本文關(guān)鍵詞：基于變分多尺度圖像分解的SAR與可見光圖像融合

  更多相關(guān)文章： 變分法 圖像分解 圖像融合 多尺度 可見光 合成孔徑雷達(dá)

【摘要】：多傳感器圖像融合方法是圖像處理的眾多研究方向中的重要分支。圖像融合是一個(gè)將具有不同信息類型的傳感器采集的圖像集合結(jié)合成一張圖像的過(guò)程,這個(gè)融合之后的圖像相對(duì)于任何單一傳感器采集的原始圖像擁有更多而且更完整的信息。在遙感應(yīng)用領(lǐng)域里,傳感器技術(shù)飛速發(fā)展,星載圖像數(shù)據(jù)傳感器獲取的圖像數(shù)據(jù)不斷增加,這些數(shù)據(jù)從不同角度反映了所拍攝地區(qū)的地質(zhì)、地貌等信息,但是每一類圖像傳感器都有自己的局限性,為了避免這個(gè)問(wèn)題,多傳感器圖像融合技術(shù)非常適合用來(lái)消除單一源頭圖像的局限性,從而獲得具有更多信息的圖像。合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)能夠在任何時(shí)間、任何天氣環(huán)境下工作,而且還有一定的穿透能力。SAR傳感器圖像數(shù)據(jù)主要反映了目標(biāo)的介電特性和幾何屬性,反映在圖像中就是紋理和結(jié)構(gòu)信息豐富。但是,SAR傳感器圖像沒(méi)有反映探測(cè)目標(biāo)的光譜屬性,和人類的視覺印象出入較大,從而不方便人類進(jìn)行理解和采用計(jì)算機(jī)去處理,但是光學(xué)圖像反映了探測(cè)對(duì)象的光譜信息,并且擁有很高的分辨率。然而,光學(xué)傳感器的工作極易受到天氣、光線條件這些因素干擾,并且并不具有穿透性。圖像融合可以將SAR采集的圖像和光學(xué)傳感器采集的圖像中互補(bǔ)信息綜合提取到一幅兼具二者特性的圖像中,這樣的圖像融合對(duì)進(jìn)一步的分割、識(shí)別、區(qū)域變化檢測(cè)等圖像處理任務(wù)具有很大的幫助。多尺度多傳感器圖像融合算法能夠在多個(gè)尺度多個(gè)屬性上提取和保留圖像信息,從而能夠有效、有針對(duì)性融合圖像的目標(biāo)。在本論文中,提出了基于變分多尺度圖像分解的SAR與可見光圖像融合算法。它首先采用變分多尺度圖像分解算法將圖像分解為空間形態(tài)完全不同的兩類分量,分別是結(jié)構(gòu)和紋理,其中結(jié)構(gòu)分量描述了圖像中的主要輪廓,而紋理分量描述圖像的振蕩部分,有時(shí)則包含有噪聲。針對(duì)這兩類具有很大差異性的空間形態(tài)分量,根據(jù)不同的處理策略分別來(lái)進(jìn)行圖像融合。對(duì)于結(jié)構(gòu)部分,采用curvelet基函數(shù)作為變換基,因?yàn)樗軌蚍浅Ｏ∈璧孛枋鼋Y(jié)構(gòu),采用低頻平均,高頻取大的原則進(jìn)行融合;對(duì)于紋理部分,由于SAR圖像的斑點(diǎn)噪聲非常嚴(yán)重,因此選擇舍棄最小兩個(gè)尺度的紋理,之后再進(jìn)行基于局部能量取大的原則進(jìn)行融合。隨機(jī)選擇4組實(shí)測(cè)SAR和可見光圖像,在上面驗(yàn)證本文提出算法的有效性,實(shí)驗(yàn)表明,新提出的算法不僅結(jié)構(gòu)清晰,而且SAR圖像中的斑點(diǎn)狀的乘性的噪點(diǎn)得到明顯的抑制,將本文新提出的算法和具有代表性的基于拉普拉斯金字塔和小波變換的圖像融合算法對(duì)比,新提出的算法不論在主觀還是客觀評(píng)價(jià)指標(biāo)上均具有明顯的優(yōu)勢(shì)。本文第一部分介紹圖像融合的概念,歷史發(fā)展和應(yīng)用前景,緊接著介紹了圖像融合的評(píng)價(jià)指標(biāo)。第二部分深入分析了具有代表性的多尺度圖像融合方法。第三部分介紹了變分法及其數(shù)值求解格式,它是本章后面變分多尺度圖像分解的建模和求解基礎(chǔ),深入研究了變分多尺度圖像分解模型及采用有限差分格式求解模型的數(shù)值方法。第四部分為本文的新提出的算法部分,然后基于matlab2014a平臺(tái)進(jìn)行仿真,仿真結(jié)果與部分前面提到的經(jīng)典多尺度圖像融合算法進(jìn)行對(duì)比,仿真實(shí)驗(yàn)結(jié)果表明新提出多傳感器圖像數(shù)據(jù)融合算法的實(shí)驗(yàn)結(jié)果在結(jié)構(gòu)上更清晰,而且斑點(diǎn)噪聲得到了明顯的抑制。第五部分總結(jié)概括全文,分析將來(lái)研究可能突破的方向。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN957.52;TP212

