發(fā)布時(shí)間：2021-01-15 09:29

　　進(jìn)入航天時(shí)代以來,衛(wèi)星遙感在測繪、基建、交通、農(nóng)林牧業(yè)等領(lǐng)域擁有越來越大的市場份額�；谥鲃�(dòng)微波成像機(jī)理的合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）傳感器全天候成像,圖像對(duì)土壤和水體的穿透性以及無視氣候條件干擾的特性使得對(duì)SAR數(shù)據(jù)的處理越來越受到重視�；诠夥瓷涞墓鈱W(xué)衛(wèi)星圖像則具有豐富的光譜信息,在各種常規(guī)監(jiān)測領(lǐng)域中占據(jù)主流地位,但是很容易受到外界條件的干擾。本文以SAR和可見光影像為研究對(duì)象,從多源圖像融合領(lǐng)域出發(fā)進(jìn)行研究,總結(jié)出SAR和可見光融合算法仍舊存在不足,融合圖像存在光譜失真和細(xì)節(jié)信息丟失的問題。對(duì)多源圖像融合算法進(jìn)行了深入研究,主要研究內(nèi)容分為以下幾個(gè)方面。（1）總結(jié)現(xiàn)階段多源圖像融合算法的不足和改進(jìn)的方向,歸納卷積神經(jīng)網(wǎng)絡(luò)用于多源圖像融合上的優(yōu)勢;對(duì)SAR和可見光融合圖像的性能要求進(jìn)行分析,選擇主觀視覺和適合的客觀指標(biāo)聯(lián)合評(píng)價(jià)的方式對(duì)融合后圖像進(jìn)行全面評(píng)價(jià);針對(duì)SAR和可見光圖像的特性,總結(jié)歸納出SAR和可見光圖像的融合預(yù)處理過程。（2）將圖像超分辨率重建算法代替插值法用于可見光圖像的重采樣,通過比較不同模型的超分辨率重建算法,選擇結(jié)合優(yōu)... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 多源遙感圖像融合的研究現(xiàn)狀
        1.2.1 國內(nèi)研究動(dòng)態(tài)
        1.2.2 國外研究動(dòng)態(tài)
        1.2.3 融合算法的不足
    1.3 論文主要研究工作和結(jié)構(gòu)安排
        1.3.1 主要研究工作
        1.3.2 結(jié)構(gòu)安排
第2章 圖像融合原理及數(shù)據(jù)預(yù)處理
    2.1 引言
    2.2 圖像融合算法
        2.2.1 融合算法層次
        2.2.2 空間域變換融合方法
        2.2.3 多尺度變換融合方法
        2.2.4 基于深度學(xué)習(xí)的圖像融合方法
    2.3 融合圖像性能評(píng)價(jià)
        2.3.1 主觀視覺評(píng)價(jià)
        2.3.2 客觀指標(biāo)評(píng)價(jià)
    2.4 圖像預(yù)處理
        2.4.1 SAR圖像預(yù)處理
        2.4.2 可見光圖像預(yù)處理
    2.5 本章小結(jié)
第3章 圖像超分辨率重建影像增強(qiáng)
    3.1 引言
    3.2 超分辨率重建算法
        3.2.1 基于插值法的圖像超分辨率重建
        3.2.2 基于重建的圖像超分辨率處理
        3.2.3 基于深度學(xué)習(xí)的圖像超分辨率重建
    3.3 卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 卷積神經(jīng)網(wǎng)絡(luò)構(gòu)成
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
    3.4 基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率影像增強(qiáng)
        3.4.1 卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率模型
        3.4.2 超分辨率影像增強(qiáng)
    3.5 影像增強(qiáng)結(jié)果與分析
        3.5.1 數(shù)據(jù)選擇與評(píng)價(jià)方式
        3.5.2 實(shí)驗(yàn)結(jié)果與評(píng)價(jià)
    3.6 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的SAR和光學(xué)圖像融合算法
    4.1 引言
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)圖像融合的原理和過程
    4.3 融合算法實(shí)現(xiàn)過程
        4.3.1 算法整體實(shí)現(xiàn)過程
        4.3.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型
        4.3.3 激活函數(shù)選擇
        4.3.4 損失函數(shù)選擇
        4.3.5 卷積神經(jīng)網(wǎng)絡(luò)融合層
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 數(shù)據(jù)選擇與評(píng)價(jià)方式
        4.4.2 網(wǎng)絡(luò)訓(xùn)練過程分析
        4.4.3 融合結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)字典學(xué)習(xí)的卷積稀疏表示遙感圖像融合[J]. 楊勇,李露奕,黃淑英,張迎梅,盧航遠(yuǎn).  信號(hào)處理. 2020(01)
[2]基于多源高分辨率衛(wèi)星遙感影像的區(qū)域網(wǎng)平差方法研究[J]. 周艷,張楠,吳迪,李景萍.  測繪與空間地理信息. 2019(12)
[3]衛(wèi)星遙感及圖像處理平臺(tái)發(fā)展[J]. 趙忠明,高連如,陳東,岳安志,陳靜波,劉東升,楊健,孟瑜.  中國圖象圖形學(xué)報(bào). 2019(12)
[4]基于非下采樣Shearlet變換與差異度量的遙感圖像融合算法[J]. 崔怡文,任佳佳.  電子測量與儀器學(xué)報(bào). 2019(12)
[5]融合GF-MSRCR和暗通道先驗(yàn)的圖像去霧[J]. 劉萬軍,白宛司,曲海成,趙慶國.  中國圖象圖形學(xué)報(bào). 2019(11)
[6]雙重字典學(xué)習(xí)與自適應(yīng)PCNN相結(jié)合的醫(yī)學(xué)圖像融合[J]. 王麗芳,竇杰亮,秦品樂,藺素珍,高媛,張程程.  中國圖象圖形學(xué)報(bào). 2019(09)
[7]基于深度卷積神經(jīng)網(wǎng)絡(luò)的紅外小目標(biāo)檢測[J]. 吳雙忱,左崢嶸.  紅外與毫米波學(xué)報(bào). 2019(03)
[8]“高分四號(hào)”衛(wèi)星正射校正精度分析[J]. 馬馮,孫旭,高連如,付晨罡.  航天返回與遙感. 2019(01)
[9]基于模糊綜合評(píng)判的車輛目標(biāo)SAR仿真圖像評(píng)估方法[J]. 胡利平,劉錦帆,王洪葉,閆華,殷紅成.  系統(tǒng)工程與電子技術(shù). 2019(03)
[10]一種耦合空間域與變換域的遙感影像融合方法[J]. 王少迪,李軼鯤,楊樹文.  遙感信息. 2018(02)

博士論文
[1]遙感圖像融合模型及優(yōu)化方法研究[D]. 陳應(yīng)霞.華東師范大學(xué) 2019
[2]單幅圖像超分辨率重建方法研究[D]. 唐永亮.重慶大學(xué) 2018
[3]基于變分法和偏微分方程的圖像增強(qiáng)和融合方法研究[D]. 趙文達(dá).中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2016

碩士論文
[1]SAR與可見光遙感圖像融合方法研究[D]. 盛佳佳.合肥工業(yè)大學(xué) 2018



本文編號(hào)：2978665