【摘要】：遙感圖像融合是將低空間分辨率的多光譜圖像與高空間分辨率的全色圖像的信息整合得到高空間分辨率的多光譜圖像,融合圖像具有良好的光譜性質(zhì)和空間分辨率,作為其他遙感圖像應用的數(shù)據(jù)資源。傳統(tǒng)遙感圖像融合方法大都基于某種特定的先驗假設(shè),導致融合圖像或多或少存在細節(jié)丟失或光譜扭曲等問題。例如,基于變量替換的遙感融合方法容易產(chǎn)生光譜扭曲,圖像的色彩質(zhì)量較差;基于多尺度分析的遙感融合方法容易造成細節(jié)的丟失,同時使得色彩與邊緣的結(jié)合處不自然,造成假輪廓。針對這些問題,本文提出遙感融合圖像進行質(zhì)量提升框架。在傳統(tǒng)遙感融合方法結(jié)果的基礎(chǔ)上,通過學習融合圖像與參考圖像之間的差異得到殘差圖像,利用殘差圖像補償和豐富融合圖像的信息,進一步提升融合圖像的質(zhì)量。具體研究內(nèi)容如下:1、本文提出一種遙感融合圖像質(zhì)量提升框架。該框架利用基于學習的算法,通過學習融合圖像與參考圖像之間差異生成殘差,利用殘差圖像進一步修復融合圖像的細節(jié)丟失,光譜扭曲等問題,有效提升遙感融合圖像的光譜質(zhì)量和保持圖像的空間信息。2、針對傳統(tǒng)遙感融合方法存在的問題,結(jié)合遙感融合圖像質(zhì)量提升框架,提出基于稀疏表示的遙感融合圖像質(zhì)量提升算法。利用基于冗余字典學習和鄰域嵌入的算法學習融合圖像和參考圖像之間的差異,將融合圖像映射到殘差圖像,通過融合圖像與殘差圖像的疊加從而修復融合結(jié)果中的光譜扭曲和細節(jié)丟失等問題,有效的保持了圖像的光譜信息和空間信息。實驗結(jié)果表明該方法能有效提高融合圖像的光譜質(zhì)量,保持空間信息。3、針對傳統(tǒng)遙感融合方法存在的問題,結(jié)合遙感融合圖像質(zhì)量提升框架,提出基于深度殘差網(wǎng)絡的遙感融合圖像質(zhì)量提升算法。通過將融合結(jié)果與理想高分辨率多光譜圖像之間的差異看作廣義噪聲,利用深度殘差去噪網(wǎng)絡在廣義去噪上的優(yōu)勢,學習固定融合方法細節(jié)丟失或光譜扭曲的模式,生成殘差圖像,利用殘差圖像補充和修復融合結(jié)果中的信息缺失和缺陷。實驗結(jié)果表明,經(jīng)過該方法處理的融合圖像質(zhì)量明顯提升,其中與支持向量值變換結(jié)合的算法性能最優(yōu),其結(jié)果優(yōu)于最新融合方法。
【圖文】：

差異較大時，融合結(jié)果還是會有明顯光譜扭曲現(xiàn)象和色彩差異，這導致融合結(jié)果的光譜質(zhì)量較差，視覺效果不佳。圖1.1 變量替換法一般流程圖基于多尺度分析的遙感融合算法從另一個角度看待遙感融合問題，圖像由不同頻率的分量組成，其中高頻分量代表空間結(jié)構(gòu)，而低頻分量包含光譜信息，為了得到高空間分辨率的多光譜圖像，在保留空間分辨率(Low Spatial Resolution, LR)多光譜圖像的基礎(chǔ)上，通過提取全色圖像的高頻分量并注入低分辨率多光譜圖像中從而得到高分辨率的多光譜圖像[9]。假設(shè)圖像由不同尺度的信息組成，這些尺度通過合適的變換可以分離，，通過提取 PAN 的高頻信息，并依據(jù)一定的先驗規(guī)則將其注入到 LR MS 中以提高圖像空間分辨率。常見的多尺度分析方法有：靜態(tài)小波變換(Stationary Wavelet Transform

