隨著遙感領域相關技術的發(fā)展,多種傳感器已應用到衛(wèi)星中用于獲取不同種類的遙感圖像。但由于輻射能量限制,遙感衛(wèi)星傳感器不能捕獲同一地區(qū)既具有高空間分辨率又有高光譜分辨率的遙感影像,僅可以獲取到光譜信息豐富但空間分辨率較低的多光譜圖像（Multispectral Image,MS）和高空間分辨率但低光譜分辨率的全色圖像（Panchromatic Image,PAN）,但在現(xiàn)實應用中如巖性分析、地圖更新和植被識別等領域中,需要同時使用到PAN圖像中的高空間分辨率信息描述圖像紋理和MS圖像中的多光譜信息判斷圖像類別。為有效地將MS圖像和PAN圖像進行融合得到符合實際要求的高質(zhì)量遙感影像,眾多學者提出了遙感圖像融合技術。傳統(tǒng)的遙感圖像融合算法針對不同類型遙感圖像需人工制定不同融合規(guī)則,且融合質(zhì)量與圖像的分解方法、分解的層次和各層次選用的融合規(guī)則密切相關,導致算法融合效果殘次不齊。近年來,卷積神經(jīng)網(wǎng)絡廣泛應用在圖像分割、視覺識別、圖像分類等領域,由于其具有權重分享和局部連接等特點使其與傳統(tǒng)方法相比有更好的性能。U-Net是具有對稱結構的卷積神經(jīng)網(wǎng)絡,它使用跨層拼接的方式將來自低級特征圖與較高層特征圖... 

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 遙感圖像融合研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 本文組織結構
第2章 相關理論基礎介紹
    2.1 遙感圖像融合處理流程
        2.1.1 圖像預處理
        2.1.2 圖像配準和增強
        2.1.3 遙感圖像融合算法
        2.1.4 融合圖像質(zhì)量評價
        2.1.5 融合圖像應用
    2.2 遙感圖像融合算法
        2.1.1 IHS變換融合算法
        2.1.2 PCA融合方法
        2.1.3 Brovey變換融合方法
        2.1.4 高通濾波器融合方法
        2.1.5 拉普拉斯金字塔分解融合方法
        2.1.6 小波變換融合方法
        2.1.7 NSCT融合方法
    2.3 卷積神經(jīng)網(wǎng)絡
    2.4 U-NET
    2.5 本章小結
第3章 遙感圖像融合算法CLIT-FCNN
    3.1 基于CLIT-FCNN的融合算法
        3.1.1 總體思路
        3.1.2 網(wǎng)絡結構
    3.2 CLIT-FCNN融合算法整體框架
    3.3 本章小結
第4章 實驗結果與分析
    4.1 訓練集構建
    4.2 實驗配置
        4.2.1 實現(xiàn)細節(jié)
        4.2.2 模型訓練
    4.3 CLIT-FCNN算法實驗結果
        4.3.1 DEIMOS-2 衛(wèi)星融合結果
        4.3.2 QuickBird衛(wèi)星融合結果
        4.3.3 高分二號衛(wèi)星融合結果
        4.3.4 實驗結果總結
    4.4 本章小結
第5章 總結與展望
    5.1 工作總結
    5.2 未來展望
參考文獻
作者簡介及在學期間所取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]高分一號02/03/04星在森林火災監(jiān)測中的應用[J]. 劉樹超,覃先林,李曉彤,劉倩.  衛(wèi)星應用. 2019(01)
[2]“資源一號”系列衛(wèi)星推動衛(wèi)星光學遙感技術進步[J]. 張慶君.  航天返回與遙感. 2018(04)
[3]高分二號衛(wèi)星影像融合及質(zhì)量評價[J]. 孫攀,董玉森,陳偉濤,馬嬌,鄒毅,王金鵬,陳華.  國土資源遙感. 2016(04)
[4]Landsat8衛(wèi)星遙感數(shù)據(jù)預處理方法[J]. 祝佳.  國土資源遙感. 2016(02)
[5]基于深度支撐值學習網(wǎng)絡的遙感圖像融合[J]. 李紅,劉芳,楊淑媛,張凱.  計算機學報. 2016(08)
[6]全球高分光學星概述（二）:歐洲[J]. 朱仁璋,叢云天,王鴻芳,邱慧,白照廣.  航天器工程. 2016(01)

博士論文
[1]基于非下采樣剪切波變換的圖像增強算法研究[D]. 李亮亮.吉林大學 2019
[2]基于深度卷積神經(jīng)網(wǎng)絡的圖像分類方法研究及應用[D]. 高震宇.中國科學技術大學 2018
[3]地表溫度空間降尺度方法及其基于國產(chǎn)高分影像的應用研究[D]. 張逸然.浙江大學 2017
[4]基于多源遙感數(shù)據(jù)的干旱/半干旱地區(qū)表層土壤水反演方法研究[D]. 黃資彧.華南農(nóng)業(yè)大學 2016
[5]基于多尺度分析的多傳感器圖像融合技術研究[D]. 陳廣秋.吉林大學 2015
[6]多分辨率分析圖像融合關鍵技術研究[D]. 尤春艷.重慶大學 2014
[7]基于小波核濾波器和稀疏表示的遙感圖像融合[D]. 劉帆.西安電子科技大學 2014
[8]基于多尺度濾波和稀疏表示的圖像融合方法研究[D]. 胡建文.湖南大學 2013
[9]基于非采樣Contourlet變換的圖像融合[D]. 楊粵濤.中國科學院研究生院（長春光學精密機械與物理研究所） 2012
[10]像素級和特征級遙感圖像融合方法研究與應用[D]. 姚為.大連理工大學 2011



本文編號：3688694