遙感圖像的分辨率直接影響國(guó)土資源信息的全面性和準(zhǔn)確性,隨著遙感技術(shù)的發(fā)展,遙感圖像在國(guó)土資源中的應(yīng)用越來(lái)越廣泛,國(guó)土資源管理對(duì)遙感圖像的分辨率有了更高的要求。在實(shí)際應(yīng)用中,由于衛(wèi)星遙感器的技術(shù)受限,多數(shù)商業(yè)衛(wèi)星不能提供一幅高空間分辨率多光譜（High-spatial-resolution Multispectral,HRMS）圖像。它們只能提供低空間分辨率多光譜（Multispectral,MS）圖像和高空間分辨率全色（Panchromatic,PAN）圖像。這種由衛(wèi)星直接成像的MS和PAN圖像通常因空間分辨率或光譜分辨率不高無(wú)法為國(guó)土資源管理提供全面、準(zhǔn)確的信息,不能直接用于國(guó)土資源信息管理。因此遙感圖像融合應(yīng)運(yùn)而生。遙感圖像融合是兩幅或多幅來(lái)自同一場(chǎng)景的不同空間分辨率、光譜分辨率或時(shí)域分辨率的MS和PAN圖像的信息整合過(guò)程,其目的是通過(guò)融合不同傳感器成像的MS和PAN圖像互補(bǔ)信息,產(chǎn)生一幅HRMS圖像。遙感圖像融合技術(shù)按照信息表征層次不同,由低到高可分為像素級(jí)圖像融合、特征級(jí)圖像融合和決策級(jí)圖像融合。像素級(jí)圖像融合是目前研究最廣泛,也是最為常用的一類融合,它對(duì)各源圖像中的像素逐個(gè)進(jìn)... 

【文章頁(yè)數(shù)】：200 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
        1.1.1 遙感圖像融合的研究背景
        1.1.2 遙感圖像融合的研究意義
    1.2 遙感圖像融合層級(jí)結(jié)構(gòu)
    1.3 像素級(jí)遙感圖像融合算法概述
        1.3.1 基于成分替代的遙感圖像融合算法
        1.3.2 基于多分辨率分析的遙感圖像融合算法
        1.3.3 基于模型的遙感圖像融合算法
        1.3.4 基于人工神經(jīng)網(wǎng)絡(luò)的遙感圖像融合算法
        1.3.5 基于混合技術(shù)的遙感圖像融合算法
        1.3.6 遙感圖像融合存在的問(wèn)題
    1.4 遙感圖像特性分析
        1.4.1 WorldView-2 衛(wèi)星圖像特性
        1.4.2 IKONOS衛(wèi)星圖像特性
        1.4.3 QuickBird衛(wèi)星圖像特性
    1.5 遙感圖像融合質(zhì)量評(píng)價(jià)
        1.5.1 有參考圖遙感圖像融合質(zhì)量評(píng)價(jià)
        1.5.2 無(wú)參考圖遙感圖像融合質(zhì)量評(píng)價(jià)
    1.6 本論文創(chuàng)新點(diǎn)與結(jié)構(gòu)安排
        1.6.1 論文創(chuàng)新點(diǎn)
        1.6.2 論文結(jié)構(gòu)安排
第2章 注入模型
    2.1 引言
    2.2 注入模型融合方案
    2.3 圖像預(yù)處理
        2.3.1 重采樣
        2.3.2 直方圖匹配
    2.4 成分替代技術(shù)
        2.4.1 亮度-色度-飽和度變換
        2.4.2 主成分分析
    2.5 基于成分替代的注入模型
    2.6 多分辨率分析技術(shù)
        2.6.1 小波變換
        2.6.2 濾波技術(shù)
        2.6.3 稀疏表示理論
    2.7 基于多分辨率分析的注入模型
    2.8 本章小節(jié)
第3章 基于精煉細(xì)節(jié)注入的遙感圖像融合算法及其應(yīng)用
    3.1 引言
    3.2 細(xì)節(jié)精煉關(guān)鍵技術(shù)
        3.2.1 à trous小波變換
        3.2.2 引導(dǎo)濾波
        3.2.3 稀疏表示
        3.2.4 字典學(xué)習(xí)
    3.3 基于精煉細(xì)節(jié)注入的遙感圖像融合算法框架
    3.4 基于精煉細(xì)節(jié)注入的遙感圖像融合算法
        3.4.1 基于àtrous小波變換及引導(dǎo)濾波的高頻細(xì)節(jié)提取
        3.4.2 稀疏融合獲取初始聯(lián)合細(xì)節(jié)
        3.4.3 基于自適應(yīng)權(quán)重因子精煉算法獲取精煉聯(lián)合細(xì)節(jié)
        3.4.4 基于邊緣信息保護(hù)的細(xì)節(jié)注入
        3.4.5 精煉細(xì)節(jié)性能測(cè)試
    3.5 實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        3.5.1 仿真圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        3.5.2 真實(shí)圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        3.5.3 算法綜合性能評(píng)價(jià)
