本文選題：多尺度　切入點：稀疏分解　出處：《國土資源遙感》2017年03期

【摘要】：為取得更好的遙感圖像融合效果,結(jié)合形態(tài)成分分析的思想,提出了圖像的多尺度稀疏分解方法。集合曲波變換基和局部離散余弦變換基組成分解字典,通過控制字典系數(shù)的大小,將二維圖像從多個尺度稀疏分解為紋理成分和卡通成分;從圖像融合的信息量角度出發(fā),提出了基于多尺度稀疏分解的遙感圖像融合方法,通過稀疏分解提取有效尺度下高空間分辨率圖像紋理成分和多光譜圖像卡通成分,并對二者進行稀疏重建得到融合圖像。與已有的經(jīng)典融合方法相比,該方法以較小的計算代價換取了更高的空間分辨率和更低的光譜失真;與稀疏重建法相比,該方法的執(zhí)行速率有較大提升,且有更好的融合效果。因此,所提出的基于多尺度稀疏分解的遙感圖像融合方法有一定的推廣應(yīng)用價值。
[Abstract]:In order to obtain better fusion effect of remote sensing images, a multi-scale sparse decomposition method is proposed based on morphological component analysis.Set Qu Bo transform basis and local discrete cosine transform basis to form decomposition dictionary. By controlling the size of dictionary coefficient, two-dimensional image is decomposed from multiple scales sparse to texture and cartoon components.A method of remote sensing image fusion based on multi-scale sparse decomposition is proposed. Texture components of high-resolution images and cartoon components of multi-spectral images are extracted by sparse decomposition at effective scales and the fusion images are obtained by sparse reconstruction of the two images.Compared with the classical fusion methods, the proposed method gains higher spatial resolution and lower spectral distortion at a lower computational cost, and improves the speed and fusion performance of the proposed method compared with the sparse reconstruction method.Therefore, the proposed remote sensing image fusion method based on multi-scale sparse decomposition has a certain value of popularization and application.
【作者單位】： 煙臺大學(xué)計算機與控制工程學(xué)院;
【基金】：山東省自然科學(xué)基金項目“基于稀疏盲圖像分離的多源遙感影像融合”(編號:ZR2014FQ026)資助
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 李江;劉輔兵;;基于小波包的遙感圖像融合方法[J];測繪與空間地理信息;2007年05期

2 周宏軍;李江;蔡志剛;;一種小波包遙感圖像融合方法[J];現(xiàn)代測繪;2008年01期

3 陳超;江濤;劉祥磊;;基于纓帽變換的遙感圖像融合方法研究[J];測繪科學(xué);2009年03期

4 柴勇;何友;曲長文;;遙感圖像融合最新進展及展望[J];艦船電子工程;2009年08期

5 朱衛(wèi)綱;周蔭清;徐華平;李春升;;遙感圖像融合效果客觀評價[J];火力與指揮控制;2010年02期

6 孫洪泉;竇聞;易文斌;;遙感圖像融合的研究現(xiàn)狀、困境及發(fā)展趨勢探討[J];遙感信息;2011年01期

7 付和;;遙感圖像融合的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報;2011年09期

8 阮濤;那彥;王澍;;基于壓縮感知的遙感圖像融合方法[J];電子科技;2012年04期

9 吳連喜,梁波,劉曉梅;保持光譜信息的遙感圖像融合方法研究(英文)[J];測繪學(xué)報;2005年02期

10 王艷;陳波;;遙感圖像融合技術(shù)及其在土地資源動態(tài)監(jiān)測中的應(yīng)用[J];影像技術(shù);2005年Z2期

相關(guān)會議論文 前7條

1 馬艷軍;石愛業(yè);徐立中;;基于區(qū)域特性選擇的遙感圖像融合方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

2 梁波;吳連喜;陳竹安;段彩蓮;蘇小霞;;光譜銳化的遙感圖像融合方法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

3 葛雯;高立群;;基于非分離小波變換及形態(tài)學(xué)的遙感圖像融合算法[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

4 成功;鄧小青;;基于MATLAB的小波變換遙感圖像融合研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

5 雷宏宇;鐘廣軍;;基于Curvelet變換的快速遙感圖像融合[A];第四屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

6 趙鵬濤;劉剛;胡岑;王明昊;彭接力;;基于Laplace-PCA的遙感圖像融合算法[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

7 石愛業(yè);徐立中;黃風(fēng)辰;;一種改進的基于小波變換的遙感圖像融合方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前5條

1 陳志剛;基于Contourlet遙感圖像融合與壓縮技術(shù)研究[D];長春理工大學(xué);2009年

2 郭立萍;基于支持向量機遙感圖像融合分類方法研究[D];中國地質(zhì)大學(xué)（北京）;2010年

3 田養(yǎng)軍;基于提升小波分解曲波變換的多源遙感圖像融合方法研究[D];長安大學(xué);2009年

4 劉帆;基于小波核濾波器和稀疏表示的遙感圖像融合[D];西安電子科技大學(xué);2014年

5 徐彤陽;基于抗混疊Contourlet變換的遙感圖像融合研究[D];上海大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 肖洋;基于貝葉斯網(wǎng)絡(luò)及進化算法的遙感圖像融合方法研究[D];華東師范大學(xué);2016年

2 張曉;基于結(jié)構(gòu)組稀疏表示的遙感圖像融合方法研究[D];華南農(nóng)業(yè)大學(xué);2016年

3 王婷;遙感圖像融合算法研究[D];浙江大學(xué);2016年

4 胡曉婷;基于Shearlet變換的多源遙感圖像融合算法研究[D];天津理工大學(xué);2016年

5 萬偉國;應(yīng)急物流道路識別中的遙感圖像融合方法研究[D];江西財經(jīng)大學(xué);2016年

6 瞿戰(zhàn)偉;基于改進經(jīng)驗?zāi)Ｊ椒纸獾倪b感圖像融合[D];浙江工商大學(xué);2017年

7 李園園;基于多分辨分析的遙感圖像融合技術(shù)研究[D];青島大學(xué);2009年

8 黃海東;基于多分辨率分析的遙感圖像融合算法研究[D];復(fù)旦大學(xué);2008年

9 羅俊;遙感圖像融合方法及其在目標波譜反演中的應(yīng)用研究[D];華中科技大學(xué);2007年

10 姚媛;基于小波支持向量機的遙感圖像融合[D];安徽大學(xué);2010年

，

本文編號：1705830