g 和濾波模板各不相同。圖1.2 多尺度分析法一般流程圖基于多尺度分析的方法可以有效保持圖像的空間信息和光譜質(zhì)量，但當 PAN 的細節(jié)分量于 LR MS 的細節(jié)分量差異較大時，融合圖像的色彩與邊緣呈現(xiàn)假輪廓，視覺效果不佳。同時算法效果依賴于人為參數(shù)的設(shè)定，例如濾波器大小的選擇直接影響融合結(jié)果的質(zhì)量，而在實際中難以確定合適的超參數(shù)。1.2.2 其他遙感融合方法近年來，稀疏表示與卷積神經(jīng)網(wǎng)絡理論發(fā)展迅速，各國的研究者提出了許多基于稀疏表示和卷積神經(jīng)網(wǎng)絡的遙感融合算法，取得了良好的效果，體現(xiàn)了新技術(shù)在解決遙感融合問題上的潛力。基于稀疏表示的遙感融合算法最早是由 Li 和 Yang[14]提出的，通過分析低分辨率的多光譜圖像、全色圖像和高分辨率多光譜圖像之間的關(guān)系
【學位授予單位】：南華大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 丁宏毅;周致迎;李開端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國設(shè)備工程;2017年04期

2 丁宏毅;周致迎;李開端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國設(shè)備工程;2017年01期

3 徐建英;;基于小波變換的遙感圖像融合技術(shù)研究[J];長江工程職業(yè)技術(shù)學院學報;2017年01期

4 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

5 付和;;遙感圖像融合的應用研究[J];科技創(chuàng)新導報;2011年09期

6 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;2009年03期

7 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

8 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)測中的應用[J];影像技術(shù);2005年Z2期

9 趙澤星;王顯珉;;遙感圖像融合效果定向控制[J];計算機應用;2017年S1期

10 古麗米熱·米吉提;吐爾洪江·阿布都克力木;;基于二進小波變換的遙感圖像融合方法[J];科技視界;2017年18期

相關(guān)會議論文 前10條

1 石愛業(yè);徐立中;黃風辰;;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術(shù)會議論文集[C];2004年

2 李建云;李瑋;;小波變換在衛(wèi)星遙感圖像融合中的應用進展[A];中國氣象學會2006年年會“災害性天氣系統(tǒng)的活動及其預報技術(shù)”分會場論文集[C];2006年

3 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)展與應用學術(shù)研討會論文摘要集[C];2004年

4 馬丹;鄭鍇;涂振前;;遙感圖像融合綜述[A];2007年福建省土地學會年會征文集[C];2007年

5 葛雯;高立群;;基于非分離小波變換及形態(tài)學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

6 曲家慧;李云松;董文倩;鄭毓軒;謝衛(wèi)瑩;;基于邊緣保持濾波和結(jié)構(gòu)張量的遙感圖像融合[A];2018軟件定義衛(wèi)星高峰論壇會議摘要集[C];2018年

7 張永梅;馬禮;白文樂;;基于多傳感器遙感圖像融合的目標識別[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 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)合學術(shù)會議論文集[C];2008年

9 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

10 齊同軍;曹曉航;常鵬飛;晏陽;向哲;;基于IHS-NSCT變換的并行遙感圖像融合算法[A];衛(wèi)星導航系統(tǒng)應用與繁榮2011[C];2011年

相關(guān)博士學位論文 前9條

1 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（北京）;2010年

2 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;2014年

3 王金玲;基于多分辨率分析的遙感圖像融合算法研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2011年

4 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;2009年

5 方發(fā)明;基于變分法的遙感圖像融合方法研究[D];華東師范大學;2013年

6 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;2009年

7 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;2011年

8 姚為;像素級和特征級遙感圖像融合方法研究與應用[D];大連理工大學;2011年

9 胡建文;基于多尺度濾波和稀疏表示的圖像融合方法研究[D];湖南大學;2013年

相關(guān)碩士學位論文 前10條

1 章自堯;遙感圖像融合高性能算法的研究[D];電子科技大學;2019年

2 葉發(fā)杰;基于卷積神經(jīng)網(wǎng)絡的遙感圖像融合算法[D];吉林大學;2019年

3 張言;像素級圖像融合方法研究[D];吉林大學;2019年

4 馬馮;基于NSCT變換的遙感圖像融合算法研究[D];長安大學;2019年

5 王翔;遙感圖像融合質(zhì)量提升算法研究[D];南華大學;2019年

6 胡鑫;基于變分法的自適應遙感圖像融合方法研究[D];重慶郵電大學;2018年

7 宋璐;基于多尺度變換的遙感圖像融合[D];吉林大學;2019年

8 費奕繁;基于顯著性檢測和邊緣決策的多尺度遙感圖像融合算法[D];吉林大學;2019年

9 余楚平;基于變分的多尺度遙感圖像融合研究與實現(xiàn)[D];合肥工業(yè)大學;2018年

10 張康;基于NSST變換的遙感圖像融合算法研究[D];北方民族大學;2018年

本文編號：2637049