        3.5.4 應(yīng)用示例:算法在城區(qū)地物分類管理中的應(yīng)用
    3.6 本章小結(jié)
第4章 基于補(bǔ)償細(xì)節(jié)注入的遙感圖像融合算法及其應(yīng)用
    4.1 引言
    4.2 補(bǔ)償細(xì)節(jié)提取關(guān)鍵技術(shù)
        4.2.1 基于補(bǔ)償細(xì)節(jié)的注入模型
        4.2.2 魯棒稀疏模型
        4.2.3 魯棒稀疏模型性能
    4.3 基于補(bǔ)償細(xì)節(jié)注入的遙感圖像融合算法框架
    4.4 基于補(bǔ)償細(xì)節(jié)注入的遙感圖像融合算法
        4.4.1 魯棒稀疏模型重建補(bǔ)償細(xì)節(jié)
        4.4.2 全色圖像高頻細(xì)節(jié)提取
        4.4.3 補(bǔ)償細(xì)節(jié)與全色圖像高頻細(xì)節(jié)的聯(lián)合注入
        4.4.4 魯棒稀疏模型中方形窗尺寸討論
        4.4.5 補(bǔ)償細(xì)節(jié)性能
    4.5 實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        4.5.1 仿真圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        4.5.2 真實(shí)圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        4.5.3 算法綜合性能評(píng)價(jià)
        4.5.4 應(yīng)用示例:算法用于山川、河流管理
    4.6 本章小結(jié)
第5章 基于多光譜圖像改進(jìn)的遙感圖像融合算法及其應(yīng)用
    5.1 引言
    5.2 多光譜圖像改進(jìn)關(guān)鍵技術(shù)
        5.2.1 基于多光譜圖像改進(jìn)的注入模型
        5.2.2 基于稀疏表示的字典學(xué)習(xí)
    5.3 基于多光譜圖像改進(jìn)的遙感圖像融合算法框架
    5.4 基于多光譜圖像改進(jìn)的遙感圖像融合算法
        5.4.1 低空間分辨率多光譜圖像性能改進(jìn)
        5.4.2 基于改進(jìn)的多光譜圖像的細(xì)節(jié)注入
        5.4.3 改進(jìn)的多光譜圖像的性能
    5.5 實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        5.5.1 仿真圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        5.5.2 真實(shí)圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        5.5.3 算法綜合性能評(píng)價(jià)
        5.5.4 應(yīng)用示例:算法用于林業(yè)分類管理
    5.6 本章小結(jié)
第6章 基于光譜及亮度調(diào)制的遙感圖像融合算法及其應(yīng)用
    6.1 引言
    6.2 基于光譜及亮度調(diào)制的遙感圖像融合算法關(guān)鍵技術(shù)
        6.2.1 光譜調(diào)制
        6.2.2 亮度調(diào)制
        6.2.3 光譜及亮度調(diào)制觀測(cè)模型
    6.3 光譜及亮度調(diào)制的遙感圖像融合算法框架
    6.4 基于光譜及亮度調(diào)制的遙感圖像融合算法
        6.4.1 構(gòu)建光譜調(diào)制系數(shù)
        6.4.2 構(gòu)建亮度調(diào)制系數(shù)
        6.4.3 光譜調(diào)制系數(shù)及亮度調(diào)制系數(shù)性能
    6.5 實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        6.5.1 仿真圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        6.5.2 真實(shí)圖像實(shí)驗(yàn)結(jié)果及其應(yīng)用分析
        6.5.3 算法綜合性能評(píng)價(jià)
        6.5.4 應(yīng)用示例:算法用于城區(qū)地物分類管理
    6.6 本章小結(jié)
第7章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 研究展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果
致謝



本文編號(hào)：3647147