NSST域内基于蚁群边缘优化和最小Hausdorff距离的遥感图像融合方法

发布时间：2020-04-01 22:14

【摘要】：随着遥感传感器技术的不断发展,不同的遥感传感器所获取的遥感图像数据在空间分辨率和光谱分辨率方面各有不同。利用光学原理设计的传感器获取的遥感图像数据在空间细节表征力和光谱特性保留方面是相互冲突的,在同一信噪比的情况下,若要提升遥感图像的空间分辨率则需要牺牲一定的光谱分辨率,同理,若要提升遥感图像的光谱分辨率则需要把牺牲空间分辨率作为代价。在遥感图像数据的实际研究和应用中则需要两个分辨率同时都高的图像,为了使卫星获取的遥感图像既具有较好的光谱特性,又具有较高的空间细节表征能力,遥感图像融合技术便应运而生。本文针对传统遥感图像融合方法中存在的保留图像光谱特性和提高空间细节表征能力相互冲突的问题和遥感图像在融合过程中采用单一融合策略造成空间细节信息缺失的问题,提出两种新算法:1.提出基于最小Hausdorff距离和非下采样剪切波变换(Non-Subsampled Shearlet Transform,NSST)的遥感图像融合算法。该算法首先利用主成分分析(Principal Component Analysis,PCA)变换获得多光谱图像的第一主分量,然后采用NSST对全色图像和第一主分量分别进行多层分解,得到低频子带和方向尺度各不相同的高频子带。其中高频子带中含有大量特征显著的空间细节信息,传统单一的融合规则并不适用于全部细节特征,采用单一融合策略融合会造成融合图像部分细节信息和光谱信息缺失和不匹配。针对这个问题将最小Hausdorff距离作为多策略融合的度量标准应用在高频子带融合中,根据相似度选择相应的融合策略。将空间频率结合稀疏表示的方法应用于低频子带融合中。最后分别进行NSST逆变换和PCA逆变换得到目标融合图像。通过对不同卫星数据集进行测试,结果表明所提方法在保留光谱信息和提升空间分辨率方面都有很好的效果。2.提出NSST域内基于蚁群边缘优化和最小Hausdorff距离的遥感图像融合算法。该算法是对上一个算法的优化,在多策略融合的基础上采用蚁群边缘优化算法将多光谱图像和全色图像中互补的细节信息同时保留在融合图像中,首先利用PCA变换获得多光谱图像的第一主分量,将蚁群边缘检测应用于全色图像获得其边缘二值图像,根据边缘图像对全色图像和第一主分量进行多策略融合获得新的全色图像。然后分别对新的全色图像和第一主分量进行NSST分解,得到低频子带和各个方向尺度不同的高频子带。融合分解所得的高频子带时采用多策略融合的融合规则,融合低频子带时采用结合空间频率和稀疏表示的融合规则。最后分别经过NSST逆变换和PCA逆变换得到目标融合图像。通过对不同卫星数据集进行测试,结果表明所提方法在保留光谱信息和提升空间分辨率方面都有很好的效果。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 冯丽容;;星体的对偶Orlicz Hausdorff度量[J];重庆工商大学学报(自然科学版);2017年02期

2 饶峰;柯枫;;拓扑Hausdorff维数的一种计算方法及其应用[J];四川师范大学学报(自然科学版);2017年04期

3 Sheng Jin HUO;Sheng Jian WU;;Hausdorff Dimensions of Quasilines and Differentiability of Quasisymmetric Homeomorphisms[J];Acta Mathematica Sinica;2016年04期

4 Zhiwei Zhu;Zuoling Zhou;;A Local Property of Hausdorff Centered Measure of Self-Similar Sets[J];Analysis in Theory and Applications;2014年02期

5 丁丹;郭晶;盛中平;;有关Hausdorff测度的两类覆盖形式[J];东北师大学报(自然科学版);2013年04期

6 李英明;李旭健;;两条参数曲线间的Hausdorff距离的研究[J];华中师范大学学报(自然科学版);2012年03期

7 李艳晓;袁可红;;基于递归图的一类自仿集的Hausdorff维数[J];洛阳理工学院学报(自然科学版);2011年01期

8 陆汉川;伏文清;;预Hausdorff空间的一些简单性质[J];云南师范大学学报(自然科学版);2011年05期

9 连丹青;;魔鬼阶梯的Hausdorff测度与Hausdorff维数[J];湖北民族学院学报(自然科学版);2009年02期

10 陈岩;姜淑珍;宫雪;;带有扩张Hausdorff度量超空间的一些性质[J];长春师范学院学报(自然科学版);2008年12期

相关会议论文 前10条

1 苏磊;张登福;王世强;刘涛;;基于Hausdorff距离的图像匹配技术应用综述[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

2 ;Difference Squared Hausdorff Distance Based Medical Image Registration[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 马天磊;刘云鹏;;融合结构信息的Hausdorff距离在图像匹配中的应用[A];第十届全国光电技术学术交流会论文集[C];2012年

4 Tianyu Sun;Wensheng Yu;;Machine Proving System for Mathematical Theorems in Coq-Machine Proving of Hausdorff Maximal Principle and Zermelo Postulate[A];第36届中国控制会议论文集（F）[C];2017年

5 王号;沈海平;;基于Hausdorff距离的多目标多传感器数据关联[A];第一届空中交通管理系统技术学术年会论文集[C];2018年

6 宋昀岑;叶玉堂;罗颖;陈镇龙;;一种基于彩色图像处理和Hausdorff距离的配准算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 牛照东;邹江威;王卫华;陈曾平;;基于形状结构和梯度方向加权的Hausdorff距离图像匹配方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

8 张洪霞;俞利;叶旭鸣;;基于边缘特征和Hausdorff距离的图像匹配算法研究[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年

9 梁晓云;章品正;王蔚林;曾卫明;罗立民;王立功;周正东;;Hausdorff距离与GA相结合的医学图像配准[A];第二届全国信息获取与处理学术会议论文集[C];2004年

10 冷雪飞;刘建业;熊智;邢广华;;鲁棒Hausdorff距离在SAR/惯性组合导航图像匹配中的应用研究[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年

相关博士学位论文 前10条

1 张德军;CAD模型在线集成与离线集成关键技术研究[D];武汉大学;2015年

2 陈秀;Lipschitz等价与唯一集的Hausdorff维数[D];华东师范大学;2018年

3 谢玉琼;一类拓广的Besicovitch集及其维数[D];武汉大学;2005年

4 车畅;基于改进Hausdorff距离的多特征度量融合图像检索方法研究[D];哈尔滨理工大学;2017年

5 李志辉;几类展式的轨道分布问题[D];武汉大学;2017年

6 王文娅;若干分形集的Hausdorff维数和密度[D];华中科技大学;2016年

7 霍胜进;拟圆周的Hausdorff维数[D];北京大学;2013年

8 胡晓梅;关于齐次Moran集维数的若干问题研究[D];华中师范大学;2017年

9 高贵连;Hausdorff算子及其相关研究[D];浙江大学;2012年

10 李俊;Hausdorff算子在几种空间上的有界性[D];浙江大学;2012年

相关硕士学位论文 前10条

1 张晗s，

本文编号：2611015