多源遙感圖像融合是將取自多個傳感器的同一目標的兩幅或多幅遙感圖像進行互補疊加,進而得到信息愈加精確和完善的綜合圖像的數(shù)據(jù)處理技術(shù)。圖像融合不僅是遙感探測數(shù)據(jù)處理的重要組成部分,而且在環(huán)境檢測、精準農(nóng)業(yè)、城市規(guī)劃等領(lǐng)域也有著廣泛的應(yīng)用空間。近年來,研究人員跟隨衛(wèi)星遙感技術(shù)前進的步伐,對多源遙感圖像融合展開了深入探索。根據(jù)融合層次的不同,圖像融合主要分為:像素層融合、特征層融合和決策層融合。本文主要圍繞像素層圖像融合展開算法研究,重點解決全色圖像與多光譜圖像在融合過程中存在的空間細節(jié)丟失和色彩失真問題,力求在增強融合結(jié)果空間特征的同時,盡可能地減輕色彩失真現(xiàn)象,具體工作如下:（1）提出了一種基于自適應(yīng)分數(shù)階微分的圖像融合算法針對基于IHS變換法得到的融合結(jié)果未充分考慮源圖像邊緣細節(jié)的問題,提出了一種基于自適應(yīng)分數(shù)階微分的圖像融合算法,基本思路是:首先利用IHS變換獲取上采樣后的多光譜圖像I分量,通過設(shè)計一種自適應(yīng)分數(shù)階微分方法,實現(xiàn)對I分量和全色圖像地物邊緣部分的增強和平坦部分的保留。然后采用加權(quán)平均對分數(shù)階微分處理后的I分量和全色圖像進行疊加,從而減少源圖像特征信息的丟失。接著對疊加后的... 

【文章來源】：重慶三峽學院重慶市

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

多源遙感圖像融合的主要層次類別

多源遙感圖像融合算法72多源遙感圖像融合算法2.1基于成分替代的多源遙感圖像融合基于成分替代的多源遙感圖像融合算法是利用矩陣變換，把特征信息映射到其他空間后進行成分替換，獲取融合結(jié)果的方法[41]。常用的基于成分替代融合算法包括：IHS變換法、PCA變換法、Brovey變換法等。此類方法具有復雜度低、易于實現(xiàn)的特性，且融合結(jié)果的空間細節(jié)信息保存良好。但處理過程中涉及到空間變換操作，因而常常出現(xiàn)色彩失真。2.1.1基于IHS變換的多源遙感圖像融合IHS變換法是一種基于IHS色彩空間的成分替代融合算法[42]，其中，IHS分別代表符合人眼識別習慣的三個關(guān)鍵特征，即：亮度（Intensity,I）、色度（Hue,H）及飽和度（Saturation,S）。若把亮度I分量、色度H分量、飽和度S分量映射到三維空間坐標系中，則可以繪制出如圖2.1的棱錐體。圖2.1IHS色彩空間由圖2.1能夠發(fā)現(xiàn)，在IHS色彩空間里，I分量反映了圖像的明暗變化情況，畫面的視覺效果越亮，則I分量的數(shù)值越大，即沿著中心軸從底端的黑漸變?yōu)轫敹说陌�。H分量表征了圖像的色彩特征，依據(jù)色調(diào)盤對應(yīng)不同顏色的色相環(huán)。S分量是指圖像顏色的濃稠度，顏色越艷麗，相應(yīng)的S數(shù)值就越大，對應(yīng)到IHS色彩空間中，則體現(xiàn)為距離色相環(huán)中心的半徑尺寸越大[43]。基于IHS變換法的多源遙感圖像融合算法的主要思路是：首先，采用IHS變換對多光譜圖像作顏色空間映射，把圖像從RGB模式映射到IHS模式，并獲取映射后的I分量、H分量和S分量，變換式子如下：

重慶三峽學院碩士學位論文81211133311266611022IRsGsB式(2.1)12arctansHs式(2.2)2212S(ss)式(2.3)式中，R、G、B分別為多光譜圖像的紅、綠、藍三個波段，1s和2s分別代表了RGB色彩空間轉(zhuǎn)換到IHS色彩空間的中間變量。其中，I分量與全色圖像具有類似的空間紋理，兩者均體現(xiàn)了圖像中地物的灰度變化。因此，采用全色圖像表示I分量，進而獲取具有更多幾何特征結(jié)構(gòu)的Inew分量。最后，利用IHS反變換獲取融合結(jié)果，計算式子如下：1211136211136212036newnewnewnewRIGsBs式(2.4)基于IHS變換的多源遙感圖像融合流程如圖2.2所示。圖2.2基于IHS變換的多源遙感圖像融合流程圖

【參考文獻】：
期刊論文
[1]遙感數(shù)據(jù)融合技術(shù)文獻綜述[J]. 閆晗晗,邢波濤,任璐,張琳,姚麟倩,段子陽,李晨曦,李鏘.  電子測量技術(shù). 2018(09)
[2]圖像融合質(zhì)量評價方法研究綜述[J]. 楊艷春,李嬌,王陽萍.  計算機科學與探索. 2018(07)
[3]基于自適應(yīng)Riesz分數(shù)階微分的霧天圖像增強[J]. 雷思佳,趙鳳群.  計算機應(yīng)用. 2018(05)
[4]遙感數(shù)據(jù)融合的進展與前瞻[J]. 張良培,沈煥鋒.  遙感學報. 2016(05)
[5]基于NSCT變換和PCA的圖像融合算法[J]. 吳粉俠,李紅,李洪星.  航空計算技術(shù). 2015(03)
[6]Variational PCA fusion for Pan-sharpening very high resolution imagery[J]. ZHOU ZeMing,MA Ning,LI YuanXiang,YANG PingL,ZHANG Peng,LI YunYing.  Science China（Information Sciences）. 2014(11)
[7]自適應(yīng)分數(shù)階微分的復合雙邊濾波算法[J]. 胡伏原,姒紹輝,張艷寧,孫瑾秋.  中國圖象圖形學報. 2013(10)
[8]基于分數(shù)階微分的圖像增強[J]. 楊柱中,周激流,晏祥玉,黃梅.  計算機輔助設(shè)計與圖形學學報. 2008(03)
[9]基于Contourlet變換的彩色圖像融合算法[J]. 李光鑫,王珂.  電子學報. 2007(01)

博士論文
[1]基于稀疏矩陣分解的遙感圖像融合[D]. 張凱.西安電子科技大學 2018

碩士論文
[1]基于NSCT變換的遙感圖像融合算法研究[D]. 馬馮.長安大學 2019
[2]遙感圖像PanSharpening融合方法的研究[D]. 李瑋.吉林大學 2018
[3]基于IHS變換的多光譜和全色圖像融合算法研究[D]. 王華偉.西南交通大學 2016
[4]遙感圖像融合方法的研究及應(yīng)用[D]. 夏曉天.復旦大學 2013



本文編號：3144506