遥感图像融合高性能算法的研究

发布时间：2020-06-05 19:18

【摘要】：对遥感图像融合算法的研究有着重要的意义。有了这些算法,我们就能融合一个卫星拍摄所得的低空间分辨率的多光谱图像和高空间分辨率的全色图像来生成一个高空间分辨率的多光谱图像,从而有助于目标识别等遥感任务的完成。现在流行的遥感图像融合算法可以大致分为四种:分量替换法,多分辨率分析法,基于变分模型的方法以及基于神经网络的方法。本文的主要工作是,在已知的遥感图像融合算法的基础上提出了一些新的算法。这是依据两条思路来实现的。一方面,受到框架小波正则化技巧和一种利用了再生核希尔伯特空间(RKHS)的变分模型类的遥感图像融合算法的启发,提出了一种新的变分模型。在模型中,我们假设了对所求图像施行框架小波变换后得到的系数是稀疏的,并考虑了已知的多光谱图像和全色图像与所求图像的关系。此模型可用交替方向乘子法(ADMM)高效地求解。为提升算法表现,我们又将一种外迭代策略与模型结合了起来。数值实验表明,该方法在获得许多全色图像中的空间细节的同时很好地保持了原多光谱图像的光谱特性,且其表现超越了一些已知的流行算法。在运行时间方面,它较RKHS方法有较大的优势。另一方面,本文考虑了遥感图像融合中的经典框架(分量替换法和多分辨率分析法的统一框架),将它与一种原本用于图像平滑的基于高斯函数之商(RoG)的滤波方法相结合,提出了另一种新的算法。在算法中,这种滤波方法既被用于从全色图像中提取空间细节,又被用于修正上采样过后的多光谱图像以使其更匹配那些注入的细节。数值实验证实,和同样遵循经典框架的几种流行的遥感图像融合算法相比,此算法能得到很有竞争力的结果。
【图文】：

非线性明度-色调-饱和度的遥感图像融合算法（简称 NIHS 方法）以及基于再生核希尔伯特空间的遥感图像融合算法（简称 RKHS 方法）。下面的图4-1到图4-3分别展示了在三个数据集上各种遥感图像融合算法的实验结果。从这些视觉效果图中可以看出，不管是就光谱保真度还是空间细节方面而言，，其他遥感图像融合算法都明显地优于基于 PCA 的遥感图像融合算法。GS 方法在保持光谱方面表现得不够稳定，这一问题在 Quickbird 数据集和 Pleiades 数据集上都体现得很明显。PHLP 方法和 NIHS 方法能够较好地保持光谱，但它们倾向于去掉过多的空间细节，使得生成的图像跟真实图像比较起来过于光滑。HPF 方法和 MTFGLP 方法看上去没有多少光谱失真，也能给出很多空间细节。但如果放大图片仔细观察，会发现它们能给出的空间细节不如 3.1 节中的方法给出

24(g) (h) (i)图 4-2 各种遥感图像融合算法在 Pleiades 数据集上的实验结果(a)Wald’s protocol 下的真实图（原始 MS 图）；(b)PCA 方法的结果；(c)G方法的结果；(d)HPF 方法的结果；(e)MTFGLP 方法的结果；(f)PHLP方法的结果；(g)NIHS 方法的结果；(h)RKHS 方法的结果；(i)本文 3.节方法的结果
【学位授予单位】：电子科技大学
【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 丁宏毅;周致迎;李开端;;基于相关性的遥感图像融合方法研究[J];中国设备工程;2017年04期

