【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(yīng)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(yàn)假設(shè),導(dǎo)致融合圖像或多或少存在細(xì)節(jié)丟失或光譜扭曲等問(wèn)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(xì)節(jié)的丟失,同時(shí)使得色彩與邊緣的結(jié)合處不自然,造成假輪廓。針對(duì)這些問(wèn)題,本文提出遙感融合圖像進(jìn)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(guò)學(xué)習(xí)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(bǔ)償和豐富融合圖像的信息,進(jìn)一步提升融合圖像的質(zhì)量。具體研究?jī)?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(xué)習(xí)的算法,通過(guò)學(xué)習(xí)融合圖像與參考圖像之間差異生成殘差,利用殘差圖像進(jìn)一步修復(fù)融合圖像的細(xì)節(jié)丟失,光譜扭曲等問(wèn)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(duì)傳統(tǒng)遙感融合方法存在的問(wèn)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(xué)習(xí)和鄰域嵌入的算法學(xué)習(xí)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(guò)融合圖像與殘差圖像的疊加從而修復(fù)融合結(jié)果中的光譜扭曲和細(xì)節(jié)丟失等問(wèn)題,有效的保持了圖像的光譜信息和空間信息。實(shí)驗(yàn)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(duì)傳統(tǒng)遙感融合方法存在的問(wèn)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(luò)的遙感融合圖像質(zhì)量提升算法。通過(guò)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(luò)在廣義去噪上的優(yōu)勢(shì),學(xué)習(xí)固定融合方法細(xì)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(bǔ)充和修復(fù)融合結(jié)果中的信息缺失和缺陷。實(shí)驗(yàn)結(jié)果表明,經(jīng)過(guò)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(shí)，融合結(jié)果還是會(huì)有明顯光譜扭曲現(xiàn)象和色彩差異，這導(dǎo)致融合結(jié)果的光譜質(zhì)量較差，視覺(jué)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(gè)角度看待遙感融合問(wèn)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(guò)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(guò)合適的變換可以分離，，通過(guò)提取 PAN 的高頻信息，并依據(jù)一定的先驗(yàn)規(guī)則將其注入到 LR MS 中以提高圖像空間分辨率。常見(jiàn)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(dāng) PAN 的細(xì)節(jié)分量于 LR MS 的細(xì)節(jié)分量差異較大時(shí)，融合圖像的色彩與邊緣呈現(xiàn)假輪廓，視覺(jué)效果不佳。同時(shí)算法效果依賴(lài)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(shí)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(lái)，稀疏表示與卷積神經(jīng)網(wǎng)絡(luò)理論發(fā)展迅速，各國(guó)的研究者提出了許多基于稀疏表示和卷積神經(jīng)網(wǎng)絡(luò)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(wèn)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(guò)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(xué)位授予單位】：南華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 丁宏毅;周致迎;李開(kāi)端;;基于相關(guān)性的遙感圖像融合方法研究[J];中國(guó)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(zhǎng)江工程職業(yè)技術(shù)學(xué)院學(xué)報(bào);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(shì)探討[J];遙感信息;2011年01期

5 付和;;遙感圖像融合的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報(bào);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(cè)繪科學(xué);2009年03期

7 柴勇;何友;曲長(zhǎng)文;;遙感圖像融合最新進(jìn)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(dòng)態(tài)監(jiān)測(cè)中的應(yīng)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(jì)算機(jī)應(yīng)用;2017年S1期

10 古麗米熱·米吉提;吐?tīng)柡榻ぐ⒉级伎肆δ?;基于二進(jìn)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(huì)議論文 前10條

1 石愛(ài)業(yè);徐立中;黃風(fēng)辰;;一種改進(jìn)的基于小波變換的遙感圖像融合方法[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)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(yīng)用進(jìn)展[A];中國(guó)氣象學(xué)會(huì)2006年年會(huì)“災(zāi)害性天氣系統(tǒng)的活動(dòng)及其預(yù)報(bào)技術(shù)”分會(huì)場(chǎng)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(guó)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(huì)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(xué)會(huì)年會(huì)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(xué)的遙感圖像融合算法[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)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(huì)議摘要集[C];2018年

7 張永梅;馬禮;白文樂(lè);;基于多傳感器遙感圖像融合的目標(biāo)識(shí)別[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[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(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)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(guó)家安全地球物理叢書(shū)（八）——遙感地球物理與國(guó)家安全[C];2012年

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

相關(guān)博士學(xué)位論文 前9條

1 郭立萍;基于支持向量機(jī)遙感圖像融合分類(lèi)方法研究[D];中國(guó)地質(zhì)大學(xué)（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(xué);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(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)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(zhǎng)春理工大學(xué);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(xué);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(zhǎng)安大學(xué);2009年

7 徐彤陽(yáng);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

8 姚為;像素級(jí)和特征級(jí)遙感圖像融合方法研究與應(yīng)用[D];大連理工大學(xué);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(xué);2013年

相關(guān)碩士學(xué)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(xué);2019年

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

3 張言;像素級(jí)圖像融合方法研究[D];吉林大學(xué);2019年

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

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

7 宋璐;基于多尺度變換的遙感圖像融合[D];吉林大學(xué);2019年

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

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

本文編號(hào)：2637049