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王憲棟;圖像代數(shù)與圖像分解[J];西安電子科技大學(xué)學(xué)報(bào);1995年01期

2 韓明華,葉如意;基于小波變換的圖像分解與重構(gòu)編碼的實(shí)現(xiàn)[J];微機(jī)發(fā)展;2003年11期

3 姜東煥;徐光寶;宋國(guó)鄉(xiāng);;基于小波和變分泛函的圖像分解[J];系統(tǒng)工程與電子技術(shù);2007年06期

4 李敏;馮象初;;基于小波空間的圖像分解變分模型[J];電子學(xué)報(bào);2008年01期

5 吳敏金;沈霄鳳;金升俊;;圖像分解中的多通道濾波器組合[J];中國(guó)圖象圖形學(xué)報(bào);2005年11期

6 張文娟;王艷紅;;運(yùn)用總變分最小化和振蕩函數(shù)的圖像分解方法[J];西安工業(yè)大學(xué)學(xué)報(bào);2008年03期

7 孟敏;平子良;;基于指數(shù)矩的圖像分解和重建[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2011年03期

8 李峰;曾曉輝;陳盛霞;沈玉娟;;基于算子的圖像分解[J];中國(guó)圖象圖形學(xué)報(bào);2013年01期

9 白鍵;馮象初;;非凸泛函的圖像分解[J];西安電子科技大學(xué)學(xué)報(bào);2013年02期

10 胡正平,王成儒,練秋生;基于圖像分解的快速多圓/橢圓檢測(cè)方法[J];儀器儀表學(xué)報(bào);2002年S1期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 秦勃;時(shí)鵬;;經(jīng)驗(yàn)?zāi)Ｊ蕉喑叨葓D像分解[A];第一屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2002年

2 方宇強(qiáng);戴斌;;基于圖像分解的魯棒光流計(jì)算[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前3條

1 記者 曹婧逸;打造影院級(jí)影音空間漸成潮流[N];中華工商時(shí)報(bào);2012年

2 晉毅;危機(jī)中的希臘[N];中國(guó)攝影報(bào);2013年

3 記者鄭千里;掃描隧道組合顯微鏡又添利器[N];科技日?qǐng)?bào);2002年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 劉春榮;結(jié)構(gòu)字典學(xué)習(xí)方法及應(yīng)用的研究[D];北京工業(yè)大學(xué);2015年

2 沙馬木呷;基于全變分與分塊低秩卡通—紋理正則的圖像分解與復(fù)原研究[D];電子科技大學(xué);2016年

3 戴海鵬;本征圖像分解方法與應(yīng)用研究[D];天津大學(xué);2014年

4 楊傲;基于變分多尺度圖像分解的SAR與可見光圖像融合[D];西安電子科技大學(xué);2015年

5 黃曉彤;幾種圖像分解模型分析及其在文字提取中的應(yīng)用[D];云南大學(xué);2013年

6 張力娜;偏微分方程在圖像分解及邊緣檢測(cè)中的應(yīng)用[D];西安電子科技大學(xué);2008年

7 李艷霞;基于變分偏微分方程的圖像分解研究與應(yīng)用[D];中國(guó)海洋大學(xué);2009年

8 劉鳴;基于PDE的圖像分解方法研究與應(yīng)用[D];青島大學(xué);2008年

9 劉健;基于Mumford-Shah模型和G空間圖像分解的研究[D];中國(guó)海洋大學(xué);2011年

10 施克漢;基于變指數(shù)增長(zhǎng)反應(yīng)—擴(kuò)散方程組的圖像分解研究[D];哈爾濱工業(yè)大學(xué);2014年

，

本文編號(hào)：1147096