發(fā)布時間：2020-12-07 16:40

　　近年來,國產高分辨率遙感衛(wèi)星發(fā)展迅速,影像空間與時間分辨率不斷提高,已經廣泛應用于國土、測繪、環(huán)境與農業(yè)等領域,為規(guī)劃、管理和決策方面提供了數據支持。由于信號傳輸帶寬和成像傳感器存儲的限制,遙感衛(wèi)星通常提供低分辨率的多光譜影像和高分辨率的全色影像,而在眾多遙感應用（如植被覆蓋圖和環(huán)境監(jiān)測）中對于同時具有高分辨率和多光譜的衛(wèi)星影像的需求龐大。一般情況,研究人員采用融合技術,來獲得兼具高分辨率與多光譜雙重優(yōu)點的遙感影像。針對國產高分辨率遙感影像高空間與高時間分辨率的特點,以及對兼具高分辨率與多光譜特性的衛(wèi)星影像的強烈需求,本文以高分一號影像數據為例,對國產高分辨率遙感影像融合方法進行研究,并結合目前學術研究熱點之一的深度學習理論,對深度學習輔助的影像融合方法進行研究,采用深度學習算法中的卷積神經網絡算法對全色影像分辨率進行提高,基于提高分辨率后的影像進行影像融合。研究內容主要包括:（1）研究基于深度學習的遙感影像盲復原方法。研究一種深度復合卷積神經網絡中低分辨率單影像盲復原模型,通過神經網絡學習模擬中低分辨率與其對應的高分辨率影像之間的特征。本文模型能夠預測基于整幅圖像多尺度端到端的特征圖... 

【文章來源】：東華理工大學江西省

【文章頁數】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內外研究現狀
    1.3 論文研究內容
    1.4 論文組織結構
2 國產高分辨率衛(wèi)星與數據預處理
    2.1 高分辨率衛(wèi)星數據介紹
        2.1.1 中巴地球資源系列衛(wèi)星
        2.1.2 資源系列衛(wèi)星
        2.1.3 高分專項系列衛(wèi)星
    2.2 研究區(qū)數據情況
    2.3 數據預處理
        2.3.1 輻射定標
        2.3.2 大氣校正
        2.3.3 幾何校正
        2.3.4 圖像裁剪
    2.4 本章小結
3 影像融合基本理論與質量評價方法
    3.1 影像融合概述
        3.1.1 影像融合過程
        3.1.2 影像融合層次
        3.1.3 影像融合常用方法
        3.1.4 影像融合規(guī)則
    3.2 影像融合質量評價
        3.2.1 主觀評價方法
        3.2.2 客觀評價方法
    3.3 本章小結
4 基于深度學習的卷積神經網絡影像盲修復
    4.1 深度學習概述
    4.2 深度復合卷積神經網絡影像盲復原模型
        4.2.1 深度卷積神經網絡
        4.2.2 影像盲復原模型
    4.3 影像盲復原實驗及結果分析
        4.3.1 實驗過程
        4.3.2 實驗結果與分析
    4.4 本章小結
5 融合實驗與結果分析
    5.1 深度復合卷積神經網絡影像融合模型
    5.2 實驗過程
    5.3 實驗結果與分析
        5.3.1 基于深度復合卷積神經網絡的影像融合結果
        5.3.2 融合質量評價分析
    5.4 本章小結
6 總結與展望
    6.1 本文總結
    6.2 展望
致謝
參考文獻


【參考文獻】：
期刊論文
[1]針對高分二號衛(wèi)星影像的幾種融合方法對比研究[J]. 李欣騰,陳曉勇,聶欣然,孫濤,李夢洋.  江西科學. 2017(04)
[2]傳感器的研究現狀與發(fā)展趨勢[J]. 馬須敬,朱義彪.  青島科技大學學報(自然科學版). 2017(S1)
[3]高分一號在軌運行四周年[J]. 東方紅.  衛(wèi)星應用. 2017(05)
[4]利用軌道參數修正的無控制點星載SAR圖像幾何校正方法[J]. 陳繼偉,曾琪明,焦健,葉發(fā)旺,朱黎江.  測繪學報. 2016(12)
[5]基于ZY-3和圖像融合的沖溝參數提取研究[J]. 王濤,趙延芳,何福紅,李鵬,馬江濤.  農業(yè)現代化研究. 2016(06)
[6]基于深度支撐值學習網絡的遙感圖像融合[J]. 李紅,劉芳,楊淑媛,張凱.  計算機學報. 2016(08)
[7]基于NSCT的PCA與PCNN相結合的圖像融合算法[J]. 吳粉俠,段群.  計算機技術與發(fā)展. 2015(12)
[8]結合光譜響應函數的Landsat-8影像大氣校正研究[J]. 蒲莉莉,劉斌.  遙感信息. 2015(02)
[9]基于深度玻爾茲曼模型的紅外與可見光圖像融合[J]. 馮鑫,李川,胡開群.  物理學報. 2014(18)
[10]光學分子影像手術導航系統(tǒng)中圖像融合算法研究[J]. 徐同花,趙建民,朱信忠,遲崇巍,葉津佐.  浙江師范大學學報(自然科學版). 2014(03)

博士論文
[1]基于稀疏表示的像素級圖像融合方法研究[D]. 朱智勤.重慶大學 2016
[2]基于深度學習的圖像特征學習和分類方法的研究及應用[D]. 馮子勇.華南理工大學 2016
[3]基于融合框架與稀疏表示的遙感影像銳化[D]. 王文卿.西安電子科技大學 2015
[4]多尺度變換的圖像融合方法與應用研究[D]. 蔣年德.湖南大學 2010
[5]動態(tài)場景下多運動目標檢測及跟蹤方法研究[D]. 曾鵬鑫.東北大學 2005
[6]多源遙感信息融合技術及多源信息在地學中的應用研究[D]. 韓玲.西北大學 2005

碩士論文
[1]紅外光強與偏振圖像融合的多算法嵌接組合研究[D]. 董安冉.中北大學 2017
[2]地塊尺度冬油菜濕漬害遙感監(jiān)測方法研究[D]. 韓佳慧.浙江大學 2017
[3]WorldView-2影像與機載LiDAR數據融合的城市不透水面提取方法研究[D]. 吳孟凡.湖南師范大學 2017
[4]基于多分辨率分析的多光譜與全色圖像融合算法研究[D]. 李旭寒.長安大學 2016
[5]基于國產GF-1的高寒山區(qū)土地利用/覆蓋分類研究[D]. 劉麗雅.浙江大學 2016
[6]基于集成投影及卷積神經網絡的建筑風格分類算法研究[D]. 趙佩佩.西安電子科技大學 2015
[7]基于隱變量模型的歌曲轉換方法研究[D]. 黃斐.西安建筑科技大學 2015
[8]異類多傳感器圖像融合技術研究[D]. 甘晶.沈陽理工大學 2015
[9]基于遙感影像分塊提取地物方法的研究[D]. 朱書凡.西安科技大學 2014
[10]敏捷衛(wèi)星相機異速像移計算與分析[D]. 譚雙龍.哈爾濱工業(yè)大學 2014



本文編號：2903574