2 丁宏毅;周致迎;李开端;;基于相关性的遥感图像融合方法研究[J];中国设备工程;2017年01期

3 徐建英;;基于小波变换的遥感图像融合技术研究[J];长江工程职业技术学院学报;2017年01期

4 孙洪泉;窦闻;易文斌;;遥感图像融合的研究现状、困境及发展趋势探讨[J];遥感信息;2011年01期

5 付和;;遥感图像融合的应用研究[J];科技创新导报;2011年09期

6 陈超;江涛;刘祥磊;;基于缨帽变换的遥感图像融合方法研究[J];测绘科学;2009年03期

7 柴勇;何友;曲长文;;遥感图像融合最新进展及展望[J];舰船电子工程;2009年08期

8 王艳;陈波;;遥感图像融合技术及其在土地资源动态监测中的应用[J];影像技术;2005年Z2期

9 赵泽星;王显珉;;遥感图像融合效果定向控制[J];计算机应用;2017年S1期

10 古丽米热·米吉提;吐尔洪江·阿布都克力木;;基于二进小波变换的遥感图像融合方法[J];科技视界;2017年18期

相关会议论文 前10条

1 石爱业;徐立中;黄风辰;;一种改进的基于小波变换的遥感图像融合方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

2 李建云;李玮;;小波变换在卫星遥感图像融合中的应用进展[A];中国气象学会2006年年会“灾害性天气系统的活动及其预报技术”分会场论文集[C];2006年

3 梁波;吴连喜;陈竹安;段彩莲;苏小霞;;光谱锐化的遥感图像融合方法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

4 马丹;郑锴;涂振前;;遥感图像融合综述[A];2007年福建省土地学会年会征文集[C];2007年

5 葛雯;高立群;;基于非分离小波变换及形态学的遥感图像融合算法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

6 曲家慧;李云松;董文倩;郑毓轩;谢卫莹;;基于边缘保持滤波和结构张量的遥感图像融合[A];2018软件定义卫星高峰论坛会议摘要集[C];2018年

7 张永梅;马礼;白文乐;;基于多传感器遥感图像融合的目标识别[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

8 雷宏宇;钟广军;;基于Curvelet变换的快速遥感图像融合[A];第四届和谐人机环境联合学术会议论文集[C];2008年

9 赵鹏涛;刘刚;胡岑;王明昊;彭接力;;基于Laplace-PCA的遥感图像融合算法[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

10 齐同军;曹晓航;常鹏飞;晏阳;向哲;;基于IHS-NSCT变换的并行遥感图像融合算法[A];卫星导航系统应用与繁荣2011[C];2011年

相关博士学位论文 前9条

1 郭立萍;基于支持向量机遥感图像融合分类方法研究[D];中国地质大学（北京）;2010年

2 刘帆;基于小波核滤波器和稀疏表示的遥感图像融合[D];西安电子科技大学;2014年

3 王金玲;基于多分辨率分析的遥感图像融合算法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2011年

4 陈志刚;基于Contourlet遥感图像融合与压缩技术研究[D];长春理工大学;2009年

5 方发明;基于变分法的遥感图像融合方法研究[D];华东师范大学;2013年

6 田养军;基于提升小波分解曲波变换的多源遥感图像融合方法研究[D];长安大学;2009年

7 徐彤阳;基于抗混叠Contourlet变换的遥感图像融合研究[D];上海大学;2011年

8 姚为;像素级和特征级遥感图像融合方法研究与应用[D];大连理工大学;2011年

9 胡建文;基于多尺度滤波和稀疏表示的图像融合方法研究[D];湖南大学;2013年

相关硕士学位论文 前10条

1 章自尧;遥感图像融合高性能算法的研究[D];电子科技大学;2019年

2 叶发杰;基于卷积神经网络的遥感图像融合算法[D];吉林大学;2019年

3 张言;像素级图像融合方法研究[D];吉林大学;2019年

4 马冯;基于NSCT变换的遥感图像融合算法研究[D];长安大学;2019年

5 王翔;遥感图像融合质量提升算法研究[D];南华大学;2019年

6 胡鑫;基于变分法的自适应遥感图像融合方法研究[D];重庆邮电大学;2018年

7 宋璐;基于多尺度变换的遥感图像融合[D];吉林大学;2019年

8 费奕繁;基于显著性检测和边缘决策的多尺度遥感图像融合算法[D];吉林大学;2019年

9 余楚平;基于变分的多尺度遥感图像融合研究与实现[D];合肥工业大学;2018年

10 张康;基于NSST变换的遥感图像融合算法研究[D];北方民族大学;2018年

本文编号：2698492