近年來,遙感技術(shù)發(fā)展迅猛也更廣泛地運(yùn)用到了我們的實(shí)際生活應(yīng)用中,遙感圖像融合也受到了更多的重視,其中遙感圖像融合中的多光譜和全色圖像融合得到了更多的研究與關(guān)注。該類融合算法正是將傳感器采集的同一地區(qū)的全色圖像與多光譜圖像通過融合算法融合,將兩類圖像的優(yōu)點(diǎn)相結(jié)合,得到紋理信息精確光譜保持度好的高質(zhì)量融合圖像。本文首先對(duì)遙感圖像融合的背景和研究現(xiàn)狀進(jìn)行了有關(guān)介紹,對(duì)一些經(jīng)典融合算法進(jìn)行了詳細(xì)地分析。針對(duì)現(xiàn)有融合方法在融合過程中不能同時(shí)兼顧圖像的空間與光譜信息,以及出現(xiàn)的光譜扭曲現(xiàn)象,提出了相關(guān)改進(jìn),主要工作如下:1.針對(duì)傳統(tǒng)IHS融合方法在融合過程中常出現(xiàn)的光譜扭曲問題,提出了一種基于引導(dǎo)濾波的AIHS遙感圖像融合方法。首先,采用引導(dǎo)濾波對(duì)多光譜圖像進(jìn)行濾波操作,對(duì)圖像的邊緣信息進(jìn)行充分提取,利用高通濾波對(duì)多光譜圖像和全色圖像進(jìn)行濾波操作,得到其各自的高頻細(xì)節(jié)分量;然后,利用自適應(yīng)AIHS方法求解自適應(yīng)系數(shù),得到細(xì)節(jié)分量圖;最后,利用引導(dǎo)濾波對(duì)多光譜圖像和全色圖像的高頻細(xì)節(jié)分量進(jìn)行濾波,提取它們差異信息中包含的光譜信息,并將其注入到細(xì)節(jié)分量圖中,得到融合圖像。原始的多光譜圖像進(jìn)行引導(dǎo)濾波處... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 遙感圖像融合的研究背景與意義
    1.2 遙感圖像融合的國內(nèi)外研究現(xiàn)狀
    1.3 遙感圖像融合的層次劃分
        1.3.1 像素級(jí)融合
        1.3.2 特征級(jí)融合
        1.3.3 決策級(jí)融合
    1.4 本文結(jié)構(gòu)安排
    1.5 本章小結(jié)
第2章 遙感圖像融合理論
    2.1 基于成分替換的融合方法
        2.1.1 IHS變換的圖像融合方法
        2.1.2 PCA變換的圖像融合方法
        2.1.3 Brovey圖像融合方法
    2.2 多分辨率分析融合方法
    2.3 基于模型優(yōu)化的融合算法
    2.4 融合結(jié)果評(píng)價(jià)方法
        2.4.1 主觀評(píng)價(jià)方法
        2.4.2 客觀評(píng)價(jià)方法
    2.5 本章小結(jié)
第3章 基于引導(dǎo)濾波的AIHS遙感圖像融合方法
    3.1 引導(dǎo)濾波的原理
    3.2 引導(dǎo)濾波的特性
        3.2.1 引導(dǎo)濾波的邊緣保持平滑特性
        3.2.2 引導(dǎo)濾波器的結(jié)構(gòu)轉(zhuǎn)移特性
    3.3 基于引導(dǎo)濾波器的AIHS融合算法
        3.3.1 獲取初始細(xì)節(jié)圖
        3.3.2 增強(qiáng)光譜信息
    3.4 實(shí)驗(yàn)仿真
        3.4.1 預(yù)處理
        3.4.2 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第4章 基于改進(jìn)的IHS、PCA和小波變換的遙感圖像融合算法
    4.1 基于直方圖優(yōu)化的IHS融合算法改進(jìn)
        4.1.1 IHS融合算法缺點(diǎn)分析
        4.1.2 基于直方圖優(yōu)化的IHS融合算法改進(jìn)
    4.2 基于改進(jìn)的IHS、PCA和小波變換的遙感圖像融合算法
        4.2.1 融合規(guī)則
        4.2.2 算法描述
    4.3 實(shí)驗(yàn)與結(jié)果分析
    4.4 本章小結(jié)
第5章 遙感圖像融合算法的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 架構(gòu)設(shè)計(jì)
    5.2 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 需求分析
        5.2.2 系統(tǒng)總體概況
        5.2.3 模塊設(shè)計(jì)
    5.3 遙感圖像融合算法的實(shí)現(xiàn)效果
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于小波融合的電容層析成像圖像重建[J]. 張立峰,周雷.  計(jì)量學(xué)報(bào). 2019(02)
[2]基于IHS變換的Gram-Schmidt改進(jìn)融合算法研究[J]. 劉川,齊修東,臧文乾,黃祥志,楊秀峰.  測(cè)繪工程. 2018(11)
[3]小波基在低壓電力線信道有色背景噪聲建模中的應(yīng)用研究[J]. 索超男,張慧,趙雄文.  電力系統(tǒng)保護(hù)與控制. 2017(04)
[4]遙感數(shù)據(jù)融合的進(jìn)展與前瞻[J]. 張良培,沈煥鋒.  遙感學(xué)報(bào). 2016(05)
[5]基于干旱指數(shù)的寧夏干旱時(shí)空變化特征及其Morlet小波分析[J]. 張彥龍,劉普幸,王允.  生態(tài)學(xué)雜志. 2015(08)
[6]一種新的IHS圖像多次融合的方法[J]. 賀國棟,石躍祥,龔偉.  計(jì)算技術(shù)與自動(dòng)化. 2015(02)
[7]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(jì)算技術(shù). 2015(03)
[8]高分一號(hào)衛(wèi)星在國土資源領(lǐng)域的應(yīng)用及前景[J]. 羅海靜,資鋒,陳玲,張微,盧善龍.  衛(wèi)星應(yīng)用. 2015(03)
[9]基于多尺度導(dǎo)引濾波的圖像融合方法[J]. 楊航,吳笑天,賀柏根,朱明.  光電子·激光. 2015(01)
[10]地球觀測(cè)1號(hào)高光譜與全色圖像融合的最佳方法[J]. 林志壘,晏路明.  計(jì)算機(jī)應(yīng)用. 2014(08)

博士論文
[1]基于多尺度分解的多源圖像融合算法研究[D]. 李勇.吉林大學(xué) 2010

碩士論文
[1]基于自適應(yīng)引導(dǎo)濾波的圖像融合算法研究[D]. 趙麗.西安電子科技大學(xué) 2018
[2]基于多分辨率分析的多源圖像融合算法的研究[D]. 張拓.電子科技大學(xué) 2014
[3]基于多光譜的超分辨率圖像融合算法的研究[D]. 薛巧平.華北電力大學(xué) 2012
[4]基于小波變換技術(shù)的圖像融合方法的研究與應(yīng)用[D]. 胥妍.山東師范大學(xué) 2008
[5]多源遙感影像融合最佳波段選擇及質(zhì)量評(píng)價(jià)研究[D]. 許菡.山東科技大學(xué) 2007



本文編號(hào)：3165124