有效提升融合圖像的質(zhì)量。（2）研究結(jié)合變分模型的多流生... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 選題背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遙感圖像融合的研究現(xiàn)狀
        1.2.2 生成對抗網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容及結(jié)構(gòu)安排
第2章 遙感圖像融合算法及評價
    2.1 傳統(tǒng)的遙感圖像融合方法
        2.1.1 基于Brovey變換的圖像融合方法
        2.1.2 基于IHS變換的圖像融合方法
        2.1.3 基于小波變換的圖像融合方法
    2.2 基于變分框架的圖像融合方法
        2.2.1 基于動態(tài)梯度稀疏的圖像融合方法
        2.2.2 基于空間結(jié)構(gòu)一致性和?_(1/2)梯度先驗的圖像融合方法
    2.3 基于深度學(xué)習(xí)的圖像融合方法
        2.3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像融合方法
        2.3.2 基于領(lǐng)域知識驅(qū)動的深度學(xué)習(xí)圖像融合方法
    2.4 多光譜和全色遙感圖像融合質(zhì)量評估
        2.4.1 主觀視覺評估
        2.4.2 仿真數(shù)據(jù)實驗圖像質(zhì)量評估
        2.4.3 真實數(shù)據(jù)實驗圖像質(zhì)量評估
    2.5 本章小結(jié)
第3章 多流融合生成對抗網(wǎng)絡(luò)的圖像融合方法
    3.1 引言
    3.2 生成對抗網(wǎng)絡(luò)
        3.2.1 生成對抗網(wǎng)絡(luò)原理
        3.2.2 條件生成對抗網(wǎng)絡(luò)
        3.2.3 最小二乘生成對抗網(wǎng)絡(luò)
    3.3 多流融合生成對抗網(wǎng)絡(luò)的圖像融合框架
        3.3.1 損失函數(shù)的設(shè)計
        3.3.2 多流融合的生成器結(jié)構(gòu)
        3.3.3 多流融合的判別器結(jié)構(gòu)
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
第4章 結(jié)合變分模型的多流生成對抗網(wǎng)絡(luò)圖像融合算法
    4.1 引言
    4.2 結(jié)合變分模型的多流生成對抗網(wǎng)絡(luò)圖像融合算法
        4.2.1 光譜信息保真模塊
        4.2.2 空間信息保真模塊
        4.2.3 損失函數(shù)
        4.2.4 生成器及判別器的網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 實驗與結(jié)果分析
        4.3.1 仿真數(shù)據(jù)實驗
        4.3.2 真實數(shù)據(jù)實驗
        4.3.3 模型框架分析
        4.3.4 收斂性分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 研究工作總結(jié)
    5.2 未來研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于光譜梯度角與光譜信息散度評價指標(biāo)的遙感影像融合方法比較[J]. 楊鵬飛,廖秀英,程輝,帥慕容,謝貽文.  測繪工程. 2018(11)
[2]基于PCA和NSCT變換的遙感圖像融合方法[J]. 紀(jì)峰,李澤仁,常霞,吳之亮.  圖學(xué)學(xué)報. 2017(02)
[3]多衛(wèi)星傳感器數(shù)據(jù)的Brovey融合改進(jìn)方法[J]. 周會珍,吳雙,毛德發(fā),汪愛華,于冰洋,李麗.  遙感學(xué)報. 2012(02)



本文編號：3448739